1) time-weighted norm
时间加权范数
1.
A sufficient condition is given by the Frobenius norm and time-weighted norm to guarantee the convergence of D-type and P-type learning laws.
利用时间加权范数和Frobenius范数给出了迭代学习控制系统在D型和P型学习律作用下收敛的充分性条件,进而给出系统迭代次数与约束条件之间的定量关系以及收敛速度与约束条件之间的关系,同时利用Frobenius范数性质,并通过梯度法给出如何求解D型和P型学习律使得系统收敛速度最快的增益矩阵的方法。
2) Weighted norm
加权范数
1.
s: Applying the singular value decomposition of matrices, we obtain the expression of the least squares solution and symmetric least squares solution of matrix equation AT XA= B with weighted norm.
通过矩阵的奇异值分解定理,得到矩阵方程ATXA=B的在加权范数下的最小二乘解和对称最小二乘解表达式,同时导出了在相应解集中与已知矩阵最佳逼近的最小二乘解。
4) weighted L2 norm
加权L2范数
5) weighted l_p norm
加权l_p范数
6) time-weighted methodology
时间加权法
补充资料：因侵害姓名权、肖像权、名誉权、荣誉权产生的索赔权
因侵害姓名权、肖像权、名誉权、荣誉权产生的索赔权：公民、法人的姓名权、名称权，名誉权、荣誉权、受到侵害的有权要求停止侵害，恢复名誉，消除影响，赔礼道歉，并可以要求赔偿损失。
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