机译:基于损坏数据的经常性神经网络的鲁棒训练估算地下水位
Kyungpook Natl Univ Dept Geol 80 Daehak Ro Daegu 41566 South Korea;
Kyungpook Natl Univ Dept Geol 80 Daehak Ro Daegu 41566 South Korea;
Zhejiang Gongshang Univ Sch Environm Sci &
Engn Hangzhou 310018 Zhejiang Peoples R China;
Korea Inst Geosci &
Mineral Resources 124 Gwahak Ro Daejeon 34132 South Korea;
Yonsei Univ Dept Earth Syst Sci 50 Yonsei Ro Seoul 03722 South Korea;
Korea Inst Geosci &
Mineral Resources 124 Gwahak Ro Daejeon 34132 South Korea;
Groundwater level; Robust training; Outliers; Least trimmed squares; Whittaker smoother; Asymmetric weighting;
机译:基于损坏数据的经常性神经网络的鲁棒训练估算地下水位
机译:递归神经网络的鲁棒递归同时摄动随机逼近训练算法
机译:使用深神经网络的强大损坏电子鼻数据的鲁棒分类
机译:基于语言模型的正规培训的卷积经常性神经网络的塔图级鼓转录
机译:完全连接的递归神经网络的体系结构优化,训练收敛和网络估计的鲁棒性。
机译:基于人工神经网络和ANFIS的地下水位模型的比较。
机译:使用反复性深神经网络的噪声稳健F0估计的统计回归模型