1) memory model
记忆模型
1.
Different from the traditional nonmonotonic trust region algorithms,this algorithm includes a memory model,which makes the algorithm more far-sighted in the sense that its behavior is not completely dominated by the local nature of the objective function.
本文就无约束优化问题提出了一个带记忆模型的非单调信赖域算法。
2.
This paper first discusses several basic memory model, analyzes the layer structure and network structure of brain memory, further builds the memory model based on analogy.
首先讨论了几种基本的记忆模型 ,分析了人脑记忆的层次结构和网络结构 ,进而建立了基于类比的记忆模型 ,并提出了概念的二级存储结构 ,应用此二级存储结构分析说明了形象思维和抽象思维的机理 。
2) self-memory model
自记忆模型
1.
Predicting annual runoff with grey self-memory model;
年径流预测的灰色自记忆模型
2.
To increase the efficiency of medium and annual runoff prediction,the grey self-memory model based on GM(1,1) differential equation was established.
为探索提高年径流预测精度的简单有效途径,以GM(1,1)微分方程为动力核建立了灰色自记忆模型,并应用于寸滩站年径流的拟合和预测中,取得了良好的效果。
3.
Time series analysis self-memory model based on self-memorization principle of dynamic.
基于动力系统自记忆性原理的时间序列分析自记忆模型是一种随机与动力相结合的非线性方法,它从系统的动力模式出发,同时引入包含多个历史观测值的记忆函数,将动力学计算与利用历史数据估计模型参数结合起来,因而揭示了水文系统的非线性特征,并可显著提高预报精度。
3) Long memory model
长记忆模型
1.
In this paper, we introduce long memory model and it s test methods.
本文介绍了长记忆模型及其检验方法,根据Bayes原理,提出了记忆参数的一种新的估计方法。
4) Dysmnesia
[dis'ni:ʒə]
记忆障碍模型
1.
Method: Raise mice induced with chemical dysmnesia respectively with prepared Radix Rehmanniae decoction and Naofukang water solution.
结论 :熟地黄具有改善学习记忆障碍模型小鼠学习记忆能力的作用。
2.
Preparation of Dysmnesia Model and the Effect of Prepared Radix Rehmanniae on it;
方法对化学药品所致记忆障碍模型小鼠进行学习记忆行为实验并检测相关指标,实验动物随机分为5组,分别为:正常对照组、模型组、脑复康组(500 mg/kg)、熟地高剂量组(9 g/kg)、熟地低剂量组(4。
5) Logistic self-memory model
Logistic自记忆模型
1.
Study on forecasting national economy by modified simplex method and Logistic self-memory model,then the result comparing with Zhong Jiansheng s prediction result.
运用改进单纯型法、Logistic自记忆模型对国民经济进行预测,并与钟建生等的预测结果进行比较。
6) learning and memory models
学习记忆模型
补充资料：克雷克-洛克哈特记忆模型
克雷克-洛克哈特记忆模型
Craik-Lockhart model
克雷克一洛克哈特记忆模型(C raik-Loekhart model)1972年克雷克和洛克哈特在《加工的水平:一种记忆研究的框架》一文中指出。他们对阿特金森和希夫林的短时和长时储存作出了不同的解释，认为记忆是一个持续的过程，而并非是一系列独立的阶段;短时记忆与长时记忆之间的区别只是加工水平的不同。不过他们在反对把记忆分成一些独立的单元或储存的同时，也承认构成新近事件的机制同构成过去事件的机制是有别的。与此相应，他们把记忆分出第一级记忆(相当于短时储存)和第二级记忆(相当于长时储存)。与阿特金森一希夫林的模式基本区别是，前一模式重点放在结构上，而他们的模式则强调过程。他们的设想以广为认可的观点为基础，即知觉，包括在多种水平上对刺激作出的快速分析，在对知觉输入进行处理的最初阶段，刺激是按其物理或感知的特征，诸如线条、角、光度、音高以及响度来分析的;在以后的阶段则根据它们的意义来考虑。最初的信息通常是用来使刺激输入与过去学习中己储存的表象相匹配，从而导致模型再认，当输入刺激被认识后，它们可能要经历另一种加工(在新材料和先前的经验之间可能激起各种联系)。因此，他们把记忆设想为一系列加工阶段，记忆是随加工深度的递增而得以加强的。由于我们主要关心的是抽取刺激的意义，因此我们的长处仅是储存更为复杂或更深的认知分析的产物，我们很少需要去储存最初分析的产物，因此这些材料便被遗忘了，而保持主要是对刺激加工深度的一个函数。加工的深度也同输入的信息与分析结构间的适合性有关。例如，像图片、散文通常能很快地在较深的水平上进行加工，保持起来也很容易，因为它们包含的刺激一般都是较有意义的。其他一些因素也可能影响加工的深度，包括对刺激付出的注意量和加工信息所用的时间。这一理论的优点在于能解释为什么我们对机械习得的材料的回忆要难于用有意义的方式习得的材料(因为有意义地习得的材料是在更深的认知分析水平土进行的)「 (吴庆麟撰杨立能审)
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