...理论上分析了基于神经网络的时间序列预测器给出无效预测值的概率，然后给出基于神经网络的时间序列预测器的调整学习算法（RLNNP），采用RLNNP算法，基于神经网络的时间序列预测器，给过充分训练能够给出时间序列的有铲预测值。
基于16个网页-相关网页
这些算法会在用户每次手动调整温度时进行自我学习。
Those algorithms refine themselves every time you manually adjust the temperature.
然后通过梯度下降法和最小二乘法相结合的混合学习算法，对控制器参数进行调整以提高其控制精度。
Then some parameters of the controller are modulated by hybrid learning algorithm of ladder descent (LD) and least square error (LSE) so as to attain better control precision.
针对BP神经网络的缺点，研究了一种动态自适应调整学习参数的改进型BP算法。
To BP neural shortcoming of network, study one dynamic self-adaptation is it study improvement type BP algorithm of parameter to adjust.
应用推荐