说明:双击或选中下面任意单词,将显示该词的音标、读音、翻译等;选中中文或多个词,将显示翻译。
您的位置:首页 -> 词典 -> 贝叶斯信念神经网络法
1)  BCPNN method
贝叶斯信念神经网络法
2)  Bayesian belief network
贝叶斯信念网络
1.
A learning algorithm of compressed candidates based on Bayesia belief network is developed to solve slow running problem of traditional Bayesian belief network constructing algorithm.
针对传统算法分类速度较慢的不足,改进传统算法中候选变量的搜索方式,提出用依赖度量函数测量变量之间的依赖程度,得出压缩候选的贝叶斯信念网络构造算法。
2.
The function of Bayesian belief network and Mathematical Statistics method is analysed in the field of data mining, then a kind of Bayesian belief network and model of data mine is provided for Mathematical Statistics.
分析了贝叶斯信念网络和数理统计方法在数据挖掘中的作用,提出了一种贝叶斯信念网络和基于数理统计的数据挖掘模型,并用实例证明该数据挖掘模型有效性。
3.
A learning algorithm of compressed candidates based on Bayesia belief network is developed to solve slow running problem of traditional Bayesian belief network constructing algorithm.
针对传统算法分类速度较慢的不足,改进传统算法中候选变量的搜索方式,提出用依赖度量函数测量变量之间的依赖程度,得出压缩候选的贝叶斯信念网络构造算法。
3)  Bayesian neural networks
贝叶斯神经网络
1.
A novel model based on Bayesian neural networks for prediction of protein secondary structure is provided and a comparison of the performance of Bayesian neural networks(BNN) with traditional BP neural networks(BPNN) is made.
提出了一种新的基于贝叶斯神经网络(BNN)的蛋白质二级结构预测方法。
4)  Bayesian-Gaussian neural network
贝叶斯-高斯神经网络
1.
In order to make full use of the data obtained from the dynamic response process of the nonlinear dynamic system,a novel Bayesian-Gaussian neural network based on sliding-window(SW--BGNN)is proposed which combines the Bayesian reasoning formula with the Gaussian assumption.
为了充分利用非线性动态系统响应过程中的数据,本文提出了一种基于滑动数据窗口(sliding data window)的贝叶斯-高斯神经网络(SW-BGNN)模型。
5)  bayesian belief network classification
贝叶斯信念网络分类
6)  Bayesian regularized neural network
贝叶斯规整化神经网络
1.
Bayesian regularized neural network prediction model for molecular blood-brain barrier partitioning;
贝叶斯规整化神经网络模型预测化合物分子的血脑屏障通透性
补充资料:信念
      人们对待某人、某事或某种思想的态度倾向。它对客观现实的反映可能是正确的,也可能是错误的。
  
  信念这一概念最早起源于古希腊。在柏拉图和亚里士多德的著作中都使用它,用来表达一种低于知识的层次,被看作是不属于知识范畴的一些低劣事实的表达。自从柏拉图在《理想国》一书中提出信念这一概念之后,它在现代哲学史上一再被提出,并由G.W.F.黑格尔和他的继承者们加以丰富。到了当代,不仅哲学家而且心理学家也开始对这一概念进行研究。
  
  当代信念研究有一种被称之为原子论的理论。这种理论假定信念具有中心性和边缘性,认为越处于中心位置的信念越不易被改变;一旦这种中心位置上的信念发生改变,对其他的信念系统都会发生影响。这一假说是受原子物理学中原子聚散学说的启示而建立的。由于这一假设使信念研究更可以从实证的角度作出推断,受到心理学家的推崇。由于信念具有中心和边缘之分,从而导致在一个人的观念中会把某些信念置于更重要的位置上。这种信念强度上的差异使社会心理学家注意到了不同信念强度对态度的影响差异。注重这方面研究的主要代表人物如D.卡茨、D.克列奇和R.克拉奇菲尔德,以及A.佩皮通等。
  
  按照原子论理论,既然信念存在中心与边缘之分以及强弱差异。那么如何考察不同个体的中心与边缘信念及信念强度的问题又引起另外一批心理学家投入对信念测量方法的研究。典型的如M.J.罗森伯格(1960)等级评定法,M.罗基奇和G.罗斯曼(1965)的排列法和配对比较法。
  
  社会心理学家对信念的另外一方面的研究是关于团体如何对个人已有信念的改造和在团体中新的信念的形成。这方面研究的最主要代表人物是M.谢里夫及他的同事(1965)。他们对"自我卷入"与信念改造方面做了一系列的实验性研究,认为个人信念受团体影响而被卷入的程度受到团体成员对待问题的一致性倾向的影响。
  
  M.罗基奇在他的《信念、态度和价值》一书中概括出在整个信念系统中的 5种典型信念。它们沿着中心向边缘展开,成为概述原子论研究的基本线索。这5种典型信念是:完全与社会相一致的原始信念、完全与社会不一致的原始信念、权威信念、派生的信念和无关的信念。罗基奇把当代信念研究的趋势概括为:更多地关心信念系统的结构构成,以及如何调节个体的信念向正确方向发展和使之更好地去顺应社会。
  
  

参考书目
   M.Rokeach, Beliefs, Attitudes, and V alues,A Theory of Organization and Change,Josey-Bass, San Francisco,1968.
  

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