分析实现的简化计算复杂性的方法有助于小型神经分类器的设计开发。这种分类器设计有利于在线操作和在硬件方面可得到保证。当通用敏度偏差的数量真实值的数量真实值的数量比功率理想值的数量真实偏差的数量真实偏差的数量结论此文，通用回归神经网络已经应用于鉴别从两个来源个金属柱状物和相似形岩石收集来的水下目标。这里重点无水雷状况。表三诊断测试解析表水雷扫描岩石扫描水雷分类器的结果真实值理想值岩石分类器的结果偏差真实偏差真实值理想值偏差真实偏差重庆交通学院二五届毕业设计论文•译文灵作特性分析在声呐探中的评估标准，表明探测的可能性交替使用与误差探测可能性的比值。对接受器的工作特性分析的诊断对测试差值来讲灵敏度和特征值是基本的表达式。计算如表三所示，表三中左边为分类结果，上部为有作特性分析在声呐探中的评估标准，表明探测的可能性交替使用与误差探测可能性的比值。对接受器的工作特性分析的诊断对测试差值来讲灵敏度和特征值是基本的表达式。计算如表三所示，表三中左边为分类结果，上部为有无水雷状况。表三诊断测试解析表水雷扫描岩石扫描水雷分类器的结果真实值理想值岩石分类器的结果偏差真实偏差真实值理想值偏差真实偏差重庆交通学院二五届毕业设计论文•译文灵敏度偏差的数量真实值的数量真实值的数量比功率理想值的数量真实偏差的数量真实偏差的数量结论此文，通用回归神经网络已经应用于鉴别从两个来源个金属柱状物和相似形岩石收集来的水下目标。这里重点不仅是分类器本身而且是在于用主元分析改善分类器性能的特征抽取方法的处理。通过主元分析实现的简化计算复杂性的方法有助于小型神经分类器的设计开发。这种分类器设计有利于在线操作和在硬件方面可得到保证。当通用回归神经网络就分类成功率而论的运用特性相比以前的研究时，相比那些最的数量真实值的数量真实值的数量比功率理想值的数量真实偏差的数量真实偏差的数量结论此文，通用回归神经网络已经应用于鉴别从两个来源个金属柱状物和相似形岩石收集来的水下目标。这里重点不仅是分类器本身而且是在于用主元分析改善分类器性能的特征抽取方法的处理。通过主元分析实现的简化计算复杂性的方法有助于小型神经分类器的设计开发。这种分类器设计有利于在线操作和在硬件方面可得到保证。当通用回归神经网络就分类成功率而论的运用特性相比以前的研究时，相比那些最大准确率可达和接受器工作性能分析相似于灵敏度和比功率所示的分类可靠性而言时其效果更好。参考文献重庆交通学院二五届毕业设计论文•译文，在年又重新发掘了它，通用回归神经网络拓扑结构包含四层输入层隐蔽层总领层和输出层。通用回归神经网络的最大优点在于网络能被导流的速度，导流种通用回归神经网络在次完整的工作循环中可被完成。它不需要种如在多层感知器那样的叠接导流程序，它近似些在输入和输出向量之间的随机函数，可直接从导流数据中得出这函数的概率，而且它具有致性，那就是，当导流设备的尺寸过大时伴随着对函数的微弱干扰，其估计率近似为零。像在标准回归方法中，通用回归神经网络应用在连续变量的估计中，它涉及到径向基函数网络，基于种叫做拓扑结构回归的标准型统计方法。通用回归神经网络体系结构如数字图所示，有关通用回归神经网络体系结构和些数学计算方面的详细信息在的论文中可得到验证。重庆交通学院二五届毕业设计论文•译文输出单元总单元模式单元输入单元数字图通用回归神经网络体系结构传统主元分析主元分析是种数据压缩和特征抽取的多变量统计分析方法，需要分类器在线操作中有直观实际应用。通过发送输出数据到导向偶极子数量的简化上从而降低维输入空间的维数，对于分类器设计来说其是种有吸引力的方法，更便利于分类器的工作。主元分析在特征向量从处理协变式的矩阵中计算的基础中描绘原始数据空间，在对特征向量指示器处理过的能量进行相应的特征值计算中，考虑到最高特性值的特征向量被数据传送所限制，种有效的最少信息丢失的原始输入空间的维次简化方法被实现啦,有关主元分析详细计算可参阅。仿真结果研究的目的是使通用回归神经网络从事于声呐反馈的鉴别，从而改善其分类性能和简化网络的复杂性。主元分析作为特征抽取方法被应用，通过和神经网络工具箱完成分类工作。数据组包含有条反馈信息其中条柱形水雷反馈信号和条岩石反馈信号，全部数据组等信号区分为随机训练组和测试组，种抽样为训练文件种抽样为测试文件。此处作用的网络是种全相连的前馈型包含个输入波和个输出波的神经网络。研究的第步，不含应用特征抽取方法的通用回归神经网络已经被应用在声重庆交通学院二五届毕业设计论文•译文呐数据中。扩展参数的抉择十分适合通用回归神经网络的特性，扩展数值选在最佳，不含运用主元分析的通用回归神经网络分类器所实现的性能，如表所示表不含运用主元分析的通用回归神经网络的正确分类百分率等级总数水雷评估正确率岩石