首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   2篇
  免费   0篇
  国内免费   2篇
自动化技术   4篇
  2020年   1篇
  2016年   1篇
  2003年   1篇
  1999年   1篇
排序方式: 共有4条查询结果,搜索用时 0 毫秒
1
1.
给定一组观察数据,估计其潜在的概率密度函数是统计学中的一项基本任务,被称为密度估计问题.随着数据收集技术的发展,出现了大量的实时流式数据,其特点是数据量大,数据产生速度快,并且数据的潜在分布也可能随着时间而发生变化,对这类数据分布的估计也成为亟待解决的问题.然而,在传统的密度估计算法中,参数式算法因为有较强的模型假设导致其表达能力有限,非参数式算法虽然具有更好的表达能力,但其计算复杂度通常很高.因此,它们都无法很好地应用于这种流式数据的场景.通过分析基于竞争学习的学习过程,提出了一种在线密度估计算法来完成流式数据上的密度估计任务,并且分析了其与高斯混合模型之间的密切联系.最后,将所提算法与现有的密度估计算法进行对比实验.实验结果表明,与现有的在线密度估计算法相比,所提算法能够取得更好的估计结果,并且能够基本上达到当前最好的离线密度估计算法的估计性能.  相似文献   
2.
解大型稀疏线性方程组的一种有效并行ICCG法   总被引:6,自引:0,他引:6  
该文分析了不完全Cholesky分解预处理共轭梯度(ICCG)法各部分的计算量,给出了占ICCG法主要计算时间的解预处理方程的并行算法,它既有比目前迭代算法快的收敛速度,又有较好的并行度。  相似文献   
3.
1.引 言 解大型线性方程组仍是当今数值计算中的一个重要问题[1—8],GMRES(m)算法是解大型非对称线性方程组的常用方法[1],其中A∈Rn×n为大型稀疏非奇异矩阵,x,b∈Rn.然而,当A为非正实阵时,GMRES(m)解问题(1.1)可能会停滞.为此我们在第二节将先给出GMRES(m)停  相似文献   
4.
自组织增量学习神经网络综述   总被引:1,自引:1,他引:0  
邱天宇  申富饶  赵金熙 《软件学报》2016,27(9):2230-2247
自组织增量学习神经网络SOINN(self-organizing incremental neural network)是一种基于竞争学习的两层神经网络,用于在没有先验知识的情况下对动态输入数据进行在线聚类和拓扑表示,同时,对噪音数据具有较强的鲁棒性.SOINN的增量性,使得它能够发现数据流中出现的新模式并进行学习,同时不影响之前学习的结果.因此,SOINN能够作为一种通用的学习算法应用于各类非监督学习问题中.对SOINN的模型和算法进行相应的调整,可以使其适用于监督学习、联想记忆、基于模式的推理、流形学习等多种学习场景中.SOINN已经在许多领域得到了应用,包括机器人智能、计算机视觉、专家系统、异常检测等.  相似文献   
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号