2) large scale training data
大规模训练数据
1.
New method of SVM learning with large scale training data;
大规模训练数据的支持向量机学习新方法
3) large training set
大规模训练集
1.
This paper proposes a learning strategy of SVM used to large training set.
该文提出了一种针对大规模样本集的学习策略 :首先用一个小规模的样本集训练得到一个初始的分类器 ,然后用这个分类器对大规模训练集进行修剪 ,修剪后得到一个规模很小的约减集 ,再用这个约减集进行训练得到最终的分类器 。
4) Training data set size
训练集规模
5) training algorithm
训练规则
1.
This paper proposes a novel highorder associative memory system based on the Discrete Taylor Series(DTSAMS),which includes the interpolation algorithm and training algorithm.
基于离散泰勒级数提出一种对任意阶多维函数可实现无差逼近的新型联想记忆系统,详细讨论了该系统的插值算法、训练规则及寻址机制。
6) rountine training
常规训练
1.
high-living low method,it is found that the Combining method of training high-living low with rountine training can also improve the athletes aerobic endurance.
自从1991年美国人DrLevine提出"高住低练"训练法后,许多研究者在肯定这个新型训练方法的同时也在研究其他的新方法,通过对高原训练及"高住低练"的学习和研究,发现通过"高练低住"与常规训练相结合的方法同样能在减少低氧暴露时间的同时,提高运动员的有氧耐力。
补充资料：规模经济/规模不经济
规模经济/规模不经济：规模经济和规模不经济用来说明厂商产量变动从而规模变动与成本之间的关系。对于一个生产厂商而言，如果产量扩大一倍，而厂商的生产成本的增加低于一倍，则称厂商的生产存在着规模经济；如果产量增加一倍，而成本的增加大于一倍，则生产存在着规模不经济。
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