1) self-learning BP-neural network
自学习BP网络
1.
To improve the prediction result for transformer faults,a compound approach combining GM(1,1) model with self-learning BP-neural networks was proposed to predict fault gases dissolved in transformer oil.
此法是利用GM(1,1)模型初步预测油中溶解气体的浓度及变化趋势,通过分析故障气体组分之间的影响及气体浓度时间序列之间的关系确定修正参数,将初步预测结果与修正参数作为自学习BP网络的输入,从而完成预测结果的在线修正。
3) web-based autonomous learning
网络自主学习
1.
Research on factors influencing web-based autonomous learning of college students;
大学生网络自主学习影响因素研究
2.
Research on the Combination of Web-based Autonomous Learning with Face-to-face Instruction in College English;
网络自主学习与面授辅导相结合教学模式的实践研究
3.
web-based autonomous learning has become a hot issue in recent days among foreign language educators and will become the tendency of future language teaching.
在网络自主学习的新模式下外语教师的角色也需要重新定位。
4) online autonomous learning
网络自主学习
1.
The application of Computer-Assisted Language Learning(CALL) changed the traditional teacher-centered pattern of English teaching,and online autonomous learning thus becomes an indispensable part of the student-centered teaching pattern.
计算机辅助语言学习(CALL)的应用改变了大学英语原有的以教师为中心的单一教学模式,网络自主学习成为以学生为中心的新教学模式的重要组成部分。
2.
" At present, online autonomous learning in college English has already become an important objective of the reform of college English teaching.
”当今,大学英语网络自主学习已经成为大学英语教学改革的一个重要目标。
3.
This paper makes a brief exposition on the connotation of online autonomous learning,systematically analyses its inefficiency phenomenon and some factors,and finally puts forward several countermeasures.
本文简要的阐述了多媒体网络自主学习的内涵,系统地分析了大学英语网络自主学习的低效现象及其产生的原因,并提出了几点改进措施。
5) Self learning Neural Networks
自学习神经网络
6) Web-based Autonomous Learning
网络化自主学习
1.
On the Mode Construction of Web-based Autonomous Learning and Teaching in College English;
大学英语网络化自主学习教学模式与评价体系的构建
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