1) Greedy Algorithm
Greedy 算法
1.
The disadvantage of Greedy Algorithm is that the complexity is too high and it needs too long time to compute.
传统 Greedy 算法的致命缺点是其复杂度过高,消耗的运算时间过长,且没有对每个子载波上的比特数目进行限制,不适于实际的应用。
2) Greedy algorithm
Greedy算法
1.
The primary solution of the problem is obtained by Greedy algorithm, and then an optimized solution is achi.
首先由Greedy算法得到问题的初始解,然后通过迭代求解,使得有功损耗最低。
3) Λ-Greedy Algorithm
Λ-Greedy逼近算法
1.
The Convergent Bounds of the Best m-Term One-sided Approximation of the Multiplier Function Classes in l_p-Space for Λ-Greedy Algorithm;
将在图像压缩、偏微分方程的近似解、统计分类等方面有着重要应用的非线性m-项逼近中的误差计算方法、Λ-Greedy逼近算法与广泛应用于运筹学、保形运算的单边逼近方法结合起来,给出了一种新的逼近方法—Λ-Greedy单边逼近。
4) Greedy EM
Greedy EM
1.
Color Image Segmentation Based t Mixture Model and Greedy EM;
基于t混合模型和Greedy EM算法的彩色图像分割
5) ε-greedy mechanism
ε-greedy机制
6) Greedy algorithm
Greedy逼近
参考词条
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。