说明:双击或选中下面任意单词,将显示该词的音标、读音、翻译等;选中中文或多个词,将显示翻译。
您的位置:首页 -> 词典 -> 经验风险泛函
1)  expected risk functional
经验风险泛函
2)  fuzzy empirical risk functional
模糊经验风险泛函
3)  rough empirical risk functional
粗糙经验风险泛函
4)  empirical risk function
经验风险函数
1.
For the learning process, a new kind of empirical risk function is proposed which is differentiable and can be minimized by gradient descent strategy.
对于参数的学习 ,提出了一种适用于分类器的可微经验风险函数 ,该函数能够有效地利用梯度下降法进行最小化 。
5)  empirical risk functional
期望风险泛函
6)  fuzzy risk functional
模糊风险泛函
补充资料:Марков过程的泛函


Марков过程的泛函
functional of a Markov process

  M仰助“过程的泛函【加犯份班司健a扮如d如vpr以犯岛;中y业,o.a月oT Map二招e.o np()朋eCea] 一个以可测方式依赖于MaPKo.过程轨道的随机变量或随机函数,其可测性条件随具体情况而定.在MaP盆oB过程的一般理论中,采用以下的泛函定义.假设给定一个具有时间推移算子氏的非停止齐次M叩-Ko。过程(M田玉ov plx兀启弥)X二(xr,风,氏),其相空间为可测空间(In纷s幽 blespaCe)LE,少),设才是基本事件空间中包含每个形如{。:x,“B}(t)0,B任分)的事件的最小。代数,/’是对于所有可能的测度Px(x‘E)关于/’的完全化的交.如果对于每个t)O,7,关于。代数才门不是可测的,那么,称随机函数叭(‘)0)为Ma伴oB尽捍X的攀甲(丘功d沁n目of此MaJ改ov Pnx君邓)· 人们特别关心的是M川阵..过程的乘性和加性泛函.它们分别润足条件下,十:,下;疏凡和,,十,,,,+氏大,s,亡》0.这里假定,,在【0,co)上是右连续的(代替这些条件,有时只假定对所有固定的s,t)O,这些条件关于P:几乎处处成立).在停止和非齐次过程的情形下,采用类似的方式来定义.MaPI..过程x‘(x,,心,不,P)的加性泛函的例子可以通过以下方式得到:设对于t<‘,,,等于f(x,)一f(x。),或北f(气)d:,或随机函数f(x,)在:。10,,]中跳跃值的和,这里f(x)是有界并且关于岁可侧的函数(第二和第三个例子只在某些附加限制下有效).从任意加性泛函,.,可以得到乘性泛函以py,.在标准MaP-血过程的情况下,设t0,则有下,>o,那么Y=(戈.,下;一,、疚:,p:)是一个标准M却-KoB过程,这里T,=suP{、:,,(弓,t“[0,袱一),这时,称Y为由X经随机时间变换二t~T。而得到的过程.是对子标辰反覆竺一‘毋。殷被探人地研究了,尤其【补注】在。中的寒修举(al罗b份of‘)‘对于子集Q‘C=。的迹(哑)是集代数。’n,二{A门Q‘:A“月.如果了是。代数,那么它也是。代数. 刘秀芳译
  
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