{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部件”：[[2024,5,25]]，“日期-时间”：“2024-05-25T05:13:36Z”，“时间戳”：1716614016949}，“参考-计数”：36，“出版商”：“Springer Science and Business Media LLC”，“问题”：“3”，“许可证”：[{“开始”：{-“日期-零件”：[2017,8,20]]，”日期-时间“：”2017-08-20T00:00:00Z“，“timestamp”：150318720000}，“content-version”：“unspecified”，“delay-in-days”：0，“URL”：“http://www.springer.com/tdm”}]，“funder”：[{“name”：“江苏省青蓝项目”}，{“DOI”：“10.13039\/501100001809”，“name”:“国家自然科学基金”，“DOI-asserted-by”：“crossref”，“award”：[“61273122”]}：“中国国家自然科学基金会（CN）”，“奖项”：[“61005047”]}，{“DOI”：“10.13039\/100008982”，“名称”：“卡塔尔国家研究基金”，“DOI-asserted-by”：“publisher”，“奖”：[”8-274-2-107“]}]，“内容域”：{“域”：【”link.springer.com“】，“crossmark-restriction”：false}，“短容器时间”：【“神经过程快报”】，“published-print”：{“date-parts”：[[2018,6]]}，“DOI”：“10.1007\/s11063-017-9692-5”，“type”：“journal-article”，“created”：{”date-part“：[[2017,8,20]]，“date-time”：“2017-08-20T07:15:21Z”，“timestamp”：1503213321000}，”page“：”1271-1284“，”update-policy“：“http://\/dx.DOI.org\/10.1007\/springer_crossmark_policy”，“source”：“Crossref”，“is-referenced-by-count”：18，“title”：[“基于L-BFGS的复杂值前馈神经网络学习算法”]，“前缀”：“10.1007”，“卷”：“47”，“作者”：[{“给定”：“荣荣”，“家族”：“吴”，“序列”：“第一”，“从属关系”：[]}，{“给出”：“何”，“家庭”：“黄”，“顺序”：“附加”，“隶属关系”：[]}第页，{“given”：“Tingwen”，“family”：“Huang”，“sequence”：“additional”，“affiliation”：[]}]，“member”：“297”，“published-on-line”：{“date-parts”：[[2017,8,20]]}，“reference”：[{“issue”：“4”，“key”：”9692_CR1“，”doi-asserted-by“：”crossref“，“first-page”：“411”，“doi”：“10.1049\/ip-vis:20050217”，“volume”：“，”author“：”MB Liu“，”year“：”2006“，”unstructured“：“Liu MB，Huang GB，Saratchandran P（2006）用于通信信道均衡的复杂值增长和修剪RBF神经网络。IEE Proc-Vis图像信号处理153（4）：411\u2013418”，“日志标题”：“IEE Proc-Vis图像信号处理”}，{“key”：“9692_CR2”，“doi-asserted-by”：“crossref”，“doi”：“10.1002\/9781118590072”，“volume-title”：“复杂值神经网络：进展与应用”，“author”：“A Hirose”，“year”：“2013”，“unstructured”：“Hirose A（2013）复杂值神经神经网络：发展与应用。Wiley，Hoboken”}，{“issue”：“2”，“key”：“9692_CR3”，“doi-asserted-by”：“crossref”，“first page”：，“year”：“2012”，“unstructured”：“Xu D，Shao H，Zhang H（2012）分裂复杂递归神经网络的一种新的自适应动量算法。神经计算93（2）：133\u2013136”，“期刊标题”：“神经计算”}，{“issue”：“4”，“key”：“9692_CR4”，”doi-asserted-by“：”crossref“，”first page“：”650“，“doi”：“10.1080\/002007179.2012.756149”，“volume”：”86“author”：“J Hu”，“year”：“2013”，“unstructured”：“Hu J，Wang Z，Shen B，Gao H（2013）一类具有乘性噪声和缺失测量的非线性系统的量化递归滤波。国际J Control 86（4）：650\u2013663”，“journal-title”：“国际J Control”}，{“key”：“9692_CR5”，“doi-asserted-by”：“crossref”，”first page“155”，《doi》：“10.1016\/j.automatia.2015.11.008”，“volume”：“64”，“author”：“j Hu”，“year”：“2016”，“unstructured”：“Hu j，Wang Z，Liu S，Gao H（2016）含缺失测量的时变复杂网络递推状态估计的方差约束方法。automatica 64:155\u2013162”，《杂志标题》：“Automaticas”}，{“issue”：“2”，“key”：”9692_CR6“，“doi-asserted-by”：“crossref”，“first page”：“142”，”doi”：“10.1109\/TPS.2009.2037151”，《volume》：“38”，“author”：“JH Xia”，“year”：“2010”，“unstructured”：“Xia JH，Rusli R，Kumta AS（2010）采用BFGS算法训练的前馈神经网络，用于模拟碳化硅的等离子体刻蚀。IEEE Trans plasma Sic 38（2）：142\u2013148”，，“journal-title”：“IEEE Trans-Plassma Sic”}，{“key”：“9692_CR7”，“doi-asserted-by”：“crossref”，“unstructured”：“Huang T，Li C，Duan S，Starzyk J（2012），具有随机扰动和脉冲效应的不确定时滞神经网络的鲁棒指数稳定性。IEEE Trans-neural Netw Learn Sys 23:866\u2013875”，“doi”：“10.1109\/TNNLS.2012.2192135”}、{“issue”：“404”，“key”：“9692_CR8”，“doi-asserted-by”：“crossref”，“first page”：”993“，“doi”：“10.1007\/3-540-44989-2_118”，“volume”：：“2714”，“author”：“T Nitta”，“year”：“2003”，“unstructured”：“Nitta T（2003）复合值神经元的计算能力。Lect Notes Comput Sci 2714（404）：993\u20131002”，“journal-title”：“Lect Notes Comput Sci”}，{“issue”：“1”，“key”：“9692_CR9”，“doi-asserted-by”：“crossref”，“first page”：“73”，“doi”：“10.1162\/08997660460734001”，“volume”：”16“，“author”：“T Nitta”，“year”：“2004”，“unstructured”：“Nitta T（2004）复杂值神经网络中决策边界的正交性。神经计算16（1）：73\u201397”，“journal-title”：“neural Compute”}，{“issue”：“7”，“key”：：“9692_CR10”，“doi-asserted”由“：“crossref”，“first-page”：“1”，“DOI”：“10.1016\/j.neunet.2013.02.002”，“volume”：“43”，“author”：“T Nitta”，“year”：“2013”，“unstructured”：“Nitta T（2013）复合值神经网络层次结构中的局部极小值。neural Netw 43（7）：1\u20137”，“journal title”：“neural Network”}，{“key”：”9692_CR11“volume-title”：”“Real and complex analysis”，“author”：“W Rudin”，“year”：“1984”，“unstructured”：“Rudin W（1984）Real and complex analysis。McGraw-Hilt，New York”}，{“issue”：“9”，“key”：“9692_CR12”，“doi-asserted-by”：“crossref”，“first-page:”2101复杂反向传播算法。IEEE Trans Signal Process 39（9）：2101\u20132104“，”journal-title“：”IEEE Trans-Signal Process“}，{“issue”：“4”，“key”：“9692_CR13”，“doi-asserted-by”：“crossref”，“first page”：”541“，”doi“：”10.1109 \/TNNLS.2012.2183613“，”volume“：”23“，”author“：”A Hirose“，”year“：”2012“，”unstructured“：”Hirose A，Yoshida S（2012）复值前馈神经网络与信号相干性的泛化特性。IEEE Trans Neural Netw Learn Syst 23（4）:541\u2013551“，”期刊标题：“IEEE Trans Neural Netw Learn Syst”}，｛“issue”：“1”，“key”：“9692_CR14”，“doi asserted by”：“crossref”，“首页”：“29”，“doi”：“10.1023\/A：1016359216961”，“volume”：“32”，“author”：“T Kim”，“year”：“2002”，“nonstructured”：“Kim T，Adali T（2002）用于非线性信号处理的全复多层感知器网络。J VLSI Sig Proc 32（1）：29\u201343“，”journal-title“：”J VLSI Sig Proc“}，{“issue”：“5”，“key”：“9692_CR15”，”doi-asserted-by“：”crossref“，”first page“：”1280“，”doi“：”10.1109\/TNN.2007.894038“，”volume“：“18”，“author”：“SS Yang”，“year”：“2007”，“unstructured”：“Yang SS，Ho CL，Siu S（2007）由于i.i.d.输入和权重的误差，对分裂复值多层感知器进行灵敏度分析。IEEE Trans Neural Netw 18（5）：1280\u20131293“，“journal-title”：“IEEE Trans-Neal Netw”}，{“issue”：“3”，“key”：“9692_CR16”，“doi-asserted-by”：“crossref”，“first-page”：“297”，“doi”：“10.1007\/s11063-013-9305-x”，“volume”：”39“author”：“H Zhang”，“year”：“2014”，“unstructured”：“Zhang H，Xu D，Zhang Y（2014）带动量和惩罚的分裂复数反向传播算法的有界性和收敛性。Neural Process Lett 39（3）：297\u2013307“，“journal-title”：“Neural Process-Lett”}，{“issue”：“4\u20136”，“key”：“9692_CR17”，“doi-asserted-by”：“crossref”，“first-page”：“945”，“doi”：“10.1016\/j.neucom.2008.04.006”，“volument”：“72”，“author”：“MF-Amin”，“year”：“2009”，“unstructured”：“Amin MF，Murase K（2009）用于实值分类问题的单层复值神经网络。Neurocomputing 72（4\u20136）：945\u2013955“，“journal-title”：“Neurocumputing”}，{“issue”：“5”，“key”：“9692_CR18”，“doi-asserted-by”：“crossref”，“first page”：”330“，“doi”：“10.1109\/82.142037”，“volume”:“39”，“author”：“GM Georgiou”，“year”：“1992”，“unstructured”：“Georgiou-GM，Koutsougeras C（1992）Complex domain backpropagation。IEEE Trans-Circ Sys t II 39（5）：330\u2013334”，“期刊标题”：“IEEE Trans Circ Syst II”｝，｛“key”：“9692_CR19”，“doi asserted by”：“crossref”，“nonstructured”：“Li C，Yu X，Huang T，He X（出版中）关于资源分配网络的分布式最优共识及其在动态经济调度中的应用。IEEE Trans Neural Netw Learn Syst”，“doi”：“10.1109\/TNLS.2017.2691760”｝，｛issue“：”5“，”key“：”9692_CR20“，”doi-asserted-by“：”crossref“，”first-page“：”1064“，”doi“：”10.1109\/TNN.2002.1031939“，”volume“：“13”，”author“：”N Ampazis“，”year“：”2002“，”unstructured“：”Ampazis-N，Perantonis SJ（2002）训练前馈网络的两种高效二阶算法。IEEE Trans Neural Netw 13（5）：1064\u20131074“，“journal-title”：“IEEE Trans-Neural Netw”}，{“issue”：“2”，“key”：“9692_CR21”，“doi-asserted-by”：“crossref”，“first-page”：“371”，“doi”：“10.1109\/TNN.2007.911739”，“volume”：”19“author”：“CT Kim”，“year”：“2008”，“unstructured”：“Kim CT，Lee JJ（2008）”用可变投影方法训练两层前馈网络。IEEE Trans Neural Netw 19（2）:371\u2013375“，”期刊标题“：”IEEE Trans Neural Netw“}，｛”期刊“：”2“，”密钥“：”9692_CR22“，”doi断言“：”crossref“，”首页“：”308“，”doi“：”10.1109\/TNNLS.2015.2496658“，”卷“：”27“，”作者“：”C Li“，”年份“：”2016“，”非结构化“：”Li C，Yu X，Huang T，Chen G，He X（2016）非光滑约束凸优化的广义Hopfield网络：李导数方法。IEEE Trans Neural Netw Learn Syst 27（2）：308\u2013321“，”journal-title“：”IEEE Trans-Neural Netw学习系统“}，{”issue“：”3“，”key“：”9692_CR23“，”doi-asserted-by“：”crossref“，”first page“：“649”，“doi”：“10.1007\/s11063-014-9379-0”，“volume”：“42”，“author”：“AR Hafiz”，“year”：“2015”，“unstructured”：“Hafiz AR，Al-Nuaimi AY、Amin MF、Murase K（2015）使用复合值神经网络对手势骨骼线框表示进行分类。神经过程Lett 42（3）：649\u2013664“，”journal-title“：”neural Process Lett“}，{”key“：”9692_CR24“，”doi-asserted-by“：”crossref“，”unstructured“：”Popa CA（2015）复值神经网络的拟Newton学习方法。摘自：《2015年国际神经网络联合会议论文集》，“DOI”：“10.1109\/IJCNN.2015.7280450”}，{“issue”：“35”，“key”：“9692_CR25”，“DOI-asserted-by”：“crossref”，“first page”：”773“，“DOI:”10.1090\/S0025-5718-1980-0572855-7“，”volume“：”35“author”：“J Nocedal”，“year”：“1980”，“unstructured”：“Nocedall J（1980）用有限存储更新拟Newton矩阵。数学计算35（35）：773\u2013782“，“journal-title”：“数学计算”}，{“issue”：“14”，“key”：“9692_CR26”，“doi-asserted-by”：“crossref”，“first-page:”471“，”doi“：”10.1016\/S0893-6080（01）00028-4“，”volume“：”14“，”author“：”E Trentin“，”year“2001”，“unstructured”：“Trentin E（2001）Networks with traineable ample of activation functions.Neural净值14（14）：471\u2013493“，”journal-title“：”Neural Netw“}，{“issue”：“1”，“key”：“9692_CR27”，“doi-asserted-by”：“crossref”，“first page”：”1“，”doi“：”10.2140\/pjm.1966.16.1“，”volume“：”16“，”author“：”L Armijo“，”year“：”1996“，”unstructured“Armijo-L（1996）具有Lipschitz连续一阶偏导数函数的最小化。Pac J Math 16（1）：1\u20133“，”journal-title“：”Pac J Math“}，{”issue“：”1“，”key“：”9692_CR28“，”doi-asserted-by“：”crossref“，”first page“：“277”，”doi“：”10.1016\/J.ins.2011.1003“，“volume”：“187”，“author”：“R Savitha”，“year”：“2012”，“unstructured”：“Savitha R，Suresh S，Sundararan N（2012）Fast learning circular complex-valued extreme learning machine（CC-ELM）用于实际的分类问题。Inf Sci 187（1）：277\u2013290“，”journal-title“：”Inf Scy“}，{“key”：“9692_CR29”，“volume-title”：“实用优化方法”，“author”：“R Fletcher”，“year”：“2013”，“unstructured”：“Fletcher R（2013）实用优化方法。威利，纽约”内政部“：”10.1137\/1019005“，“卷”：“19”，“作者”：“JE Dennis”，“年份”：“1977”，“非结构化”：“Dennis JE，More JJ（1977）准纽顿方法、动机和理论。SIAM Rev 19（1）：46\u201389“，“journal-title”：“SIAM版本”}，{“key”：“9692_CR31”，“unstructured”：“Frank A，Asuncion A（2010）UCI机器学习库，加州大学欧文分校信息与计算机科学系，2010年。http://\/archive.ics.uci.edu\/ml“}，{“问题”：“27”，“密钥”：“9692_CR32”，“首页”：“389”，“卷”：“2”，“作者”：“CC Chang”，“年份”：“2007”，“非结构化”：“Chang CC，Lin CJ（2007）LIBSVM：支持向量机库。ACM Trans Intell Syst Technol 2（27）：389\u2013396”，“日志标题”：“ACM Trans-Intell System Technol”}，}“密钥”：“9692_CR33”，“doi-asserted-by“：”crossref“，”first page“：”150“，”doi“：”10.1016\/j.neunet.2015.12.11“，”volume“：“75”，”author“：”M Rouhani“，”year“：”2016“，”unstructured“：”Rouhani-M，Javan DS（2016）两种快速准确的启发式RBF学习规则用于数据分类。Neural Netw 75:150\u2013161“，“journal-title”：“Neural Network”}，{“key”：“9692_CR34”，“doi-asserted-by”：“crossref”，“首页”：“261”，“doi”：“10.1016\/j.neucom.2016.07.046”，“卷”：“216”，“作者”：“Y Liu”，“年份”：“2016”，“非结构化”：“刘Y，黄H，黄T（2016）一种改进的最大扩散算法及其在复值RBF神经网络中的应用。Neurocomputing 216:261\u2013267“，”journal-title“：”Neurocumputing“}，{”key“：”9692_CR35“，”doi-asserted-by“：”crossref“，”first page“：“198”，“doi”：“10.1016\/j.neucom.2014.04.075”，“volume”：“149”，”author“：”M Sivachitra“，“year”：“2015”，“unstructured”：“Sivachistra M，Savitha R，Suresh S（2015）A fully complex valued fast learning classifier（FC-FLC）用于实际的分类问题。Neurocomputing 149:198\u2013206“，“journal-title”：“Neurocumputing”}，{“issue”：“7”，“key”：“9692_CR36”，“doi-asserted-by”：“crossref”，“first-pages”：“1061”，“doi”：“10.1109\/TNN.2011.2144618”，“volume”：”22“author”：“S Suresh”，“year”：“2011”，“unstructured”：“Suresh S，Savitha R，Sundararajan N（2011）复值自调节资源分配网络的一种序贯学习算法-CSRAN。IEEE Trans Neural Netw 22（7）：1061\u20131072“，”journal-title“：”IEEE Trans-Neural Netw“}]，”container-title”：[“Neural Processing Letters”]，”original-tittle“：[]，”language“：”en“，”link“：[{”URL“：”http://\/link.springer.com/article\/10.1007\/s11063-017-9692-5\/fulltext.html“，“内容类型”：“文本\/html”，“内容版本”：“vor”，“intended-application”：“text-mining”}，{“URL”：“http://\-link.springer.com/content\/pdf\/10.10007\/s110692-5.pdf”，“content-type”：“短信提醒”}，{URL“：”http://\/link.springer.com/content\/pdf\/10.1007\/s11063-017-9692-5.pdf“，”content-type“：”application\/pdf“、”content-version“：”vor“、”intended-application“：”similarity-checking“}]、”deposed“：{”date-parts“：[[2019,10,2]、”date-time“：“2019-10-02T16:12:54Z”、“timestamp”：1570032774000}、“score”：1、“resource”：{“primary”：{URL“：”http:\/\/link.springer.com/10.1007\/s11063-017-9692-5“}}，”副标题“：[]，”短标题“：[]，”已发布“：{”日期部分“：[[2017,8,20]]}，“引用计数”：36，“日志发布”：{“发布”：“3”，“发布-发布”：x.doi.org \/10.1007\/s11063-017-9692-5“，”关系“：{}，”ISSN“：[”1370-4621“，”1573-773X“]，”issn type“：[｛”value“：”1370-4621“，”type“：”print“｝，”value“：”1573-773X“，”type“：”electronic“｝]，”subject“：[]，”published“：｛”date parts“：[[2017,8,20]]｝｝｝