1) neural network adaptive algorithm
神经网络自适应算法
2) adaptive neural-networks learning algorithm (ANA)
自适应神经网络学习算法
3) adaptive neuron-fuzzy inference system
自适应模糊神经网络法
4) self-adapting neural network
自适应神经网络
1.
The present article intends to introduce a new approach to solving the problem in determining the remnant methane quantity in fallen coals by means of self-adapting neural network.
基于此 ,作者提出自适应神经网络的落煤残存瓦斯量预测模型 ,并结合不同矿井落煤残存瓦斯量的实际测定结果进行验证研究。
5) adaptive neural network
自适应神经网络
1.
Fuzzy tracking control for fighter based on adaptive neural network;
基于自适应神经网络的歼击机模糊跟踪控制
2.
Direct adaptive neural network control for uncertain nonlinear system with disturbance;
不确定非线性系统的直接自适应神经网络控制
3.
Robust H_∞ control for a class of uncertain nonlinear systems based on adaptive neural networks;
基于自适应神经网络的一类不确定非线性系统的鲁棒H_∞控制
6) self-adaptive neural network
自适应神经网络
1.
The self-adaptive neural network algorithm about adjusting momentum vector and learning rate was discussed in this paper.
探讨了动量系数和学习率自适应调整的神经网络算法,给出了动量系数和学习率的调整方法,并作为机械故障的特征识别方法,以小波分析技术作为机械故障特征信号的提取手段,由此建立了基于小波与自适应神经网络的旋转机械故障智能诊断系统,给出了诊断系统的训练学习方式和工作方式,通过实际测试数据酌诊断结果说明此诊断系统对故障诊断是有效的。
2.
The self-adaptive neural network about adjusting mom en tum vector and learning rate, and the selection of characteristic parameters of void identification on rigid pavement for nondestructive testing (NDT) fast and validly are discussed, and the frequency drawdown ratio as characteristic parame ters put forward in this paper.
利用有限元方法对刚性路面脱空进行数值模拟 ,同时采用声振法研究了刚性路面板声学特征变化的关系 ,分别获取训练样本数据 ,通过自适应神经网络对刚性路面脱空进行了识别研究。
3.
The self-adaptive neural network algorithm about adjusting momentum vector and learning rate is discussed.
以频谱分析作为机械故障特征信号的提取手段,由此建立了基于自适应神经网络的旋转机械故障智能诊断系统,给出了诊断系统的训练学习方式和工作方式,通过实际测试数据的诊断结果,说明此诊断系统对故障诊断是有效的。
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