1) HHT algorithm
HHT算法
2) HHT-MM algorithm
HHT-MM算法
3) HHT method
HHT方法
1.
Moreover, HHT method is used to analyze the time-frequency characteristics of some demolition noise monitori.
HHT方法是一种针对非线性、非平稳信号行之有效的分析与处理方法,它具有自适应性强、高效且希尔伯特谱分析可清晰表明能量随时频分布等特点。
2.
Have compared with some other methods used previously, a new one suitable for nonlinear and non-stationary digital signal sequence called HHT method is adopted to d.
在比较了前人采用的各种方法的利弊后,首先将一种新型的适用于非线性、非稳态数据处理的HHT方法引入到脉搏波信号处理中,这是本课题的特色和创新之处。
4) HHT-α method
HHT-α方法
1.
The Newmark method and HHT-α method were used in the simulation of constrained mechanical systems, while motion equations of the systems are index-2 DAEs.
以数值积分求解约束力学系统指标-2的微分-代数方程(DAEs)为例,介绍了直接积分方法中的Newmark方法和HHT-α方法在约束力学系统仿真中的应用。
5) Hilbert-Huang transform
HHT
1.
Structural damage detection using Hilbert-Huang transform method;
利用HHT方法进行结构损伤检测研究
2.
For wiping off noise component from differential pressure signal of gas-liquid two-phase flow,and extracting differential pressure fluctuation signal,a signal process method of gas-liquid two-phase flow based on HHT(Hilbert-Huang Transform)was put forward.
为了去除气液两相流差压信号中的噪声成分,并提取差压波动信号,提出了一种基于Hilbert-Huang Transform(HHT)的气液两相流信号处理方法。
3.
We introduce a Hilbert-Huang transform(HHT)which makes full preservation of the non-linear and non-stationary characteristics and has great advantages in the acoustic signalfiltering.
阵列声波信号是典型的非线性、非平稳信号,Hilbert-Huang变换(HHT)是处理非平稳信号的一种比较新的时频分析方法。
6) Analysis of HHT
HHT方法分析
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