1) optimized learning algorithm
优化学习算法
1.
An optimized learning algorithm of non-symmetrical neural network for associative memory is proposed, which ensures to store each training pattern with a basin of attraction which enables the neural network have wrong associative fault-tolerance.
本文提出了一种非对称联想记忆神经网络的优化学习算法。
2) algorithm optimized layer by layer
逐层优化学习算法
3) evolving learning algorithm
进化学习算法
1.
Using the evolving learning algorithm (ELA),proposed by the author recently,which can be used to perform the intellective identification of material constitutive mo.
利用作者最新提出的材料本构模型智能识别的进化学习算法 ,结合实例分析 ,从一个新的角度对该问题进行了阐述 ,证明了刻意追求学习效果的不合理性·指出根据实验数据建立材料本构模型的正确方法应该是使获得的本构模型不仅对学习样本而且对类似条件下的应力分析都能获得很好的效果·并说明了进化学习算法是解决问题的一个好方法 ,为材料本构模型的研究提供了一个新的有力工具
4) reinforcement learning
强化学习算法
1.
Based on simulated annealing and reinforcement learning algorithm,a hybrid intelligent controller was proposed to ship steering.
本文基于模拟退火-强化学习算法提出了一种混合智能控制器,应用于船舶运动航向控制中。
5) self-learning evolution algorithm
自学习进化算法
1.
A self-learning evolution algorithm was put forward.
为了求解最大独立集问题,通过对求解最大团问题EA/G算法的分析,从初始解选取、种群的构成、遗传策略等方面对EA/G算法进行了改进,提出了自学习进化算法,并在DIMACS基准图上进行了大量的实验。
6) Q-Reinforcement Learning
Q-强化学习算法
补充资料：计算算法的最优化
计算算法的最优化
ptimization of computational algorifans
计算算法的最优化【。洲咧匕6阅ofc咖例。柱.目习子时-d，”6;onT一Mo3a双，Ra，一eju.Teju.II.叱a几r0P盆n陇o，1 在求解应用问题或精心设计标准程序系统时最优计算算法(comPutatio几al algorithm)的选择.当解决一个具体间题时，最优策略可能不会使解法最优化，可是为优化一个标准程序或应用最简单的解法编制程序则是很直截了当的. 计算算法的最优化问题的理论提法是基于下述原则.当选择一种方法来求解一个问题时，研究人员关心的是某些特性，而且根据这些特性来选择算法，同时这个算法也能用来解决具有这些特性的其他问题.据此，在算法的理论研究中，人们引人了具有特殊性质的一类问题尸.当选择一种解法时，研究人员有一组解法M可供选用.当选用一种方法m来求解一个问题p时，得到的解会有一定的误差e(p，m).称量 E(P，m)=sllp}。(p，m)I P‘P为在这类问题P中方法m的误差(en刀r of the nrth-od)，同时，称量 E(p，M)一惑E(p，m)为M中方法在尸中误差的最优估计(。Ptimal estirnateof the error).如果存在一种方法，使得 E(P，m。)=E(P，M)，那么称这个方法为最优的(optirnal).研究计算算法最优化问题的一个方案可以追溯到A .H .KQJLMoropoB(【2」)，所考虑的是计算积分 1 ‘(f)一Jf(x)dx 0问题的集合，给定的条件是}f(时}成A，其中M是所有可能求积 N ‘(f)澎，万:C，f(x，)的集合·每一种求积由总数为ZN的cj和礼确定.由具有所需精度的某函数类重新生成一个函数所需要的最小信息量(见【2]，「31)也可以包含在这个方案中.这个问题的一个更详细的阐述可查阅【4]，它指出在特定意义下实现算法的工作量与应用的存储量同样大.最优算法仅对极少数类型问题存在(汇1」)，然而，对大量计算问题，已经建立了就其渐近特性而言几乎是最优的方法(见汇5]一【8」). 对某类问题最优的计算算法特性的研究工作(见15]，【71)包含两部分:建立其特性尽可能好的具体解法，和根据计算算法的特性得出估计量(见【2]一【4]，【9】).实质上，问题的第一部分是数值方法理论的一个基本问题，而且在大多数情况下它是与最优化问题无关的研究工作.下面得到的估计通常归结为对￡摘(。
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