1) ss:neural network mapping algorithm
神经网络映射算法
2) self-organizing feature map neural network
自组织映射神经网络
1.
In order to improve recognition probability and decrease recognition time of the classifier of modulation recognition,and to make it adaptive,the self-organizing feature map neural network(SOM) was used as the classifier of modulation recognition,applying its property of self-organizing and adaptation to adapt automatically variety of the signal to noise ratio.
为了提高调制方式识别分类器算法的正确识别概率和缩短识别时间,使其有自适应能力,利用自组织映射神经网络自组织、自适应的特点,提出采用自组织映射神经网络作为调制方式中的分类器,以自适应于信噪比的变化。
3) self-organizing map
自组织映射神经网络
1.
Forecasting market clearing price using self-organizing map neural network;
基于自组织映射神经网络的市场清算电价预测
2.
The modified self-organizing map(MSOM) in this article preprocesses input vectors according to the certainty level.
改进自组织映射神经网络方法是将常规自组织映射神经网络方法结合确定性水平,对网络的输入矢量进行预处理。
4) SOM
自组织映射神经网络
1.
Study on Rotor Fault Classifiers Based on SOM;
旋转机械的自组织映射神经网络故障分类方法研究
2.
Firstly,the paper chose network hot spot events during the random time sections as samples,draws up the commentary building-up curves,then classifies these curves by SOM,fits curves that can represent the law of development of each kind,finally,determines the type of breaking news by the conclusion above,forecasts the development trend of its comments,and demonstrates the validity of the method.
本文首先选择任意时间段内网络上的热点事件为样本,绘制其评论增长曲线,进而使用自组织映射神经网络方法将曲线分类,拟合出代表各类发展规律的曲线,最后利用所得结论判断突发新闻的类别归属,预测其评论发展趋势,并验证方法的有效性。
5) self-organization map(SOM) neural netowrk
自组织映射()SOM神经网络
6) region mapping neural network model
区域映射神经网络模型
1.
This paper designs a region mapping neural network model,which guarantees the consistency of classification rule with the training rule by replacing .
采用一种区域映射神经网络模型,实现了从区域到区域的映射比区域到点的映射更快、更好,保证了神经网络训练准则与实际分类准则的一致性,具有比前馈式神经网络更快的收敛速度和更高的分类精度。
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