1) back-propagation nerve network
后传播神经网络
2) Backward propagation neural network
后向传播神经网络
3) BP neural network
反向传播神经网络
1.
The paper constructed a BP neural network on the basis of supervised learning,and built a model of extraction of gas disaster information by training the BP neural network.
文章基于有指导学习构造了反向传播神经网络,通过对该神经网络的训练建立了瓦斯灾害信息提取模型,并利用数据挖掘软件iDA对所建模型进行了分析,以发现和提取有价值或潜在的信息,从而达到了预防瓦斯灾害发生的目的。
2.
To circumvent the transmission performance degradation of the orthogonal frequency division multiplexing(OFDM) systems due to the nonlinear high power amplifiers(HPA),a new predistorter is presented which consists of two similar single-input and single-output BP neural networks(NN) in series.
针对非线性高功率放大器导致正交频分多址系统传输性能下降问题,采用两个类似结构的单输入单输出反向传播神经网络串联后级联高功率放大器实现其预失真。
4) back-propagation neural network
反向传播神经网络
1.
The composite close-loop intelligent PID control algorithm based on back-propagation neural network is presented in this paper.
在单轴气浮转台控制算法研究上,针对单轴气浮台测控系统的高精度和低速度要求,常规PID控制在此转台控制中无法达到满意的控制效果,本文提出了一种基于反向传播神经网络复合闭环的智能PID控制算法。
2.
Back-propagation neural network(BP) and Support Vector Machine(SVM) models can improve identification rates of 31 P MRS to 92.
结果有限的样本实现了良好的分类性能,反向传播神经网络(BP)和支持向量机(SVM)模型可以提高31P MRS识别率,识别率可达92。
3.
This paper analyzed the basic theory and algorithm of the probabilistic neural network,and established certain equipment fault classification model based on the PNN and improved BPNN,simulation showed that PNN model outperforms the improved back-propagation neural network model in classification speed,precision and generalization ability.
首先分析了概率神经网络(PNN)的基本结构及其训练算法,建立了某型航空发动机故障分类的概率神经网络模型,通过对该设备故障进行定性诊断,对比分析了概率神经网络与常用的误差反向传播神经网络(BPNN)分类模型对各类故障的分类效果。
5) BPANN
逆向传播人工神经网络
6) Artificial neural net
反向传播-人工神经网络
补充资料：Hopfield神经网络模型
Hopfield神经网络模型
Hopfield neural network model
收敛于稳定状态或Han加Ing距离小于2的极限环。 上述结论保证了神经网络并行计算的收敛性。 连续氏pfield神经网络中，各个神经元状态取值是连续的，由于离散H6pfield神经网络中的神经元与生物神经元的主要差异是:①生物神经元的I/O关系是连续的;②生物神经元由于存在时延，因此其动力学行为必须由非线性微分方程来描述。为此，在1984年J.J.H叩fi酗提出了连续氏pfield神经网络，它可用图1所示的电路实现，其动态方程┌───┐│·T叮 │└───┘图1连续F砧pfield神经网络 (a)Sigmoid非线性;(b)神经元模型可由下述微分方程式描述: 、，产 门J /r、l、1.。瓮一客、一佘Ii认=f(u￡)￡=l，2，…，n式中f(·)为连续可微的Sign101d函数;T，j=兀、i，j=1，2，“’，n几=0]=i1~.吞~·‘八文一Q*+，戮T，j‘一‘，2，”一”连续时间氏pfield神经网络式的计算能量函数定义为:一告客客几从砚 石l「Vi_1，、，合，，， +乞古!‘厂‘(x)dx一乙I，从(4) ’月R‘Jo“‘、一’一月一，” 对于式(3)，若f一‘为单调增且连续，C>0，T，j=几(i，j=1，2，一，n)，则沿系统的运动轨道有dE一。-丁丁足之Uat当且仅当贷一。时 箭一。式(3)的稳定平衡点就是能量函数E〔式(4)」的极小点，反之亦然。同时，连续氏pfield神经网络式(3)以大规模非线性连续时间并行方式处理信息。网络的稳定平衡点对应于其计算能量函数E的极小点，网络的计算时间就是它到达稳定的时间，网络的计算在系统趋于稳态的过程中也就完成了。这也是式(3)用于神经计算及联想记忆的基本原理，也即神经计算机的基本原理。HoPfield shenling wangluo moxingHopfield神经网络模型(Hopfieldne，Ine幻即0比m侧触l)一种单层全反馈的人工神经网络模型(后称之为氏p玉idd模型)，它对推动人工神经网络研究的复苏起了很重要的作用。 且，lield对人工神经网络研究的贡献主要有: (l)把有反馈的神经网络看作一个非线性动力系统，提出了系统的全局Lyap阴lov函数(或称能量函数)的概念，用于系统稳定性的分析; (2)利用上述分析方法解决人工智能中的组合优化问题，如15护;(3)给出了利用模拟电子线路实现的连续Hopfidd网络的电路模型，为进一步研究神经计算机创造了条件。
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