过学习

摘要： The structure risk minimization principle was introduced to extreme learning machine( ELM)model. Based on this,regularized extreme learning machine model of dam deformation prediction under considering de-formation factors mode was built. Not only calculation speed of the model is very fast,but also generalization a-bility is very strong. By analyzing the results of an engineering example in detail,the results show that regular-ized ELM model can avoid the possibility of original ELM model which over learning phenomenon happened. Mo-reover,prediction precision of regularized ELM model is superior to ELM model,support vector machine model and BP neural network model. So,regularized ELM model is effectively applied to the field of dam deformation analysis and prediction.%本文将结构风险最小化原则引入极限学习机模型,建立了在考虑变形因子模式下大坝变形预报的正则化极限学习机模型.该模型不仅计算速度较快,而且具有较强的泛化能力.通过对实际工程监测数据的详细分析,结果表明正则化极限学习机模型可以避免原极限学习机模型会导致过学习现象发生的可能,且其预报精度要优于原极限学习机模型、支持向量机模型与BP神经网络模型.显示了将其应用于大坝变形数据分析与预报领域是完全行之有效的.

摘要： 在音乐信息检索领域,作曲家分类是一个十分重要的问题,这一问题的目标是通过音频数据来识别相应的作曲家信息.传统的分类算法都是通过提取复杂的特征来进行分类的,而深层神经网络在特征学习上具有比较强的能力,因此提出用深层神经网络来解决这一问题.为了结合不同深层神经网络模型的优点,设计了一种混合模型,该模型基于深度置信网络(deep belief network,DBN)和级联去噪自编码器(stacked denoising autoencoder,SDA),可以较好地解决作曲家分类问题.实验表明,该模型取得了76.26％的正确率,这一结果比单纯用某一种模型搭建的深层神经网络以及支持向量机要好.和图像数据类似,人脑在提取音乐特征也是分层的,每一层对信号的处理不一样,因此混合模型在解决作曲家分类问题上具有一定的优势.

摘要： 正马克思主义中国化的思想逻辑《人民论坛》刊文指出,马克思主义中国化作为一个内涵丰富的思想运动过程,呈现出相对独立的思想逻辑。首先,吸收与内化是马克思主义中国化的理论起点。所谓吸收,就是理论主体通过学习,掌握马克思主义基本原理和理论精髓、中国传统文化的优秀内容、人类文明发展积累的优秀成果,经过历史检验

摘要： 正近日,利川市人民法院开庭审理了一起机动车交通事故责任纠纷案件,与以往庭审不同的是,50名市人大代表参加了旁听庭审活动。此次旁听的人大代表大多数是各村的治保民调小组成员,在基层从事过群众间的矛盾纠纷调解工作。由市人大常委会和法院多次协商选取的旁听庭审案件,属于基层比较典型的交通事故责任纠纷案例,旨在让基层人大代表更全面地了解司法部门的工作和法庭审判程序,通过学习,将其运用到今后的调解工作中。开庭前,市人大常委会首先组织代表进行了提升履

摘要： 如今,众多的培训课程为经销商提供了学习管理经验的平台,然而真正做到学以致用的其实并不多,有许多经销商前面学,后面丢,然后再学再丢。学以致用到底有多难,如何才能真正实现?经销商在接受培训前必须明确,自己要得到什么,要解决哪些问题,在培训过程中主动找机会把问题提出来。这个世界上最远的距离是什么 ?是知与行的距离。人们通过学习,了解并掌握许多事物的理论原因及相关的操作方法,但是,学进去和用出来是两回事,很多人并未做到实际运用,这就失去了学习的意义,"学以致用"

摘要： 正同学们:下午好。在这个庄严美好的时刻,能够代表导师们作一个发言,感到荣幸,感谢大家给我这个机会。你们完成学业,真是令人欣喜的事情,我为你们高兴,更是羡慕你们。我没有受过正统的高等教育,是我终生遗憾,也因此对学府生活心向往之,可说是个教育信仰者。请不要把我当做一个在大学门外完成教养的范例,事实上,倘若我能在学府中度过学习的日子,我会比现在做得更好。以我这样一个对教育没什么经验的人来看教育,一方面是觉得深不可测;但另一方面,似乎又很简单,有时候,我会庆幸自己是一个具有阅读能力的人,

摘要： 兵团党委六届十次全委(扩大)会议召开以后,兵团各级掀起了一股学习贯彻会议精神的热潮。干部职工认真学习,相互交流,深刻领会会议精神,理清了今年的工作思路。本刊集纳了部分团场、企业及部门的干部职工的学习心得和体会,以飨读者。

摘要： 核心提示:兵团党委六届十次全委(扩大)会议指出,做好今年的维稳戍边工作,意义极为重大、极为特殊、极为深远,责任十分重大,任务十分艰巨。授课对象:入党积极分子、党员和干部。授课目的:兵团各级党组织要全面领会、准确把握兵团党委六届十次全委(扩大)会议精神。通过学习,要让入党积极分

摘要： 我最怕一句叫做"度日如年"的成语。怀小孩的时候,我着手写一部悬疑推理小说,写了六七万字,后来,再也写不下去了,那些字就躺在我的计算机里,像被封藏的木乃伊。写不下去,大概与我的脑袋和能力不够有关系,总之,是想尽

摘要： 我现在已经60岁了,为什么还来哈佛学习?很重要的原因是,通过学习我能更好地顺应市场的新变化。——万科董事长王石我每天提醒自己不要翘尾巴,因为没有一个地方是没你不行的。——闾丘露薇谈自己成名后依然坚持做事一如既往

摘要： 由于网上信息的迅速增长,文本分类已经成为网上信息管理中的热点研究课题.现今流行方法的重要基础是传统的统计学,前提是要有足够的样本,当样本数目有限时容易出现过学习的问题,导致分类效果不理想.本文首先从理论上分析了这种出现过学习的原因,然后介绍了出现过学习现象的条件和解决办法,最后介绍了一种研究小样本情况下机器学习规律、可以较好地克服过学习问题的分类方法--支持向量机方法.

摘要： 取得部取得从控制对象观测到的、表示解释变量与目标变量的组合的多个观测数据。教师用学习部基于由取得部取得的多个观测数据，对用于根据解释变量输出目标变量的模型执行学习，生成学习完毕的教师用模型。学习用数据生成部通过对由教师用学习部生成的教师用模型输入规定的解释变量，取得针对规定的解释变量的规定的目标变量，生成规定的解释变量和规定的目标变量的组合作为用于对决策树模型执行学习的学习用数据。

摘要： 本发明的基板处理装置(100)具备基板保持部(120)、药液供给部(130)、基板信息取得部(22a)、药液处理条件信息取得部(22b)、及控制部(22)。基板信息取得部(22a)取得包含硬化层厚度信息或离子注入条件信息的基板信息，该硬化层厚度信息表示处理对象基板的抗蚀层中的硬化层的厚度，该离子注入条件信息表示在抗蚀层形成硬化层的离子注入的条件。药液处理条件信息取得部(22b)基于基板信息，自学习完成模型取得表示关于处理对象基板的药液处理条件的药液处理条件信息。控制部(22)根据药液处理条件信息来控制基板保持部(120)及药液供给部(130)，以利用药液对处理对象基板进行处理。

摘要： 学习装置(100、100a、100b)具有：学习用数据取得部(109)，其取得多个学习用数据，1个学习用数据是基于包含时间序列的观察值的1个或多个时间序列数据中的1个时间序列数据的第1信息、基于包含彼此不同的至少2个预测期间的多个预测期间中的1个预测期间的第2信息、以及基于经过预测期间后的观察值的第3信息的组合；以及学习部(110)，其将组合学习用数据中的第1信息和第2信息而成的信息作为说明变量，并且将第3信息作为响应变量，使用学习用数据取得部(109)取得的多个学习用数据进行学习，生成能够推理经过指定的预测期间后的推理观察值的已学习模型。

摘要： 具备：取得包含基板在装置内的位置及在各单元内的经过时间的状态信息的状态信息取得部；具有预测在某个状态下对于进行是否从匣盒取出新的基板及搬送至哪个处理单元的行动的价值的预测模型，并将取得的状态信息作为输入，基于预测模型选择一个行动的行动选择部；以进行所选择的行动的方式发送指示信号的指示信号发送部；取得包含处理片数与等待时间的动作结果的动作结果取得部；及以处理片数越多且等待时间越短则报酬越大的方式基于取得的动作结果来计算报酬，并基于该报酬来更新预测模型的预测模型更新部。

摘要： 本发明涉及一种通过使用自适应超参数的多阶段学习对机器学习网络进行设备上学习的方法，包括：(a)当新的学习用数据满足设备上学习条件时，将当前学习分为第1阶段学习至第n阶段学习，生成第1阶段学习用数据至第n阶段学习用数据，基于多个超参数中每一个的默认值生成第1超参数集候选至超参数集候选，训练所述机器学习网络，选择性能最高的所述机器学习网络，生成为第1自适应超参数集；(b)生成第(k_1)超参数集候选至第(k_h)超参数集候选，使用第k阶段学习用数据来训练，选择性能最高的所述第(k‑1)阶段学习的机器学习网络，生成第k自适应超参数集；以及(c)生成第n自适应超参数集，进行第n阶段学习，从而完成所述当前学习。

摘要： 本发明提供一种容易生成能够有助于模型的识别率的提高的学习用数据的学习用数据的评价方法。学习用数据的评价方法具有第一评价步骤和第二评价步骤。第一评价步骤是对使用通过数据扩展处理生成的学习用数据(D1)进行了机器学习的学习完毕模型(M1)的性能进行评价的步骤。第二评价步骤是基于第一评价步骤中的评价和数据扩展处理的参数的能取范围来评价参数的步骤。

摘要： 本发明提供一种容易收集用于使从内窥镜图像中识别病变的模型学习的学习数据的学习数据收集装置、学习数据收集方法和程序、学习系统、学习完毕模型、以及内窥镜图像处理装置。在将内窥镜图像与观察结果诊断信息进行关联、并使被进行了关联的内窥镜图像和观察结果诊断信息作为从内窥镜图像中识别病变的模型的在学习中使用的学习数据记录在记录装置中时，将被与观察结果诊断信息进行了关联的内窥镜图像分类成每个观察结果诊断信息的组，并且使用标签按每个组使内窥镜图像切换显示。

摘要： 操作结果预测方法是根据工业过程的多个操作条件来预测工业过程的操作结果的方法，包括：模型选择步骤，根据是否使用多个操作条件中的特定的关键操作条件作为预测操作结果时的说明变量，从多个学习模型之中选择特定的学习模型；及预测步骤，基于在模型选择步骤中选择的学习模型来预测操作结果。

摘要： 簇权重计算部(322)根据特定讲话者的语音的信号，使用簇权重计算NN来计算至少任意一个层被分解为多个簇的掩模计算NN的与多个簇各自对应的权重。掩模计算部(302)根据1个以上的讲话者的语音的观测信号的特征量，使用通过由簇权重计算部(322)计算出的权重进行加权后的掩模计算NN来计算从1个以上的讲话者的语音的观测信号的特征量中提取特定讲话者的语音的特征量的掩模。

摘要： 学习辅助装置具有：导出部，其基于以将对象数据分类为第1标签和第2标签中的任意一方的方式使用教师数据进行过学习的模型以及包含被赋予了第1标签的第1数据和被赋予了第2标签的第2数据的教师数据，按照每个教师数据导出教师数据的特征量，并且，基于各自被赋予了第1标签和第2标签中的任意一方的至少1个教师候选数据和模型，按照每个教师候选数据导出教师候选数据的特征量；计算部，其按照每个教师候选数据计算出教师候选数据与第1数据的距离和教师候选数据与第2数据的距离中的至少一方；以及选择部，其根据距离，从教师候选数据中选择作为教师数据而追加的数据。