青云翻译

自适应人工神经网络（ANN）已与GA相结合，在发展中国家为映射风速和风力发电机的输出功率模型。学习步骤，并在安的势头系数已决定在优化的最速下降方向的基础上。 ANN已学会通过调整内部的连接权和阈值的映射关系，然后搜索最小二乘误差。即使人工神经网络的非线性映射能力已经证明，经验表明，更准确地进行预测，如果尽可能多的特点是从原始数据进行培训提取。人工神经网络的参数进行了优化，由GA轮盘选择，高斯变异和随机变异。图给出的流程图。 1展示了江恩的过程

一种自适应的人工神经网络 (安) 已被结合遗传算法开发模型映射风速度和风力涡轮输出功率。学习步骤和人工神经网络的动量系数已决定基于最速下降方向在优化。人工神经网络学会通过调整内部连接的重量和阈值的映射关系，然后搜索的最小二乘的错误。即使人工神经网络的能力已被证明在非线性映射，经验表明它将执行更准确地预测，是否尽可能多的特征提取原始数据的培训。人工神经网络的参数已优化遗传算法与轮盘赌轮选择、 高斯突变和随机突变。在图 1 中所给予的流程图演示江恩的过程

一个能适应的人工神经网络(ANN)与GA在开发一个模型结合了为映射风速和风涡轮产品力量。 学习的步和动量系数在ANN在优化决定了根据最陡峭的下降方向。 ANN通过调整内部连接的重量和门限学会了映射的联系然后搜寻了最小二乘式错误。 即使ANN的能力在非线性映射被证明了，经验表示，它执行准确展望，如果许多种性能特征作为可能从原始数据被提取为训练。 ANN的参量由GA优选了以轮盘赌的赌轮选择、高斯变化和任意变化。 流程图给在。 1展示GANN的过程

一种适应人工神经网络(安)已合并与宏骏在发展一个示范的测绘風速及风轮机输出功率。 学习的步骤和势头的系数在安已决定根据非洲人后裔的幅度的优化的方向。 Ann学到了测绘有关调整内部连接的重量和门槛,然后搜查了至少广场错误。

一种自适应的人工神经网络 (安) 已被结合遗传算法开发模型映射风速度和风力涡轮输出功率。学习步骤和人工神经网络的动量系数已决定基于最速下降方向在优化。人工神经网络学会通过调整内部连接的重量和阈值的映射关系，然后搜索的最小二乘的错误。即使人工神经网络的能力已被证明在非线性映射，经验表明它将执行更准确地预测，是否尽可能多的特征提取原始数据的培训。人工神经网络的参数已优化遗传算法与轮盘赌轮选择、 高斯突变和随机突变。在图 1 中所给予的流程图演示江恩的过程