1) coarse-granularity master-slave memory model
粗粒度-主从记忆模型
2) coarse-grained model
粗粒度模型
1.
This paper puts forward a Network Intrusion Detection System(NIDS) based on coarse-grained model genetic algorithm, after analysing the application of genetic algorithm in intrusion detection system.
分析遗传算法在入侵检测系统中的可应用情况,提出一种基于粗粒度模型遗传算法的网络入侵检测系统。
2.
This paper put forward a coarse-grained model genetic algorithm NIDS, let all processor can do genetic algorithm by attributed manner, at the same time, recommend an new operator, redesign a reasonable fitness function, let the use of "gene" is more reasonable, develop the performance and speed of the arithmetic, make full use of the genetic algorithm in N.
本文在分析了各种入侵检测系统的基础上提出了一种基于粗粒度模型遗传算法的网络入侵检测系统,让各个处理器能够并行地进行遗传算法的操作,重新合理地设计了适应度函数,使遗传“基因”的取舍和利用更加合理,使算法的性能和运行速度得到了提高,充分发挥了遗传算法在网络入侵检测系统中的应用。
3.
It adopts a nonlinear code based on resources and tasks and inversion operation,meanwhile,a coarse-grained model is applied to design the GRAPGEP algorithm.
该算法采用了基于资源与任务相关的非线性的编码方式和反转操作,同时应用粗粒度模型设计了该算法。
3) memory model
记忆模型
1.
Different from the traditional nonmonotonic trust region algorithms,this algorithm includes a memory model,which makes the algorithm more far-sighted in the sense that its behavior is not completely dominated by the local nature of the objective function.
本文就无约束优化问题提出了一个带记忆模型的非单调信赖域算法。
2.
This paper first discusses several basic memory model, analyzes the layer structure and network structure of brain memory, further builds the memory model based on analogy.
首先讨论了几种基本的记忆模型 ,分析了人脑记忆的层次结构和网络结构 ,进而建立了基于类比的记忆模型 ,并提出了概念的二级存储结构 ,应用此二级存储结构分析说明了形象思维和抽象思维的机理 。
4) Master/Worker model
主/从模型
5) self-memory model
自记忆模型
1.
Predicting annual runoff with grey self-memory model;
年径流预测的灰色自记忆模型
2.
To increase the efficiency of medium and annual runoff prediction,the grey self-memory model based on GM(1,1) differential equation was established.
为探索提高年径流预测精度的简单有效途径,以GM(1,1)微分方程为动力核建立了灰色自记忆模型,并应用于寸滩站年径流的拟合和预测中,取得了良好的效果。
3.
Time series analysis self-memory model based on self-memorization principle of dynamic.
基于动力系统自记忆性原理的时间序列分析自记忆模型是一种随机与动力相结合的非线性方法,它从系统的动力模式出发,同时引入包含多个历史观测值的记忆函数,将动力学计算与利用历史数据估计模型参数结合起来,因而揭示了水文系统的非线性特征,并可显著提高预报精度。
6) Long memory model
长记忆模型
1.
In this paper, we introduce long memory model and it s test methods.
本文介绍了长记忆模型及其检验方法,根据Bayes原理,提出了记忆参数的一种新的估计方法。
补充资料：记忆多存储模型
记忆多存储模型
multi-store model of memory
记忆多存储模型(multi一store model ofm emory)20世纪60年代由阿特金森和谢弗林提出的记忆模型。该模型把记忆区分为三种存储系统，即感觉记忆，短时记忆和长时记忆。这三种存储在信息的保持时间、编码方式、记忆容量等方面都有所不同。感觉记忆是保持时间不足2秒的记忆，它保持的是刺激的物理映象，是无意识的。短时记忆是保持时间不超过1分钟的记忆，是一种工作记忆，它对从感觉存储和长时记忆中来的信息进行有意识的处理，主要以听觉形式编码存储信息，其容量不超过7土2个组块。长时记忆指保持时间在1分钟以上的记忆。它的记忆容量是相对无限的，有语义、意象等多种编码方式。一般清况下，感觉记忆中的信息一旦受到注意，就会转入短时记忆。短时记忆中的信息经过复述，则会转入长时记忆。记忆的多存储模型可以用下列流程图来表示。 记忆多存储模型流程图 被复述呼彝爵罗 阵立海撰粤转龄审)
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