1) Quantum group learning algorithm
量子群学习算法
2) Ant-Q System algorithm
Q-学习蚁群算法
4) Population Based Incremental Learning(PBIL) Algorithm
基于群体的增量学习(PBIL)算法
5) QDPSO
量子粒子群算法
1.
The optimization of high performance liquid Chromatographic conditions for aromatic compounds based on QDPSO;
基于量子粒子群算法的芳香族化合物色谱分离条件的优化
2.
Tuning of PID parameters based on QDPSO;
基于量子粒子群算法的PID控制器参数整定
6) Quantum-behaved Particle Swarm Optimization(QPSO)
量子粒子群算法
1.
Since the model involves some different stochastic distributions of several variables,which is difficult for the normal numerical methods to solve,the Quantum-behaved Particle Swarm Optimization(QPSO) algorithm with a penalty function is i.
模型中涉及复杂的需求函数,常规函数极值法不易获得问题解析解,因此引入量子粒子群算法,结合惩罚函数对模型进行演化求解。
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