1) Newton-gradient coupling algorithm
梯度-牛顿耦合学习算法
1.
Newton-gradient coupling algorithm for feedforward neural networks;
前馈神经网络的梯度-牛顿耦合学习算法
2) Newton gradient LMS blind equalization algorithm
牛顿梯度-LMS算法
3) the combination of Newton iteration and gradient method
梯度-牛顿联合法
1.
Applying the combination of Newton iteration and gradient method, this paper analyzes theoretically the elastohydrodynamic lubrication of line contacts, and then researches practically that of involute spur gear.
本文采用梯度-牛顿联合法对线接触弹流润滑问题进行了理论分析，并对渐开线直齿轮传动的润滑问题进行了实际探讨。
4) Newton gradient
牛顿梯度法
1.
The algorithm of blind MLSE based on Newton gradient is an efficient algorithm tracing fast time-varying channel.
牛顿梯度法是用当前时刻的梯度估计代替前一时刻的梯度估计,并由矩阵求逆定理导出了一种新的相关函数自适应滤波算法。
5) gradient-descent learning algorithm
梯度学习算法
1.
his paper extends the design method of adaptive fuzzy controllers which uses the gradient -descent learning algorithm to multivariable situation.
把采用梯度学习算法的自适应模糊控制器设计方法推广到多变量情形。
6) negative gradient learning algorithm
负梯度学习算法
1.
A negative gradient learning algorithm suitable for handling uncertainty rules is proposed.
讨论了不确定性规则的知识系统同神经元网络相结合的问题;提出了适合处理不确定性规则的负梯度学习算法,使不确定性规则能方便地转换成神经元网络的权矩阵;研究了如何利用神经元网络的生成能力来获取新的不确定性规则,使知识系统具有知识自动获取能力,并使原有规则系统的脆弱性得以改善。
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