1) B-M algorithm
B-M算法
1.
B-M algorithm is used to analyze the linear complexity of the new chaotic sequence.
用B-M算法对其进行线性复杂度分析,并与等效的线性反馈移位寄存器的复杂度进行比较,结果显示该混沌序列具有良好的非线性特性,保密性好且软件实现简单。
2) Berlekamp-Massey iterative algorithm
B-M迭代算法
3) decomposed inversionless B-M algorithm
分解的无逆B-M算法
4) M&M algorithm
M&M算法
1.
This paper is based on the DVB-C standard,the feedback loop is adopted to realize symbol synchronization,in which the M&M algorithm is choosing into the timing error detector.
根据DVB-C标准,采用反馈环路实现符号同步,其中时钟误差检测器选择M&M算法。
5) B-B algorithm
B-B算法
1.
In this paper,we use dynamic factor model and B-B algorithm to investigate the common business cycle and characteristics among East Asia countries(regions) from 1993q1 to 2008q3.
本文运用动态因子模型和B-B算法,以1993q1-2008q3时间段内GDP季度数据为基础,考察了东亚十国(地区)共同经济周期及其具体特征。
6) L-M algorithm
L-M算法
1.
A combined neural network fuzzy controller based on L-M algorithm;
一种基于L-M算法的组合神经网络模糊控制器
2.
Application of L-M algorithm with N-W method in fault diagnosis of transformer;
结合N-W方法的L-M算法在变压器故障诊断中的应用
3.
The L-M algorithm was employed in the BP neuron network through the comparison of three different kinds of algorithms, and the effects of factors, such as the content of volatile matter(Vdaf) in raw coals, the ratio of H and C (H/C) in coal chars, pyrolysis temperature, heating rate and gasification temperature, on the prediction error of BP neuron network were investigated.
通过三种算法的比较,采用BP神经网络的L-M算法,分析煤的制焦终温与制焦升温速率、气化反应温度、Vdaf和煤焦H/C原子比等不同因子对煤焦气化反应速率模型预测精度的影响,建立了基于Matlab下神华大柳塔单煤种四因子和神华-兖州双煤种五因子煤焦高温气化反应速率神经网络预测模型,得到比较满意的结果,其相对误差分别是0。
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