预测性能造句

造句与例句手机版

结果表明本文的转换模型预测性能较好。
实验验证了该方法的有效性，并考察了一些关键参数对于预测性能的影响。
实验证实基于dls的新型链结构网络较传统的dls - icbp和icbp链结构网络的多步预测性能有较大提高。
本文分别用三层mlp神经网络和线性一阶映射多项式对混响进行全局非线性建模和局部线性建模及预测性能分析。
而现有的并行程序绝大多数是依赖机器的，因此并行程序的可移植性差且难于预测性能。
这种控制方式应用了预测控制的思想，通过增益系数、复位系数、行程系数的调整来改善控制系统的预测性能。
文中对影响值预测性能的各种因素，如预测失败开销指令窗口大小处理器发射宽度及分支预测机制等进行了详细的测试和分析。
在对蛋白质的乙酰化修饰的预测过程中，通过合理地利用先验信息，改进模式提取方法，能够显著地提高支持向量机模型的预测性能。
第四章：提出对被控对象进行直接多步预测，利用多步预测性能指标函数对系统实现基于神经网络的逆控制。
可以预测性能，达成更好、更强、更轻、更安全、低成本的优点，以期能缩短研发方面的时间及减少研发过程所花费之成本，此乃将电脑辅助工程应用于产品设计的目的。
用预测性能造句挺难的，這是一个万能造句的方法
但在预测时cbp和icbp都忽视了时间序列本身的结构性变化及相关性，即没有考虑观察点与预测点的远近对预测性能的影响。
比较经典的随机ar模型和局部动力学线性模型的预测性能，发现后者平均相对误差小，可预测长度长。这个事实在一定程度上(至少从预测的角度看)说明混响过程更适合于确定性建模。
提出了基于神经网络的广义非线性预测控制器；之后考虑将神经网络逆动态控制方法引入到预测控制中，提出了基于多步预测性能指标函数的神经网络逆动态控制方法。
7 )将本文算法在橡胶工业的密炼过程得到实际的应用:在排除异常样本点的情况下，利用5vm的工业特性，进行排胶点的建模，获得好的应用效果:利用动态的rkrls和rsvm算法，通过对橡胶棍炼质量的门尼指标进行建模和预测分析，表明算法具有较好的跟踪预测性能;利用矢量基学习网络对密炼过程的门尼进行辨识建模和预报，获得了较好的效果，从而实现了更好的门尼波动的控制。
研究了基于广义回归神经网络( grnn )的大型旋转机械振动状态预测，提出了应用bic准则确定grnn预测模型输入神经元数目的方法，将grnn用于大型机组振动峰?峰值时间序列的预测，与采用误差反向传播学习算法的三层前馈感知器网络( bpnn )的预测结果对比表明， grnn的预测性能优于bpnn ，而且，即使样本数据稀少，也能获得满意的预测结果。
针对生产实践中设备运行的非平稳性，基于动态预测思想，研究了非平稳时间序列的自适应线性单元( adaline )神经网络预测，讨论了adaline和自回归( ar )模型之间的关系，提出根据ar模型定阶方法确定adaline预测模型的输入神经元数目，分析了自适应学习率对预测性能的影响，为机械设备状态预测提供了一种方法。