1) on-line learning algorithm
在线学习算法
1.
Through adding oblivious factors to cost function, an on-line learning algorithm of FIR neural network is proposed.
通过在指标函数中增加遗忘因子,提出一种FIR神经网络的在线学习算法。
2.
Gradient vectors calculation is a chief bottleneck for an on-line learning algorithm of dynamic neural networks for its complex chain rule expansions.
复杂的链式规则求导计算是动态神经网络在线学习算法中梯度向量计算的主要瓶颈,针对这一问题,根据P。
2) online learning
在线学习
1.
Application of Web Mining in Officials Personalized Online Learning System;
Web挖掘在公务员个性化在线学习系统中的应用
2.
Research on the Design of Adult Online Learning Support System;
成人在线学习支持系统的设计研究
3.
Online learning system design and implementation
在线学习系统的设计与实现
3) on-line learning
在线学习
1.
Model Reference Adaptive Controller of On-line Learning RBF Neural Networks;
在线学习RBF神经网络的模型参考自适应控制器
2.
Analysis and Countermeasures of Obstruction in On-line Learning to Minority Nationality of University Student;
少数民族大学生在线学习障碍剖析及对策
3.
A Lobe Component Analysis Based On-line Learning Algorithm and Its Application in Face Recognition;
一种基于叶分量分析的在线学习算法及其在人脸识别中的应用
5) online study
在线学习
1.
Application of C4.5 algorithm in online study behavior assessment system;
C4.5算法在在线学习行为评估系统中的应用
6) e-Learning
在线学习
1.
A Research on E-Learning Process Model Based on Message-Oriented Middleware and Application;
基于消息中间件的在线学习模型研究与应用
2.
Study of the Index System for Assessing Asynchronous Social Interaction Quality in E-learning;
在线学习中异步社会性交互质量评价指标体系研究
3.
Therefore, in order to avoid the blindness of e-learning programs, we must pay attention to the following seven questions in the process of implementing e-learning.
在线学习是企业培训发展的新趋势,它具有及时、快捷、方便和节约成本的优点,但是也存在一定的局限性。
补充资料：逆推学习算法
分子式：
CAS号：
性质：又称逆推学习算法，简称BP算法，是1986年鲁梅哈特(D. E. Rumelhart)和麦克莱朗德(J. L. McClelland)提出来的。用样本数据训练人工神经网络(一种模仿人脑的信息处理系统)，它自动地将实际输出值和期望值进行比较，得到误差信号，再根据误差信号从后(输出层)向前(输入层)逐层反传，调节各神经层神经元之间的连接权重，直至误差减至满足要求为止。反向传播算法的主要特征是中间层能对输出层反传过来的误差进行学习。这种算法不能保证训练期间实现全局误差最小，但可以实现局部误差最小。BP算法在图像处理、语音处理、优化等领域得到应用。
CAS号：
性质：又称逆推学习算法，简称BP算法，是1986年鲁梅哈特(D. E. Rumelhart)和麦克莱朗德(J. L. McClelland)提出来的。用样本数据训练人工神经网络(一种模仿人脑的信息处理系统)，它自动地将实际输出值和期望值进行比较，得到误差信号，再根据误差信号从后(输出层)向前(输入层)逐层反传，调节各神经层神经元之间的连接权重，直至误差减至满足要求为止。反向传播算法的主要特征是中间层能对输出层反传过来的误差进行学习。这种算法不能保证训练期间实现全局误差最小，但可以实现局部误差最小。BP算法在图像处理、语音处理、优化等领域得到应用。
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