Institute of Mathematics and Informatics Akademijos 4, Vilnius 2600, Lithuania;
机译:基于改进支持向量法的多层感知器分类器训练
机译:训练多层感知器的自然梯度下降方法中的复杂性问题
机译:多层感知器训练过程中的突触重量噪声:容错和训练改进
机译:分类器的复杂性控制,同时培训多层erceptrons
机译:提高多层前馈感知器网络的在线培训能力,以进行过程控制和优化。
机译:放射学特征和多层感知器网络分类器:用于区分胶质母细胞瘤和原发性中枢神经系统淋巴瘤的强大MRI分类策略
机译:一种在多层erceptron上对不同可能的状态进行分类ECG信号的方法