1) Bayesian-Gaussian neural network
贝叶斯-高斯神经网络
1.
In order to make full use of the data obtained from the dynamic response process of the nonlinear dynamic system,a novel Bayesian-Gaussian neural network based on sliding-window(SW--BGNN)is proposed which combines the Bayesian reasoning formula with the Gaussian assumption.
为了充分利用非线性动态系统响应过程中的数据,本文提出了一种基于滑动数据窗口(sliding data window)的贝叶斯-高斯神经网络(SW-BGNN)模型。
2) Bayesian neural networks
贝叶斯神经网络
1.
A novel model based on Bayesian neural networks for prediction of protein secondary structure is provided and a comparison of the performance of Bayesian neural networks(BNN) with traditional BP neural networks(BPNN) is made.
提出了一种新的基于贝叶斯神经网络(BNN)的蛋白质二级结构预测方法。
3) Bayesian regularized neural network
贝叶斯规整化神经网络
1.
Bayesian regularized neural network prediction model for molecular blood-brain barrier partitioning;
贝叶斯规整化神经网络模型预测化合物分子的血脑屏障通透性
4) bayesian-regularization neural networks
贝叶斯正则化神经网络
1.
For the specific layer interface, the processing parameter was forecasted based on bayesian-regularization neural networks(BRNN), which was certificated by means .
针对具体层间界面形状,基于贝叶斯正则化神经网络预测工艺参数,并借助MPI软件的co-injection模块检验。
5) Bayesian probabilistic neural network
贝叶斯概率神经网络
6) Bayesian-BP neural network
贝叶斯-BP神经网络
1.
For studying the inverse kinematics of an 8-DOF drilling robot,a Bayesian-BP neural network model is presented to solve the multi-joint redundant robot inverse kinematics in a continuous path.
仿真试验证明:构造的贝叶斯-BP神经网络模型可克服BP网络无反馈连接,易陷于局部最少及训练次数少的缺点;该方法在求解位于连续轨迹上的多个工作点的逆运动学问题时,求解的机械臂各关节转动或移动变化平缓,而且逆运动学求解精度可满足控制要求。
补充资料：贝叶斯公式
贝叶斯公式为利用搜集到的信息对原有判断进行修正提供了有效手段。在采样之前，经济主体对各种假设有一个判断（先验概率），设为，{}。
关于先验概率的分布，通常可根据经济主体的经验判断确定(当无任何信息时，一般假设各先验概率相同)，较复杂精确的可利用包括最大熵技术或边际分布密度以及相互信息原理等方法来确定先验概率分布。
当采样得到样本值后，当事人对各假设的判断(后验概率)为
关于先验概率的分布，通常可根据经济主体的经验判断确定(当无任何信息时，一般假设各先验概率相同)，较复杂精确的可利用包括最大熵技术或边际分布密度以及相互信息原理等方法来确定先验概率分布。
当采样得到样本值后，当事人对各假设的判断(后验概率)为
，= 1， 2， %26#8230;， (5.5)
在实际经济生活中，信息搜寻工作不是一次就完成的。当信息搜寻进行到某一阶段，设已进行了 次采样( =1，2，%26#8230;)，此时经济主体对各假设的后验概率的认识为
=1， 2， %26#8230;， (5.6)
其中，表示在第次采样前对假设的判断，当 =1时即表示第一次采样前的先验概率，从而式(5.5)变成式(5.6)的一个特例，即，将其记为。
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