1) goniometric network
测向网络
2) two way network test
双向网络测试
3) Radbas function(RBF) neural network prediction
径向基(RBF)神经网络预测
4) undirected network
无向网络
1.
To solve the path optimization problem in undirected network,genetic algorithm is presented and variable-length chromosomes(routing strings)and their genes(nodes) are used for encoding the problem.
为了解决无向网络的最短路径优化问题,采用遗传算法并使用可变长编码,在遗传算子操作中进行有效性判断,避免了传统交叉变异算子中无效路径的产生;网络数据存储采用链式存储结构,仅需存储各个节点信息,摒弃了传统的邻接矩阵方法。
2.
In this paper,an applied algorithm is given by changing the description of the maximum flow problem in undirected network.
通过改变无向网络最大流问题的描述,给出了一种寻找无向网络最大流的适用算法,这种算法每迭代一次,就可以找出多条增量路径,因此,有较高的计算效率。
5) directed networks
有向网络
1.
Based on non-uniform swarm,a dynamic model in directed networks was constructed.
用图论模型表示智能体之间的相互作用或通信关系,基于异构的智能群体,建立了动态的有向网络模型。
2.
The deformed Floyd algorithm of the shortest path between the two nodes in the directed networks is presented and the complexity of time shares the same rank with Floyd algorithm,but it reveals an object image and provides an easy way to programme.
给出了求有向网络中每对顶点间最短路径的变形Ｆｌｏｙｄ算法，其时间复杂度与Ｆｌｏｙｄ算法同量级，形象直观且易于编写程
3.
So far, few of researches have focused on the theory and application of directed networks, and most of them treated directed networks as a na?ve extension of undirected networks .
迄今为止,在复杂网络的研究中,对有向网络的系统的研究还很少,许多学者认为有向网络只是无向网络的自然扩充,他们把本属于有向网络的问题都简化抽象为无向网络问题。
6) feedforward network
前向网络
1.
Two hybrid learning strategies of feedforward network;
前向网络的两种混合学习策略
2.
This paper explains,how to design and simulate a three-layer feedforward network with the function simulation provided by a neural network toolbox of MATLAB.
本文用MAT LAB中神经网络工具箱 (NeuralNetworkToolbox)提供的函数仿真设计一个三层前向网络。
补充资料：测试结果可接受性的检查和最终测试结果的确定
测试结果可接受性的检查和最终测试结果的确定
check of the acceptability of test results and determination of the final test result
C凡(3)二3.3d，时，取此3个结果的平均值作为最终侧试结果;否则取它们的中位数作为最终测试结果。。，为重复性标准差(即在重复性条件下所得侧试结果的标准差)。 在口田T 11792一1989中还对重复性和再现性条件下所得侧试结果可接受性的检查方法和最终测试结果的确定做了详细讨论和规定。(马毅林)ceshi 11叩uo kejieshCxjxing d6 iiancha he zuizhong ceshi】i闪旧de que心ing测试结果可接受性的检查和最终测试结果的确定(checkof山eac，ptability of test，ults助ddsterminationofthefi耐testresult)在商品检验中进行一次测试的情形不多见，当得到一个测试结果时，所得结果不可能直接与给定的重复性标准差作可接受性的检查。对测试结果的准确性有任何疑问时都应再进行一次测试。所以，对两个测试结果进行可接受性的检查是一般的情况。 可接受性的检查，实际上是一种统计检验。任何两个测试结果只要能通过可接受性的统计检验即可认为是一致的，均可接受。比如，在重复性条件下，所得结果之差的绝对值(下称绝对差)不超过相应的重复性限r(见重复性和再现性)的值，则认为两个结果是一致的，均可接受;如果两个侧试结果的绝对差超过r，则认为它们是不一致的，必须增加测试。 按国家标准《测试方法的精密度在重复性或再现性条件下所得测试结果可接受性的检查和最终测试结果的确定》(GBIT 1 1792一1989)，在重复性条件下，如果两个测试结果的绝对差不超过r的值，可取两个侧试结果的平均值作为最终测试结果。如果两个结果的绝对差超过r的值，并且测试费用较低，须再做两次测试。当4个结果的极差(即其中的最大值与最小值之差)不超过相应的临界极差c，瓜(4)二3.6a，时，取4个结果的平均值作为最终测试结果。如果两个结果的绝对差超过r的值，并且测试费用较高时，只须再作一次测试。当3个结果的极差不超过相应的临界极差
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