退出
我的积分:
中文文献批量获取
外文文献批量获取
公开/公告号CN110168577A
专利类型发明专利
公开/公告日2019-08-23
原文格式PDF
申请/专利权人 国际商业机器公司;
申请/专利号CN201780083071.4
发明设计人 恐神贵行;梶野洸;
申请日2017-12-15
分类号
代理机构北京市金杜律师事务所;
代理人酆迅
地址 美国纽约阿芒克
入库时间 2024-02-19 14:39:51
法律状态公告日
法律状态信息
法律状态
2019-09-17
实质审查的生效 IPC(主分类):G06N3/08 申请日:20171215
实质审查的生效
2019-08-23
公开
机译: 基于数据序列的双向学习预测模型的学习装置,方法和计算机程序
机译: 基于数据序列的预测模型有向学习的学习装置和方法
机译:基于蛋白质片段序列数据的机器学习方法的双向角度估计
机译:基于数据预处理技术和群智能算法的机器学习工具短期流流时间序列预测模型
机译:利用无线传感器网络水文时间序列数据挖掘对洪水预测模型进行深度学习多层的洪水预测模型
机译:基于无监督特征学习的混合深度学习时间序列预测方法
机译:开发可解释的基于机器学习的个性化痴呆风险预测模型:具有集合学习算法的转移学习方法
机译:这项研究是在课堂七SMPN 51万隆进行了准实验研究。本研究旨在回顾:学生的数学学习和教师谁通过结构化的任务和普通任务,增加了通过结构化的任务,普通任务和使用Knisley数学学习模式学生的数学解题能力的差异使用Knisley数学学习模型的描述传统的学习,提高质量Knisley的数学学习模式通过结构化的任务和数学通过普通的任务学习模型,以及对数学的学习,使用学生的态度数学通过结构化的任务,并通过普通的任务,学习的楷模。所用的研究方法是不等价的方法(前测和后测)对照组设计。使用科研仪器在测试和nontes形式获得的数据。之后正进行观察和分析。基于数据处理的结果,得到的:学生和教师的活动的图片已经增加到被越来越好,也有解决谁使用的数学通过结构化的任务,数学学习模式学习模型的数学问题学生的能力差异和传统的学习,获得增加的质量是低质量,以及给人以数学使用Knisley数学学习模型学习的积极响应学生
机译:基于人口的增量学习。基于遗传搜索的函数优化与竞争学习相结合的一种方法