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
新型树启发式搜索算法的机器人路径规划
现代优化理论与应用
四川盆地东部垫江盐盆三叠系海相钾盐成钾有利区圈定:地球物理和地球化学方法综合应用
基于自适应干扰估测器的协作机器人关节速度波动抑制方法
黄曲霉毒素B1检测与脱毒方法最新研究进展
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