1) BP neural network classifier
BP神经网络分类器
1.
In this paper, the characteristic of neural network and the fundamental principle of BP neural network classifier are introduced.
介绍了神经网络特性和BP神经网络分类器的一般原理。
2.
In this paper,the system of license plate location and character segmentation,feature extraction,BP neural network classifier etc modules have had a more detailed research.
本文对系统中的车牌定位和字符分割、特征提取、BP神经网络分类器等模块进行了较详细的研究。
2) BP neural network classification
BP神经网络分类
3) neural network classifier
神经网络分类器
1.
A neural network classifier combination method is introduced in this paper and applied to handwritten numeral recognition.
利用神经网络分类器组合 ,对手写体数字识别问题进行了研究 。
2.
Eight modulation types were classified by the method based on characteristic parameters extraction and neural network classifier.
提出了一种对经过符号成形的数字信号调制方式进行识别的新算法,利用特征参数提取与神经网络分类器相结合对8种常用数字信号进行识别。
4) back propagation neural network classifier
BP网络分类器
5) 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。
6) 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
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