利用我们先前提出的构造性神经网络学习理论与当前国际上研究的热点支持向量机理论相结合,建立构造性机器学习理论的方法,并提供将所得到的方法应用于各相关领域的可能性。因为所用的方法是构造性的,故所得到的将具有很强的可理解性和可操作性。这将大大加疃曰餮б迪氨局实睦斫狻#时狙芯慷酝贫餮袄砺酆头椒ǖ姆⒄咕哂兄卮蟮囊庖濉
{{i.achievement_title}}
数据更新时间:2023-05-31
基于LASSO-SVMR模型城市生活需水量的预测
基于SSVEP 直接脑控机器人方向和速度研究
自然灾难地居民风险知觉与旅游支持度的关系研究——以汶川大地震重灾区北川和都江堰为例
基于公众情感倾向的主题公园评价研究——以哈尔滨市伏尔加庄园为例
栓接U肋钢箱梁考虑对接偏差的疲劳性能及改进方法研究
动态数据挖掘的构造性机器学习方法研究
面向大数据的机器学习理论与方法
开放动态环境下在线机器学习理论与方法
一种“统计+结构”机器学习理论与方法研究