1) series approximation
级数逼近
2) gradual approach
逐级逼近
1.
A study of the free falling body by using gradual approach method;
用逐级逼近法研究自由落体
3) Function approximation
函数逼近
1.
The function approximation ability comparison of two wavelet networks and their applications;
两种小波网络的函数逼近能力比较与应用
2.
Function approximation capabilities of intuitionistic fuzzy reasoning neural networks;
直觉模糊神经网络的函数逼近能力
3.
Function Approximation Study of General Fuzzy System;
模糊系统的函数逼近特性研究
4) approximation of function
函数逼近
1.
And as the approximation of function for example,approximating the emulation of the different BP neural Netwlrk with the figure of primary function,it compares the performance of different BP neural network,Advantages.
并以函数逼近为例,通过对不同的BP神经网络仿真与原函数图像的拟合,比较不同的BP神经网络的性能,验证新型BP网络的优势,得出如何根据对象选取神经网络的结论。
2.
This paper discusses differences and relations between Newton and Lagrange interpolation polynomial in approximation of function.
讨论了Newton及Lagrange插值多项式在函数逼近中的联系和区别。
3.
This paper discusses differences and relations between Taylor Polynomial and Newton interpolation polynomial in approximation of function.
讨论 Taylor多项式与 Newton插值多项式在函数逼近中的区别和联系。
5) Numerical Approximation
数值逼近
1.
The Inference of probabilistic model of geotechnical parameters based on optimal numerical approximation method;
基于最佳数值逼近法的岩土参数概率模型推断
2.
Construction of quasi-Shannon interval wavelet and application in numerical approximation;
拟Shannon区间小波的构造及其在数值逼近中的应用
3.
Hopf bifurcation in numerical approximation for sunflower equation using delay as parameter;
以滞量为参数的向日葵方程Hopf分支的数值逼近
6) data approximation
数据逼近
补充资料：d’Alembert准则(关于级数收敛性的)
d’Alembert准则(关于级数收敛性的)
d'Akmbert criterion (convergence of series)
如果 }u.，1 。一二]u。i则级数可能收敛也可能发散;两个级数 呈兴和呈一菩叫 自矿’m自在都满足这个条件，但第一个级数是收敛的，而第二个级数是发散的. 这个准则是J.d，A肠nbert确立的(1768). J’I，八.均刀p朋uea撰【补注】这个准则也称为比值检验法(mlio馏t)，见[A 11.d，A如咧bert准则(关于级数收敛性的)【d’A如11加时州触.南n(。皿到段咨”沈Of Sed昭);八‘从aM6epa nPo3。奴} 对于数项级数 五u一如果存在数q，O
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