注冊(cè)帳號(hào)丨忘記密碼？
1.點(diǎn)擊網(wǎng)站首頁(yè)右上角的“充值”按鈕可以為您的帳號(hào)充值
2.可選擇不同檔位的充值金額，充值后按篇按本計(jì)費(fèi)
3.充值成功后即可購(gòu)買(mǎi)網(wǎng)站上的任意文章或雜志的電子版
4.購(gòu)買(mǎi)后文章、雜志可在個(gè)人中心的訂閱/零買(mǎi)找到
5.登陸后可閱讀免費(fèi)專(zhuān)區(qū)的精彩內(nèi)容
打開(kāi)文本圖片集
摘 要： 高斯過(guò)程回歸（Gaussian process regression， GPR）是一種基于高斯過(guò)程的非參數(shù)化貝葉斯回歸方法，其可以靈活適應(yīng)不同類(lèi)型數(shù)據(jù)，用于建模和預(yù)測(cè)數(shù)據(jù)之間的復(fù)雜關(guān)系，具有擬合能力強(qiáng)、泛化能力好等特點(diǎn)。針對(duì)海量用戶(hù)場(chǎng)景下用戶(hù)量實(shí)時(shí)預(yù)測(cè)問(wèn)題，提出一種基于GPR的用戶(hù)量預(yù)測(cè)優(yōu)化方法。（剩余15254字）
登錄龍?jiān)雌诳W(wǎng)
購(gòu)買(mǎi)文章
基于GPR模型的用戶(hù)量預(yù)測(cè)優(yōu)化方法
文章價(jià)格：6.00元
當(dāng)前余額：100.00
閱讀
您目前是文章會(huì)員，閱讀數(shù)共：0篇
剩余閱讀數(shù)：0篇
閱讀有效期：0001-1-1 0:00:00
違法和不良信息舉報(bào)電話：400-106-1235
舉報(bào)郵箱：longyuandom@163.com