1) Variable-structure BP wavelet neural networks
变结构BP小波神经网络
2) BP wavelet neural network
BP小波神经网络
1.
Adaptive adjustment of step length is one of important steps in the training of BP wavelet neural network (WNN).
在BP小波神经网络的训练过程中 ,自适应调节步长是对算法效率起重要作用的步骤之一。
2.
A new neural network which is BP wavelet neural network is proposed to used for the fault diagnosis of analog circuit instead of BP network,in order to improve the performance of fault diagnosis systems based on BP network.
针对现有BP网络在模拟电路故障诊断中存在的问题,提出了一种基于BP小波神经网络的故障诊断方法。
3) recurrent wavelet BP neural network (RWBPNN)
递归小波BP神经网络
4) variable structure neural network
变结构神经网络
1.
An optimized algorithm of variable structure neural network based on fuzzy distance was proposed, and applied to the pattern recognition of shape signal.
提出了基于模糊距离的变结构神经网络优化算法 ,并将其用于板形信号的模式识别过程 ,有效地解决了板宽变化时神经网络拓扑结构不变的问题 ,提高了识别速度和精度 ,从而成为一种新的智能板形信号识别方
2.
For the daily electric power load with uncertainty influence factors,we first put forward the load forecasting model of the variable structure neural network based on the fuzzy classification rules.
对于受不确定因素影响的日电力负荷 ,首次提出了基于模糊分类规则的变结构神经网络负荷预测模型 ,考虑从两方面改进预测精度 ,一个方面是通过模糊分类规则 ,使过去的负荷数据分为不同气候特征 ,选用同类特征数据进行预测 ,另一个方面是通过神经网络变结构优化 ,确定最优网络和最优拟合逼近 ,从而得到最优的预测结果。
5) recurrent wavelet back-propagation neural network
对角递归小波BP神经网络
6) back propagation neural network
BP神经网络
1.
Analysis of lateral deformation of deep excavation based on back propagation neural network and fuzzy logical control;
基于BP神经网络与模糊控制的深基坑开挖侧向变形分析
2.
Reliability analysis of distributed sensor network based on back propagation neural network;
基于BP神经网络的分布式传感器网络的可靠性分析
3.
According to its features a short-term load forecasting model is built in which the autoregressive integrated moving average (ARIMA) is integrated with back propagation neural network (BPNN).
该模型利用ARIMA方法对线性时间序列逼近能力强的特点首先对预测日负荷进行预测,然后应用BP神经网络方法对预测结果进行修正,因此克服了单一算法存在的不足。
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