机译:泰勒系列方法采用Kriging和径向基础函数神经网络的计算机模拟鲁棒参数设计方法
Air Education and Training Command Studies and Analysis Squadron 100 H Street East Suite #3 JBSA-Randolph TX 78150 USA;
Department of Operational Sciences Air Force Institute of Technology 2950 Hobson Way Wright-Patterson AFB Ohio 45433 USA;
robust parameter design; RPD; Taylor series; simulations; kriging; neural networks; radial basis function neural networks; RBFNN; delta method; dual response optimisation; metamodelling; response surface modelling; emulators;
机译:泰勒系列方法采用Kriging和径向基础函数神经网络的计算机模拟鲁棒参数设计方法
机译:使用基于M估计器的鲁棒径向基函数神经网络的增长和修剪技术对噪声时间序列进行预测
机译:基于径向基函数神经网络估计的四轮驱动混合动力电动车辆的鲁棒模式转换控制 - 模拟研究
机译:E-tsRBF:同时确定径向基函数神经网络的时滞和参数的初步结果,用于时间序列预测
机译:带有先验信息的闭式正则化参数适应于高频金融时间序列的径向基函数神经网络。
机译:基于径向基函数(RBF)神经网络的企业管理资源调度优化与仿真
机译:径向基函数非线性时间序列分析的神经网络和供应冲击的时变效应
机译:使用鲁棒伺服LQR和径向基函数神经网络的可重构飞行控制设计