1) network segmentation-desegmentation
网络分解-重组算法
2) decomposition and combination algorithm
分解重组算法
1.
The network decomposition and combination algorithm is proposed, with which a nonlinearly separable problem can be decomposed into several linearly separable sub problems, which can be easily realized by sub nets.
本文介绍了把线性不可分问题分解为一系列线性可分子问题、对线性不可分问题进行求解的网络分解重组算法。
3) net decomposition method
网络分解法
1.
In this paper,the reliability calculation models of water delivery pipeline system with setting up communicating tubes are studied by net decomposition method.
采用网络分解法,研究了设置连通管的输水管道系统的可靠性计算模型;计算表明,随连通管条数的增加,输水管道系统的可靠性可能降低也可能提高;在输水管道系统中,输水干管的管段和三通的可靠性变化是影响系统可靠性的敏感性因素。
2.
In this paper,the analysis for reliability of water delivery pipeline system of setting up communicating tubes is performed by net decomposition method based on the total probability formula.
文中采用网络分解法,以全概率公式为依据对设置连通管的输水管道系统的可靠性进行了分析,建立了设置连通管的输水管道系统的可靠性计算模型;计算表明,三通和输水干管的管段的可靠性变化是影响系统可靠性的敏感性因素。
4) Network solution
网络解算
1.
Study on mine ventilation network solution visual software of fan selection and optimization;
矿井通风网络解算可视化软件研究
2.
Mine ventilation network solution based on trust region method;
基于信赖域方法的矿井通风网络解算
3.
Considering the deficiency of present ventilation network solution software,based on the theory of mine ventilation,set theory and linear algebra,a network solution system is developed with functions of network chart plotting and fan selection by using object oriented Visual C++ 6.
针对目前在通风网络解算方面的一系列软件存在的缺点与不足,基于矿井通风网络、集合论、线性代数等理论,运用面向对象Visual C++6。
5) Network calculation
网络解算
1.
Improved research and implement of ventilation network calculation;
通风网络解算的改进研究及实现
2.
According to the ventilation network calculation of Liaoshang mine area,the ventilation system and the working condition under the mine were improved.
对辽上矿区金矿通风系统进行网络解算,完善了通风系统,改善了井下的作业环境。
6) Cascade network decomposing
级联网络分解法
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