Incremental learning; KL transform; Probabilistic neural networks; Sample selection;
机译:基于INI算法,AW方法和邻域PCA的NNP-BPNN污染物浓度预测模型。
机译:基于INI算法,AW方法和邻近PCA的NNP-BPNN污染物浓度预测模型
机译:使用矢量量化快速实现基于KLT的语音增强
机译:基于中心邻居和KLT的PNN快速优化
机译:快速优化大型服务中心中的可伸缩应用程序部署
机译:基于参数优化的大气连续变量量子密钥分布的BPNN
机译:基于InexAct Newton的升降隐式积分器,用于快速非线性MPC **这项研究得到了研究委员会Kul的支持:PFV / 10/002在工程中心Optec中的优化;欧洲之星聪明;比利时联邦科学政策办公室:Iuap P7(Dysco,动态系统,控制和优化,2012-2017);欧盟:FP7-Tempo(MCITN-607957),ERC Highwind(259166),H2020-ITN AVESCO(642682)。 R. Quirynen举行了研究基金会的博士学位 - 法兰德斯(FWO)。
机译:基于抗体的诊断:快速生产。 CRaDa pNNL / 176与新视野诊断(NHD)的最终报告