1) ensemble space
集合空间
1.
In the case of r<<N, if the training data with additional receptive function is represented, which transforms imput space to a higher dimensional ensemble space,the network will reach perfect learning.
提出采用数据表示,即通过一能把输入空间变换到高维空间的接受函数,把所有训练样本变换到集合空间中,然后将经过重新表示的数据馈入神经网络,则不需再采用其他算法,神经网络可达到完备学习。
3) Spatial Containerization
空间集装集
4) space diversity receiver combining
空间分集接收合并
6) the Jointed Space-polarization Siversity
空间-极化联合分集
补充资料:网(拓扑空间中集合的)
网(拓扑空间中集合的)
et (of sets in a topological xrals
网(拓扑空间中集合的)【叭(茵翻妇加a铆娜硒cal卿‘ce几功no加r“,ec劝ro“pocTp业cT.a],甲争(拓扑空间中集合的)(1祀t认叼rk(of sets in a topofogi-cal sPaCe)) 拓扑空间X的子集族少,使得对每个x〔X和x的每个邻域0二,存在尸的元素M,满足x〔Mc=O义. 一个空间的所有单点子集构成的族以及空间的任何基(饮巧e)都是网.网与基的差别在于:网的元素不必是开集.网在连续映射下出现:如果f是把拓扑空间X映成拓扑空间Y的连续映射,少是X的基,那么男的元素在f下的象构成Y中的网尹={fU:U任了}·此外,若X被子空间族{X。::“A}所覆盖,那么对每个仪〔A取X。的任何一个基‘气,把这些基合并起来就得到X中的一个网.尹=U{风:,任A}.具有可数网的空间的特征是:它是可分度量空间的连续象. 空间X中网的最小基数称为X的网权(力d场尼i-ght)或网络权(朋t铺rkweight),记为nw(X).空间的网权决不超过空间的权(见拓扑空间的权(忱兔htof a topo】0乡cal sPace)),但是,正如一个没有可数基的可数空间的例子所示,网权与权可以相异.就紧物让泊以叮空间而言,网权与权相同.这个结果对局部紧空间、己ech完全空间以及羽状空间(丘么廿坦众过印二)也成立,特别是,由此可见,在这些空间的满映射下权不增大.另一个推论是:若羽状空间(特别是Ha谓do峨紧统)X是一族子空间的并,族的基数簇:,每个子空间的权不超过T,并且假定T是无限基数,那么X的权不超过T.【补注】大多数英语著作(例如见IA41)都使用网络(net认。rk)来表示上述条目中所描述的“网”(net).这是因为,在一般拓扑学中“网”这一术语还有第二种完全不同的含义. 一个集合(拓扑空间)X中的网是X的一个加标的点集{x。}。。:,其中艺是有向集(din戈抚dset).俄文文献中这称为广义序列(罗碳耐刘举月议泊ce)· 利用网的概念可以建立一种收敛理论:Moore·S而th收敛(M~一Shath conVe耳笋nCe)(见M加耽空l’N(Moore space)).
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