1) CBP networks
合成BP网络
2) recurrent composite BP networks
递推合成BP网络
1.
This paper,presents a nonlinear time series forecasting model based on recurrent composite BP networks,It also establishes a multivariable time series model is aimed at concrete examples.
提供了一种基于递推合成BP网络的非线性时间序列预测方法,并针对具体实例建立多变量时间序列模型。
3) composite BP network
综合BP网络
1.
And the composite BP networks model was verified with the measured data.
为了进一步提高铸坯粗轧过程温度预测精度,采用BP网络和数学模型相结合的综合BP网络,建立了铸坯粗轧过程温度预测模型,并利用现场实测数据对所建立的模型进行了验证。
4) BP neural network combination
BP神经网络联合
1.
In order to improve effectively the accuracy rate and reliability of remaining oil distribution forecast in oil field,a new model is proposed,which utilizes the merits of BP neural network combination model and two-level D-S evidence reasoning model and avoids their demerits.
为了有效地提高油田剩余油分布预测的准确率和可靠性,通过BP神经网络联合模型与两级D-S证据推理模型的优势互补进行主客观证据融合,实现了剩余油分布多属性特征的准确分类。
6) combined BP neural network
组合BP神经网络
1.
An algorithm of combined BP neural network data mining based on fuzzy clustering;
一种基于模糊聚类的组合BP神经网络数据挖掘方法
2.
This paper introduces an algorithm of combined BP neural network data mining based on fuzzy clustering,and produces the combined BP neural network model and improved Heuristicbp algorithm,then puts this algorithm into mathematical function-value prediction,and gets the purpose of short training-time and high predicting-precision.
介绍了一种基于模糊聚类的组合BP神经网络的数据挖掘方法,并给出了该方法的模型和启发式BP改进算法Heuristicbp,且将其应用于数学函数值预测中,取得了学习时间短和预测精度高的效果,实验证明该方法是有效的,具有较高的实用性。
3.
The soft sensor is realized by combined BP neural network.
针对PTA装置溶剂脱水干塔精馏过程中塔釜排出液含水量是衡量精馏过程的重要参数,而其在线实时测量难以实现的状况,采用组合BP神经网络方法对其进行软测量。
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