1) JOIN algorithm
JOIN算法
1.
JOIN algorithm for handling data skew in computer cluster;
一个机群环境下抗数据偏斜的JOIN算法
2) EE-Join algorithm
EE-Join算法
1.
XISS uses an algorithm—EE-Join for processing regular path expressions, the EE-Join algorithm is highly effective particularly for searching paths that are very long or whose lengths are unknown.
提出了一种基于元素编号的系统XISS进行索引和存储XML数据,编号方式能迅速地确定XML数据层次结构中元素间的祖先-子孙关系;同时在XISS中采用了一种处理有规则路径表达式的算法:EE-Join(元素-元素加入算法),EE-Join算法对于查询那些长路径或者长度不确定的路径特别有效。
3) Incremental join algorithm
增量JOIN算法
4) serial JOIN algorithm
串行JOIN算法
5) Multi-Table Hash-join Algorithm
Multi-TableHash-join算法
6) hybrid hash join algorithm
Hybrid hash join算法
补充资料：BP算法
分子式：
CAS号：
性质：又称逆推学习算法，简称BP算法，是1986年鲁梅哈特(D. E. Rumelhart)和麦克莱朗德(J. L. McClelland)提出来的。用样本数据训练人工神经网络(一种模仿人脑的信息处理系统)，它自动地将实际输出值和期望值进行比较，得到误差信号，再根据误差信号从后(输出层)向前(输入层)逐层反传，调节各神经层神经元之间的连接权重，直至误差减至满足要求为止。反向传播算法的主要特征是中间层能对输出层反传过来的误差进行学习。这种算法不能保证训练期间实现全局误差最小，但可以实现局部误差最小。BP算法在图像处理、语音处理、优化等领域得到应用。
CAS号：
性质：又称逆推学习算法，简称BP算法，是1986年鲁梅哈特(D. E. Rumelhart)和麦克莱朗德(J. L. McClelland)提出来的。用样本数据训练人工神经网络(一种模仿人脑的信息处理系统)，它自动地将实际输出值和期望值进行比较，得到误差信号，再根据误差信号从后(输出层)向前(输入层)逐层反传，调节各神经层神经元之间的连接权重，直至误差减至满足要求为止。反向传播算法的主要特征是中间层能对输出层反传过来的误差进行学习。这种算法不能保证训练期间实现全局误差最小，但可以实现局部误差最小。BP算法在图像处理、语音处理、优化等领域得到应用。
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