1) Kohonen algorithm
Kohonen算法
2) Kohonen competitive network arithmetic
Kohonen竞争网络算法
3) self-organizing algorithm of Kohonen
Kohonen自组织算法
4) Kohonen network
Kohonen网
1.
In this paper,the clustering ability of Kohonen network and the nonlinear similarity function of BP network are discussed,and a load day model is proposed.
针对电力负荷预测对Kohonen网的聚类能力和BP网的非线性拟合功能进行了讨论,提出了一种建立负荷日类型模型的方法,并在此基础上用Kohonen网和BP网组合而成的神经网络模型来进行短期负荷预测,提高了负荷预测的精度。
5) Kohonen network
Kohonen网络
1.
The Application of Kohonen Network to the Diagnosis of Oscillation Breakdowns in Steam Turbine;
Kohonen网络在汽轮机振动故障诊断中的应用
2.
Pattern recognition of mechanical failure based on Kohonen network;
基于Kohonen网络的机械故障模式识别
3.
A hybrid method to acquire fuzzy rules based on Kohonen network,rough sets and fuzzy neural network;
基于Kohonen网络—粗集—模糊神经网络获取模糊规则的集成方法
6) Kohonen neural network
Kohonen网络
1.
Firstly, a concept of Mvar coordinate space is presented, then take the sensitivity between generators and nodes as eigenvectors, at last, KOHONEN neural network is introduced to decomposition.
以新英格兰系统为例进行的数字仿真发现, KOHONEN网络是一种学习速度快、分类精度高的神经网络模型,并且适用于电压控制分区。
2.
In view of the difficulty and complexity of mathematical and physical method to classify the service levels and the good selforganization behavior and robustness of Kohonen neural network, this paper applied Kohonen neural network to classify the service levels for a certain toll plaza with ETC toll lanes and stop toll lanes.
鉴于采用数学建模的方法来划分服务水平的复杂性以及Kohonen网络的自组织学习能力和良好的鲁棒性,提出了利用Kohonen网络对收费广场服务水平进行分类的方法,并用该方法对一个含有不停车收费方式(ElectronicTollCollection,ETC)与停车收费方式的收费广场服务水平进行了分类,结果表明该方法是很有实用价值的。
补充资料：BP算法
分子式：
CAS号：
性质：又称逆推学习算法，简称BP算法，是1986年鲁梅哈特(D. E. Rumelhart)和麦克莱朗德(J. L. McClelland)提出来的。用样本数据训练人工神经网络(一种模仿人脑的信息处理系统)，它自动地将实际输出值和期望值进行比较，得到误差信号，再根据误差信号从后(输出层)向前(输入层)逐层反传，调节各神经层神经元之间的连接权重，直至误差减至满足要求为止。反向传播算法的主要特征是中间层能对输出层反传过来的误差进行学习。这种算法不能保证训练期间实现全局误差最小，但可以实现局部误差最小。BP算法在图像处理、语音处理、优化等领域得到应用。
CAS号：
性质：又称逆推学习算法，简称BP算法，是1986年鲁梅哈特(D. E. Rumelhart)和麦克莱朗德(J. L. McClelland)提出来的。用样本数据训练人工神经网络(一种模仿人脑的信息处理系统)，它自动地将实际输出值和期望值进行比较，得到误差信号，再根据误差信号从后(输出层)向前(输入层)逐层反传，调节各神经层神经元之间的连接权重，直至误差减至满足要求为止。反向传播算法的主要特征是中间层能对输出层反传过来的误差进行学习。这种算法不能保证训练期间实现全局误差最小，但可以实现局部误差最小。BP算法在图像处理、语音处理、优化等领域得到应用。
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