1) vector algorithm
向量算法
1.
In this paper we give vector algorithm according to the character of a set of nosinusoidal family orthogonal matrix, these algorithms are simple in design, but are evident in effect.
本文根据一系列非正弦类正交矩阵的特点,对其变换采取相应的向量算法。
2) Vector ε algorithmic method
向量ε-算法
3) Vector-radix algorithm
向量基算法
4) support vector machine
支持向量机算法
1.
A newly proposed technique of data mining, called "support vector machine" , is suitable for the data mining of ill-posed.
近年来新提出的“支持向量机算法”适合于处理不适定问题,能限制过拟合,且因采用核函数算法,能有效处理非线性数据集,与当前化学化工中应用极广的人工神经网络相比,优越性明显,在化学化工中具有巨大的应用潜力。
2.
And the data of Al, Ca, Cu, Zn, Mg contents have been processed by a new data mining algorithm, support vector machine proposed by Vapnik, in order to search the correlation between these data and high blood pressure disease.
计算表明:支持向量机算法建模的正确分类率和留一法预报正确率均较Fisher法和KNN法等传统的模式识别算法高。
3.
By using leaving-one method, it has been found that the prediction ability of the mathematical modei made by support vector machine is better than that made by Fisher method or KNN method.
本工作应用支持向量机算法总结实验数据的数学模型,并用留一法检验模型的预报能力。
5) eigenvector algorithm
特征向量算法
1.
A new blind equalization algorithm based on eigenvector algorithm(EVA) was presented to solve the phase rotation problem by employing metric including phase information of the channel, and a comparison between new algorithm and EVA was also made.
为解决盲均衡算法中的相位旋转问题,提出了一种基于特征向量算法(EVA)的改进型盲均衡算法,并与EVA算法进行了比较。
6) vector label algorithm
向量标号算法
补充资料：BP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