第五章对影响 神经网络泛化性能(Generalization Performance)的网络结构——隐层神经元个数的确定进行了研究，将灰色关联分析法应用到 神经网络隐层节点数的确定中，实现了 神经网络网络结构...
基于24个网页-相关网页
...关于统计学习的重要结论，如一致性 （Consistency），收敛速度（ConvergenceVelocity）、推广性能（Generalization Performance）等。 VC维是为了研究学习过程一致收敛的速度和推广性而定义的一个重要的统 计学习理论概念。
基于20个网页-相关网页
The simulated experiment results show that the diversity and generalization performance is improved further.
仿真实验结果表明,该方法进一步提高了集成的差异度和泛化性能。
参考来源 - 支持向量机集成学习算法研究In the estimation of generalization performance, a linear program procedure forSpan method is presented.
2．在支持向量机推广能力估计中，给出了使用跨度估计推广能力时的线性规划求解方法。
参考来源 - 支持向量机及其在入侵检测中的应用研究The experimental results show that the different values of error penalty parameter and kernel parameter affect the generalization performance of support vector machine and accordingly affect the recognition effect of the speech recognition system.
实验结果表明,惩罚参数和核参数会对支持向量机的泛化性能带来明显影响,从而影响语音识别系统的识别效果。
参考来源 - 多类分类支持向量机在语音识别中的应用研究·2,447,543篇论文数据，部分数据来源于NoteExpress
Extensive comparisons have shown that support vector machines obtain good generalization performance on various data sets.
大量的对比实验已经表明支持向量机在很多问题上获得了良好的推广能力。
Ensemble learning is a research hotspot in machine learning, which can improve generalization performance of classification algorithm.
集成学习是当前机器学习的一个研究热点，它可以提高分类算法的泛化性能。
The experiments show that the algorithm has higher generalization performance, and lower time and space complexity. It is a highly effective ensemble algorithm.
实验结果表明，该算法具有较高的泛化性能和较低的时、空复杂性，是一种高效的集成方法。
应用推荐