|
|
|
说明：双击或选中下面任意单词，将显示该词的音标、读音、翻译等；选中中文或多个词，将显示翻译。
|
|
|
您的位置： 首页 -> 词典 -> 基于CRFs的错误驱动
1) error-driven technique
基于CRFs的错误驱动
1.
Then,the error-driven technique is applied over CRFs chunking results for further modification.
该方法首先将11种类型的汉语组块进行分组,结合CRFs构建不同的组块识别模型来识别组块;之后利用基于CRFs的错误驱动技术自动对分组组块进行二次识别;最后依据各分组F值大小顺序处理类型冲突。
2) transformation-based error-driven learning approach
基于转换的错误驱动方法
3) transformation-based error-driven learning
基于转换的错误驱动学习
1.
The paper presents a method of Chinese chunk recognition based on Support Vector Machines(SVM) and transformation-based error-driven learning.
本文研究了一种支持向量机(SVM)和基于转换的错误驱动学习相结合的汉语组块识别方法。
2.
Chinese name identification based on Support Vector Machines(SVM) and is corrected by transformation-based error-driven learning.
利用基于转换的错误驱动学习方法对SVM的识别结果进行校正,转换规则较好地处理了语言现象中的特殊情况,进一步提高了SVM的识别结果。
4) transformation-based error-drive learning
基于转换的错误驱动学习方法
5) Transformation-based Error Driven Learning
基于转换的错误驱动学习算法
6) error-driven
错误驱动
1.
This paper adopts three methods including Error-Driven,Support Vector Machines and Hidden Markov Model to recognize noun phrases in Chinese texts.
利用错误驱动法、支持向量机法和隐马尔可模型3种方法对汉语文本进行名词短语识别,对实验进行比较分析,结果表明SVM与HMM的识别效果总体上要好于错误驱动法,HMM法在封闭测试中优势明显。
2.
Using three methods of error-driven,support vector machine and hidden markov model,noun phrase recognition is carried on to chinese text,through comparative analysis to experiment,the results indicate that the recognition effects of SVM and HMM are overall better than the method of error-driven,HMM method has the distinct advantage in the closed test.
利用错误驱动法、支持向量机法和隐马尔可模型三种方法对汉语文本进行名词短语识别,对实验进行比较分析,结果表明SVM与HMM的识别效果总体上要好于错误驱动法,HMM法在封闭测试中优势明显。
3.
This paper proposes a hybrid error-driven combination approach to chunking Chinese Base noun phrase(Chinese Base NP),which combines TBL(Transformation-based Learning) model and CRF(Conditional Random Field) model.
本文采用一种新的错误驱动的组合分类器方法来实现中文Base NP识别。
补充资料：基于UG生成表驱动的零件三维参数化模型的研究
阐述了基于UG生成表驱动标准件模型库的方法和步骤，并以一个实例对如何建立参数化模型、确凿设计变量、给模型分配设计变量以及设置和编辑电子表进行了详细的论述。实践证明，利用此方法可以方便快捷建立零件的三维参数化模型库，实现零件的系列化设计，能大大提高设计效率。
在制造工业中经常遇到形状相似，但大小并不完全相同的零件，比如系列化的产品零件等。对于这些零件的二维设计，目前已经比较成熟。但随着CAD/CAM技术的发展，产品的设计与制造有了新的思路，即从三维到二维的设计步骤，也就是首先要建立三维模型，然后自动生成二维的工程图纸，或者利用三维零件模型直接生成数控代码，实现无图纸加工，节约时间和成本。因此零件三维参数化模型的建立，就显得尤为重要，它将使产品的结构设计的系列化成为可能，并极大地缩短了结构设计周期，减少了由于零件的尺寸变化带给工程师的工作量。
1、 建立表驱动零件模型库的原理
在产品的系列化设计过程中，为了加快产品设计过程，减少重复性的劳动,应建立结构形状相同仅尺寸不同零件的三维模型库,如螺钉、螺栓、螺母、垫圈、密封件、润滑件和轴承等一些标准件。UG虽然提供了许多二次开发工具(如UG/Open GRIP、UG/Open API、UG/Open)，但利用二次开发工具需要设计人员技术比较高,一般设计人员很难完成[1]，利用UG提供的表驱动技术同样可以创建标准零件、通用零件以及产品系列化设计的三维模型库。 建立三维参数化模型以后,通过设置设计变量和将设计变量分配给模型,然后创建一个含有这些变量的外部电子表，将电子表链接到当前模型中，因为电子表中的变量被当前图形文件的零件尺寸所引用，这个表就可以用来改变当前图形文件中的零件的尺寸，所以用户可通过控制外部电子表对零件进行修改，因此可避免由于设计变化而不得不修改大量模型参数所带来的损失，并且用一个模型就可表达多个同类结构的零件。 2、 建立基于表驱动的零件三维参数化模型 2.1 分析零件特征
为了高效地创建表驱动零件,在设计前必须对该零件进行仔细的分析,首先要从整体上形成关于这个零件建模的大概思路,明确设计零件需要创建哪些特征以及创建这些特征的次序;同时还需要注意所要创建的各种特征的内在联系及其各自的特点，最后明确该零件需要几个参数进行驱动。
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
|