1) neural network BP model
人工神经网络BP模型
1.
This paper gives an approach on quantitatively forecasting catchment sediment yield with neural network BP model.
引入人工神经网络BP模型对流域产沙进行了定量预测。
2) BP Artifical Neural Network Model
BP人工神经网络模型
1.
The AR(Autoregressive Model)and the BP Artifical Neural Network Model are respectively used to predict the mean daily discharge of Ertan Hydropower Station herein.
分别利用分期平稳自回归模型———AR模型(Autoregressive Model)和BP人工神经网络模型(Back Propagation ArtificalNeuralNetwork Model)对二滩水电站的日平均流量序列进行了预测。
3) 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
4) 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
5) 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。
6) BP-ANN
BP-人工神经网络
补充资料：神经网络BP算法
分子式：
CAS号：
性质：它是D.Rumellart等人提出的一个监督训练多声能神经网络的算法，每一个训练范例在网络中经过两遍传递计算：一遍向前传播计算，从输入层开始，传递各层并经过处理后，产生一个输出，并得到一个该实际输出和所所需输出之差的差错矢量；一遍向反向传播计算，从输出层至输入层，利用差错矢量对权值进行逐层修改。BP算法有很强的数学基础，戏剧性地扩展了神经网络的使用范围，产生了许多应用成功的实例，对神经网络研究的再次兴起过很大作用。
CAS号：
性质：它是D.Rumellart等人提出的一个监督训练多声能神经网络的算法，每一个训练范例在网络中经过两遍传递计算：一遍向前传播计算，从输入层开始，传递各层并经过处理后，产生一个输出，并得到一个该实际输出和所所需输出之差的差错矢量；一遍向反向传播计算，从输出层至输入层，利用差错矢量对权值进行逐层修改。BP算法有很强的数学基础，戏剧性地扩展了神经网络的使用范围，产生了许多应用成功的实例，对神经网络研究的再次兴起过很大作用。
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