搜索页_+Simultaneous+learning

设为首页

收藏本站

网站地图 | English | 公务邮箱

读者指南

学术客户端

NSTL服务站

科技查新

外文资源

Wiley电子期刊(28)	SpringerLink电子期刊(1735)	NATURE电子期刊(13)	Elsevier电子期刊(1880)
Springer电子图书(8)	ProQuest学位论文(238)	GSW全文库(2)	ACS电子期刊(28)

在“Elsevier电子期刊”中，命中：1,880条，耗时：0.0539752 秒

在所有数据库中总计命中：3,932条

1.A balanced motor primitive framework can simultaneously explain motor learning in unimanual and bimanual movements

作者：Ken Takiyama^a ; ^{takiyama1106@yahoo.co.jp} ; ^{t.j.ken.takiyama@gmail.com} ; Yutaka Sakai^b

关键词：Motor learning ; Neural network ; Motor primitive ; Bimanual movement ; Unimanual movement

刊名：Neural Networks

出版年：2017

2.A novel parallel framework for pursuit learning schemes

作者：Hao Ge ^{sjtu_gehao@sjtu.edu.cn}Author Vitae ; Jianhua Li ^{lijh888@sjtu.edu.cn}Author Vitae ; Shenghong Li ; ^{shli@sjtu.edu.cn}Author Vitae ; Wen Jiang ^{wenjiang@sjtu.edu.cn}Author Vitae ; Yifan Wang ^{wangyifan_1123@sjtu.edu.cn}Author Vitae

关键词：Learning automata ; Parallel framework ; Decentralized learning ; Centralized fusion ; Learning speed

刊名：Neurocomputing

出版年：2017

3.Active learning for penalized logistic regression via sequential experimental design

作者：Jing WangAuthor Vitae ; Eunsik Park ; ^{espark02@jnu.ac.kr}Author Vitae

关键词：Active learning ; Logistic regression ; Experimental design

刊名：Neurocomputing

出版年：2017

4.Global and local metric learning via eigenvectors

作者：Dewei Li^a ; ^b ; Yingjie Tian ; ^b ; ^c ; ^{tyj@ucas.ac.cn}

关键词：Metric learning ; Global and local ; Dimension reduction ; Classification

刊名：Knowledge-Based Systems

出版年：2017

5.Joint predictive model and representation learning for visual domain adaptation

作者：Marzieh Gheisari ^{gheisari@ce.sharif.edu} ; Mahdieh Soleymani Baghshah ; ^{soleymani@sharif.edu}

关键词：Unsupervised domain adaptation ; Predictive function ; Shared subspace ; Representation learning ; Image classification

刊名：Engineering Applications of Artificial Intelligence

出版年：2017

6.Accelerating bio-inspired optimizer with transfer reinforcement learning for reactive power optimization

作者：Xiaoshun Zhang^a ; ^{xszhang1990@sina.cn} ; Tao Yu^a ; ^{taoyu1@scut.edu.cn} ; ^{yutao99@tsinghua.org.cn} ; Bo Yang^b ; ^{yangbo_ac@outlook.com} ; Lefeng Cheng^a ; ^{chenglf_scut@163.com}

关键词：Accelerating bio-inspired optimizer ; Transfer reinforcement learning ; Memory matrix ; Cooperating multi-bion ; WoLF-PHC ; Reactive power optimization

刊名：Knowledge-Based Systems

出版年：2017

7.Multi-objective iterative learning control using convex optimization

作者：Tong Duy Son ; ^{Tong.DuySon@kuleuven.be} ; Goele Pipeleers ^{Goele.Pipeleers@kuleuven.be} ; Jan Swevers ^{Jan.Swevers@kuleuven.be}

关键词：Iterative learning control ; H&infin ; H&infin ; control ; Multi-objective control ; Convex optimization

刊名：European Journal of Control

出版年：2017

8.Joint hypergraph learning and sparse regression for feature selection

作者：Zhihong Zhang^aAuthor Vitae ; Lu Bai^b ; ^{bailucs@cufe.edu.cn} ; ^{bailu69@hotmail.com}Author Vitae ; Yuanheng Liang^aAuthor Vitae ; Edwin Hancock^cAuthor Vitae

关键词：Feature selection ; Hypergraph learning ; Sparse regression

刊名：Pattern Recognition

出版年：2017

9.Semi-supervised learning of local structured output predictors

作者：Xin Du ^{xindu.njtu@gmail.com}Author Vitae

关键词：Machine learning ; Structured output ; Semi-supervised learning ; Local linear regression ; Gradient descent

刊名：Neurocomputing

出版年：2017

10.Direct and simultaneous estimation of cardiac four chamber volumes by multioutput sparse regression

作者：Xiantong Zhen^a ; ^b ; Heye Zhang ; ^c ; ^{hy.zhang@siat.ac.cn} ; Ali Islam^d ; Mousumi Bhaduri^e ; Ian Chan^e ; Shuo Li ; ^a ; ^b ; ^{slishuo@gmail.com}

关键词：Cardiac four-chamber volume estimation ; Direct estimation ; Multi-output regression ; Supervised descriptor learning

刊名：Medical Image Analysis

出版年：2017

按检索点细分(1880)

题名(50)

关键词(22)

文摘(1520)

按出版年细分(1880)

2027年及以后(99)

2017年(39)

2016年(162)

2015年(28)

2014年(4)

2013年(179)

2012年(149)

2011年(172)

2010年(136)

2009年(117)

2008年(109)

2007年(84)

2006年(80)

2005年(58)

2004年(43)

2003年(46)

2002年(51)

2001年(47)

2000年(38)

2000年及以前(239)

常见问题　|　交通位置　|　联系我们　|　OA远程办公

地址：北京市海淀区学院路29号邮编：100083

电话：办公室：(+86 10)66554848；文献借阅、咨询服务、科技查新：66554700