文档详情

一种基于主动降维的高维贝叶斯优化方法.pdf

发布：2023-06-04约1.38万字共13页下载文档

文本预览下载声明

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112836825 A (43)申请公布日 2021.05.25 (21)申请号 202011448710.2 (22)申请日 2020.12.09 (71)申请人天津大学地址 30

显示全部

相似文档

一种基于贝叶斯优化的数据检索方法及装置.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114880360 A (43)申请公布日 2022.08.09 (21)申请号 202210788585.2 (22)申请日 2022.07.06 (71)申请人杭州费尔斯通科技有限公司地址 3
2023-05-15 约1.04万字 10页立即下载
一种基于贝叶斯优化算法的供热系统优化方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112818589 A (43)申请公布日 2021.05.18 (21)申请号 202110038978.7 G06Q 10/04 (2012.01)
2023-06-02 约1.21万字 10页立即下载
一种基于贝叶斯优化的光谱响应函数定标方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号CN117723153A (43)申请公布日2024.03.19 (21)申请号202311736285.0 (22)申请日2023.12.18 (71)申请人中国科学院合肥物质科学研究院地址
2024-03-16 约9.54千字 10页立即下载
一种粒子群优化贝叶斯网络的财务预警方法.pdf Computer Science and Application 计算机科学与应用, 2016, 6(3), 195-201 Published Online March 2016 in Hans. /journal/csa /10.12677/csa.2016.63025 Particle Swarm Optimized Bayesian Network for Financial Early Warning Mingjuan Xu, Shaoshuang Xu School of Information Engineer
2017-06-13 约1.61万字 7页立即下载
高维数据降维方法.pdf 第 5 卷第 8 期 2009 年 8 月高维数据降维方法 张道强陈松灿关键词：高维数据降维南京航空航天大学引言
2018-10-11 约2.61万字 8页立即下载
一种基于贝叶斯网络的交通健康诊断方法.pdf (19)国家知识产权局 (12)发明专利 (10)授权公告号 CN 113409574 B (45)授权公告日 2022.08.02 (21)申请号 202110679534.1 G06N 7/00 (2006.01) (22)申请日 2021.06.
2023-06-21 约1.62万字 11页立即下载
一种基于贝叶斯决策网络的网络态势感知方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114465758 A (43)申请公布日 2022.05.10 (21)申请号 202111568625.4 (22)申请日 2021.12.14 (71)申请人哈尔滨理工大学地址 150080
2023-05-07 约9.49千字 11页立即下载
一种基于贝叶斯深度学习的图像分析方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114463268 A (43)申请公布日 2022.05.10 (21)申请号 202111644346.1 G06V 10/82 (2022.01)
2023-05-06 约1.25万字 13页立即下载
一种基于贝叶斯网络的健康大数据抽验系统及方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112818373 A (43)申请公布日 2021.05.18 (21)申请号 202110213684.3 (22)申请日 2021.02.23 (71)申请人合肥工业大学地址
2023-06-04 约2.14万字 16页立即下载
一种基于复块贝叶斯算法的雷达成像方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114545392 A (43)申请公布日 2022.05.27 (21)申请号 202210027399.7 (22)申请日 2022.01.11 (71)申请人桂林电子科技大学地址 54100
2023-05-07 约1.09万字 13页立即下载
基于无监督学习的高维数据非线性降维方法研究.docx 基于无监督学习的高维数据非线性降维方法研究一、引言随着信息技术的飞速发展，高维数据在各个领域中日益普遍。然而，高维数据不仅增加了数据处理和分析的复杂性，还可能引发“维数灾难”问题。因此，对高维数据进行有效的降维处理成为了许多领域的研究重点。近年来，无监督学习在高维数据降维领域得到了广泛的应用。本文将重点研究基于无监督学习的高维数据非线性降维方法。二、高维数据降维的重要性高维数据降维是数据预处理的重要环节，其重要性体现在以下几个方面： 1.降低计算复杂度：降维可以减少计算量和存储空间，提高数据处理效率。 2.去除噪声和冗余：降维过程中可以对数据进行筛选和过滤，去除噪声和冗余信息。 3.揭
2025-05-29 约4.85千字 10页立即下载
贝叶斯优化方法和应用综述.docx 软件学报 ISSN 1000-9825, CODEN RUXUEW E-mail: jos@ Journal of Software ,2018,29(10):3068 3090 [doi: 10.13328/ki.jos.005607] ? 中国科学院软件研究所版权所有 . Tel: +86-10贝叶斯优化方法和应用综述 1,2 1,2 崔佳旭, 杨博 1( 符号计算与知识工程教育部重点实验室 (吉林大学 ), 吉林长春 130012) 2( 吉林大学计算机科学与技术学院 ,吉林长春 130012) 通讯作者 : 杨博 , E-mail: ybo@ 摘要
2020-12-14 约5.07万字 23页立即下载
基于过采样结构的贝叶斯辨识方法.pptx 基于过采样结构的贝叶斯辨识方法汇报人：2024-01-06 contents目录引言基于过采样结构的贝叶斯辨识方法基本原理基于过采样结构的贝叶斯辨识方法实现过程基于过采样结构的贝叶斯辨识方法应用案例 contents目录基于过采样结构的贝叶斯辨识方法性能评估基于过采样结构的贝叶斯辨识方法未来研究方向引言01 研究背景与意义010203随着科技的不断发展，数据量呈爆炸式增长，数据的不平衡问题也日益突出。不平衡数据分类是机器学习领域的一个重要研究方向，而基于过采样结构的贝叶斯辨识方法则是解决这一问题的有效手段之一。在不平衡数据分类问题中，少数类样本往往具有更大的分类难度，因此需要采用有效的策略来
2024-07-07 约2.72千字 28页立即下载
基于MCMC方法的贝叶斯统计推断.pdf 基础及前沿研究 SCIENCEANDTEC帆OGYINFORMATION CHINA 中国科技信息2012年第10期 M_y．2012 and Fundamentalfrontierresearch DOI：10．3969／j．issn．1001—8972．2012．10
2017-05-12 约1.17万字 3页立即下载
基于云计算和动态贝叶斯博弈的WSN恶意程序传播优化抑制方法.docx PAGE 1- 基于云计算和动态贝叶斯博弈的WSN恶意程序传播优化抑制方法第一章引言随着物联网（IoT）的快速发展，无线传感器网络（WSN）作为一种重要的网络技术，在智能城市、环境监测、医疗健康等领域得到了广泛应用。然而，WSN自身的脆弱性和开放性使其成为恶意程序传播的理想目标。近年来，基于云计算的WSN恶意程序传播问题日益严重，严重威胁着网络的安全与稳定。为了应对这一挑战，研究者们从多个角度出发，尝试提出有效的抑制方法。在云计算环境下，恶意程序传播具有传播速度快、隐蔽性强、难以检测等特点，给网络安全带来了极大的威胁。传统的网络安全策略往往针对单一的网络环境，难以应对云计算环境下WSN恶
2025-01-18 约3.59千字 7页立即下载