2) BP learning algorithm
BP学习算法
1.
The basic principle of artificial neural networks and BP learning algorithm are introduced in the paper .
本文介绍了人工神经网络的基本原理及BP学习算法,提出了对测量仪器进行核准的一种新方法,并用万用表的核准实验证明了该方法的有效性。
2.
Based on conventional BP algorithm, a modified BP learning algorithm is proposed.
在传统的BP算法基础上 ,提出了一种改进的BP学习算法 。
3.
In this paper, some shortages of traditional BP learning algorithm are analyzed.
分析传统 BP算法存在的缺点 ,并针对这些缺点提出一种改进的 BP学习算法 。
3) BP algorithm
BP学习算法
1.
The parameters of ANN are finely trained with improving SGA in this paper, BP algorithm is replaced the improving SGA here.
本文介绍了采用一种改进SGA来替代BP学习算法 ,对神经网络权系进行优化训练 ,仿真实验表明 ,SGA较BP收敛速度快 ,避免了BP的局部极小问
2.
To the structure characteristic of the handwritten figure,it adopts a kind of improved BP algorithm to train the neural network to recognize the sample not trained.
本文讨论了人工神经网络在手写数字识别中的应用,针对手写体数字的结构特点,采用改进的BP学习算法进行识别。
4) BP network algorithm
BP网络算法
1.
Its limitations and problems are analyzed in the practical application and the BP network algorithm is improved.
讨论了人工神经网络方法在含氮量预报上的应用策略 ,并建立了一个 6 - 7- 1结构的三层 BP网络模型 ,进而分析了 BP网络模型在实际应用中存在的问题 ,对 BP网络算法进行了改进 ,在基于改进的神经网络算法基础上 ,使用 C语言实现了程序设计 ,采用收集的 6 7组实验数据进行了离线学习 ,完成了对网络的训练 ,并用训练好的网络模型对 1 2组样本进行测试 ,预测值误差在± 1 0× 1 0 - 6范围内时命中率为 74% 。
2.
Based on the nerve network damage distinguishing analysis theory and taking the self-anchored suspension bridge of Qingshui River in Chengdu City as an example,the article analyzes and studies the effect of BP network algorithm applied for the damage distinguishing of the suspension bridge.
该文基于神经网络损伤识别分析理论,以成都市清水河自锚式悬索桥为例,对将BP网络算法应用于悬索桥损伤识别的效果进行了分析研究。
5) algorithms/BP networks
算法/BP网络
6) 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。
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