说明:双击或选中下面任意单词,将显示该词的音标、读音、翻译等;选中中文或多个词,将显示翻译。
您的位置:首页 -> 词典 -> 计算机计算
1)  computer calculation
计算机计算
1.
In this paper,methods of computer calculation of ceramic batch were studied.
讨论了采用计算机计算陶瓷配方的计算方法,对在采用计算机计算陶瓷配方设计中所遇到的问题进行了讨论。
2)  computer arithmetic
计算机算法
1.
This paper particularly introduces analytical processes and computer arithmetic of fuzzy cluster theory,gives two typical examples too;the betterment method of fuzzy cluster theory is put forward at the end.
详细介绍了模糊聚类理论的分析步骤和计算机算法,并给出了典型的工程应用例子,同时也提出了模糊聚类的改进方法。
2.
This paper describes the computer arithmetic of ISODATA based fuzzy cluster analysis.
文章详细介绍了模糊ISODATA聚类分析的步骤和计算机算法,指出了其相对于等价矩阵聚类分析方法的优势,并结合典型的工程应用背景给出了分类结果。
3)  computer algorithm
计算机算法
1.
Combining computer algorithms with experimental approaches to screen T cell epitopes;
计算机算法结合实验技术进行T细胞表位筛选
2.
Secondly,on the basis of the given method,a computer algorithm is given for finding the solution of n-Variables linear congruence equation.
然后,针对求解一般的n元线性同余方程计算量大的特点,在所给解法的基础上,进一步给出了求解n元线性同余方程的计算机算法。
4)  computer arithmetic
计算机算术
5)  arithmetical computing machine
算术计算机
6)  computer arithmetics
计算机运算
补充资料:神经计算机


神经计算机
neural computer

  的偏差来调节连接权值,称为占学习律: △w。二,占矶;a=勺一vj 在已有的各种学习算法中,特别值得一提的是反传算法,或称BP算法。它是为解决多层ANN中隐单元层的训练问题而提出的。BP算法的基本设计思想是:先从输人开始,经过各中间隐单元层逐层计算其输出,直到算出最终输出,并与目标输出比较,得出偏差。然后把这一偏差反传给输出单元的前一层隐单元层,据此调整其与输出单元间的连接权值,再继续反传、调整,直到输人单元层。接着开始第二轮前向计算输出及最终输出偏差,反传、调整各隐单元层连接权值,如此继续,直到计算输出与目标输出的偏差减小到不超过允许偏差为止。在上述最基本的学习律的基础上,或者结合不同的ANN结构特点或特定功能要求,或者为了避免ANN系统陷人局部极小的非全局稳定态,或者为了加速收敛、缩短学习训练时间,或者为了改进学习或记忆的品质等,已提出了不少各有特点的算法,而且新的改进算法还在不断提出。 神经处理器 由上述可知,神经计算实质上是ANN在经过学习或训练后所表现出来的对输人信息的适应性反应。但是,ANN毕竟是生物神经网络的高度简化模型。无论是数量上还是品质上都远远比不上生物神经网络,尤其是无法与人脑神经系统相比拟。通常是针对某一特定问题设计一个ANN并加以训练后,用于求解该特定问题。在可预见的将来,神经处理器还不具备像符号处理器那样的灵活性和通用性。比较现实的研究开发途径是把神经处理器作为协处理器,在计算机系统或控制系统中发挥其特殊作用。 神经处理器可有多种实现技术。主要有以下3种: (l)计算机仿真通过编程,在通用计算机上实现某种学习算法(例如BP算法)来建立并训练一个“软”神经网络。已经有不少商品化的神经网络仿真工具可在高档微型计算机或工作站上运行。 (2)超大规模集成电路(、任另l)专用并行处理器 训练ANN时所要进行的数学运算主要是连接权值调节量和各单元多路输人信号量的矩阵乘、加计算,而且相对独立的单元及其连接可以并行处理。已经研究开发了多种专门用于仿真ANN的并行处理的、飞51多处理器器件。用这样的器件组成专用协处理器将显著加速“软”神经网络的学习速度,缩短其训练时间。 (3)线性专用集成电路器件直接把由如图1(b)所示的电子神经元模拟线路组成的ANN制作成专用集成电路。
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