1) gene learning algorithm
基因学习算法
2) gene learning
基因学习
1.
A new type of gene learning algorithm- based is proposed to solve the 0- 1 knapsack problem.
背包问题是典型的NP完全问题,针对背包问题,给出一种新的基于基因学习思想的求解算法。
3) learning algorithm
学习算法
1.
Study on learning algorithm in higher-order neural networks model;
高阶神经网络模型中的学习算法研究
2.
GSBAR learning algorithm based on genetic programming;
基于遗传规划的GSBAR学习算法
3.
Cluster learning algorithm of synergetic neural network;
协同神经网络聚类型学习算法
5) study algorithm
学习算法
1.
Model and Applied Study of Malfunction Diagnosis of Public Transportation Electric Automobiles Based on Study Algorithm;
基于学习算法的公交电动汽车故障诊断模型及应用研究
2.
A novel study algorithm of the network was presented based on fuzzy reasoning rule and numerical method for differential dynamic systems.
提出了一种加权模糊推理网络的结构模型和学习算法,该网络的基本信息处理单元为模糊推理神经元,融合了模糊逻辑能够较完整的表达领域规则和先验知识以及神经网络自适应环境的优点。
3.
In this paper,the network structure will be transformed to get an more efficent convergence,and provide study algorithm.
现在的调节方法一种是找到恰当的初始值点 ,从而跳过局部最小值点 ,另一种方法是找到能迅速脱离局部最小值点的学习算法 。
6) learning algorithms
学习算法
1.
BP network s structure design and learning algorithms in unknown nonlinear system identification are analyzed.
讨论了用人工神经网络中ＢＰ网络进行未知非线性系统辨识的方法，分析了系统辨识中ＢＰ网络的结构设计和网络的学习算法。
2.
Owing to the complex weights adjustment and low convergence speed of routine fuzzy neural network learning algorithms,a fuzzy hierarchy error approach(FHEA) was adopted to adjust the weights of fuzzy neural network.
由于常规的模糊神经网络学习算法具有权值调整复杂,收敛速度慢的缺点,因此采用模糊逐级误差逼近方法来调整模糊神经网络的权值。
3.
This paper gives a comprehensive overview about agent learning algorithms used in economic complexity system research.
对经济复杂性系统研究文献中常见的主体学习算法进行了一个全面的梳理。
补充资料：逆推学习算法
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