1) BP-GA studies algorithms
BP-GA学习算法
2) BP-GA mixed algorithms
BP-GA混合学习算法
3) GA-BP algorithm
GA-BP算法
1.
Edge detection of ceramic substrate based on GA-BP algorithm
基于GA-BP算法的基片图像边缘检测计算机应用
2.
In order to reduce the influence of human factors and improve the objectivity of the evaluation,a GA-BP algorithm is proposed on the basis of the index system and the disadvantages of the current methods.
合作伙伴综合实力评价是一个典型的多目标决策问题,为了减少人为因素的影响,提高评价的客观性,研究并建立了合作伙伴的评价指标体系,在此基础上,针对当前评价方法的不足,结合遗传算法和BP神经网络的优点,提出了基于GA-BP算法的综合评价方法,该方法无需建立准确的数学模型,较好地避免了传统方法人为计取权值过程中的主观影响和不确定性。
3.
GA-BP algorithm is introduced into precise automatic recognition of numeric characters on single-phase ammeter dial plate.
采用GA-BP算法识别表盘读数。
5) BP learning algorithm
BP学习算法
1.
The basic principle of artificial neural networks and BP learning algorithm are introduced in the paper .
本文介绍了人工神经网络的基本原理及BP学习算法,提出了对测量仪器进行核准的一种新方法,并用万用表的核准实验证明了该方法的有效性。
2.
Based on conventional BP algorithm, a modified BP learning algorithm is proposed.
在传统的BP算法基础上 ,提出了一种改进的BP学习算法 。
3.
In this paper, some shortages of traditional BP learning algorithm are analyzed.
分析传统 BP算法存在的缺点 ,并针对这些缺点提出一种改进的 BP学习算法 。
6) BP algorithm
BP学习算法
1.
The parameters of ANN are finely trained with improving SGA in this paper, BP algorithm is replaced the improving SGA here.
本文介绍了采用一种改进SGA来替代BP学习算法 ,对神经网络权系进行优化训练 ,仿真实验表明 ,SGA较BP收敛速度快 ,避免了BP的局部极小问
2.
To the structure characteristic of the handwritten figure,it adopts a kind of improved BP algorithm to train the neural network to recognize the sample not trained.
本文讨论了人工神经网络在手写数字识别中的应用,针对手写体数字的结构特点,采用改进的BP学习算法进行识别。
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