论文部分内容阅读
“美丽乡村”建设背景下传统村落的文化馆建设研究
【出 处】
：
湖北师范大学
【发表日期】
：
2021年01期
其他文献
在如今信息数据的时代,对于数据的处理也得到重视,尤其是数据的分析与预测,而基于数据的机器学习,是通过观测数据寻找出样本的规律,从而估计总体的规律来对未知的数据进行预测。但由于实际生活样本数据有限的特点,统计学习理论则专门研究在小样本情况下机器学习规律,随着其理论的不断发展和成熟,统计学习理论开始受到广泛关注和研究,理论的丰富使得在更多领域得到应用,促进国家科技发展。本文研究最小误差熵（MEE）的统
发展至今,人工神经网络模型的种类变得繁多.由最初的单层递归神经网络到双层的联想记忆神经网络,到现在的多层的复杂网络,人们的研究使得神经网络得到了蓬勃的发展.在稳定性分析方面,由于误差的不可避免性,外界的干扰和参数的浮动,神经网络的稳定性可能会改变.克服这些因素的方法是将系统的参数取值于指定的区间上,将误差和参数浮动统一为某种导向函数,由于导向函数的存在,这类神经网络变成了混合型神经网络.也就是说,
抽样理论从经典的惠特克-香农-科特尔的尼科夫抽样定理开始,具有丰富的历史。采样定理背后的关键事实是,带限信号生活在由cinc函数产生的位移不变空间中。将采样理论推广到了样条或小波产生的一般位移不变空间,它们比理想的正弦核具有更好的定位性。虽然大量的工作已经致力于对移位不变空间的采样,对非衰减信号进行采样的一般理论似乎仍然缺失。然而,在没有预滤波器的情况下,不能稳定地进行Lp信号加权的理想采样。现有
近年来,复杂的动力系统因其在工程、物理、生物等方面的应用而得到广泛关注,此外,实际系统通常都会遇到模型不确定性,这可能会对系统性能造成负面影响,因此,对含有参数不确定性的复杂动力系统的动态性质进行研究具有实际意义.本文主要研究几类具有参数不确定性的复杂系统.利用矩阵不等式技巧和Lyapunov方法,结合具有不完全可测状态和外源扰动的非线性系统、频繁异步切换系统和带有执行器饱和与传感器故障的正切换神