1) machine learning technique
机器学习技术
1.
The method adopts machine learning techniques to enhance the degree of automation ontology mapping,uses comprehensive evaluation technology to amend the results of ontology mapping,with the result of improving the accuracy of ontology mapping.
本论文从解决语义网中本体的各种异构问题出发,同时考虑到目前的本体大多映射效率不高、映射结果不够准确的问题,在对比分析了本体映射各种方法的基础上,重点研究了基于机器学习技术的本体映射机制,提出了一种高效地建立本体映射的方法及系统框架,该方法利用机器学习技术来提高本体映射的自动化程度,利用综合评判技术来修正映射结果,以提高本体映射的准确率。
2) mechanism of technological learning
技术学习机制
3) technological learning
技术学习
1.
A culture-based study on technological learning of small-firm cluster;
文化视野内的小企业集群技术学习研究
2.
A-U Model and Its Implications for Research on Technological Learning;
A-U模型及其对技术学习研究的启示
3.
An analysis on the cost of technological learning and its major determinates;
技术学习成本及其影响因素分析
4) technology learning
技术学习
1.
Following Taiwan IC industry development,the paper analyzes its technology innovation and its elevation of industry competence by technology learning and innovation-self.
自主创新、技术学习是台湾集成电路(IC)产业遵循比较优势的产业政策和技术政策的结果,是基于本土市场的自主创新以及企业在技术学习上的努力,是发展中国家的企业能够在开放市场条件下获得竞争优势的原因。
2.
What has stayed the same and what has change in the new era?In order to discuss this issue more deeply,there are two important frameworks, Strategic Grids and Technology Learning,brought to this task that shape the approach an organization undertakes for its IT governance.
在这个新时代哪些保持不变?哪些又发生了改变?为了深入探讨组织面临的IT治理问题,两个重要的框架:战略网格和技术学习,被引入作为分析方法。
3.
To catch-up firms, their capacity of absorbing the tacit knowledge will judge their effectiveness and efficiency of technology learning.
隐性知识是技术知识的重要侧面 ,对于技术追赶中的企业 ,其隐性知识的吸收能力决定了技术学习的有效性。
5) learning technology
学习技术
1.
Research on Learning and Learning Technology in a Perspective of Unified Information Theory;
统一信息论视域中的学习及学习技术研究
2.
The article describes the basic concepts of the metadata and semantic web, focusing on introducing the basic model and parts of learning technology based on metadata and semantic web, and also predicts the future of the learning technology based on metadata and semantic web.
本文描述了元数据和语意网的基本概念,重点介绍了基于元数据和语意网的学习技术系统的基本模型和组成部分,并对元数据和语意网环境下的学习技术的未来发展趋势进行了展望。
3.
Learning technology is the power that learner uses the corresponding learning tools to affect on learning objects for reaching the specific learning goal.
学习技术是学习者利用相应的学习工具作用于学习对象之上实现特定学习目标的能力。
6) learning Web 2.0 technology
Web2.0技术学习
补充资料：机器学习
机器学习
machine learning
·328·习L一~~.~..~~~~侧~~~~机现学习等等。这一时期有影响的工作有学习质谱仪预测规则系统Meta~DENDRAL，利用AQll方法学习大豆疾病诊断规则系统，利用ID3方法学习象棋残局规则，数学概念发现系统AM，符号积分系统LEX，以及一系列物理定理重新发现系统BACON。在学习计算理论上，L.G.Valiant提出了概率近似正确PAC学习模型，这一成果推动了学习计算理论的发展。 第四阶段始于80年代中后期，主要源于神经网络的重新兴起。由于使用隐单元的多层神经网络及反传算法的提出，克服了早期线性感知机的局限性，从而使得非符号的神经网络的研究得以与符号学习并行发展。同时，机器学习在符号学习的各个方面也更加深人和广泛地展开，并形成了较为稳定的几种学习风范，如归纳学习，分析学习(特别是解释学习和类比学习)，遗传学习等。这一时期有影响的工作有多层神经网络反向传播学习算法，基于解释的学习，一系列决策树归纳学习方法，J.H.Hollalld的遗传学习和分类器系统，A.Newell等的岌〕AR学习系统，以及PRODIGY学习系统等。近期，由于复杂世界的实际应用的需要，出现了结合各种学习方法的集成学习系统、多策略学习技术，特别是关于连接学习与符号学习的结合。另外，有着很大应用价值的数据库知识发现学习技术也发展得很快。 机器学习经过三十多年的发展，到现在已形成 了很多学习方法，例如机械学习、传授学习、实例学 习、发现学习、解释学习、类比学习、事例学习、遗传学习、连接学习等。这些学习方法可以用一个学习模型来描述(参见图1)。环境)一叫学习单元卜叫知识库卜叫执行单元图1一个简单学习系统模型 在图1中，圆圈表示信息体(如观察的数据，以及事实、规则等知识)，方框表示过程。箭头指示数据在学习系统中的流向。环境为学习单元提供外界信息源(如经验实例)。学习单元利用该信息对知识库作出改进(增加新知识或重新组织已有知识)。执行单元利用知识库中的知识执行任务，任务执行后的信息又反馈给学习单元作为进一步学习的输人。 学习单元的输人有两种:一是外界环境，另一是执行任务后的反馈信息。不同的学习系统有不同的经验实例表示。最简单的一种是二元特征表示，仅仅描述对象某些属性的存在与否，例如病人有或没有某个特定症状。下文要讲的连接学习和遗传学习方法一般使用这种二元特征的输人。另一种是用属性值表示，每个属性有一组相互排斥的值，如颜色属性的值可为红色、蓝色和黄色等。二元特征可看作是此类的特例。这种属性值表示典型地用在归纳学习方法中。
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