2) bayesian-regularization neural networks
贝叶斯正则化神经网络
1.
For the specific layer interface, the processing parameter was forecasted based on bayesian-regularization neural networks(BRNN), which was certificated by means .
针对具体层间界面形状,基于贝叶斯正则化神经网络预测工艺参数,并借助MPI软件的co-injection模块检验。
3) Normal Fuzzy Neural Network
正则化模糊神经网络
4) Bayesian-regularization BP neural network
Bayesian正则化BP神经网络
1.
Property prediction of the (Nd_2Fe_(14)B/α-Fe) permanent magnet based on the Bayesian-regularization BP neural network
用Bayesian正则化BP神经网络预测稀土永磁体性能
5) Bayesian-Regularization neural networks(BRNN)
贝叶斯正则化神经网络(BRNN)
补充资料:正则化
正则化
regularization
正则化fr卿Ila蛇口d皿;pel,”p“3叫。,」 对于不适定问题(ili一posed problen招)构造关于初始数据的小扰动是稳定的近似解法(亦见正则化方法(爬洲a血王如n此thod)). B.只.Al,:eHHH,A.H.T拟“幻日撰【补注】“正则化”概念在数学中是相当一般的,它的含意已远远超过了处理不适定问题的正则化方法本身.它至少包含着下面两个交织在一起的思想. l)数学对象A由一个更正则的对象A雌作系统代换,一般要使得(A雌)咤=A雌. 2)定义函数的值或对象的其他概念,而该值或概念是事先未予定义的(或者为无穷大,不确定,……).为此经常用一个合适的族(一个形变(由角亡几吐1011)),将上述对象置于族中,对该族中一切接近上述对象的对象定义函数值或者概念,然后取合适的极限.另一个技巧是除去“系统无穷大”,所使用的各种正则化方法的细节主要取决于特定的情况.也经常使用其他术语代替“正则化”,用来描述这种方法和技巧,譬如“正规化”,“重正规化”,“非奇异化”,“奇异性分解”, 上面l)或2)(或两者)意义下的正则化例子有:正则化序列(参见序列的正则化(记孚面血以沁nofs叫uena治)),正则化算子和正则化解法(见不适定问题(沮一卯s司problen招);正则化方法(碳刻ari左山n服山团);积分方程,数值方法(i血脚l叫Ua石ons,nunrncalrr犯比Lods);F理dI幻Im方程,数值方法(Fre小hohn eq珑川on,nu“犯riaUn坦th以七)),最优化理论中的罚函数和其他正则化技术(见数学规划(灯以山既圈石司prog艺rnm止侣);罚函数法(体蒯tyftmctions,n犯让lodof)),各种重正规化方案(见重正规化(代泊。几阳面必石。n)),正规化和非奇异化格式及其变形(见正规概形(nonT以1 sche-此);奇点的分解(心olution of 51爬刘面胎)),分布的正则化(见广义函数(罗理几如沮几nctlon)),Stunn·Liou-访Ue算子的正规化的迹(见S如团.U俐币血问题(StunnLiouville prob」em)),和H沮笼成一S如耐血算子(H丑比找-Sc垃相dt opera加r)的正则化特征行列式. 还有一个例子是用来定义泛函积分和量子场论中的某些无穷行列式(或其商)的乙函数正则化(欢扭-丘山以ion玛卿」面巨tion).其作法如下:令A是一个合适的算子,例如加plaCe或加place一氏1枉2而算子,定义它的广义C函数(罗】le爪血时欢扭一几nction) 心,(s)=艺*二’,其中又。在A的谱上取值(计算重数).至少在形式上有C’(、)l、一。二一艺。fog(*。),这就提供了一个机会,由下式来定义C函数正则化行列式(欢饭一允扭无。n娜刘肚访习de加1和inant) det(A)二exP(一心’(s))}:二。
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