1) PCALSM
PCA学习子空间算法
1.
This paper is to realize the optical character recognition on grey scale level by adopting learning subspace method of principal component analysis(PCALSM).
应用效果也表明 ,采用 PCA学习子空间算法对车牌汉字这一有限汉字集进行识别 ,取得了较好的效果 ,实用价值较
2) LSM
学习子空间算法
1.
Recognition of A Limited Chinese Character Set Based on Improved CLAFIC LSM Algorithm;
基于改进型CLAFIC学习子空间算法的有限汉字集识别
3) PCA subspace
PCA子空间
1.
An algorithm based on mixed subspace is proposed which colligates PCA subspace and orthogonal subspace together and builds a tracking observation model.
提出一种基于综合子空间的观测算法,在贝叶斯估计的前提下,用PCA子空间和正交子空间来描述目标外观。
4) Learning Algorithm of Autonomic Learning Subspace
自主学习子空间学习算法
1.
Research and Application on Learning Algorithm of Autonomic Learning Subspace Based on DFL;
基于DFL的自主学习子空间学习算法及应用研究
5) subspace learning
子空间学习
1.
Spatially Smooth and Complete Subspace Learning Algorithm
空间光滑且完整的子空间学习算法
2.
Neighborhood preserving embedding(NPE) is a subspace learning algorithm,which has the property of preserving local neighborhood structure on the data manifold.
保持近邻嵌入(NPE)是一种子空间学习方法,具有保持数据流形上局部邻域结构的属性。
3.
An efficient nonlinear subspace learning method,kernel neighborhood preserving projections(KNPP),is developed.
提出了一种有效的非线性子空间学习方法:核邻域保持投影。
6) learning subspace
学习子空间
1.
Orbits generated lattice algorithm of learning subspace in Lie-group Machine Learning(LML);
李群机器学习(LML)的学习子空间轨道生成格算法
2.
Orbits generated theory of learning subspace and its algorithm in Lie-Group machine learning (LML);
李群机器学习(LML)的学习子空间轨道生成理论及算法初探
3.
Research and Application on Orbits Generated Algorithm of Learning Subspace in Lie-Group Machine Learning (LML);
本文在李群机器学习(LML)的理论框架上,以李群机器学习的代数模型、几何模型、学习的公理系统为基础作进一步研究,给出了李群机器学习的学习子空间轨道生成算法,将该算法应用于人群分类,葡萄酒化学成分分类以及大豆等八个专用数据集的分类,取得了满意的结果。
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