洪家荣

作品数:43被引量:350H指数:9
导出分析报告
供职机构:哈尔滨工业大学更多>>
发文主题:专家系统人工智能神经网络知识获取决策树更多>>
发文领域:自动化与计算机技术理学社会学经济管理更多>>
发文期刊:《管理科学学报》《微电子学与计算机》《小型微型计算机系统》《计算机学报》更多>>
所获基金:国家自然科学基金国家高技术研究发展计划河北省自然科学基金更多>>
-

检索结果分析

署名顺序

  • 全部
  • 第一作者
结果分析中...
条 记 录,以下是1-10
视图:
排序:
区间值属性决策树学习算法被引量:11
《软件学报》1998年第8期637-640,共4页王熙照 洪家荣 
河北省自然科学基金
该文提出了一种区间值属性决策树的学习算法.区间值属性的值域不同于离散情况下的无序集和连续情况下的全序集,而是一种半序集.作为ID3算法在区间值意义下的推广,算法通过一种分割信息熵的极小化来选取扩展属性.通过非平稳点分...
关键词:机器学习 归纳学习 决策树 区间值属性 
加强学习被引量:1
《计算机科学》1998年第3期13-15,共3页郭茂祖 陈彬 王晓龙 洪家荣 
加强学习(Reinforcement Learning,简称RL)是一种重要的机器学习方法,在机器入规划、分析预测等领域有许多应用。加强学习的任务即是寻找一条策略,为行为者(agent)
关键词:加强学习 机器学习 人工智能 
示例学习的扩张图方法被引量:3
《哈尔滨工业大学学报》1998年第1期65-67,72,共4页郭茂祖 洪家荣 
提出示例学习的一种几何理论,即扩张图方法。应用该方法求得了最优覆盖问题的近似解。该方法直观、清晰,并具有渐近式学习功能。
关键词:示例学习 扩张图 渐近式学习 机器学习 专家系统 
基于模拟退火算法旅行商问题的并行实现被引量:6
《哈尔滨理工大学学报》1997年第5期80-83,共4页郭茂祖 洪家荣 
旅行商问题属于NP难题,不存在多项式时间的算法提出一个基于模拟退火算法求解旅行商问题的算法。
关键词:模拟退火算法 旅行商问题 组合优化 并行算法 
一种基于组合神经网络的时间序列预测方法被引量:5
《管理工程学报》1997年第1期33-39,共7页杨璐 黄梯云 洪家荣 
国家自然科学基金资助
本文探讨了神经网络时间序列预测模型的建立机制及其构造方法。同时,为了消除模型的系统偏差,提出了构造辅助神经网络用以对原有模型的预测结果进行校正以减小其误差。并对外汇汇率数据进行了模型构造和预测。结果表明,组合神经网络...
关键词:神经网络 时间序列 预测 组合神经网络 决策问题 
最优特征子集选择问题被引量:96
《计算机学报》1997年第2期133-138,共6页陈彬 洪家荣 王亚东 
机器学习和模式识别面临的一个重要问题,就是特征子集的选择问题,即从一个大的已知特征集合,选择一个子集合来一致地描述已知例子(样本).特别,最优特征子集选择问题,即最小的特征子集问题的计算复杂性至今还不清楚.在本文中,...
关键词:机器学习 模式识别 特征子集选择 
示例学习的最大复合问题及算法被引量:9
《计算机学报》1997年第2期139-144,共6页陈彬 洪家荣 
本文证明了示例学习中的最大复合问题(MGC)是NP难题,给出了求解最大复合问题的近似算法,并将此示例学习算法应用于手写数字识别.实验证明,基于最大复合的学习算法和AQ15相比,速度快、得到的公式少、匹配精度高.
关键词:示例学习 最大复合问题 NP难题 机器学习 
基于遗传算法的示例学习系统的并行实现被引量:3
《计算机工程与应用》1997年第2期40-42,共3页郭茂祖 洪家荣 
示例学习的目标即是寻找最优覆盖规则,而这已被证明为NP难题。本文提出利用遗传算法来寻求最优覆盖规则的算法。
关键词:遗传算法 知识表示 人工智能 示例学习系统 
遗传算法的收敛性研究被引量:31
《计算机学报》1996年第10期794-797,共4页王丽薇 洪勇 洪家荣 
本文讨论了遗传算法的收敛性问题,提出了一个收敛的充分条件,证明了对任何问题,只要其问题空间编码和遗传操作的组合满足这个条件,就可以用遗传算法求解,由此得到了GA-难题的新定义,解释了现有模式理论所不能解释的最小欺骗问...
关键词:遗传算法 模式理论 收敛性 机器学习 
将TD方法同神经网络相结合进行时间序列实时建模预测被引量:8
《计算机学报》1996年第9期695-700,共6页杨璐 洪家荣 黄梯云 
本文首先探讨了基于神经网络的时间序列预测模型的建立机制,然后提出可将基于神经网络的时序直接多步预测模型的实时建模问题看成是延时加强学习问题,从而可将TD法与BP法相结合用于解决实时建模预测问题.本文对太阳黑子问题和外...
关键词:神经网络 时间序列 预测 TD方法 线性回归分析 
检索报告 对象比较 聚类工具 使用帮助 返回顶部