与重新学习视觉词典的分类算法相比,这种迁移算法有效地利用了已有知识,在新类别图像的训练样本较少的情况下,也能获得较好的分类效果。
互联网摘选
现有的分布式机器学习算法库Mahout,提供了一些经典的分类挖掘算法,如贝叶斯、决策树等。
互联网摘选
Reinforcement learning algorithm based on average cost optimization for each stage
基于每阶段平均费用最优的激励学习算法
互联网摘选
详细给出了径向基函数神经网络再学习算法中增加新训练样本和增加新基函数的数学公式,同时对如何获取新的训练样本进行了研究。
互联网摘选
Structure Learning Algorithm for DBN Transition Networks Based on Ant Colony Optimization
基于蚁群优化的DBN转移网络结构学习算法
互联网摘选
半监督学习中的基于图的算法由于自身的一些特殊性质,越来越引起人们的关注。
互联网摘选
Semi-supervised Active DBN Learning Algorithm Based on EM and Classification Loss
一种基于EM和分类损失的半监督主动DBN学习算法
互联网摘选
基于混沌动力学系统相空间的延迟坐标重构及人工神经网络的非线性特性。研究了采用基于自适应投影学习算法的径向基函数网络对实测的EEG信号进行预测。
互联网摘选
本文详细叙述了数据驱动的概念、背景及应用范围,并阐述了迭代学习控制方法,进一步验证了该控制方法的收敛性。
互联网摘选
与已有的实时循环学习算法相比,极大的提高了网络学习训练的速度,并且提高了预测的精度。
互联网摘选
本文首先分析了传统的模糊神经网络存在的缺陷,改进了学习算法,提出了将误差与学习率分层,协同调整的层递式BP神经网络。
互联网摘选
文中给出了学习算法,并以油藏开发三次采油过程模拟为例验证了模型和算法的有效性。
互联网摘选
基于人的大脑进行聚类分析所遵循的基本原则,提出了一种模糊超球质心聚类神经网络学习算法。
互联网摘选
Study on Adaptive Fuzzy Control System Based on Gradient Descent Learning Algorithm
基于梯度下降法的自适应模糊控制系统研究
互联网摘选
提出了一种加权类增量学习算法,该算法是对CIL算法的改进,通过加入类权值,解决了因两类训练样本不平衡而造成的小类别分类精度较低的问题。
互联网摘选
分析每类时滞补偿算法的优点和不足,并引出迭代学习算法。再次,分析网络时滞对线性系统的影响,对时滞进行分析和建模。
互联网摘选
进一步地,为了克服RPE算法集中运算的不足,设计完整的并行结构算法。
互联网摘选
