帮忙翻译下谢谢急用！！

训练神经网络组成的网络权值调整使用不同的学习算法。一个学习算法使Δwji （ t ）的重量的神经元之间的连接I和J在时间t的重量，然后更新根据下列公式：
（ 2 ）
wji （ T +1日） = wji （吨） + Δwji （ T +1日） 。
有许多可以学习算法在文献[ 13 ] ， [ 14 ] ， [ 15 ] ， [ 16 ] ， [ 17 ] ， [ 18 ] ， [ 19 ] ， [ 20 ]和[ 21 ] 。该算法用于训练神经网络在本研究以Levenberg - Marquardt （长征） [ 15 ]和[ 16 ] ， Broyden -弗莱彻-戈德- Shanno （ BFGS ） [ 17 ] ，贝叶斯正则（巴西） [ 18 ]和[ 19 ] ，共轭梯度（皮质颗粒） [ 20 ] ，和弹性的反向传播（反相） [ 21 ]的算法。这些算法简要解释如下。
以Levenberg - Marquardt （长征）方法： LM算法的设计方法二阶训练速度，而不必计算Hessian矩阵。该方法的最佳功能结合起来的高斯牛顿技术和速下降法，但避免了他们的许多局限性。