國立高雄大學圖資館 |

Language: English

Back

基於實驗設計準則下的熵控制拉普拉斯正則化的主動學習分類法 = Entro...

國立高雄大學統計學研究所

基於實驗設計準則下的熵控制拉普拉斯正則化的主動學習分類法 = Entropy Controlled Laplacian Regularization via Experimental Design Criteria for Active Learning of Image Classification

Record Type:	Language materials, printed : monographic
Paralel Title:	Entropy Controlled Laplacian Regularization via Experimental Design Criteria for Active Learning of Image Classification
Author:	許傑雅,
Secondary Intellectual Responsibility:	國立高雄大學
Place of Publication:	高雄市
Published:	國立高雄大學;
Year of Publication:	2022[民111]
Description:	vi,51葉圖，表 : 30公分;
Subject:	A-最適設計
Subject:	A-optimal design
Online resource:	https://hdl.handle.net/11296/pd325d
Notes:	111年12月1日公開
Notes:	參考書目：葉34-35

基於實驗設計準則下的熵控制拉普拉斯正則化的主動學習分類法 = Entropy Controlled Laplacian Regularization via Experimental Design Criteria for Active Learning of Image Classification
許, 傑雅

基於實驗設計準則下的熵控制拉普拉斯正則化的主動學習分類法 = Entropy Controlled Laplacian Regularization via Experimental Design Criteria for Active Learning of Image Classification / 許傑雅撰 - 高雄市 : 國立高雄大學, 2022[民111]. - vi,51葉 ; 圖，表 ; 30公分.
111年12月1日公開參考書目：葉34-35.
A-最適設計A-optimal design

基於實驗設計準則下的熵控制拉普拉斯正則化的主動學習分類法 = Entropy Controlled Laplacian Regularization via Experimental Design Criteria for Active Learning of Image Classification
LDR:01334pam0a2200265 450 001 617296
005 20230106102050.0
010 0 $b 精裝
010 0 $b 平裝
100 $a 20221021y2022 k y0chiy50 e
101 0 $a chi $d chi $d eng
102 $a tw
105 $a ak am 000yy
200 1 $a 基於實驗設計準則下的熵控制拉普拉斯正則化的主動學習分類法 $d Entropy Controlled Laplacian Regularization via Experimental Design Criteria for Active Learning of Image Classification $z eng $f 許傑雅撰
210 $a 高雄市 $c 國立高雄大學 $d 2022[民111]
215 0 $a vi,51葉 $c 圖，表 $d 30公分
300 $a 111年12月1日公開
300 $a 參考書目：葉34-35
314 $a 指導教授：許湘伶教授
328 $a 碩士論文--國立高雄大學統計學研究所
510 1 $a Entropy Controlled Laplacian Regularization via Experimental Design Criteria for Active Learning of Image Classification $z eng
610 # 0 $a A-最適設計 $a D-最適設計 $a E-最適設計 $a G-最適設計 $a 拉普拉斯正則化 $a 流形學習 $a 查詢策略
610 # 1 $a A-optimal design $a D-optimal design $a E-optimal design $a G-optimal design $a Laplacian regularization $a manifold learning $a query strategy
681 $a 008M/0019 $b 343201 0827 $v 2007年版
700 1 $a 許 $b 傑雅 $4 撰 $3 916785
712 0 2 $a 國立高雄大學 $b 統計學研究所 $3 166081
801 0 $a tw $b NUK $c 20221017 $g CCR
856 4 # $u https://hdl.handle.net/11296/pd325d $z 電子資源 $2 http