Loading...
机构名称:
¥ 2.0

例如,您无需针对人类的每种可能配置对系统进行训练,而是首先向系统灌输人类有头部、躯干、手臂和腿部的信息,以及每个特征的相关性。然后,您训练神经网络以单独识别这些特征,而符号知识中包含的内容仅考虑人类的真实实例。这种独特的组合提供了一种混合方法,将扎实的先验知识与基于启发式学习的模式匹配相结合。符号教育和以数据为中心的训练相结合,减少了实现高识别度所需的基本实例数量。我们相信这种方法近似于观察到的推理过程,即一个人如何在陌生或未知的领域解决问题。

认知推理引擎

认知推理引擎PDF文件第1页

认知推理引擎PDF文件第2页

认知推理引擎PDF文件第3页

认知推理引擎PDF文件第4页

认知推理引擎PDF文件第5页

相关文件推荐

2024 年
¥1.0
2024 年
¥3.0
2024 年
¥2.0
2024 年
¥1.0
2022 年
¥1.0
2021 年
¥1.0
2022 年
¥1.0
2025 年
¥2.0
2025 年
¥6.0
2024 年
¥1.0
2025 年
¥4.0
2025 年
¥1.0
2023 年
¥3.0
2024 年
¥1.0
2022 年
¥1.0
2022 年
¥2.0
2023 年
¥1.0
2024 年
¥1.0
2024 年
¥1.0
2024 年
¥1.0
2021 年
¥4.0
2023 年
¥8.0
2022 年
¥1.0
2011 年
¥1.0