自动化考研重点 第八章部分内容&软测量 - docin.com豆丁网 和固有的学习功能，使 之在解决高度非线性和严重不确定性系统具有巨大的 潜力。 在软测量中常用的ANN结构有反向传播网络（BP， Bac k pr opagat i on Neur al Net w or k s），径向 基神经网络（RBFN，Radi al Basi s Func t i on Neur al
基于4个网页-相关网页
采用Levenberg-Marquardt（L-M）优化算法的误差反向传播网络（Back propagation,BP）技术,利用阴极线性修正法的工艺试验数据进行网络训练,建立基于优化BP算法的数字化阴极修正模型。
基于4个网页-相关网页
在电价预测方面，包括反向传播网络（BackPropagation Neural Network，BPN）［721、回归神经网络（RecurrentNeuralNetwork，RNN）［731以及级联神 经...
基于2个网页-相关网页
BP反向传播网络 BP back propagation network
结构有反向传播网络 Backpropration Neural Networks ; BPN
圆形反向传播网络 Circular Back Propagation
反向传播神经网络 BPNN ; back-propagation neural networks ; Back Propagation
改进圆形反向传播网络 improved circular back-propagation networks
反向传播人工神经网络 back-propagation artificial neural Networks ; BP-ANN ; Back-Propagation Network
误差反向传播神经网络 Error Back Propagation ; back propagation neural networks ; Back Propagation Network ; BPN
基于反向传播神经网络 back propagation neural network ; BPNN
和反向传播神经网络 Back-Propagation Neural Network
本文采用了反向传播网络进行系统辨识。
As far as system identification is concerned, the back-propagation network is used in the paper.
结论反向传播网络在函数逼近方面差的原因是激励函数的全局性、隐层结点数目的不确定性。
Conclusion Because of the inspirit function's globaling and the number of the Hidden Layer'node uncertainty the BPNN was not done well.
常规的反向传播网络（BP）是一种内部呈完全联结的全局性网络，它对非平滑系统的学习能力较弱。
Regular back-propagation networks (BP) are fully connected globalized neural networks, it is usually difficult for them to approximate illbehaved systems, which exist in any application field.
应用推荐