基于GMM的概率神經(jīng)網(wǎng)絡(luò)PNN具有良好的泛化能力，快速的學(xué)習(xí)能力，易于在線(xiàn)更新,并具有統(tǒng)計(jì)學(xué)的貝葉斯估計(jì)理論基礎(chǔ)，已成為一種解決像說(shuō)話(huà)人識(shí)別、文字識(shí)別、醫(yī)療圖像識(shí)別、衛(wèi)星云圖識(shí)別等許多實(shí)際困難分類(lèi)問(wèn)題的很有效的工具。而且PNN不但具有GMM的大部分優(yōu)點(diǎn)，還具有許多GMM沒(méi)有的優(yōu)點(diǎn)，如強(qiáng)魯棒性，需要更少的訓(xùn)練語(yǔ)料，可以和其他網(wǎng)絡(luò)其他理論無(wú)縫整合等。
資源簡(jiǎn)介：
上傳時(shí)間：
上傳用戶(hù)：
資源簡(jiǎn)介：
上傳時(shí)間：
上傳用戶(hù)：
資源簡(jiǎn)介：
上傳時(shí)間：
上傳用戶(hù)：
資源簡(jiǎn)介：
上傳時(shí)間：
上傳用戶(hù)：
資源簡(jiǎn)介：
上傳時(shí)間：
上傳用戶(hù)：
資源簡(jiǎn)介：
上傳時(shí)間：
上傳用戶(hù)：
資源簡(jiǎn)介：
上傳時(shí)間：
上傳用戶(hù)：
資源簡(jiǎn)介：
上傳時(shí)間：
上傳用戶(hù)：
資源簡(jiǎn)介：
上傳時(shí)間：
上傳用戶(hù)：
資源簡(jiǎn)介：
上傳時(shí)間：
上傳用戶(hù)：
資源簡(jiǎn)介：
上傳時(shí)間：
上傳用戶(hù)：
資源簡(jiǎn)介：
上傳時(shí)間：
上傳用戶(hù)：
資源簡(jiǎn)介：
上傳時(shí)間：
上傳用戶(hù)：
資源簡(jiǎn)介：
上傳時(shí)間：
上傳用戶(hù)：
資源簡(jiǎn)介：
上傳時(shí)間：
上傳用戶(hù)：
資源簡(jiǎn)介：
上傳時(shí)間：
上傳用戶(hù)：
資源簡(jiǎn)介：
上傳時(shí)間：
上傳用戶(hù)：
資源簡(jiǎn)介：
上傳時(shí)間：
上傳用戶(hù)：
資源簡(jiǎn)介：
上傳時(shí)間：
上傳用戶(hù)：
資源簡(jiǎn)介：
上傳時(shí)間：
上傳用戶(hù)：
資源簡(jiǎn)介：
上傳時(shí)間：
上傳用戶(hù)：
資源簡(jiǎn)介：
上傳時(shí)間：
上傳用戶(hù)：
資源簡(jiǎn)介：
上傳時(shí)間：
上傳用戶(hù)：
資源簡(jiǎn)介：
上傳時(shí)間：
上傳用戶(hù)：
資源簡(jiǎn)介：
上傳時(shí)間：
上傳用戶(hù)：
資源簡(jiǎn)介：
上傳時(shí)間：
上傳用戶(hù)：
資源簡(jiǎn)介：
上傳時(shí)間：
上傳用戶(hù)：
資源簡(jiǎn)介：
上傳時(shí)間：
上傳用戶(hù)：
資源簡(jiǎn)介：
上傳時(shí)間：
上傳用戶(hù)：
資源簡(jiǎn)介：
上傳時(shí)間：
上傳用戶(hù)：
