简介:将分支前馈神经网络(BFNN)运用于数字字符的模式识别问题中,其某些性能优于标准反向传播(BP)网络。BFNN的隐层神经元与输出神经元之间为分组对应关系,采用的学习算法与标准BP算法类似。BFNN可以根据样本的可分性构建最适宜的网络结构。在对大规模、分类复杂的样本进行识别时,性能优于标准BP网络。
简介:基于二维有限元法,分别对磁通切换双凸极电动机(FSPM)的静态场和瞬态场进行了有限元计算,着重探讨了6/7极FSPM结构及特性,并与6/5极FSPM进行对比研究。研究结果表明,6/7极FSPM比6/5极具有更小的齿槽转矩,磁链和反电势波形具有更好的正弦性。