学习精度相关论文
为解决不同光谱仪器之间光谱系统性差异问题,提出了一种基于集成式极限学习机自编码器的模型转移新方法(Calibration Transfer......
针对Robocup仿真组比赛中智能体的配合与动作选取,将模糊小脑神经网络(FCMAC)与传统的Q-学习相结合,提出了模糊CMAC Q-学习的方法.......
模型参数的选择是影响支持向量回归模型拟合精度和泛化能力的关键因素.为此,采用一种适合于求解多目标优化问题的方法--精英保留的......
本文针对康复机器人建立了五自由度上肢康复机器人的BP神经网络控制模型.在此模型基础上,通过对人体肌电信号的训练学习,修正......
超闭球CMAC(HCMAC)比传统的CMAC具有快速的学习特性.引入了权系统学习率的概念，通过大量的仿真，研究了HCMAC神经网络参数与其学习性......
BP网络是最具有代表性的人工神经网络之一，具有强大的数据处理能力和非线性映射能力。利用BP网络进行油漆配色，可以避免以KM理论、三......
影响人体热舒适性的主要因素是温度和湿度,人体热舒适性又容易受人体个体差异的影响。利用HCMAC神经网络模型具有的结构简单、学习......
如何选择合适网络参数是传统 CMAC(Cerebellar Model Articulation Controller)应用中的一个难题 .采用泛化均方差 (GMSE)和学习均......
为提高BP网络模型的泛化能力和学习精度，从神经网络的结构、参数设计，以及基本训练算法的选定等方面进行研究，给出了程序设计过程,提......
基于支持向量机的增量学习作为一种数据挖掘与知识发现技术,已在目标识别,网页分类等诸多领域得到应用。在概述其机理的基础上,从......
目前决策树中很多分类算法例如ID3/C4.5/C5.0等都依赖于离散的属性值,并且希望将它们的值域划分到一个有限区间。利用统计学法则,......
如何选择合适网络参数是传统ＣＭＡＣ（Ｃｅｒｅｂｅｌｌｏａｒ Ｍｏｄｅｌ Ａｒｔｉｃｕｌａｔｉｏｎ Ｃｏｎｔｒｏｌｌｅｒ）应用中的一个难题，采用泛化均方差（ＧＭＳＥ）和学习均方差（ＬＭＳＥ）来分别评价赵闭球ＣＭＡＣ的泛化能力与记忆精度，并引入权调......
