1) distributed learning algorithm
分布式学习算法
1.
To solve the bottleneck of memory and running time problem in protein structure predicting with large-scale data set, a neural networks distributed learning algorithm is studied.
针对目前神经网络在处理类似生物信息数据库这类较大规模数据时,遇到的大规模数据处理耗时过长、内存资源不足等问题·在分析当前神经网络分布式学习的基础上,提出了一种新的基于Agent和切片思想的分布式神经网络协同训练算法·通过对训练样本和训练过程的有效切分,整个样本集的学习被分配到一个分布式神经网络集群环境中进行协同训练,同时通过竞争筛选机制,使得学习性能较好的训练个体能有效地在神经网络群中迁移,以获得较多的资源进行学习·理论分析论证了该方法不仅能有效提高神经网络向目标解收敛的成功率,同时也具有较高的并行计算性能,以加快向目标解逼近的速度·最后,该方法被应用到了蛋白质二级结构预测这一生物信息学领域的问题上·结果显示,该分布式学习算法不仅能有效地处理大规模样本集的学习,同时也改进了训练得到的神经网络性能
2) distributed learning
分布式学习
1.
Construction of a distributed learning environment;
谈分布式学习环境的建设
2.
Brief Discussion on the Distributed Learning Based on Network;
浅谈基于网络的分布式学习
4) Distributed algorithm
分布式算法
1.
Application of Distributed Algorithms in Realization of FIR Digital Filter;
分布式算法在FIR数字滤波器实现中的应用
2.
Research on the Distributed Algorithm of Operational Reliability Evaluation of Power Network and Software Implementation;
电网运行可靠性评估分布式算法研究及软件实现
3.
The CRC distributed algorithm was deduced,from which CRC distributed algorithm corresponding to polynomials of any order .
本文对CRC分布式算法进行了公式推导,该方法可以衍生出针对任何阶次生成多项式以及任意处理位宽的CRC分布式算法。
5) distribution algorithm
分布式算法
1.
This paper discusses the disadvantages of the file share in centralized mode;and presents a more efficient distribution algorithm for file share.
针对传统集中文件共享方式的弊端,提出了一种行之有效的分布式算法。
2.
Through analyzing the characteristic of the source algorithms and AQM at the equilibrium,we propose a new model with less constraint condition and a distribution algorithm with larger application.
运用子梯度方法求解新模型的对偶问题,得到了一种新的基于对偶问题的分布式算法框架,并证明了这种新算法的收敛性。
6) Distributed arithmetic
分布式算法
1.
Hardware implementation of the color space conversion based on distributed arithmetic;
基于分布式算法的色彩空间转换的硬件实现
2.
Low Power High Throughput FIR Filter Design with Distributed Arithmetic Implemention;
分布式算法实现高吞吐量低功耗FIR核的设计
3.
Design of FIR filter based on distributed arithmetic and its FPGA implementation;
基于分布式算法的数字滤波器设计
补充资料：逆推学习算法
分子式：
CAS号：
性质：又称逆推学习算法，简称BP算法，是1986年鲁梅哈特(D. E. Rumelhart)和麦克莱朗德(J. L. McClelland)提出来的。用样本数据训练人工神经网络(一种模仿人脑的信息处理系统)，它自动地将实际输出值和期望值进行比较，得到误差信号，再根据误差信号从后(输出层)向前(输入层)逐层反传，调节各神经层神经元之间的连接权重，直至误差减至满足要求为止。反向传播算法的主要特征是中间层能对输出层反传过来的误差进行学习。这种算法不能保证训练期间实现全局误差最小，但可以实现局部误差最小。BP算法在图像处理、语音处理、优化等领域得到应用。
CAS号：
性质：又称逆推学习算法，简称BP算法，是1986年鲁梅哈特(D. E. Rumelhart)和麦克莱朗德(J. L. McClelland)提出来的。用样本数据训练人工神经网络(一种模仿人脑的信息处理系统)，它自动地将实际输出值和期望值进行比较，得到误差信号，再根据误差信号从后(输出层)向前(输入层)逐层反传，调节各神经层神经元之间的连接权重，直至误差减至满足要求为止。反向传播算法的主要特征是中间层能对输出层反传过来的误差进行学习。这种算法不能保证训练期间实现全局误差最小，但可以实现局部误差最小。BP算法在图像处理、语音处理、优化等领域得到应用。
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