期刊专题

10.3969/j.issn.1002-137X.2004.z2.074

模糊邻域风险最小化算法

引用
@@ 1引言 由Vapnik等[1]提出的支持向量机(SupportVector Machines,简记为SVM)是一种基于统计学习和结构风险最小化原理的新型学习机器.SVM作为一种新型神经网络,将待解决的问题转化为一个二次规划问题,从而克服了传统神经网络的隐层节点选择难和可能陷入的局部极小化问题.目前,SVM已被广泛地应用于模式识别[2]、回归估计[3]和各类金融时间序列预测问题[4]中.

模糊、邻域风险、神经网络、金融时间序列、二次规划问题、支持向量机、极小化问题、预测问题、学习机器、统计学习、模式识别、节点选择、回归估计、风险最小、转化、原理、应用、局部、结构

31

TP3(计算技术、计算机技术)

云南省自然科学基金2003E0086M;云南省教育厅,云南省环境科学与工程创新人才联合培养基地项目02ZY011;云南大学校科研和教改项目2002Q019SL

2005-12-08(万方平台首次上网日期,不代表论文的发表时间)

共4页

200-202,205

暂无封面信息
查看本期封面目录

计算机科学

1002-137X

50-1075/TP

31

2004,31(z2)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn