已閱讀1頁，還剩31頁未讀， 繼續(xù)免費閱讀
版權說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權，請進行舉報或認領
文檔簡介
1、結(jié)構(gòu)學習是圖模型研究中的重要問題之一。傳統(tǒng)的圖模型結(jié)構(gòu)學習方法主要有基于限制的方法和基于得分的方法兩種。伴隨著科學技術的不斷發(fā)展，在基因組學、信號處理、文本挖掘等學科和領域中都產(chǎn)生了高維數(shù)據(jù)集。傳統(tǒng)的結(jié)構(gòu)學習方法因計算量過大，而不適于學習高維數(shù)據(jù)集背后潛在的圖模型結(jié)構(gòu)。最近，有學者提出一類能夠有效學習高維伊辛模型結(jié)構(gòu)的方法——基于鄰集的方法。這類方法具有良好的統(tǒng)計性質(zhì)，但是面臨著計算上的困難:該方法涉及到優(yōu)化一個非光滑凸函數(shù)的問題，而非
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 同調(diào)結(jié)構(gòu)學習算法及其應用研究.pdf
- 貝葉斯網(wǎng)絡結(jié)構(gòu)學習及其應用研究.pdf
- 自然最近鄰居在高維數(shù)據(jù)結(jié)構(gòu)學習中的應用.pdf
- 高斯圖模型的結(jié)構(gòu)學習及應用.pdf
- 非監(jiān)督的結(jié)構(gòu)學習及其應用.pdf
- 鏈圖模型的結(jié)構(gòu)學習研究.pdf
- 貝葉斯網(wǎng)絡結(jié)構(gòu)學習與應用研究.pdf
- 受激伊辛模型量子特性研究.pdf
- 高維優(yōu)化進化算法及其應用研究.pdf
- 受激伊辛模型量子特性研究
- 貝葉斯網(wǎng)絡局部因果結(jié)構(gòu)學習方法研究及其應用.pdf
- 量子粒子群算法及其在貝葉斯網(wǎng)絡結(jié)構(gòu)學習的應用研究.pdf
- 伊辛模型的平均場理論
- 流形學習降維及其應用研究.pdf
- 高維數(shù)據(jù)查詢技術及其應用研究.pdf
- 流形學習降維及其應用研究
- 模具結(jié)構(gòu)學習
- 李群深層結(jié)構(gòu)學習算法研究.pdf
- 31634.一維受激伊辛模型中的量子關聯(lián)特性
- 樹型混合學習模型及其應用研究.pdf
評論
0/150
提交評論