1) Kernel learning
核学习
1.
Adaptive one-step-ahead predictive control law with analytical form using kernel learning;
解析的核学习自适应单步预测控制算法
2.
A novel kernel learning one-step-ahead predictive control (KLOPC) algorithm is presented for the general unknown single-input/single-output nonlinear systems.
针对非线性SISO系统,提出一种基于核学习辨识模型的单步预测控制算法(kernel learning one-step-ahead predictive control,KLOPC)。
2) multiple kernel learning
多核学习
1.
Support vector machine based on multiple kernel learning is proposed due to the learning problems involve multiple and heterogeneous data sources,however,the increase of kernels will increase the computation of multiple kernel learning inevitably.
针对实际应用中经常出现的异类数据源,采用多核学习的支持向量机受到关注。
3) kernel-based learning machine
核学习机
6) kernel-based learning method
核学习算法
1.
A classification approach of digital mammograms using multi-resolution histogram representation in conjunction with kernel-based learning methods was presented.
提出了一种结合多分辨率直方图特征表示与核学习算法的数字X光乳腺图像的分类方法。
补充资料：部分学习与整体学习
部分学习与整体学习
part learning and whole learning
部分学习与整体学习(part learningand whole learning)在运动学习和记忆学习中，根据对学习内容的处理方式可以分成部分学习和整体学习。部分学习就是将材料分成几个部分，每次学习一个部分:整体学习就是每次学习整个材料。一般来讲，整体学习的效果优于部分学习。但是，课题复杂彼此没有意义联系的材料，用部分学习的效果好:课题简短或具有意义联系的材料，用整体学习的效果好。在进行学习时，可以将部分学习与整体学习结合起来，先进行整体学习再进行部分学习，或者相反。这种相互结合的学习方式叫做综合学习，效果更好些。 (周国帕撰成立夫审)
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