1) Single-sweeping oscillopolarography
级联人工神经网络
2) parallel connection feed-forward network
双并联人工神经网络
1.
To counter the difficulty of traditional method,the parallel connection feed-forward network of calculation method for the actual cycle thermal efficiency of a steam turbine is proposed.
针对传统方法计算繁杂的问题,本文提出了基于双并联人工神经网络的汽轮机实际循环热效率计算方法。
2.
The parallel connection feed-forward network of calculation model for the exhaust enthalpy of a steam turbine is proposed.
提出了基于双并联人工神经网络的汽轮机排汽焓值计算模型。
3) Cascade neural network
级联神经网络
1.
To improve the defects in usually used BP algorithms, such as slow forecasting speed and easy to fall into local minimum, a Cascade Neural Network (CNN) load forecasting method is put forward in this paper.
针对常用 BP算法预测速度慢、易陷入局部最优解的缺点 ,提出了基于 RBF网络和 BP网络的级联神经网络预测方法。
4) BP artificial neural network
BP人工神经网络
1.
Calculation of thixotropic stress of waxy crude oil by BP artificial neural network;
基于BP人工神经网络的含蜡原油触变应力计算
2.
Application of BP artificial neural network model in forecast of quantity of precipitation;
降水量的BP人工神经网络预测模型及其应用
3.
Dividing of Soil and Water Loss Grade with BP Artificial Neural Network;
应用BP人工神经网络技术划分水土流失等级
5) Artificial Neural Network(ANN)
人工神经网络(ANN)
1.
The prediction model for the kinematic viscosity of vacuum gas oil at 40℃ and 100℃ was established based on the detail hydrocarbon types by stepwise regression method and artificial neural network(ANN).
采用逐步线性回归和人工神经网络(ANN)方法,建立了基于烃类组成的40℃和100℃的直馏减压馏分(VGO)运动黏度的预测公式;讨论了不同回归因子和不同回归方法对模型建立的影响。
6) ANN
人工神经网络
1.
ANN study on gas chromatographic retention indices of alkene series;
人工神经网络对烷烃同系物气相色谱保留指数的预测
2.
Using Artificial Neural Network(ANN) to quantitatively predict allopurinol release from HPMC sustained release tablets;
人工神经网络预测别嘌醇HP MC缓释片药物释放
3.
Discussion about Hidden-layer Structure of Electrode Property Prediction System Based on ANN;
基于人工神经网络的焊条性能预报系统隐含层结构讨论
补充资料：人工神经网络
| 人工神经网络 artificial neural network 一种模仿动物神经网络行为特征的分布式并行信息处理算法结构的动力学模型。它用接受多路输入刺激，按加权求和超过一定阈值时产生“兴奋”输出的部件来模仿动物神经元的工作方式，并通过这些神经元部件相互联接的结构和反映关联强度的权系数使其“集体行为”具有各种复杂的信息处理功能。特别是这种宏观上具有鲁棒、容错、抗干扰、适应性、自学习等灵活而强有力功能的形成不是由于元部件性能不断改进，而是通过复杂的互联关系得以实现，因而人工神经网络是一种联接机制模型，具有复杂系统的许多重要特征。人工神经网络适用于信号处理、数据压缩、模式识别 、机器人视觉、知识处理及其应用，预测、评价和决策问题 ，调度排序、路由规划等组合优化问题。在控制系统设计中它可用于模拟被控对象特性、搜索和学习控制规律、实现模糊和智能控制。 |
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