1) a hierarchical structure of learning automata
学习自动机层次结构
1.
Furthermore, the optimization algorithm based on a hierarchical structure of learning automata is used to identify the membership functions in the antecedent part and the.
基于模糊推理系统在紧支集中能够逼近任意非线性连续函数的特性 ,提出了一种基于Takagi sugeno模糊规则基的非线性组合建模与预测新方法 ,以克服线性组合预测方法在解决非平衡时间序列组合建模问题所遇到的困难和存在的不足 ,并给出了相应的基于学习自动机层次结构的优化算法确定模糊系统的参数和模糊子集的划分 ,理论分析和大量的经济预测实例表明 :该方法具有很强的学习与泛化能力 ,在处理诸如经济时间序列这种具有一定程度不确定性的非线性系统组合建模与预测方法有很好的应用 。
2) Gagne's hierarchy of learning
加涅学习层次[结构]
3) constitution of the motivation of foreign language learning
外语学习动机结构
4) hierarchical automata
层次自动机
1.
After describing the UML model using formal method,we first used hierarchical automata to express statecharts d.
首先对UML模型进行形式化描述,使用层次自动机来描述状态图,然后根据层次自动机的操作语义将状态图和类图的部分信息转化为SPIN的输入语言PROMELA,使用SPIN来验证模型是否满足给定的线性时序逻辑所描述的系统约束,通过LTL公式描述顺序图的方式来验证与状态图之间的一致性问题。
5) learning automata
学习自动机
1.
An approach of learning fuzzy rules based on learning automata arrays;
基于学习自动机阵列的模糊规则学习方法
2.
Solutions to the network capacity assignment problem based on continuous learning automata;
基于连续学习自动机解决网络负载量的分配
6) Learning Automata
自动学习机
1.
Application of Stochastic Learning Automata for BP Neural Networks;
随机自动学习机在BP神经网络中的应用
2.
In this paper,a method of dynamic experiment designs in sensory evaluation is presented that is based on dichotomy,and the principle of learning automata is applied in optimizing the dichotomy.
以二分法为基础,应用自动学习机原理建立一种动态的感官评估实验方法。
补充资料：加涅的学习层次系统
加涅的学习层次系统
Gagne's hierarchy system of learning
加涅的学习层次系统(G agne’5 hierarchysystem of learning)加涅根据学习水平的高低和学习的复杂程度所提出的一种累积学习的模式。1965年，加涅把学习分为八类，即:(l)信号学习。(2)刺激一反应学习。(3)运动连锁学习。(4)言语连锁学习。(5)辨别学习。(6)概念学习。(7)规则学习。(8)问题解决。1971年，他又把学习分为六类，即:(l)连锁学习。(2)辨别学习。(3)具体概念的学习。(4)定义概念的学习。(5)规则学习。(6)高级规则的学习(相当于问题解决的学习)。加涅就是按照这六类学习的复杂程度，把学习构成如下图所示的层次系统。它表明，学习是一个从低级的学习向高级的学习发展的过程。低级的学习是比撼 加涅学习层次系统图较简单的、具体的，高级的学习是比较复杂的、抽象的;前者是后者的基础，后者是前者的发展。加涅的关于学习的层次说，为教学程序化提供了一个有用的原则。 诫立夫撰医巫国审)
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