期刊文献+
共找到21篇文章
< 1 2 >
每页显示 20 50 100
Legendre多项式神经网络在重力数据插值中的应用
1
作者 谢心和 赵东明 刘长青 《测绘与空间地理信息》 2023年第12期19-23,共5页
当前重力背景场构建所需的高精度、高分辨率重力数据,已可通过多种方式获取。神经网络与重力场结合的研究方兴未艾,考虑到神经网络使用的特点,其适用于重力数据处理的插值拟合过程。本文针对重力离散数据格网化插值过程精度降低的问题,... 当前重力背景场构建所需的高精度、高分辨率重力数据,已可通过多种方式获取。神经网络与重力场结合的研究方兴未艾,考虑到神经网络使用的特点,其适用于重力数据处理的插值拟合过程。本文针对重力离散数据格网化插值过程精度降低的问题,提出一种基于正交多项式神经网络对重力数据进行插值的新方法。勒让德多项式神经网络(LPNN)模型具有复杂非线性映射能力,能够对重力数据推估建模,但由于其单层结构,LPNN的计算复杂度低。通过与现有方法进行比较,本文方法获得结果的准确性和可靠性,最后在中国南海实验区域上进行高精度重力数据插值成图,进一步验证了方法的可行性。 展开更多
关键词 Legendre多项式神经网络 重力数据 插值
下载PDF
多类单输入多项式神经网络预测能力比较 被引量:4
2
作者 张雨浓 陈锦浩 +2 位作者 劳稳超 张智军 仇尧 《系统仿真学报》 CAS CSCD 北大核心 2014年第1期90-96,共7页
多项式神经网络是根据函数逼近理论与多项式插值建立的一种以线性无关或者正交多项式为隐层神经元激励函数的前向神经网络。分别利用Legendre多项式、Hermite多项式、第一类Chebyshev多项式、第二类Chebyshev多项式、Bernoulli多项式及... 多项式神经网络是根据函数逼近理论与多项式插值建立的一种以线性无关或者正交多项式为隐层神经元激励函数的前向神经网络。分别利用Legendre多项式、Hermite多项式、第一类Chebyshev多项式、第二类Chebyshev多项式、Bernoulli多项式及幂函数构造相应的单输入多项式神经网络,设计出一种适用于该六类神经网络的增长型权值与结构确定算法以确定其相应的最优网络结构与连接权值。基于该算法,深入研究了采用不同的隐层神经元激励函数时多项式神经网络的学习和预测能力。仿真结果表明,除了由Hermite多项式和Bernoulli多项式构建的神经网络的学习和预测能力相对一般外,其他四类神经网络都具有较为优越的学习和预测能力。最后,利用第一类Chebyshev多项式神经网络对世界人口趋势进行了仿真预测。 展开更多
关键词 单输入多项式神经网络 权值与结构确定算法 预测 线性无关多项式 正交多项式 世界人口
下载PDF
权值直解的多项式神经网络及其解释能力设计 被引量:1
3
作者 沈巍 李秋实 宋玉坤 《系统仿真学报》 CAS CSCD 北大核心 2015年第3期559-570,共12页
设计并系统研究了广义多元多项式神经网络,单隐层广义多元多项式神经网络,证明存在最优权值向量使该网络成为未知函数的最佳逼近多项式;创造性地建立了隐层节点的自然次序上限和下限,以及重要值等概念,并引入了偏导数分析,解决了神经网... 设计并系统研究了广义多元多项式神经网络,单隐层广义多元多项式神经网络,证明存在最优权值向量使该网络成为未知函数的最佳逼近多项式;创造性地建立了隐层节点的自然次序上限和下限,以及重要值等概念,并引入了偏导数分析,解决了神经网络不具备解释能力的弊病。设计了权值直接解法,证明该解法所得的权值向量是迭代法逼近的最优权值向量。设计了基于Matlab的图形用户界面。通过该程序,用户可通过炒股软件更新股票数据,读取特定股票、特定容量的数据,进行不同模型下指定日期的预测。 展开更多
关键词 广义多项式神经网络 权值直接解法 重要值 股指预测
下载PDF
设备状态的多项式神经网络迭代多步预测法 被引量:6
4
作者 王秋香 于德介 《计算机仿真》 CSCD 北大核心 2010年第3期179-181,262,共4页
设备状态趋势预测技术是实现设备预知维护的重要手段。为了实现设备的预知维护,在BP算法和一般多步预测法的基础上,提出设备状态的多项式神经网络迭代多步预测法。方法具有较强泛化能力和较快收敛速度的多项式神经网络,采用迭代法更新... 设备状态趋势预测技术是实现设备预知维护的重要手段。为了实现设备的预知维护,在BP算法和一般多步预测法的基础上,提出设备状态的多项式神经网络迭代多步预测法。方法具有较强泛化能力和较快收敛速度的多项式神经网络,采用迭代法更新样本中的历史数据,逐次训练预测模型进行时间序列预测。将方法应用于某石化企业压缩机振动峰峰值的时间序列预测上,并与一般多步预测法相比,多项式神经网络迭代多步预测法在短期预测中改进效果不大明显,但在中长期预测中则具有更高的预测精度。测试结果证明,多项式神经网络迭代多步预测法能更好地满足工程实际应用需要,为设备预知维护提供了一个新思路。 展开更多
关键词 预知维护 多项式神经网络 时间序列预测 迭代多步预测
下载PDF
基于单输出切比雪夫多项式神经网络的海洋矿物分类
5
作者 金龙 陈秀芳 +1 位作者 陈良铭 付金山 《华南理工大学学报(自然科学版)》 EI CAS CSCD 北大核心 2020年第12期135-143,共9页
针对海洋矿物分类问题,提出了改进后的单输出切比雪夫多项式神经网络(single-output Chebyshev-polynomial neural network with general solution,SOCPNN-G)。该模型利用伪逆的通解来求参数,扩大解空间,能获得泛化性能更加优良的权重... 针对海洋矿物分类问题,提出了改进后的单输出切比雪夫多项式神经网络(single-output Chebyshev-polynomial neural network with general solution,SOCPNN-G)。该模型利用伪逆的通解来求参数,扩大解空间,能获得泛化性能更加优良的权重。在该模型中,子集方法用于确定神经元的初始数量和获得交叉验证的最佳重数。最后将改进的SOCPNN-G模型用于海洋矿物数据集中进行实验,结果表明,该模型训练准确率和测试准确率分别达到90.96%和83.33%,且对计算性能要求较低。这些优越性表明该模型在海洋矿物的实际应用中具有很好的前景。 展开更多
关键词 海洋矿物 分类 单输出切比雪夫多项式神经网络 权重 准确率
下载PDF
基于单形进化的多项式神经网络训练算法
6
作者 魏巍 王慧 《电脑知识与技术》 2021年第22期100-103,共4页
在多项式神经网络训练算法中,当采用智能优化算法进行学习优化时,智能优化算法的控制参数对学习效果有很大影响,针对这一问题,本文提出了一种多项式神经网络的智能优化方法,其的控制参数是通过对单形领域的完全随机搜索来使用的,且粒子... 在多项式神经网络训练算法中,当采用智能优化算法进行学习优化时,智能优化算法的控制参数对学习效果有很大影响,针对这一问题,本文提出了一种多项式神经网络的智能优化方法,其的控制参数是通过对单形领域的完全随机搜索来使用的,且粒子的多样性是通过种群的多特征状态来维持的,以避免算法陷入局部最优解,试验结果表明,该算法训练的神经网络不仅能有效提高识别率,而且能减小控制参数对学习性能的影响,提高算法的整体鲁棒性。 展开更多
关键词 多项式神经网络 识别率 进化策略 分类
下载PDF
基于多项式前向神经网络的网络安全检测机制
7
作者 任晓磊 《山西电子技术》 2023年第6期77-79,共3页
随着互联网的不断发展,校园网络已成为学生学习、教师工作、学校管理的重要基础设施。但同时,网络攻击也不断增加,给校园网络安全带来了巨大的挑战。为了解决这一问题提出了一种基于多项式前向神经网络的校园网络安全检测机制,该机制使... 随着互联网的不断发展,校园网络已成为学生学习、教师工作、学校管理的重要基础设施。但同时,网络攻击也不断增加,给校园网络安全带来了巨大的挑战。为了解决这一问题提出了一种基于多项式前向神经网络的校园网络安全检测机制,该机制使用前向神经网络对校园网络中的数据流进行监测,并通过多项式函数对数据流进行建模和分类。实验证明,该机制能够有效地检测和防范校园网络中的各种攻击行为,具有很高的实用性和可靠性。 展开更多
关键词 多项式前向神经网络 校园网络 安全检测
下载PDF
基于改进蚁群优化神经网络反推控制的IM鲁棒控制
8
作者 李冰然 傅洪全 陈曦 《电气传动》 2023年第4期23-30,共8页
针对六相铜转子感应电机(SpCRIM)在不确定扰动条件下的鲁棒控制,提出一种基于改进蚁群优化(AACO)递归罗曼诺夫斯基多项式神经网络(RRoPNN)的反推控制策略。首先,基于反推控制理论设计了SpCRIM的控制律,并提出了一种改进的具有自适应律的... 针对六相铜转子感应电机(SpCRIM)在不确定扰动条件下的鲁棒控制,提出一种基于改进蚁群优化(AACO)递归罗曼诺夫斯基多项式神经网络(RRoPNN)的反推控制策略。首先,基于反推控制理论设计了SpCRIM的控制律,并提出了一种改进的具有自适应律的RRoPNN,以实现对反推控制律中的总不确定度进行估计;然后设计了相应的误差估计律对网络观测误差进行补偿,同时实现在线参数调节;为防止早熟并加快所提RRoPNN的收敛速度,提出了AACO算法对RRoPNN连接权值学习率进行调整;通过Lyapunov稳定性理论证明了所提控制方法的鲁棒性;最后,对所提出控制器的位置跟踪性能进行了实验验证,并与经典PI控制器及基于开关函数的反推控制器进行了对比。结果表明,所提控制方法具有更为良好的位置跟踪精度和鲁棒性。 展开更多
关键词 六相感应电机 多项式神经网络 反推控制 蚁群优化算法 鲁棒控制
下载PDF
多项式前向神经网络 被引量:2
9
作者 谢开贵 柏森 周家启 《重庆大学学报(自然科学版)》 EI CAS CSCD 北大核心 2001年第3期76-79,98,共5页
提出一种新型的前向神经网络模型———多项式神经网络。该网络具有三层结构 ,隐层、输出层神经元激活函数分别为 :f(x) =xp 和线性函数 ;网络隐层 -输出层的权值采取最速下降法学习 ,输入层 -隐层的权值采用遗传算法进行学习 ;网络学习... 提出一种新型的前向神经网络模型———多项式神经网络。该网络具有三层结构 ,隐层、输出层神经元激活函数分别为 :f(x) =xp 和线性函数 ;网络隐层 -输出层的权值采取最速下降法学习 ,输入层 -隐层的权值采用遗传算法进行学习 ;网络学习时 ,其误差函数单调递减 ,学习算法具有较好的收敛性 ;该网络能逼近任意的连续函数 ,且具有较好的稳定性。应用实例表明该网络的性能是优良的。 展开更多
关键词 多项式前向神经网络 最速下降法 算法收敛性 逼近能力
下载PDF
多项式函数型回归神经网络模型及应用 被引量:9
10
作者 周永权 《计算机学报》 EI CSCD 北大核心 2003年第9期1196-1200,共5页
文中利用回归神经网络既有前馈通路又有反馈通路的特点 ,将网络隐层中神经元的激活函数设置为可调多项式函数序列 ,提出了多项式函数型回归神经网络新模型 .它不但具有传统回归神经网络的特点 ,而且具有较强的函数逼近能力 .针对递归计... 文中利用回归神经网络既有前馈通路又有反馈通路的特点 ,将网络隐层中神经元的激活函数设置为可调多项式函数序列 ,提出了多项式函数型回归神经网络新模型 .它不但具有传统回归神经网络的特点 ,而且具有较强的函数逼近能力 .针对递归计算问题 ,提出了多项式函数型回归神经网络学习算法 ,并将该网络模型应用于多元多项式近似因式分解 ,其学习算法在多元多项式近似分解中体现了较强的优越性 .通过算例分析表明 ,该算法十分有效 ,收敛速度快 ,计算精度高 ,可适用于递归计算问题领域 . 展开更多
关键词 多项式函数型回归神经网络模型 反馈通路 学习算法 近似因式分解 神经网络
下载PDF
基于Hermite多项式函数链模糊神经网络的PMLSM分数阶反推控制 被引量:3
11
作者 赵希梅 王天鹤 《电机与控制学报》 EI CSCD 北大核心 2021年第9期61-69,共9页
针对永磁直线同步电动机(PMLSM)伺服系统中存在的参数变化、负载扰动和摩擦力等不确定性因素,采用了函数链模糊神经网络(FLFNN)和分数阶反推控制(FOBC)相结合的控制方案来提高系统的控制性能。首先,采用FOBC实现系统的全局调节和位置跟... 针对永磁直线同步电动机(PMLSM)伺服系统中存在的参数变化、负载扰动和摩擦力等不确定性因素,采用了函数链模糊神经网络(FLFNN)和分数阶反推控制(FOBC)相结合的控制方案来提高系统的控制性能。首先,采用FOBC实现系统的全局调节和位置跟踪,提高系统的收敛速度和控制精度;然后,采用Hermite多项式函数链模糊神经网络(HFLFNN)直接估计系统中存在的不确定性,同时利用指数补偿器对估计误差进行补偿,进一步提高系统的鲁棒性;最后,利用Lyapunov函数推导出系统中控制参数的在线调整估计律。实验结果表明所提出的控制方法切实可行,能够有效地抑制不确定性对系统的影响。与FOBC相比,具有更好的跟踪性能和鲁棒性能。 展开更多
关键词 永磁直线同步电动机 不确定性因素 分数阶反推控制 Hermite多项式函数链模糊神经网络 指数补偿器 跟踪性能
下载PDF
基于Legendre多项式混沌神经网络的异步保密通信 被引量:2
12
作者 邹于丰 《计算机应用与软件》 CSCD 北大核心 2012年第12期315-317,共3页
提出一种基于Legendre多项式混沌神经网络的异步保密通信系统。在发送方,系统以Legendre多项式混沌神经网络模型作为Logistic混沌序列辨识器,利用混沌序列与明文序列进行异或运算实现"一次一密"异步加密;接收方将混沌初值输... 提出一种基于Legendre多项式混沌神经网络的异步保密通信系统。在发送方,系统以Legendre多项式混沌神经网络模型作为Logistic混沌序列辨识器,利用混沌序列与明文序列进行异或运算实现"一次一密"异步加密;接收方将混沌初值输入保密的Legendre多项式混沌神经网络,产生与发送方相同的混沌序列,与密文进行异或运算实现异步解密。加密与解密信息完全隐藏于混沌序列中,其安全性取决于Logistic混沌序列的复杂性和无法预测性。理论分析和加密实例表明,Legendre多项式混沌神经网络产生的序列具有良好的自相关性和互相关性,且算法简单易行,克服了混沌同步通信的诸多缺限,具有良好的安全性。 展开更多
关键词 神经网络Legendre多项式 混沌XOR异步加密
下载PDF
基于粒子群的后件多项式RBF神经网络算法 被引量:10
13
作者 王燕燕 王宏伟 《计算机工程与应用》 CSCD 北大核心 2019年第12期72-76,144,共6页
RBF(径向基函数)神经网络能在各个领域得到了很好的应用,关键在于网络模型参数权值、网络中心值、基宽向量和隐含层节点数的选取。传统的RBF神经网络存在精度不高,容易陷入局部最优,收敛速度慢等缺点。针对这些问题,提出了利用粒子群算... RBF(径向基函数)神经网络能在各个领域得到了很好的应用,关键在于网络模型参数权值、网络中心值、基宽向量和隐含层节点数的选取。传统的RBF神经网络存在精度不高,容易陷入局部最优,收敛速度慢等缺点。针对这些问题,提出了利用粒子群算法优化后件多项式RBF神经网络方法,即优化含有后件多项式RBF神经网络的权值、网络中心值和基宽向量值,并选取最优的隐含层节点数,进而提出了PSOIRBF(基于粒子群的后件多项式RBF)神经网络。通过对非线性模型和实例等非线性被控对象的仿真研究及对模型的分析,表明了所提出算法的有效性。 展开更多
关键词 后件多项式RBF神经网络 粒子群优化 有效性
下载PDF
综合优化神经网络算法
14
作者 王立威 刘琼荪 《微型机与应用》 2012年第5期69-70,74,共3页
以多项式函数作为神经元的激活函数,结合矩阵伪逆的思想预先确定网络权值,并利用区间折半搜寻法自动优化隐层神经元数。通过对Hermit函数的仿真,充分显示了综合优化神经网络算法对函数具有较好的逼近。
关键词 函数逼近 多项式神经网络 权值预确定 区间折半搜寻法
下载PDF
根据测井资料估算储层渗透率的新神经网络方法 被引量:1
15
作者 袁爽 张晓波 《国外油田工程》 2007年第4期30-32,共3页
渗透率是确定油气田储层特性的最重要参数之一。在未取心的层段或井中,能采用测井数据进行油藏描述和油藏评价的方法在技术和经济上都有很大优势,因为它可以在不取心的情况下提供一口井的连续记录。但用测井数据确定非均质地层渗透率时... 渗透率是确定油气田储层特性的最重要参数之一。在未取心的层段或井中,能采用测井数据进行油藏描述和油藏评价的方法在技术和经济上都有很大优势,因为它可以在不取心的情况下提供一口井的连续记录。但用测井数据确定非均质地层渗透率时还存在着一些需要用常规统计方法解决的复杂问题。近年来,采用人工神经网络(ANN)方法成功地解决了储层渗透率估算中出现的许多问题。不过,在将神经网络用于映射复杂的非线性关系时,尽管其功能性很强,但仍然暴露出一些技术问题。本文提出了一种基于多项式神经网络(PNN)的数据处理组方法(GMDH),它根据测井数据预测渗透率,避免了常规神经网络方法的某些缺陷。PNN综合了网络大小、连通性、处理元素的类型,以及训练后得到的全局优化结构系数。这种自组织方法以多项式形式自动显示数据间的内在关系,增强了最终数据学习模型的数据逼近能力和解释能力。证明该方法的数据取自韩国海上油田。与常规神经网络的对比研究表明,虽然PNN模型的预测精度会受到测量数据误差的影响,但仍然能提供相对可靠的性能。PNN是根据测井数据预测非均质地层储层渗透率的一种非常实用、有效的工具。 展开更多
关键词 储层渗透率 多项式神经网络 遗传算法 测井资料 综合应用
原文传递
基于灰箱模型的聚合反应分子量分布形状控制 被引量:3
16
作者 吴海燕 曹柳林 王晶 《吉林大学学报(工学版)》 EI CAS CSCD 北大核心 2011年第S1期288-292,共5页
利用离散正交多项式组合神经网络对聚合反应分子量分布(Molecular weight distri-bution,MWD)进行建模,由MWD矩向量线性表示网络权向量,从而实现了灰箱建模。首先,推导了作为网络基函数的正交多项式需满足的约束条件,扩展了基函数的选... 利用离散正交多项式组合神经网络对聚合反应分子量分布(Molecular weight distri-bution,MWD)进行建模,由MWD矩向量线性表示网络权向量,从而实现了灰箱建模。首先,推导了作为网络基函数的正交多项式需满足的约束条件,扩展了基函数的选择范围,为建模方法提供了理论基础。然后,利用最优化方法推导了MWD控制序列,利用权向量可以由矩向量代替的性质,对控制系统性能指标函数进行了修正,实现了对分子量分布形状的控制,提高了算法鲁棒性。最后,通过实验室规模的苯乙烯聚合试验,证明了该方法的可行性。 展开更多
关键词 自动控制技术 分子量分布控制 正交多项式神经网络 最优控制
下载PDF
一种新的多人脸检测方法研究
17
作者 杨海燕 刘建成 《微计算机信息》 北大核心 2007年第25期259-260,287,共3页
自动人脸检测是人脸识别系统的一个重要部分,本文提出了一种新的基于独立成分分析(ICA)和多项式神经网络(PNN)相结合的人脸检测方法,该方法首先在训练样本中使用ICA分离出代表人脸和非人脸特征子空间的独立影像基,把训练图像映射到该子... 自动人脸检测是人脸识别系统的一个重要部分,本文提出了一种新的基于独立成分分析(ICA)和多项式神经网络(PNN)相结合的人脸检测方法,该方法首先在训练样本中使用ICA分离出代表人脸和非人脸特征子空间的独立影像基,把训练图像映射到该子空间降维后作为PNN网络的输入训练网络;对测试图像采用移动多尺度窗口提取图像模式,采用ICA降维后输入PNN网络,进而分类检测出人脸和非人脸。算法通过CMU-MIT的复杂背景人脸库中的多人脸图像进行实验,得到很高的检测率和较低的误检率. 展开更多
关键词 人脸检测 独立成分分析 多项式神经网络
下载PDF
利用输出反馈方法实现聚合物分子量分布的控制 被引量:2
18
作者 吴海燕 曹柳林 王晶 《化工学报》 EI CAS CSCD 北大核心 2012年第9期2836-2842,共7页
利用正交多项式组合神经网络对聚合反应分子量分布(MWD)进行建模,MWD被解构为若干矩值组成的矩向量函数,由此二元MWD控制问题可被转换为一元分布矩控制问题。以矩向量为直接被控对象,通过对矩的控制实现MWD的跟踪。为便于求解这类非仿... 利用正交多项式组合神经网络对聚合反应分子量分布(MWD)进行建模,MWD被解构为若干矩值组成的矩向量函数,由此二元MWD控制问题可被转换为一元分布矩控制问题。以矩向量为直接被控对象,通过对矩的控制实现MWD的跟踪。为便于求解这类非仿射非线性多变量系统的控制策略,提出了改进型非线性自回归正交多项式网络结构,建立模型输出与U(k)之间的线性映射关系;针对高维被控矩向量,证明了矩向量中独立变量与分布函数参变量间的数量对等关系,给出了矩向量降维准则,将高维输出控制转化为低维问题。基于改进的神经网络模型,利用输出反馈方法对MWD矩向量进行控制,实现了对MWD的形状跟踪,仿真实验证明了方法的有效性。所提出的方法为非线性多变量系统的建模控制问题提供了新思路。 展开更多
关键词 聚合物分子量分布 正交多项式组合神经网络 输出反馈 非线性多变量系统
下载PDF
基于M-ANFIS-PNN的目标威胁评估模型
19
作者 于博文 于琳 +1 位作者 吕明 张捷 《系统工程与电子技术》 EI CSCD 北大核心 2022年第10期3155-3163,共9页
目标威胁评估的目的是根据目标的属性和状态信息对目标的威胁程度进行定量估计,为后续作战决策提供辅助支持。现有威胁评估模型大多依赖于数值信息,难以有效处理包含定性、定量数据的目标特征信息。基于此,提出一种改进的自适应模糊神... 目标威胁评估的目的是根据目标的属性和状态信息对目标的威胁程度进行定量估计,为后续作战决策提供辅助支持。现有威胁评估模型大多依赖于数值信息,难以有效处理包含定性、定量数据的目标特征信息。基于此,提出一种改进的自适应模糊神经推理系统模型。在自适应模糊神经推理系统的基础上,引入前件影响矩阵和后件影响矩阵对定性数据进行处理,使得定量、定性数据的影响同时作用于模糊规则的前件参数和后件参数;为了进一步提高模型的输出精度,将自适应模糊神经推理系统的输出层替换为多项式神经网络;通过基于Gower距离的近邻传播聚类算法对改进模型进行结构辨识,确定模糊规则的初始参数。仿真实例验证了所提方法的有效性与可行性,与其他混合属性数据建模方法相比,所提方法具有较高的预测精度,可为作战指挥决策提供有效的辅助支持。 展开更多
关键词 威胁评估 自适应模糊神经推理系统 多项式神经网络 混合属性 近邻传播聚类算法
下载PDF
NEURAL NETWORKS AND THE BEST TRIGOMOMETRIC APPROXIMATION 被引量:1
20
作者 Jianjun WANG ZongbenXU 《Journal of Systems Science & Complexity》 SCIE EI CSCD 2011年第2期401-412,共12页
With the best trigonometric polynomial approximation as a metric, the rate of approxi- mation of the one-hidden-layer feedforward neural networks to approximate an integrable function is estimated by using a construct... With the best trigonometric polynomial approximation as a metric, the rate of approxi- mation of the one-hidden-layer feedforward neural networks to approximate an integrable function is estimated by using a constructive approach in this paper. The obtained result shows that for any 2π-periodic integrable function, a neural networks with sigmoidal hidden neuron can be constructed to approximate the function, and that the rate of approximation do not exceed the double of the best trigonometric polynomial approximation of function. 展开更多
关键词 APPROXIMATION best trigonometric approximation neural networks
原文传递
上一页 1 2 下一页 到第
使用帮助 返回顶部