1) BAM-BP neural network
BAM-BP神经网络
2) BAM neural network
BAM神经网络
1.
Numerical approximation of an n-dimensional BAM neural network model with multi-delays;
时滞BAM神经网络的数值逼近
2.
Considering the 40 kinds of faults of 3-pulse waveform controlled rectifier device,on the basis of deal of rectifier voltage waveforms and logic processing,fault classifier of rectifier device based on the BAM neural network is proposed.
针对三相可控整流电路的40种故障状态,在对整流输出电压波形特征提取、逻辑处理的基础上,建立了基于BAM神经网络的整流电路故障分类器,对于BAM网络在电力电子电路故障诊断中的应用做了初步的探讨,并且通过仿真验证了故障分类器设计的正确性。
3.
The bifurcation of a BAM neural network model with time delay is studied.
研究了一个BAM神经网络模型的分支问题,证明了直线f′1(0)g′1(0)+f′2(0)g′2(0)=u2为一条Pitchfork分支曲线;并给出了分支曲线图,讨论了在由分支曲线划分的不同区域里平衡点的稳定性。
3) BAM neural networks
BAM神经网络
1.
The absolute exponential stability of BAM neural networks with variable coefficients and mixed delays;
非自治分布时滞BAM神经网络的绝对指数稳定性
2.
Stability of delay BAM neural networks;
时滞BAM神经网络稳定性分析
3.
Existence of almost periodic Solution for BAM neural networks;
BAM神经网络概周期解的存在性
4) Fuzzy BAM Neural Networks
模糊BAM神经网络
1.
Exponential Stability of Fuzzy BAM Neural Networks with Distributed Delay;
具分布时滞模糊BAM神经网络的指数稳定性
6) 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。
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