1.所用的RBF神经网络算法是从输入信号的数据中训练出中心值和宽度值，再训练通过用最大熵值的代价函数推导的权值。

2.本文给出新的基于梯度方向直方图统计的权值计算方法，实现稳定的图切割。

3. 算法具有低的运算复杂度，仿真结果表明该算法具有好的时延捕获和波束形成权值捕获性能。

4.通过控制点位置和权值节点分布以及高斯标准误差来控制曲线形状。

5.它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。

6. 本文给出新的基于梯度方向直方图统计的权值计算方法，实现稳定的图切割。

7.神经网络权值和阈值的优化方法.

8. 它并不构成对工业产权值得，给予相对的权利，或任何牌照发放。

9.该算法从负载平衡的思想出发，赋予每条链路一个与全局资源相关的权值即链路相对空闲率，寻找链路相对空闲率较高的选播路径。

10.紧密性和归一性，可使训练过程中权值的调整在局部范围内，且系统的输出简单可靠。

11. 利用B样条基函数的正定性、紧密性和归一性，可使训练过程中权值的调整在局部范围内，且系统的输出简单可靠。

12. 所用的RBF神经网络算法是从输入信号的数据中训练出中心值和宽度值，再训练通过用最大熵值的代价函数推导的权值。

13.该方法引进了权值,使得它比全域法具有更好的自适应能力和较高的预测精度.

14. 神经网络权值和阈值的优化方法.

15. 首先将被控对象进行离线辨识,确定NNC的初始权值再进行神经网络在线控制,从而能够进一步提高系统的控制精度.

16. 将遗传算法与神经网络盲均衡算法相结合，提出了两段式优化神经网络权值的方案。

17.网络学习快慢程度及网络的泛化能力都与网络的激励函数有关的。

18. 在信息完备化过程中，该模型考虑了属性重要性之间的差异，并赋予了相应的权值。

19.算法利用人耳的听觉掩蔽效应动态确定每一帧的权值，有选择地增强。

20.在修改权值时采用逐渐减小学习速率的方法.

21.从数学意义上讲,这种权值学习相当于欧氏空间中对一组点进行了一个线性变换.

22. 在构建系统发生树时，首先根据回路构建其拓扑结构，然后根据拓扑结构和距离矩阵给各边分配权值。

23. 从数学意义上讲,这种权值学习相当于欧氏空间中对一组点进行了一个线性变换.

24. 以往的BP算法调节神经元网络的权值，其网络的隐层结点数、网络学习快慢程度及网络的泛化能力都与网络的激励函数有关的。

25. 对于权值低于屏蔽层的义原，我们不将其选入特征集，并相应保留原词。

26. 对于光顺算法，本文中不采用光顺平铺边界，而是采用光顺权值差2的内部边界。

27.对于权值低于屏蔽层的义原，我们不将其选入特征集，并相应保留原词。

28. 加权值会因时间而改变，比如出现细微差别或倾向。

29. 该算法从负载平衡的思想出发，赋予每条链路一个与全局资源相关的权值即链路相对空闲率，寻找链路相对空闲率较高的选播路径。

30.在信息完备化过程中，该模型考虑了属性重要性之间的差异，并赋予了相应的权值。

31.在构建系统发生树时，首先根据回路构建其拓扑结构，然后根据拓扑结构和距离矩阵给各边分配权值。

32.加权值会因时间而改变，比如出现细微差别或倾向。

33. 该方法引进了权值,使得它比全域法具有更好的自适应能力和较高的预测精度.

34. 通过控制点位置和权值节点分布以及高斯标准误差来控制曲线形状。

35.对于光顺算法，本文中不采用光顺平铺边界，而是采用光顺权值差2的内部边界。

36.将遗传算法与神经网络盲均衡算法相结合，提出了两段式优化神经网络权值的方案。

37. 提出了一种新颖的基于权值的微机械数模转换器，它的原理与电路中的权电阻数模转换器类似。

38.提出了一种新颖的基于权值的微机械数模转换器，它的原理与电路中的权电阻数模转换器类似。

39.该算法经两个常用函数检验，并在图象识别的神经网络权值训练中得到应用。

40. 然后通过训练神经网络把这些知识储存于神经网络的权值中，幷在其它的地震输人下使用。

41. 在修改权值时采用逐渐减小学习速率的方法.

42. 贝叶斯神经网络中，每个权值和误差被视为随机变量，它们的先验概率分布是遵从正态分布的。

43. 该算法经两个常用函数检验，并在图象识别的神经网络权值训练中得到应用。

44.运用幂指数法对导弹武器系统的生存能力进行计算，对于指数法中各因素的重要性程度，采用模糊层次分析法来计算各因素的权值。

45.然后通过训练神经网络把这些知识储存于神经网络的权值中，幷在其它的地震输人下使用。

46.它并不构成对工业产权值得，给予相对的权利，或任何牌照发放。

47. 它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。

48.贝叶斯神经网络中，每个权值和误差被视为随机变量，它们的先验概率分布是遵从正态分布的。

49.算法具有低的运算复杂度，仿真结果表明该算法具有好的时延捕获和波束形成权值捕获性能。

50.首先将被控对象进行离线辨识,确定NNC的初始权值再进行神经网络在线控制,从而能够进一步提高系统的控制精度.