本文標題："生物學模型分解微型裝配鑒定用便攜顯微鏡"
發布者：yiyi ------ 分類: 行業動態 ------
人瀏覽過-----時間：2015-1-14 16:48:19
生物學模型分解微型裝配鑒定用便攜顯微鏡
人工神經網絡((ANN)適合于設計適應控制器，以便符合系統和環境的變化。
一個機械手控制系統要求能夠將任務進行模塊化，以便能夠進行各種臨時的和
互相搭接的任務。
模塊結構，既可以將一個全局復雜任務化分為許多子任務，又可以賦予機械手
柔性和魯棒性，但是模塊結構神經網絡的訓練不是一個直接的處理過程。
在系統和環境的交互中，希望合成的神經網絡函數能夠訓練全局參數，就象
對一個網絡進行訓練一樣，然而，當每個網絡運行整個任務的一部分時，訓練
往往是非常困難的，對單個網絡適用的學習規律，在訓練大模型任務時，可能
失去有效性。在最近的應用中，每個網絡只是被局部的訓練，還沒有一個一般
的方法訓練全局的適應模型。
生物學支持模型分解概念，這種概念可能對全局學習是有效的。然而，
由生物解剖學知道，大腦的分層結構對應不同的任務水平，對于一個給定的部分，
很難決定它的任務角色。人類對大腦的理解還很少，還不能給定一個算法解。
如果只考慮下面兩個生物特性，就可以從另一個視點來看問題，從而使
大腦結構簡化，滿足我們解決問題的需要:
.大腦的模型組織要比簡單的分層子任務復雜的多。
.大腦區域的不同部分是互相連接的，當兩個部分是前向連接的，則這
兩個部分也滿足后向連接，這個解剖學上的特性在現有的神經網絡中很少被考慮。
后一篇文章：顯微鏡高倍物鏡觀察極微小細節特別合適 »
前一篇文章：« 使用生物顯微鏡觀察葉綠體在細胞中的數目
tags:材料學,金屬,金相顯微鏡,上海精密儀器,
生物學模型分解微型裝配鑒定用便攜顯微鏡,金相顯微鏡現貨供應
本頁地址：/gxnews/2174.html轉載注明
本站地址：/
http://www.xianweijing.org/