截止目前累计成功为5,000,000 用户成功查重检测

CNCNKI学术不端文献查重检测系统 多语种 图文 高校 期刊 职称 查重 抄袭检测系统

基于Elman神经网络和CTM的交通流建模与仿真【知网论文查重】

时间:2016-12-08 10:11:00 编辑:知网 阅读:

知网论文查重12月8日检测样例

基于Elman神经网络和CTM的交通流建模与仿真【知网论文查重】

20世纪40年代,W.Mcculloch和W.Pitts提出了神经元模型。这一基础模型的提出,对后来学者们在神经网络的研究有很大的意义,W.Mcculloch和W.Pitts也因此被评为神经网络的先开。后来,经过了差不多半个世纪的摸索和研究,神经元模型不断的完善和发展,终于被应用到了实际生活中。

人工神经网络是在生物功能的启示下,根据大脑中的神经元和其他系统的思维方向进行模拟,对信息进行并行处理的一种抽象数学模型。它是由大量简单神经元互相连接而构成一种计算结构,在某种程度上模拟生物神经系统的工作过程,从而能够应用到实际生活中解决具体问题的能力。

本文主要采用的是Elman神经网络。Elman神经网络最初是由J.L.Elman 提出的,一开始主要是针对语音处理问题。Elman神经网络是一种具有很强的计算能力的典型回归网络,因为其动态记忆能力强及其对于非线性函数的逼近能力,现被广泛用于系统识别工具。

人工神经网络(Artificial Neural Networks)。主要通过用电子或者一些光电元件,也能选择用软件在计算机上仿真来实现模拟这一功能。它具有通过学习获取到所需知识并解决问题的优势,且与一般计算机不同之处在于,它所获取的知识是等势分布存储在连接权中的,而不是按照地址存储在某些特定的存储单元中的。

知网论文查重

知网论文查重

人工神经网络优越性有:

(1)具有自学习功能;自学习功能对于预测有特别重要的意义。

(2)具有联想存储功能。

(3)具有高速寻找优化解的能力。

而人工神经网络的突出的优点有:

(1)具有很强的容错性。

(2)并行协同处理信息,使快速进行大量运算成为可能。

(3)可自学习和自适应不知道或不确定的系统。

(4)能够同时处理定量、定性知识。

知网论文查重文章欢迎转载,转载请以链接形式标明本文地址。

返回