1) double BP artificial neural network
双重BP神经网络
3) back propagation neural network
BP神经网络
1.
Analysis of lateral deformation of deep excavation based on back propagation neural network and fuzzy logical control;
基于BP神经网络与模糊控制的深基坑开挖侧向变形分析
2.
Reliability analysis of distributed sensor network based on back propagation neural network;
基于BP神经网络的分布式传感器网络的可靠性分析
3.
According to its features a short-term load forecasting model is built in which the autoregressive integrated moving average (ARIMA) is integrated with back propagation neural network (BPNN).
该模型利用ARIMA方法对线性时间序列逼近能力强的特点首先对预测日负荷进行预测,然后应用BP神经网络方法对预测结果进行修正,因此克服了单一算法存在的不足。
4) BP neural network
BP神经网络
1.
Gas content prediction based on BP neural network;
基于BP神经网络的瓦斯含量预测
2.
Study of screw pump well fault diagnosis based on BP neural network;
基于BP神经网络的螺杆泵井故障诊断方法
3.
Application of Particle Swarm Optimization based BP neural networks to atmosphere environment assessment of thermal power plants;
基于粒子群优化的BP神经网络在火电厂大气环境评价中的应用
5) BP network
BP神经网络
1.
The Evaluation of Formability Grade of Fabrics Based on Bp network;
Bp神经网络识别服装面料成形性探讨
2.
The application of BP Network to the support of underground tunnel;
BP神经网络在地下巷道支护中的应用
3.
The application study of BP network in mechanical optimization design;
机械优化设计中BP神经网络的应用研究
6) BP artificial neural network
BP神经网络
1.
Rock mass quality assessment based on BP artificial neural network (ANN)——a case study of borehole BS03 in Jiujing segment of Beishan,Gansu;
基于BP神经网络的岩体质量评价——以甘肃北山旧井地段BS03号钻孔为例
2.
Calculation and Prediction of Phase Equilibrium for Natural Gas Hydrate Based on BP Artificial Neural Network;
基于BP神经网络的天然气水合物相平衡计算及预测
3.
Water Quality Evaluation of Qingyijiang River with BP Artificial Neural Network;
BP神经网络在青弋江水质评价上的应用
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