2) improved BP neural network
改进的BP神经网络
1.
As artificial neural network method not only possesses ability of self-taught, self-organized and high non-linear mapped, but also can consider both quantitative and quanlitative factors, based on improved BP neural network, a lot of neural network models are established to predict parameters of surfac.
利用大量的地表移动实际观测数据样本对该网络模型进行训练和学习,并用该网络模型对地表移动参数进行预计,结果表明,该改进的BP神经网络具有收敛速度快、预计参数精度高的优点,从而为开采沉陷地表移动预计中参数的选取提供了新方法。
2.
On the basis of the gray prediction models(the equidistant gray model,the non-equidistant gray model,the optimized gray model) and the improved BP neural network models(the gradient descending algorithm of having momentum and Levenberg-Marquardt algorithm),the mechanical characteristics of the concrete-lined shaft wall are predicted.
1作为预测预报软件开发工具,采用灰色预测模型(等距灰色模型、非等距灰色模型、优化灰色模型)及改进的BP神经网络预测模型(有动量的梯度下降法、Levenberg-Marquardt算法)对混凝土井壁结构的受力状态进行预测。
3) improved fuzzy neural network
改进的模糊神经网络
1.
According to the interferential factors above,a new short-term load forecasting approach based on improved fuzzy neural network is presented by introducing "intervening item".
针对这些干扰因素,引入了"干预项",进而提出了一种改进的模糊神经网络预测的新方法;阐述了应用该方法进行短期负荷预测的基本原理、网络模型和预测过程。
2.
In this article,the improved fuzzy neural network with time-varying model in fitting and forecasting of the horizontal displacement monitoring of one dam is used,and the BP model is the comparative example.
针对时变监控模型比常规监控模型更有效且能准确进行变量分离,通过改进的模糊神经网络(IFNN)结合时变模型对陈村水库大坝的水平位移进行拟合与预测,并与BP模型做了比较。
4) Improved BP nerve network
改进的BP神经网络
1.
Improved BP nerve network, adopting the momentum method and study velocity from orientation, was applied to the fault diagnosis of the fan.
根据风机的故障诊断特点,确定神经网络的结构与参数,并制作了相应的故障诊断界面,最后通过风机的故障诊断实例表明:改进的BP神经网络提高了学习速度,有效地抑制了网络陷于局部极小,缩短了学习时间,是风机故障诊断的有效方法。
2.
As for the deficiency of BP network, this paper suggests an improved BP nerve network model which can serve in breakdown diagnose of tubine generator set.
就BP网络的不足,提出了一种改进的BP神经网络模型,用于汽轮发电机组故障的诊断。
5) improved BP-NN model
改进的BP神经网络模型
1.
This paper puts forward the improved BP-NN model and sums up the most affecting settlement factor of highway soft foundation.
通过对模型的建立、训练和验证,以及与其他方法的对比表明,改进的BP神经网络模型在非线性建模方面具有泛化性强、计算精度高、操作简便的独特优势,具有广阔的工程应用前景。
6) improved BP neural network
改进后的BP神经网络
1.
In this paper, an improved BP neural network is proposed for the structural damage diagnosis.
采用改进后的BP神经网络对桥梁结构进行损伤诊断,通过与传统BP网络法的诊断结果进行对比,得出改进后的BP网络算法在实际应用中能克服传统BP网络算法收敛速度慢,存在局部极小的问题。
2.
An improved BP neural network is proposed for the structural damage diagnosis.
采用改进后的BP神经网络对桥梁结构进行损伤诊断,通过与传统BP网络法的诊断结果进行对比,得出改进后的BP网络算法在实际应用上能克服传统BP网络算法收敛速度慢,存在局部极小的问题。
补充资料：Hopfield神经网络模型
Hopfield神经网络模型
Hopfield neural network model
收敛于稳定状态或Han加Ing距离小于2的极限环。 上述结论保证了神经网络并行计算的收敛性。 连续氏pfield神经网络中，各个神经元状态取值是连续的，由于离散H6pfield神经网络中的神经元与生物神经元的主要差异是:①生物神经元的I/O关系是连续的;②生物神经元由于存在时延，因此其动力学行为必须由非线性微分方程来描述。为此，在1984年J.J.H叩fi酗提出了连续氏pfield神经网络，它可用图1所示的电路实现，其动态方程┌───┐│·T叮 │└───┘图1连续F砧pfield神经网络 (a)Sigmoid非线性;(b)神经元模型可由下述微分方程式描述: 、，产 门J /r、l、1.。瓮一客、一佘Ii认=f(u￡)￡=l，2，…，n式中f(·)为连续可微的Sign101d函数;T，j=兀、i，j=1，2，“’，n几=0]=i1~.吞~·‘八文一Q*+，戮T，j‘一‘，2，”一”连续时间氏pfield神经网络式的计算能量函数定义为:一告客客几从砚 石l「Vi_1，、，合，，， +乞古!‘厂‘(x)dx一乙I，从(4) ’月R‘Jo“‘、一’一月一，” 对于式(3)，若f一‘为单调增且连续，C>0，T，j=几(i，j=1，2，一，n)，则沿系统的运动轨道有dE一。-丁丁足之Uat当且仅当贷一。时 箭一。式(3)的稳定平衡点就是能量函数E〔式(4)」的极小点，反之亦然。同时，连续氏pfield神经网络式(3)以大规模非线性连续时间并行方式处理信息。网络的稳定平衡点对应于其计算能量函数E的极小点，网络的计算时间就是它到达稳定的时间，网络的计算在系统趋于稳态的过程中也就完成了。这也是式(3)用于神经计算及联想记忆的基本原理，也即神经计算机的基本原理。HoPfield shenling wangluo moxingHopfield神经网络模型(Hopfieldne，Ine幻即0比m侧触l)一种单层全反馈的人工神经网络模型(后称之为氏p玉idd模型)，它对推动人工神经网络研究的复苏起了很重要的作用。 且，lield对人工神经网络研究的贡献主要有: (l)把有反馈的神经网络看作一个非线性动力系统，提出了系统的全局Lyap阴lov函数(或称能量函数)的概念，用于系统稳定性的分析; (2)利用上述分析方法解决人工智能中的组合优化问题，如15护;(3)给出了利用模拟电子线路实现的连续Hopfidd网络的电路模型，为进一步研究神经计算机创造了条件。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条