1) online BP algorithms
在线BP算法
1.
In this paper we prove a finite convergence of online BP algorithms for nonlinear feedforward neural networks when the training patterns are linearly separable.
当训练样本线性可分时,本文证明前馈神经网络的在线BP算法是有限次收敛的。
2) online/BP algorithms
在线/BP算法
3) nonlinear BP algorithm
非线性BP算法
1.
Identification of dosing and aplying glue system in MDF production based on nonlinear BP algorithm;
基于非线性BP算法的中密度纤维板(MDF)调施胶系统辨识
4) superlinear BP algorithm
超线性BP算法
5) online algorithm
在线算法
1.
For the parallel machine problem with high complexity,a specific parallel predictive scheduling algorithm(PPSA) is presented by modifying the online algorithm OMPR.
常用的实时生产调度的在线算法由于只利用当前已到达的工件信息,导致调度性能不够理想。
2.
In this paper,we use the method of online algorithm and competitive analysis to study online reverse auctions,which are in a setting of internet where the different bidders arrive at different times and the reverse auction mechanism is required to make decisions about each bid as it is received.
运用在线算法与竞争分析方法,研究了网络环境下当供应商在不同时刻到达,并投标而要求采购商接到每个投标时立即做出决策的在线反向拍卖机制。
3.
Combining the numerical analysis,we use the online algorithm to analyze the disadvantages of the traditional lottery investment method that is the multimode strategy,find that the competitive ratio of the multimode strategy is larger and the risk is higher.
以欧洲赔率为依据,建立了足球彩票胜负游戏冷门分析的数学模型;结合实证,利用在线算法分析了传统的足彩投资方式———复式策略的弊端,认为复式策略的竞争比太大,风险度过高;进而提出了冷门预期策略,利用冷门指标对复式策略投注进行了优化组合,大幅度地降低了竞争比和风险度。
6) on-line algorithm
在线算法
1.
A mathematical model is established and an on-line algorithm is constructed.
通过建立数学模型 ,设计在线算法 ,达到了优化堆垛、提高生产效率、加快冷卷周转的目的。
2.
For this problem we give an on-line algorithm,whose competitive ratio is 1.
618的在线算法,同时它也证明了该算法是问题的最有竞争性在线算法。
3.
We also provide an on-line algorithm with the competitive ratio not more than 2.
就所有工件有两个到达时间ri,i=1,2(不妨设r1=0,r2=r)对于0时刻到达的工件中加工时间最大的批满足一定的约束条件下的一致性在线分批排序给出一个在线算法,并证明了算法的竞争比不超过2。
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