阶部分的英文

• exponent part

• "阶"英文翻译    steps; stairs
• "部分"英文翻译    part; section; portion
• "数的阶部分" 英文翻译 :    exponent part of number; exponential part of number
• "双精度阶部分" 英文翻译 :    double precision exponent part
• "断阶部位" 英文翻译 :    hump
• "部分" 英文翻译 :    (整体中的局部或个体) part; section; portion 部分禁止核试验条约 treaty on the partial halting of nuclear tests; 我们看问题, 不但要看到部分, 而且要看到全体。 in approaching a problem we should see the whole as well as the parts. 他完成了自己的那部分工作以后, 又去帮助别人。 after finishing his share of the work he went to help the others. 我们部分地改变了原计划。 we've altered the original plan to some extent
• "t 形部分" 英文翻译 :    t section
• "t形部分" 英文翻译 :    t section
• "γ部分" 英文翻译 :    gamma portion
• "安装；部分" 英文翻译 :    installment
• "部, 部分" 英文翻译 :    portio
• "部,部分" 英文翻译 :    partes
• "部分,局部" 英文翻译 :    partis
• "部分,片段" 英文翻译 :    segment
• "部分，部门" 英文翻译 :    sector
• "部分，零件" 英文翻译 :    part
• "部分，区" 英文翻译 :    section
• "部分，沿" 英文翻译 :    del rio
• "部分；单元" 英文翻译 :    part
• "部分；分" 英文翻译 :    part
• "部分；馏分" 英文翻译 :    fraction
• "部分；一份" 英文翻译 :    portion
• "部分波" 英文翻译 :    partial wave; subwave
• "部分层" 英文翻译 :    proper coat
• "部分丛" 英文翻译 :    partial bundle

• 3 . the modeling method based on mechanism analysis and identification method always exits unmodeled high - order part and the modeling method based on neural networks usually has not good enough generalization capability . we fuse above two kinds of modeling method and put forward a hybrid modeling method based on mechanism analysis , identification and rbf neural networks . this paper proposed a hybr id modeling method based on mechanism analysis , identification and rbf neural networks . first , get a object ' s low - order model by the mechanism analysis and identification method . second , adopt rbf neural networks modeling method to compensate unmodeled high - order model . the sum of the low - order model and high - order model is the hybrid model . this kind of hybrid model has more accuracy than a model based on mechanism analysis and identification and has more generalization capability than a model based on neural networks
  针对基于机理分析和辨识的建模方法总是存在未建模的高阶部分，精度不够高和神经网络建模方法泛化能力差的缺点，将这两种建模方法进行融合，提出基于机理分析、系统辨识和rbf神经网络的混合建模方法，首先采用机理分析和辨识的方法得到工业对象的低阶模型，再用rbf神经网络建模方法补偿未建模高阶模型，这样得到的混合模型，比单纯基于机理分析和辨识的建模方法具有更高的精度，比单纯的神经网络的建模方法具有更好的泛化能力。