1) negative weight
负权值
1.
Resolved negative weights during interpolation by linear program.
针对插值过程中存在的负权值问题,采用线性规划的方法加以解决。
2) negative weight
负权
1.
It is well known that Bellman-Ford algorithm is one of best algorithms on the shortest path problem with negative weights since 1958.
Bellman-Ford算法自1958年以来一直是负权最短路问题的公认的最好算法之一。
2.
In the multiplier with negative weight input c can t simply express as negative or not as it was before.
乘法器采用补码直接运算,可以大大加快运算速度,前人已给出了具体实现方法,遗憾的是关于进位c的算法是错误的,在有负权输入情况下,c不能简单的表示为原来输出的反,与原来输出有交叉重迭。
3.
In the case of no negative circuit,we give an improved marking method to solve the shortest distance between two points,which also fits for the situation of appearing negative weight in network picture.
在不出现负回路的情况下,给出了在赋权的网络图中求两点之间的最短路问题的一个改进标号法,该方法对于网络图中出现负权的情况也有效。
3) non-negative weights
非负权重
1.
Combined the characteristics of three forecast methods,a forecast model with non-negative weights is proposed.
本文根据1998年~2005年江苏省入境旅游客源数据特征,采用BP神经网络模型、GM(1,1)模型以及指数曲线模型分别进行预测,然后结合这三种预测方法的特点,提出非负权重组合预测模型,通过实例运算的对比分析,证明组合预测模型具有很高的准确性。
4) negative weight
负权重
5) non-negative weight
非负权重
1.
An Iterative Algorithm for Optimal Combination Forcasting of Non-negative Weights;
非负权重最优组合预测的迭代算法研究
2.
The paper is based on the limit theory and former person s research on arithmetic for optimal combination forecasting of non-negative weights.
在极限理论及其前人对非负权重最优组合算法研究的基础之上,提出了一种求解非负权重近似最优解的简明算法,并进行了实例分析,结果令人满意,验证了该方法的实用性和有效性。
6) nonnegative weight coefficient
非负权系数
1.
The purpose of this paper is to decide nonnegative weight coefficient of combination forecasting with multiplier method.
研究非负权系数约束下的最优组合预测问题。
参考词条
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。