为了使数据库中知识发现和数据采掘更加有效,本项目确定研究以下内容。即基于人工神经网络的机器学习方法,知识的求精与优化,信息粒度与多粒度计算方法,以及基于范例的推理及其应用等。拟解决的关键问题是,大数据量下的神经网络学习复杂性,动态知识的采掘,信息粒度的不同表示方法极其相互转换,和给定背景下的范例的相似准则等四个方面。.
{{i.achievement_title}}
数据更新时间:2023-05-31
结直肠癌免疫治疗的多模态影像及分子影像评估
智能煤矿建设路线与工程实践
含饱和非线性的主动悬架系统自适应控制
城市生活垃圾热值的特征变量选择方法及预测建模
基于卷积神经网络的JPEG图像隐写分析参照图像生成方法
基于粒计算的动态知识发现中若干关键问题研究
Web数据挖掘与知识发现
数据挖掘与知识发现在作物种植咨询系统中应用研究
数据挖掘中若干基础理论问题研究