2) multi-layer perceptron
多层感知器
1.
A modified multi-layer perceptron neural network technique.;
一种改进的多层感知器神经网络技术
2.
It is applicable to any small vocabulary hybrid speech recognition system that combines hidden Markov model (HMM) with multi-layer perceptron (MLP).
研究适用于隐马尔可夫模型 ( HMM)结合多层感知器 ( MLP)的小词汇量混合语音识别系统的一种简化神经网络结构。
3) multi-layer perception
多层感知器
1.
Concerning the spinning process and its key parameters in textile industry, a multi-layer perception neural net model was built up with backpropagation learning algorithms.
针对纺纱生产的工业过程和关键控制参数,建立了基于误差反向传输(BP)学习算法的多层感知器神经网络软件模型,以一组工业生产数据对模型进行了成功训练和验证,取得了优良的精度,证实了模型的有效性和实际应用价值。
2.
Based on the mechanism of multi-layer perception (MLP), a method with adaptive learning rate factors for the improvement of BP algorithm is presented.
从多层感知器原理分析出发，提出一种自适应学习速率因子方法，用于对多层感知器中ＢＰ算法的改进，并将改进算法用于ＸＯＲ问题的学习及某分类器实例样本的学习。
4) Multilayer perceptron
多层感知器
1.
Research on Multilayer Perceptron Learning Algorithm;
多层感知器学习算法研究
2.
Application of sensitivity analysis to hardwareimplementation of multilayer perceptron;
灵敏度分析在多层感知器硬件设计中的应用
3.
Research on Multilayer Perceptron Learning Algorithm;
多层感知器学习算法研究
5) MLP
多层感知器
1.
According to the analysis on the load-changing law and the effect factors of urban gas and combining the Self-Organizing Feature Map (SOFM) network with the Multi-Layer Pcrceptron (MLP) network, the method is developed to build the short-term load prediction model of urban gas.
通过对城市天然气负荷变化规律和影响因素的分析,提出了一种将自组织特征映射(SOFM)网络和多层感知器(MLP)网络相混合,建立城市天然气短期负荷预测模型的方法。
6) multi-layer perceptron
多层感知机
1.
Unsupervised anomaly detection based on a multi-layer perceptron;
一种基于多层感知机的无监督异常检测方法
2.
It was described described some artificial intelligence techniques, such as multi-layer perceptron, self-organized mapand support vector machine, application in intrusion detection systems.
介绍几种人工智能技术,如多层感知机网络、自组织映射网络和支持向量机等,以及这些技术在入侵检测系统中的应用。
补充资料：感知器
感知器
perceptron
gQnZhiqi感知器(伴rceptron)一种模仿生物感知机制而组成的、用于模式识别的简单神经网络。它是美国学者F.Rosenb】att于1956年提出的，由S(传感单元)层，A(联想单元)层和R(响应单元或称输出单元)层三层神经元组成(见图1)。可以学习的只是A层与R层间的连接权值，所以实际上是只有一层计算单元的神经网络。而且同一层内的神经元之间没有相互连接，不同层之间也没有反馈，所以常称之为单层前向神经网络。A层图1感知器的基本构成 每一联想单元的输出是传感单元信号的某种固定的线性组合，分别记为八，x2，…，xd，它们经可调权值二，，wZ，…，wd后送到响应单元R;因此R的 d输人是二。+艺二环*=w。+wTx，通常R是一个 r=1线性阑值单元，其输出为WIX)OW丁X
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