English  |  正體中文  |  简体中文  |  全文筆數/總筆數 : 47225/51091 (92%)
造訪人次 : 13977734      線上人數 : 271
RC Version 6.0 © Powered By DSPACE, MIT. Enhanced by NTU Library IR team.
搜尋範圍 查詢小技巧：
  • 您可在西文檢索詞彙前後加上"雙引號"，以獲取較精準的檢索結果
  • 若欲以作者姓名搜尋，建議至進階搜尋限定作者欄位，可獲得較完整資料
    •  進階搜尋
    主頁 ‧ 登入 ‧ 上傳 ‧ 說明 ‧ 關於CCUR ‧ 管理 到手機版


    請使用永久網址來引用或連結此文件: https://irlib.pccu.edu.tw/handle/987654321/3442


    題名: Theory of Neural Learning for Probability Estimation
    其他題名: 類神經網路式學習槪率估算之理論探討
    作者: 曾敏烈
    貢獻者: 機械系
    日期: 1995-07
    上傳時間: 2010-06-08 11:24:44 (UTC+8)
    摘要: 神經網路很常被利用的一個特性是能由數據和經驗中學習，這個特性正好可以輔助大部分專家系統的不足。本文著重在概率式神經網路之理論探討，也就是神經網路如何由一組訓練數據中學得概率分佈。三種具有快速學習特性的概率式神經網路是本文探討的對象，文中對各個綱路的架構和基本原則加以詳細描述和解釋，並對他們的應用性和限制做嚴謹的分析和比較。相信可以對如何有效去應用概率式神經網路提供良好的參考。
    關聯: 華岡工程學報 9期 P.185-204
    顯示於類別:[工學院] 學報-華岡工程學報

    文件中的檔案:

    檔案 描述 大小格式瀏覽次數
    index.html0KbText956檢視/開啟


    在CCUR中所有的資料項目都受到原著作權保護.

    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library IR team Copyright ©  2006-2025  - 回饋