1) BP-ANN
BP-人工神经网络
2) 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
3) BP ANN
BP人工神经网络
1.
Whole Stand Growth Model for Natural Dahurian Larch Forests Based on BP ANN;
基于BP人工神经网络的兴安落叶松天然林全林分生长模型的研究
2.
ANALYSIS ON EPIKARST SPRING WITH BP ANN IN LUOTA,HUNAN PROVINCE;
湖南洛塔干河猪场表层岩溶泉BP人工神经网络分析
3.
ANALYSIS OF WUYANDONG SUBTERRANEAN STREAM SYSTEM BY BP ANN IN LUOTA,HUNAN;
湖南洛塔屋檐洞地下河系统BP人工神经网络分析
4) BP neural network
BP人工神经网络
1.
BP neural network based on MATLAB 6.
x的BP人工神经网络工具箱进行了简要的介绍,并将BP人工神经网络应用到土壤环境质量现状评价中,编制了基于MATLAB6。
2.
The 4- 7- 2 nonlinear model was found by BP neural network with four components used as input data and the index of coat performance as output data, and the experimental results were trained and forecasted.
以CrO3 ,H3 BO3 ,锌粉和还原剂 4种组分作为输入数据 ,以涂层性能指标作为输出数据 ,采用 4 - 7- 2层结构 ,建立BP人工神经网络建立非线性模型 ,分别训练和预测了试验结果 ,同时以关联度的大小顺序为依据 ,分别拟合了各组分对涂层性能指标的影响曲线。
3.
The diagnosis of complex pressure fault with a large variety of information was attained by using the ability for BP neural network to synthesize and classify a large variety of information.
利用BP人工神经网络的多信息综合能力和分类能力 ,实现了多信息复杂压力故障的诊断 ,并获得了用BP算法训练网络的一些实际体会及方法。
5) BP Artificial neural networks
BP人工神经网络
1.
The application of BP artificial neural networks on assessment of seawater quality at Pearl River Estuary;
BP人工神经网络模型在珠江口水质评价中的应用
2.
The BP artificial neural networks model based on particle swarm optimization(PSO) has been used in the runoff prediction of the Ertan hydropower station on Yalong River.
基于粒子群优化(PSO)的BP人工神经网络径流预测模型,应用于雅砻江流域梯级电站下的二滩水电站进行月径流预测,并通过对BP人工神经网络和实际数据的比较,建立了雅砻江流域梯级电站径流预测模型,可供梯级电站生产使用参考。
6) ANN BP arithmetic
人工神经BP网络
1.
The ANN BP arithmetic c.
本课题的主要工作包括以下三个方面:首先对自然纹理图像的特征函数进行了深入研究和分析,确定能够从各个角度真实全面反映图像的特征,最后选取16个特征函数作为图像生成的依据;第二,建立了有效的人工神经BP网络模型,将原始图像的16个特征函数作为BP网络的输入,通过学习一训练,确定人工神经网络结构;第三,形成了自然纹理图像的生成软件。
补充资料：神经网络
| 神经网络 neural networks 组成神经系统的神经元彼此以突起（树突和轴突）相互联系形成的联络网。又称神经回路、神经元回路。通过神经网络可以将来自体内外的各种感觉信息进行加工，并控制和调节机体的各种活动。 神经元大体可分为两类，一类是投射神经元（又叫高尔基Ⅰ型神经元），它们具有长的轴突，可以联系远离胞体的区域 ，起到传入或传出的作用 。另一类是局部回路神经元（又叫高尔基Ⅱ型神经元），其轴突甚短，在胞体附近反复分枝，形成局部的神经回路。这些局部回路神经元在反射弧中介于传入和传出神经元之间，故又称为中间神经元。在动物进化过程中，神经系统内局部回路神经元的比例越来越大，说明脑的整合作用有赖于大量局部回路神经元的活动。人体中枢神经系统的传出神经元数目总计约数10万，传入神经元较传出神经元约多1～3倍，而大脑皮层所含的中间神经元就约有140亿之多，可见中间神经元的重要生理意义。 神经元之间主要是以突触的方式进行联系，前一个神经元兴奋时，其突起的末梢释放一种或几种化学物质（神经递质和突触调制物），经过化学物质与受体的结合使下一级神经元产生兴奋或抑制反应。两个神经元的各个部分之间均可形成突触性联系。此外，一个神经元还可以改变其邻近细胞的电场或化学微环境，从而改变它们的活动。这些都说明神经网络中各个神经元间的机能联系是极端复杂的。 尽管神经网络是极端庞大复杂的，从简单的神经回路研究中已得到一些基本规律：①聚合和辐射。聚合表示一个神经元可以接受许多不同神经元的传入联系，来自不同神经元的兴奋和抑制信息会聚在同一个神经元上发生相互作用。辐射表示一个神经元可以通过其轴突分支与许多神经元建立突触性联系，使一个神经元的兴奋同时扩布到许多其他神经元，从而扩大了影响范围。神经系统内神经元间的联系总是既有聚合又有辐射，每个神经元既接受许多神经元的传入信息，又把信息传出到许多神经元 。②反馈 。一个神经元的轴突（或其侧支与一级或多级中间神经元发生直接或间接的信息传递，最后一级中间神经元的轴突末梢又与原来的神经元发生突触性联系，从而构成一个闭合的回路，把该神经元输出的部分信息回输到原来的神经元，以调节或校正其活动。这种联系方式称作反馈。当神经元有冲动传出时，反馈回来兴奋性信息，就叫正反馈。如果中间神经元反馈抑制信息到原来的神经元，就叫负反馈。③前馈。与返回抑制相反，某一神经元在接受传入兴奋的同时，也接受传入通路侧支经过中间神经元的抑制信息，叫作前馈抑制或传入侧支性抑制。④中间神经元上的整合。在各种神经回路中，中间神经元上有最广泛的传入整合，例如，猫颈髓的固有中间神经元接受运动皮层和各皮层下运动中枢以及皮肤传入神经的传入联系，经过在中间神经元上的整合作用，再兴奋前角运动神经元，引起肌肉收缩。此外，不同神经回路的中间神经元间也有相互联系，例如，在脑的不同区域都看到返回抑制回路中的中间神经元有交互抑制性联系，返回抑制性中间神经元对前馈抑制神经元也有抑制作用。 |
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