1) Alopex-B
Alopex-B算法
1.
Particle swarm optimization algorithm and Alopex-B algorithm are introduced.
介绍了粒子群优化算法和Alopex-B算法的基本原理,提出了一种用Alopex-B算法改进的粒子群优化算法,并将其应用于函数优化和有机物毒性的QSAR研究。
2) Alopex algorithm
Alopex算法
1.
Alopex algorithm is an effective random optimization algorithm that can search the most optimum answer quickly .
Alopex算法是一种有效的随机优化算法 ,能尽快向最优解方向搜索 。
2.
A hybrid algorithm, APSO, was proposed by combining particle swarm optimization (PSO) with Alopex algorithm that is a stochastic optimization method, for solving constrained optimization problems.
将微粒群算法(Particle Swarm Optimization,PSO)与随机优化方法-Alopex算法相结合,提出一种随机微粒群混合算法(APSO)求解约束优化问题。
3.
A stochastic optimization algorithm,AACO,is proposed by combining ant colony optimization(ACO) algorithm with Alopex algorithm that is a stochastic optimization method for solving continuous space optimization problems.
通过将蚁群优化算法(ant colony optimization,ACO)与一种随机优化方法———Alopex算法相结合,提出一种随机蚁群混合算法(AACO)求解连续空间优化问题。
3) Alopex algorithm
Alopex方法
1.
For the power system equipped with on-load tap changers and shunt capacitors in electricity marke, this paper proposes a sectionalized reactive power optimization method, which combines genetic and Alopex algorithm.
该方法采用了遗传算法和Alopex方法相结合,能够在满足当日内变压器分接头和补偿电容动作次数约束和电压合格率的条件下,有效地降低网损。
4) B-B algorithm
B-B算法
1.
In this paper,we use dynamic factor model and B-B algorithm to investigate the common business cycle and characteristics among East Asia countries(regions) from 1993q1 to 2008q3.
本文运用动态因子模型和B-B算法,以1993q1-2008q3时间段内GDP季度数据为基础,考察了东亚十国(地区)共同经济周期及其具体特征。
5) B-P algorithm
B-P算法
6) B P algorithm
B-P算法
补充资料：BP算法
分子式：
CAS号：
性质：又称逆推学习算法，简称BP算法，是1986年鲁梅哈特(D. E. Rumelhart)和麦克莱朗德(J. L. McClelland)提出来的。用样本数据训练人工神经网络(一种模仿人脑的信息处理系统)，它自动地将实际输出值和期望值进行比较，得到误差信号，再根据误差信号从后(输出层)向前(输入层)逐层反传，调节各神经层神经元之间的连接权重，直至误差减至满足要求为止。反向传播算法的主要特征是中间层能对输出层反传过来的误差进行学习。这种算法不能保证训练期间实现全局误差最小，但可以实现局部误差最小。BP算法在图像处理、语音处理、优化等领域得到应用。
CAS号：
性质：又称逆推学习算法，简称BP算法，是1986年鲁梅哈特(D. E. Rumelhart)和麦克莱朗德(J. L. McClelland)提出来的。用样本数据训练人工神经网络(一种模仿人脑的信息处理系统)，它自动地将实际输出值和期望值进行比较，得到误差信号，再根据误差信号从后(输出层)向前(输入层)逐层反传，调节各神经层神经元之间的连接权重，直至误差减至满足要求为止。反向传播算法的主要特征是中间层能对输出层反传过来的误差进行学习。这种算法不能保证训练期间实现全局误差最小，但可以实现局部误差最小。BP算法在图像处理、语音处理、优化等领域得到应用。
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