1) MIMD algorithm
MIMD算法
1.
In the end of this paper,simulations based on NS2 system validitied the analysis results of proposed method,and the resource competition between AIMD and MIMD algorithms.
内容包括AIMD,MIMD算法共同作用下的系统模型、系统稳态分析、系统稳定性分析等。
2) MIMD parallel algorithm
MIMD并行算法
3) MIMD parallel iterative algorithm
MIMD并行迭代算法
1.
Moreover the acceleration techniques of the algorithm and its potential application to the MIMD parallel iterative algorithm.
利用列处理法和分治策略给出一种求解任意线性代数方程组AX =b(A∈Rn×m)的迭代分治算法 ,证明算法对任意的相容性线性代数方程组收敛于它的一个解而对任意的不相容性线性代数方程组收敛于它的一个最小二乘解 ,并探讨算法的加速技术及其在线性代数方程组MIMD并行迭代算法研究中的应用前
2.
The acceleration techniques of the algorithm and its prospective application to MIMD parallel iterative algorithm for the system of linear algebraic equations are discussed.
利用行处理法和分治策略给出一种求解任意线性代数方程组AX=b(A∈Rn×m)的迭代分治算法,证明算法对任意的相容性线性代数方程组收敛,并探讨算法的加速技术及其在线性代数方程组MIMD并行迭代算法研究中的应用前景。
4) message passing MIMD parallel algorithm
消息传递MIMD并行算法
5) MIMD SM computational models
MIMD-SM计算模型
6) distributed memory MIMD computer
分布式MIMD计算机
补充资料：BP算法
分子式：
CAS号：
性质：又称逆推学习算法，简称BP算法，是1986年鲁梅哈特(D. E. Rumelhart)和麦克莱朗德(J. L. McClelland)提出来的。用样本数据训练人工神经网络(一种模仿人脑的信息处理系统)，它自动地将实际输出值和期望值进行比较，得到误差信号，再根据误差信号从后(输出层)向前(输入层)逐层反传，调节各神经层神经元之间的连接权重，直至误差减至满足要求为止。反向传播算法的主要特征是中间层能对输出层反传过来的误差进行学习。这种算法不能保证训练期间实现全局误差最小，但可以实现局部误差最小。BP算法在图像处理、语音处理、优化等领域得到应用。
CAS号：
性质：又称逆推学习算法，简称BP算法，是1986年鲁梅哈特(D. E. Rumelhart)和麦克莱朗德(J. L. McClelland)提出来的。用样本数据训练人工神经网络(一种模仿人脑的信息处理系统)，它自动地将实际输出值和期望值进行比较，得到误差信号，再根据误差信号从后(输出层)向前(输入层)逐层反传，调节各神经层神经元之间的连接权重，直至误差减至满足要求为止。反向传播算法的主要特征是中间层能对输出层反传过来的误差进行学习。这种算法不能保证训练期间实现全局误差最小，但可以实现局部误差最小。BP算法在图像处理、语音处理、优化等领域得到应用。
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