1) PLS BP
偏最小二乘法-BP神经网络
2) NNPLS
神经网络偏最小二乘法
1.
Compared with PLS and NN,the NNPLS method can achieve higher imitating precision and smaller prediction errors.
分析了顾客满意度测评模型中各变量间存在的非线性关系,将神经网络偏最小二乘法(NNPLS)应用到顾客满意度测评中。
2.
NNPLS is used to establish a number of non-linear model in different operating conditions and the whole non-linear system.
该方法基于有源自回归(Auto-Re-gressive with extra inputs,ARX)模型与模糊C-均值(Fuzzy C-Means,FCM)聚类方法识别操作工况,在不同操作工况分别采用神经网络偏最小二乘法NNPLS(Neural Net Partial Least Square),建立多个非线性子模型拟和系统全局非线性。
3) partial least squares regression and neural network
偏最小二乘神经网络
1.
This paper proposes a partial least squares regression and neural network model(PLSNN) to solve the problem.
针对致密储层中气水干层识别和产能预测准确率较低这一难题,提出偏最小二乘神经网络方法:用偏最小二乘方法对输入自变量集进行主成分提取预处理,消除重叠的输入信息,用可变学习速率反向传播算法(VLBP)和附加动量方法(AMOBP)构建BP储层识别和产能预测的网络模型。
4) netural network partial least squares
神经网络偏最小二乘
1.
The methods have been developed for model construction of quantitative structure-detonation relationship by combining netural network partial least squares with genetic algorithms and principal component analysis respectively.
运用神经网络偏最小二乘分别与遗传算法和主成分分析相结合,以含能材料的结构描述符和爆轰性能等参数,建立了"分子结构-爆轰性能"之间的定量关系预测模型,并对30种含能材料的密度和理论爆速进行了预测,其相对误差均在5%以下。
5) Least Squares-Neural Network
最小二乘神经网络
1.
Information Extraction Based on Semantic Tagging and Least Squares-Neural Network;
基于语义标注和最小二乘神经网络的信息抽取
6) Neural Net-Partial Least Squares(NNPLS)
神经网络部分最小二乘
补充资料：偏最小二乘法
分子式：
CAS号：
性质：一种基于特征变量的回归方法。也可看成是有偏估计中的一种回归方法。近年来在化学计量学的多元校正和模式识别中得到十分广泛的应用。偏最小二乘法是由瑞典统计学家沃尔德（H·Wold）提出，其基本运算是基于非线性迭代偏最小二剩算法（nonlinear iterative partial least squares; NIPALS），故有偏最小二乘法之称。它与主成分回归不同之点就在于它不但分解X矩阵，同时也分解Y矩阵，并在分解X矩阵时利用Y矩阵的信息，在分解Y矩阵时利用X矩阵的信息，从而使回归结果更好些。另外，因其本质上是一种基于特征变量的解析方法，故也可用于化学模式识别之中，进行降维处理。由于偏最小二乘法在化学中得到非常广泛的应用，故很多化学计量学家对该算法进行了改进和拓展，提出了快速偏最小二乘、非线性偏最小二乘法、稳健偏最小二乘法等。
CAS号：
性质：一种基于特征变量的回归方法。也可看成是有偏估计中的一种回归方法。近年来在化学计量学的多元校正和模式识别中得到十分广泛的应用。偏最小二乘法是由瑞典统计学家沃尔德（H·Wold）提出，其基本运算是基于非线性迭代偏最小二剩算法（nonlinear iterative partial least squares; NIPALS），故有偏最小二乘法之称。它与主成分回归不同之点就在于它不但分解X矩阵，同时也分解Y矩阵，并在分解X矩阵时利用Y矩阵的信息，在分解Y矩阵时利用X矩阵的信息，从而使回归结果更好些。另外，因其本质上是一种基于特征变量的解析方法，故也可用于化学模式识别之中，进行降维处理。由于偏最小二乘法在化学中得到非常广泛的应用，故很多化学计量学家对该算法进行了改进和拓展，提出了快速偏最小二乘、非线性偏最小二乘法、稳健偏最小二乘法等。
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