期刊文献+
共找到15篇文章
< 1 >
每页显示 20 50 100
结构MRI联合基于VR眼动追踪技术的计算机化认知评估在阿尔茨海默病早期诊断中的应用价值 被引量:1
1
作者 韦卓男 樊响 +8 位作者 余可妍 陈乐乐 尹晨旺 陈慧 戚玉龙 陈旭辉 胡俊 张绪 成官迅 《磁共振成像》 CAS CSCD 北大核心 2024年第6期49-53,共5页
目的探讨结构MRI联合基于VR眼动追踪技术的计算机化认知评估在阿尔茨海默病(Alzheimer's disease,AD)早期诊断中的临床应用价值。材料与方法77例早期AD患者和58例认知未受损者(cognitive unimpaired,CU)均接受了传统神经心理学量表... 目的探讨结构MRI联合基于VR眼动追踪技术的计算机化认知评估在阿尔茨海默病(Alzheimer's disease,AD)早期诊断中的临床应用价值。材料与方法77例早期AD患者和58例认知未受损者(cognitive unimpaired,CU)均接受了传统神经心理学量表评估[包括简易精神状态量表(Mini-Mental State Examination,MMSE)、蒙特利尔认知评估量表(Montreal Cognitive Assessment,MoCA)等]、一项时长为5分钟的VR眼动认知评估,以及头颅三维T1加权成像(three dimensions T1-weighted imaging,3D-T1WI)磁共振结构像检查,并利用自动结构分析工具获取海马体积(hippocampal volume,HV)数值。分析VR眼动认知评估的总分与传统认知评估之间的相关性,构建受试者工作特征(receiver operating characteristic,ROC)曲线,分析单个指标(HV)及联合指标(HV联合VR眼动认知评估的总分)对AD的诊断效能。结果(1)HV诊断早期AD的AUC为0.629(95%CI:0.542~0.711),HV联合VR眼动认知评估的总分诊断早期AD的AUC为0.825(95%CI:0.751~0.885),DeLong检验结果显示两者差异有统计学意义(P<0.001);(2)早期AD组的HV(Z=−2.565,P=0.010)较CU组低;(3)VR眼动认知评估的总分与MMSE评分、MoCA评分呈正相关(r=0.531、0.627,P均<0.001)。结论联合基于VR眼动追踪技术的计算机化认知评估能提高HV对早期AD的诊断价值。 展开更多
关键词 阿尔茨海默病 磁共振成像 眼动追踪 计算机化认知评估 海马体积
在线阅读 下载PDF
大数据随机样本划分模型及相关分析计算技术 被引量:19
2
作者 黄哲学 何玉林 +1 位作者 魏丞昊 张晓亮 《数据采集与处理》 CSCD 北大核心 2019年第3期373-385,共13页
设计了一种新的适用于大数据的管理和分析模型大数据随机样本划分(Random samplepartition,RSP)模型,它是将大数据文件表达成一系列RSP数据块文件的集合,分布存储在集群节点上。RSP的生成操作使每个RSP数据块的分布与大数据的分布保持... 设计了一种新的适用于大数据的管理和分析模型大数据随机样本划分(Random samplepartition,RSP)模型,它是将大数据文件表达成一系列RSP数据块文件的集合,分布存储在集群节点上。RSP的生成操作使每个RSP数据块的分布与大数据的分布保持统计意义上的一致,因此,每个RSP数据块是大数据的一个随机样本数据,可以用来估计大数据的统计特征,或建立大数据的分类和回归模型。基于RSP模型,大数据的分析任务可以通过对RSP数据块的分析来完成,不需要对整个大数据进行计算,极大地减少了计算量,降低了对计算资源的要求,提高了集群系统的计算能力和扩展能力。本文首先给出RSP模型的定义、理论基础和生成方法;然后介绍基于RSP数据块的渐近式集成学习Alpha计算框架;之后讨论基于RSP模型和Alpha框架的大数据分析相关计算技术,包括:数据探索与清洗、概率密度函数估计、有监督子空间学习、半监督集成学习、聚类集成和异常点检测;最后讨论RSP模型在分而治之大数据分析和抽样方法上的创新,以及RSP模型和Alpha计算框架实现大规模数据分析的优势。 展开更多
关键词 大数据 随机样本划分 渐近式集成学习 人工智能
在线阅读 下载PDF
基于接触力-位置ELM模型的机械臂接插装配技能
3
作者 刘淏楠 贺学义 +1 位作者 周翊民 尚万峰 《科学技术与工程》 北大核心 2025年第30期12991-12997,共7页
针对传统强化学习方法在接插装配中精确性与泛化性不足的问题,提出了一种基于优化极限学习机的机械臂接插装配技能学习与柔顺操控策略。首先,建立了基于引力搜索算法优化的极限学习机机械臂接插技能学习模型(gravitational search algor... 针对传统强化学习方法在接插装配中精确性与泛化性不足的问题,提出了一种基于优化极限学习机的机械臂接插装配技能学习与柔顺操控策略。首先,建立了基于引力搜索算法优化的极限学习机机械臂接插技能学习模型(gravitational search algorithm optimized extreme learning machine,GSA-ELM),利用机械臂示教接插操作的接触力、位置、速度等时间序列数据集优化极限学习机的初始化参数,提高了模型的精度和稳定性。其次,提出了一种基于接触力-位置预测信息的机械臂自适应力补偿柔顺控制方法,并结合位置-速度双环控制策略,实现了实时力-位反馈对接插装配的期望位置和操作速度补偿。实验结果表明,该模型能够有效保证机械臂在接插装配操作中的柔顺性和稳定性。通过UR3机械臂的通用串行总线(universal serial bus,USB)接插实验证明了该模型在实际装配中的可行性和精准性,为机械臂接插装配提供了一种新的技术路径。 展开更多
关键词 机械臂装配 力-位融合模型 ELM模型 引力搜索算法
在线阅读 下载PDF
大数据聚类专题序言 被引量:3
4
作者 陈国良 《深圳大学学报(理工版)》 EI CAS CSCD 北大核心 2019年第1期1-3,共3页
2013年被称为“大数据元年”.经过近5年的飞速发展,大数据已经成为大众最为关注的一门新技术,大数据的应用预示着信息时代进入了一个新阶段.目前,大数据应用已经渗透到人类社会的各个角落,高效的大数据分析和运用,将会对未来中国经济发... 2013年被称为“大数据元年”.经过近5年的飞速发展,大数据已经成为大众最为关注的一门新技术,大数据的应用预示着信息时代进入了一个新阶段.目前,大数据应用已经渗透到人类社会的各个角落,高效的大数据分析和运用,将会对未来中国经济发展、社会治理、国家管理、人民生活产生积极重大的影响.我以“big data”和“大数据”为关键词,对2013年至今发表在Web of Science(WOS)和中国知网CNKI平台(计算机软件及计算机应用领域内的期刊论文)上的文献进行了检索(超16 000篇文献),并通过对其中WOS的约100篇高被引和热点论文以及CNKI中下载量超过10000次的学术论文进行分析,总结归纳发现,大数据的研究主要经历了以下3个关键时期. 展开更多
关键词 人工智能 大数据 存储管理 系统计算 聚类
在线阅读 下载PDF
大规模数据集聚类算法的研究进展 被引量:12
5
作者 何玉林 黄哲学 《深圳大学学报(理工版)》 EI CAS CSCD 北大核心 2019年第1期4-17,共14页
聚类是机器学习领域的一个重要研究方向,在过去几十年间,针对不同类型中小规模数据集聚类算法的研究取得了很大的进展,许多行之有效的算法先后问世.然而,这些算法在处理大规模数据集时,计算复杂度较高,处理高维数据的能力较弱,难以获得... 聚类是机器学习领域的一个重要研究方向,在过去几十年间,针对不同类型中小规模数据集聚类算法的研究取得了很大的进展,许多行之有效的算法先后问世.然而,这些算法在处理大规模数据集时,计算复杂度较高,处理高维数据的能力较弱,难以获得令人满意的效果.随着大数据时代的到来,数据的采集和存储变得相对容易和便捷,但数据量也与日俱增,因此,针对各种实际应用的聚类问题应运而生,使得专门针对大规模数据集的聚类算法研究成为当前机器学习领域的重要任务之一.本文以大规模数据集的可计算性为切入点,对目前串行和并行计算环境下专门用于处理大规模数据集的聚类算法进行综述和分析,重点评述了串行计算环境下基于样例选择、增量学习、特征子集和特征转换的聚类算法以及并行计算环境下基于MapReduce、Spark和Storm框架的聚类算法,给出了有关未来大规模数据集聚类算法设计思路与应用前景的思考和讨论,包括基于数据并行和训练过程自动化的聚类算法设计策略及关于社交网络大数据聚类算法的若干理解. 展开更多
关键词 人工智能 大规模数据 聚类 串行计算 并行计算 数据挖掘 综述
在线阅读 下载PDF
混合属性数据集分布一致性度量的新方法 被引量:3
6
作者 何玉林 金一 +2 位作者 戴德鑫 黄柏皓 黄家杰 《深圳大学学报(理工版)》 EI CAS CSCD 北大核心 2021年第2期170-179,共10页
数据分布一致性的度量是大数据随机样本划分生成过程中的一个关键问题,如何针对混合属性的数据集进行合理有效的分布一致性度量是目前随机样本划分技术研究的重点.提出一种新的基于深度编码和最大平均差异的混合属性数据集分布一致性度... 数据分布一致性的度量是大数据随机样本划分生成过程中的一个关键问题,如何针对混合属性的数据集进行合理有效的分布一致性度量是目前随机样本划分技术研究的重点.提出一种新的基于深度编码和最大平均差异的混合属性数据集分布一致性度量方法,不直接对两个不同的原始数据集进行分布一致性的度量,而是首先对混合属性中的离散属性进行独热编码,得到独热编码数据集;之后对独热编码数据集进行自编码处理,得到深度编码数据集;最后基于最大均值差异指标对两个不同的深度编码数据集进行分布一致性的度量.在Adult、Australian、CRX和German标准混合属性数据集上对所提方法进行性能实验验证,结果表明,与基于离散属性独热编码的最大平均差异方法和基于连续属性二进制化的相似性度量方法相比,新方法能够更加准确地对混合属性数据进行分布一致性的度量. 展开更多
关键词 人工智能 随机样本划分 分布一致性 最大均值差异 混合属性数据 独热编码 深度编码
在线阅读 下载PDF
面向复杂物流配送场景的车辆路径规划多任务辅助进化算法 被引量:8
7
作者 李坚强 蔡俊创 +2 位作者 孙涛 朱庆灵 林秋镇 《自动化学报》 EI CAS CSCD 北大核心 2024年第3期544-559,共16页
在现代社会中,复杂物流配送场景的车辆路径规划问题(Vehicle routing problem,VRP)一般带有时间窗约束且需要提供同时取送货的服务.这种复杂物流配送场景的车辆路径规划问题是NP-难问题.当其规模逐渐增大时,一般的数学规划方法难以求解... 在现代社会中,复杂物流配送场景的车辆路径规划问题(Vehicle routing problem,VRP)一般带有时间窗约束且需要提供同时取送货的服务.这种复杂物流配送场景的车辆路径规划问题是NP-难问题.当其规模逐渐增大时,一般的数学规划方法难以求解,通常使用启发式方法在限定时间内求得较优解.然而,传统的启发式方法从原大规模问题直接开始搜索,无法利用先前相关的优化知识,导致收敛速度较慢.因此,提出面向复杂物流配送场景的车辆路径规划多任务辅助进化算法(Multitask-based assisted evolutionary algorithm,MBEA),通过使用迁移优化方法加快算法收敛速度,其主要思想是通过构造多个简单且相似的子任务用于辅助优化原大规模问题.首先从原大规模问题中随机选择一部分客户订单用于构建多个不同的相似优化子任务,然后使用进化多任务(Evolutional multitasking,EMT)方法用于生成原大规模问题和优化子任务的候选解.由于优化子任务相对简单且与原大规模问题相似,其搜索得到的路径特征可以通过任务之间的知识迁移辅助优化原大规模问题,从而加快其求解速度.最后,提出的算法在京东物流公司快递取送货数据集上进行验证,其路径规划效果优于当前最新提出的路径规划算法. 展开更多
关键词 车辆路径规划问题 时间窗约束 同时取送货 进化算法 迁移优化
在线阅读 下载PDF
基于无放回抽样的帕尔森窗口集成方法 被引量:1
8
作者 何武超 王晓兰 +1 位作者 何玉林 熊睿杰 《深圳大学学报(理工版)》 EI CAS CSCD 北大核心 2018年第6期617-621,共5页
为解决大规模数据集的概率密度函数估计问题,提出一种基于无放回抽样的帕尔森窗口集成(sampling without replacement-based Parzen window ensemble,SR-PWE)方法,该方法在不需要利用全部数据的前提下,能够以较低的计算复杂度获得令人... 为解决大规模数据集的概率密度函数估计问题,提出一种基于无放回抽样的帕尔森窗口集成(sampling without replacement-based Parzen window ensemble,SR-PWE)方法,该方法在不需要利用全部数据的前提下,能够以较低的计算复杂度获得令人满意的概率密度函数估计表现.基于无放回抽样得到的若干原数据集的数据子集,利用帕尔森窗口法在数据子集上进行基概率密度函数估计,并将抽样上估计的基概率密度函数集成得到原始数据集的概率密度函数.通过在柯西分布和正态分布上对比帕尔森窗口法和SRPWE方法的概率密度函数估计表现,证实SR-PWE方法可行且有效. 展开更多
关键词 概率分布 概率密度函数估计 帕尔森窗口 核密度估计方法 窗口宽度 无放回抽样 集成方法 大规模数据集
在线阅读 下载PDF
一种改进的可适应变宽核密度估计器 被引量:2
9
作者 金会赏 何玉林 +2 位作者 常秀颖 王晓兰 蒋捷 《深圳大学学报(理工版)》 EI CAS CSCD 北大核心 2019年第6期709-717,共9页
可适应变宽核密度估计器(kernel density estimator with adaptive varying bandwidth,KDE-AVB)是一种基于单个数据点的概率密度估计方法,它以单个数据点为处理对象,利用置信区间交叉法则确定核密度估计器的最优窗口宽度.为加快可适应... 可适应变宽核密度估计器(kernel density estimator with adaptive varying bandwidth,KDE-AVB)是一种基于单个数据点的概率密度估计方法,它以单个数据点为处理对象,利用置信区间交叉法则确定核密度估计器的最优窗口宽度.为加快可适应变宽核密度估计器对最优窗口宽度的寻找,通过引入一种可变的标准差项因子去确定置信区间的上下边界,提出一种改进的可适应变宽核密度估计器(improved kernel density estimator with adaptive varying bandwidth,IKDE-AVB).可变标准差项因子的引入不仅加快了可适应变宽核密度估计器搜索最优窗口宽度的速度,且在一定程度上降低了“过平滑”概率密度估计现象发生的风险.对KDE-AVB和IKDE-AVB的仿真结果表明,IKDE-AVB不仅获得了更快的训练速度(最高降低64%),同时提升了概率密度的估计精度(估计误差最高降低63%). 展开更多
关键词 人工智能 概率密度 核密度估计 可适应变宽 最优窗口宽度
在线阅读 下载PDF
基于改进的倾向得分估计的无偏推荐模型 被引量:5
10
作者 骆锦潍 刘杜钢 +1 位作者 潘微科 明仲 《计算机应用》 CSCD 北大核心 2021年第12期3508-3514,共7页
现实中推荐系统通常遭受着各种各样的偏置问题,例如曝光偏置、位置偏置和选择偏置。一个忽略偏置问题的推荐模型不能反映推荐系统的真实性能,且对于用户而言可能是不可信任的。先前的工作已经表明基于倾向得分估计的推荐模型能够有效缓... 现实中推荐系统通常遭受着各种各样的偏置问题,例如曝光偏置、位置偏置和选择偏置。一个忽略偏置问题的推荐模型不能反映推荐系统的真实性能,且对于用户而言可能是不可信任的。先前的工作已经表明基于倾向得分估计的推荐模型能够有效缓解隐式反馈数据的曝光偏置,但是通常只考虑通过物品信息来估计倾向得分,这可能导致倾向得分估计不准确。为了提高倾向得分估计的准确性,提出配对倾向得分估计(MPE)方法。具体来说,该方法引入了用户流行度偏好的概念,通过计算用户流行度偏好和物品流行度的配对程度来对样本曝光率进行更加精确的建模,最后将提出的估计方法和一个主流的传统推荐模型以及一个无偏推荐模型进行集成并和包括前两者的三个基线模型进行对比。在公开数据集上的实验结果表明,结合MPE方法后的模型分别相比对应的基线模型在召回率、折损累计增益(DCG)和平均准确率(MAP)这三个评估指标上均有显著的提升;此外,通过实验结果还观察到性能的增益有很大一部分来自长尾物品,可见所提方法有助于提升推荐物品的多样性与覆盖率。 展开更多
关键词 推荐系统 隐式反馈 曝光偏置 倾向得分估计 矩阵分解 长尾物品 用户流行度偏好
在线阅读 下载PDF
一个新的上下文感知类案匹配与推荐方法 被引量:5
11
作者 许梓涛 黄炳森 +1 位作者 潘微科 明仲 《太原理工大学学报》 CAS 北大核心 2022年第1期80-88,共9页
根据现有的类案推荐方法得到的相似案件,其精确度通常很难满足法官的需求,辅助判案效果有限。为此,提出了一个基于上下文感知的类案匹配和推荐模型(CASCMR).模型为实现端到端高效率的文本匹配与推荐,使用多语义文档表达框架,并通过文本... 根据现有的类案推荐方法得到的相似案件,其精确度通常很难满足法官的需求,辅助判案效果有限。为此,提出了一个基于上下文感知的类案匹配和推荐模型(CASCMR).模型为实现端到端高效率的文本匹配与推荐,使用多语义文档表达框架,并通过文本向量预先计算与存储,减少匹配时间,进而提高效率。具体而言,为了更好地对法律长文本进行建模,CASCMR使用BERT对数据进行编码,利用其注意力机制捕获文本长距离依赖信息。同时,考虑法律文本从局部到全局的信息,利用双向LSTM和CNN分别获取文本的上下文信息和局部语义特征,提高法律文本的表征能力,从而提升模型的预测性能。将所提出的模型应用到中国法研杯2019相似案件匹配任务,实验结果显示,与目前最好的方法相比,匹配和推荐精度的提升效果较为明显。 展开更多
关键词 类案匹配 类案推荐 BERT 注意力机制 法律人工智能
在线阅读 下载PDF
基于分层伪标签的图像聚类方法 被引量:1
12
作者 蔡少填 陈小军 +1 位作者 陈龙腾 邱莉萍 《计算机科学》 CSCD 北大核心 2023年第6期225-235,共11页
图像聚类是图像处理中一个重要且开放的问题。最近,一些方法利用联合对比学习的良好表征能力来进行端到端聚类学习,利用伪标签技术来生成高质量的伪标签以提升聚类模型的鲁棒性。伪标签方法通常需要设置一个较大的概率阈值,并对满足要... 图像聚类是图像处理中一个重要且开放的问题。最近,一些方法利用联合对比学习的良好表征能力来进行端到端聚类学习,利用伪标签技术来生成高质量的伪标签以提升聚类模型的鲁棒性。伪标签方法通常需要设置一个较大的概率阈值,并对满足要求的样本生成one-hot的标签,同时利用生成的标签来更新模型。但是,这种简单的伪标签生成方法难以获得足够数量的高质量伪标签。为了解决以上问题,提出了一种基于分层伪标签的图像聚类方法,它旨在利用结构化信息与伪标签信息对分类模型进行训练和精炼。引入3个假设来指导聚类方法的设计,包括局部平滑假设、自训练假设及低密度分离假设。新方法包含两个阶段:1)基于流形的一致性学习,利用近邻一致性学习来初始化聚类模型;2)基于分层伪标签的模型精炼,基于第一阶段的结果生成伪标签,并利用其来提升聚类模型的鲁棒性。首先,将基于第一阶段的结果生成强伪标签数据集及弱伪标签数据集;然后,提出了基于标签传播及分层混合的伪标签提升技术来提升弱伪标签数据集的质量;最后,同时利用强伪标签数据集及弱伪标签数据集来提升分类模型的泛化能力。相较于最优结果,SPC算法在STL10和Cifar100-20基准数据集上,ACC平均结果分别提升了7.6%和5.0%。 展开更多
关键词 深度聚类 一致性学习 伪标签 标签传播 自训练学习
在线阅读 下载PDF
面向异构单类协同过滤的阶段式变分自编码器 被引量:1
13
作者 陈宪聪 潘微科 明仲 《计算机应用》 CSCD 北大核心 2021年第12期3499-3507,共9页
在推荐系统领域,大部分现有的工作主要关注仅有一种类型的用户反馈(如购买反馈)的单类协同过滤(OCCF)问题。然而,在现实的应用中,用户的反馈往往是异构的,因此如何对用户的异构反馈进行建模从而准确刻画用户的真实偏好成为了一个新的挑... 在推荐系统领域,大部分现有的工作主要关注仅有一种类型的用户反馈(如购买反馈)的单类协同过滤(OCCF)问题。然而,在现实的应用中,用户的反馈往往是异构的,因此如何对用户的异构反馈进行建模从而准确刻画用户的真实偏好成为了一个新的挑战。围绕异构单类协同过滤(HOCCF)问题(包含了用户的购买反馈和浏览反馈),提出了一个迁移学习解决方案——阶段式变分自编码器(SVAE)模型。首先,将用户的浏览反馈当作辅助数据,以多项式变分自编码器(Multi-VAE)为基础模型学习并生成隐特征向量;然后迁移该隐特征向量到另一路Multi-VAE,用于帮助该Multi-VAE对用户的目标数据(即购买反馈)进行建模。三个真实数据集上的实验结果显示,在多数情况下,SVAE模型在精确度(Precision@5)、归一化折损累计增益(NDCG@5)等重要指标上的表现显著优于其他流行的推荐算法,验证了所提模型的有效性。 展开更多
关键词 推荐系统 用户反馈 异构单类协同过滤 迁移学习 变分自编码器
在线阅读 下载PDF
基于夹角几何的I-niceMO增强算法
14
作者 何一帆 何玉林 +1 位作者 蔡湧达 黄哲学 《系统仿真学报》 CAS CSCD 北大核心 2023年第4期797-808,共12页
针对I-niceMO算法在候选聚类中心合并时中心数目难以确定和中心点识别不准确的问题,提出了基于夹角几何的I-niceMO增强(I-niceMOEn)算法。利用观测点与数据点之间的距离和角度分布情况找出数据中尽可能多的候选聚类中心,以避免多类别数... 针对I-niceMO算法在候选聚类中心合并时中心数目难以确定和中心点识别不准确的问题,提出了基于夹角几何的I-niceMO增强(I-niceMOEn)算法。利用观测点与数据点之间的距离和角度分布情况找出数据中尽可能多的候选聚类中心,以避免多类别数据聚类中出现的类别丢失的情况;利用谱聚类算法对候选聚类中心进行聚类,根据拉普拉斯矩阵特征值的大小自动地对候选聚类中心进行合并;根据合并后的聚类中心的数量确定最终的数据聚类类别数。I-niceMOEn算法实现了对数据类别数的自动确定,并且在聚类过程中不需要人为设置参数。实验结果表明:I-niceMOEn算法在收敛的同时能够获得优于传统自动聚类算法和I-niceMO算法的类中心确定表现。 展开更多
关键词 自动聚类 I-nice聚类 谱聚类 无监督学习 观测点机制
在线阅读 下载PDF
基于仿真样本生成的极速学习机泛化能力改进算法
15
作者 敖威 何玉林 +1 位作者 黄哲学 何玉鹏 《南京大学学报(自然科学版)》 CAS CSCD 北大核心 2018年第1期75-84,共10页
极速学习机出色的训练速度和泛化能力受到了广泛的关注,已有的针对于提升极速学习机泛化性能的学习算法主要集中于优化其框架结构,增加了模型的复杂度并容易产生过拟合.提出一种基于仿真样本生成策略的极速学习机泛化能力改进学习算法(E... 极速学习机出色的训练速度和泛化能力受到了广泛的关注,已有的针对于提升极速学习机泛化性能的学习算法主要集中于优化其框架结构,增加了模型的复杂度并容易产生过拟合.提出一种基于仿真样本生成策略的极速学习机泛化能力改进学习算法(Extreme Learning Machine Generalization Improvement through Synthetic Instance Generation,SIGELM),该算法不需要修改极速学习机的框架结构(包括输入层权重、隐含层偏置、隐含层节点个数、隐含层节点激活函数类型等),而是利用与训练集中高不确定性训练样本近似同分布的仿真样本优化极速学习机的输出层权重.为了获得符合要求的仿真样本,SIGELM在高不确定性训练样本的邻域内选择能够增加极速学习机训练表现的仿真样本.实验结果证实该算法显著地改进了极速学习机的泛化能力,同时有效地控制了极速学习机的过拟合. 展开更多
关键词 随机权网络 极速学习机 泛化能力 不确定性 仿真样本 邻域
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部