1) recurrent BP neural networks
回归BP神经网络
1.
The article adopts the model of recurrent BP neural networks applying in short-term load forecasting.
同时,负荷是一种时间序列信号,目前的数据能够对以后的数据产生重要的影响,所以文章采用回归BP神经网络模型应用于短期负荷预测。
2) recurrent wavelet BP neural network (RWBPNN)
递归小波BP神经网络
3) Elman recurrent neural network
Elman回归神经网络
1.
Simultaneous determination of CuⅡ,NiⅡ,CrⅢ three-components mixture by Elman recurrent neural network in absorption spectra;
吸收光谱Elman回归神经网络同时测定CuⅡ,NiⅡ,CrⅢ3组分混合物
2.
Elman recurrent neural network ( ERNN) was applied to study the simultaneous quantitative analysis of seriously overlapped spectra of a p-nitrophenol, o-nitrophenol and 2,4-dinitrophenol system.
应用Elman回归神经网络(ERNN)对光谱严重重叠的对硝基苯酚,邻硝基苯酚和2,4二硝基苯酚体系的同时定量测定进行了研究,并与多变量线性回归(MLR)法作了比较。
3.
Elman recurrent neural network(Elman RNN)was applied to study the simultaneous quantitative analysis of overlapping UV spectra.
应用Elman回归神经网络对同时定量分析紫外重叠光谱进行了研究。
4) recurrent neural networks
回归神经网络
1.
Identification of nonlinear time varying systems based on recurrent neural networks;
基于回归神经网络的非线性时变系统辨识
2.
When its variance is bigger, a recurrent neural networks forecasting model is built.
采用小波变换对日负荷数据进行分解处理 ,使得数据信息相对集中 ,在此基础上将小波分量分解为受气象因素影响的部分与不受气象因素影响的部分之和 ,对受气象因素影响的部分采用回归方法建立气象因素影响模型 ;对不受气象因素影响的部分 ,幅值大的分量建立回归神经网络预测模型 ,进行重点预测 ,而对幅值小的分量建立线形ARMA(p ,q)模型。
3.
The algorithm of identifying was researched based on inner state feedback of recurrent neural networks.
建立了一种回归神经网络辩识非线性电液伺服控制系统数学模型的辩识方法,研究了基于回归神经网络内部状态反馈的辩识算法,利用辩识实验获得的过程输入/输出数据动态调整神经网络权值。
5) recurrent neural network
回归神经网络
1.
Design of freeway ramp controller based on recurrent neural network;
高速公路匝道回归神经网络控制器的设计
2.
Research and Applications of Evolving Recurrent Neural Networks;
进化回归神经网络的研究及应用
3.
ESA with parameter-varying sliding mode and ESA based on annealing recurrent neural network et al is researched in detail.
回顾了极值搜索算法的发展历程,分析了单变量和多变量极值搜索算法、滑模极值搜索算法、斜率搜索算法等算法的优缺点,着重描述了变参数滑模极值搜索算法和退火回归神经网络极值搜索算法等,并且通过重构系统的损失函数方法将极值搜索算法的应用推广至一般系统,拓展了其应用范围。
6) Diagonal recurrent neural network(DRNN)
回归神经网络(DRNN)
1.
Conventional PID controller which is tuned at typical operating point can hardly work well at different unit load,so that a two input two output PID controller structure based on Diagonal Recurrent Neural Network(DRNN) is proposed,besides,the learning algorithms of the parameters of DRNN and PID controller are proposed.
固定参数PID控制难以适应此系统控制要求,因此,提出一种基于回归神经网络(DRNN)的两输入两输出PID控制器结构,给出DRNN神经网络参数学习算法,并给出PID控制器参数整定算法。
补充资料：神经网络BP算法
分子式：
CAS号：
性质：它是D.Rumellart等人提出的一个监督训练多声能神经网络的算法，每一个训练范例在网络中经过两遍传递计算：一遍向前传播计算，从输入层开始，传递各层并经过处理后，产生一个输出，并得到一个该实际输出和所所需输出之差的差错矢量；一遍向反向传播计算，从输出层至输入层，利用差错矢量对权值进行逐层修改。BP算法有很强的数学基础，戏剧性地扩展了神经网络的使用范围，产生了许多应用成功的实例，对神经网络研究的再次兴起过很大作用。
CAS号：
性质：它是D.Rumellart等人提出的一个监督训练多声能神经网络的算法，每一个训练范例在网络中经过两遍传递计算：一遍向前传播计算，从输入层开始，传递各层并经过处理后，产生一个输出，并得到一个该实际输出和所所需输出之差的差错矢量；一遍向反向传播计算，从输出层至输入层，利用差错矢量对权值进行逐层修改。BP算法有很强的数学基础，戏剧性地扩展了神经网络的使用范围，产生了许多应用成功的实例，对神经网络研究的再次兴起过很大作用。
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