来源书籍
Artificial Intelligence and Data Science in Recommendation System: Current Trends, Technologies, and Applications
章节与卡片
01 推荐系统的机器学习方法
19 张卡片
- 推荐缓解选择负担 理解等级:中级 普通读书笔记卡
- 协同推荐依赖交互相似 理解等级:中级 普通读书笔记卡
- 记忆式与模型式协同 理解等级:中级 普通读书笔记卡
- 用户邻居与物品邻居 理解等级:中级 普通读书笔记卡
- 内容推荐比较物品属性 理解等级:中级 普通读书笔记卡
- 混合推荐组合不同信号 理解等级:中级 普通读书笔记卡
- 协同聚类联合划分两轴 理解等级:中级 普通读书笔记卡
- 矩阵分解表示潜在关联 理解等级:中级 普通读书笔记卡
- 非负分解的部件组合 理解等级:中级 普通读书笔记卡
- 冷启动缺少偏好证据 理解等级:中级 普通读书笔记卡
- 近邻预测依赖距离设计 理解等级:中级 普通读书笔记卡
- 聚类预先指定组数 理解等级:中级 普通读书笔记卡
- 零频会阻断概率组合 理解等级:中级 普通读书笔记卡
- 多树集成分散单树依赖 理解等级:中级 普通读书笔记卡
- 精确率与召回分母不同 理解等级:中级 普通读书笔记卡
- 调和平均约束单边高分 理解等级:中级 普通读书笔记卡
- 平方与绝对误差关注不同 理解等级:高级 普通读书笔记卡
- 隐式零不等于最低喜好 理解等级:高级 普通读书笔记卡
- 案例排名需要可比协议 理解等级:高级 普通读书笔记卡
02 文本挖掘与垃圾邮件过滤
20 张卡片
- 预测维护依赖状态记录 理解等级:中级 普通读书笔记卡
- 垃圾过滤是带成本的分类 理解等级:中级 普通读书笔记卡
- 规则维护与样本学习有别 理解等级:中级 普通读书笔记卡
- 文本预处理塑造可见信号 理解等级:中级 普通读书笔记卡
- 未见样本检验推广能力 理解等级:中级 普通读书笔记卡
- 混淆矩阵先约定正类 理解等级:高级 普通读书笔记卡
- 决策树路径形成分类规则 理解等级:中级 普通读书笔记卡
- 自助采样构造集成样本 理解等级:中级 普通读书笔记卡
- 随机森林同时随机选特征 理解等级:中级 普通读书笔记卡
- 提升方法逐轮改进组合 理解等级:中级 普通读书笔记卡
- 梯度提升拟合损失改进方向 理解等级:中级 普通读书笔记卡
- 自适应提升重分错分样本 理解等级:中级 普通读书笔记卡
- 贝叶斯区分证据与类别 理解等级:中级 普通读书笔记卡
- 输入分布决定贝叶斯变体 理解等级:中级 普通读书笔记卡
- 神经元先加权再激活 理解等级:中级 普通读书笔记卡
- 支持向量约束分类边界 理解等级:中级 普通读书笔记卡
- 正则强度与核尺度有别 理解等级:高级 普通读书笔记卡
- 词袋把文本转换为计数 理解等级:中级 普通读书笔记卡
- 交叉验证估计而非消除过拟合 理解等级:高级 普通读书笔记卡
- 跨数据集差异不能归因规模 理解等级:高级 普通读书笔记卡
03 深度推荐与评估指标
18 张卡片
- 稀疏与异质偏好不同 理解等级:中级 普通读书笔记卡
- 过度专门化限制探索 理解等级:中级 普通读书笔记卡
- 嵌入将对象映射为向量 理解等级:中级 普通读书笔记卡
- 深层表示增加适配与调参 理解等级:高级 普通读书笔记卡
- 自编码以重建学习表示 理解等级:中级 普通读书笔记卡
- 对抗生成同时训练判别 理解等级:中级 普通读书笔记卡
- 循环状态编码序列依赖 理解等级:中级 普通读书笔记卡
- 卷积与池化分担特征处理 理解等级:中级 普通读书笔记卡
- 图网络连接聚合与更新 理解等级:中级 普通读书笔记卡
- 多准则评分再学总体偏好 理解等级:中级 普通读书笔记卡
- 局部引文与全文引文任务有别 理解等级:中级 普通读书笔记卡
- 候选生成与排序分担规模 理解等级:中级 普通读书笔记卡
- 视觉相似检索仍需偏好判断 理解等级:中级 普通读书笔记卡
- 指标先区分评分与排序 理解等级:中级 普通读书笔记卡
- 加权调和分数表达侧重 理解等级:中级 普通读书笔记卡
- 倒数排名关注首个命中 理解等级:中级 普通读书笔记卡
- 平均精度累计相关位置 理解等级:中级 普通读书笔记卡
- 折扣增益重视前排相关性 理解等级:中级 普通读书笔记卡
04 多领域情境推荐的张量分解
28 张卡片
- 跨域推荐借用相关偏好 理解等级:中级 普通读书笔记卡
- 情境改变同一人的需求 理解等级:中级 普通读书笔记卡
- 知识推荐受知识组织约束 理解等级:中级 普通读书笔记卡
- 域的粒度决定跨域含义 理解等级:中级 普通读书笔记卡
- 多域与目标域任务有别 理解等级:中级 普通读书笔记卡
- 重叠实体提供连接证据 理解等级:中级 普通读书笔记卡
- 问题设定约束可用算法 理解等级:高级 普通读书笔记卡
- 情境画像连接迁移与时机 理解等级:中级 普通读书笔记卡
- 知识聚合与迁移桥接有别 理解等级:中级 普通读书笔记卡
- 情境表示随表达需求选择 理解等级:中级 普通读书笔记卡
- 采集与推断情境要区分 理解等级:中级 普通读书笔记卡
- 可观测性限制情境推断 理解等级:高级 普通读书笔记卡
- 情境相关性随任务变化 理解等级:中级 普通读书笔记卡
- 情境前过滤先选择数据 理解等级:中级 普通读书笔记卡
- 情境后过滤再修正候选 理解等级:中级 普通读书笔记卡
- 情境建模直接扩展预测 理解等级:中级 普通读书笔记卡
- 情境元组需要排除无效组合 理解等级:中级 普通读书笔记卡
- 未知查询条件可以表示忽略 理解等级:中级 普通读书笔记卡
- 冗余情境需检查信息关系 理解等级:高级 普通读书笔记卡
- 跨域评分归一不消除语义差异 理解等级:高级 普通读书笔记卡
- 张量切片保留情境条件 理解等级:中级 普通读书笔记卡
- 合并矩阵仍需实体连接 理解等级:中级 普通读书笔记卡
- 码本迁移共享群体模式 理解等级:中级 普通读书笔记卡
- 多源迁移需协调目标预测 理解等级:中级 普通读书笔记卡
- 测试画像与隐藏标签要分开 理解等级:中级 普通读书笔记卡
- 数据切分要复现冷启动条件 理解等级:高级 普通读书笔记卡
- 跨域稳健性要改变连接强度 理解等级:高级 普通读书笔记卡
- 离线分数与在线效用有别 理解等级:中级 普通读书笔记卡
05 主题建模与作者专长推荐
9 张卡片
- 作者匹配先明确推荐目标 理解等级:中级 普通读书笔记卡
- 论文内容构成专长证据 理解等级:中级 普通读书笔记卡
- 映射归约聚合同类词频 理解等级:中级 普通读书笔记卡
- 主题模型给出文档混合 理解等级:中级 普通读书笔记卡
- 一致性分数需配人工解释 理解等级:高级 普通读书笔记卡
- 引文中心性不等于专长匹配 理解等级:中级 普通读书笔记卡
- 多准则排序显式引入权重 理解等级:中级 普通读书笔记卡
- 多指标补偿可能掩盖短板 理解等级:高级 普通读书笔记卡
- 规模运行时间不证明加速 理解等级:高级 普通读书笔记卡
06 电影推荐
14 张卡片
- 热门列表不是个人偏好 理解等级:中级 普通读书笔记卡
- 行为日志需要保留语境 理解等级:中级 普通读书笔记卡
- 内容属性可帮助新物品 理解等级:中级 普通读书笔记卡
- 人口画像推荐是群体外推 理解等级:中级 普通读书笔记卡
- 知识约束适合低频选择 理解等级:中级 普通读书笔记卡
- 效用表示可以纳入服务条件 理解等级:中级 普通读书笔记卡
- 加权混合需要校准分数 理解等级:中级 普通读书笔记卡
- 混合展示与融合分数有别 理解等级:中级 普通读书笔记卡
- 情绪表征是内容的另一视角 理解等级:中级 普通读书笔记卡
- 推荐页面不只排序物品 理解等级:中级 普通读书笔记卡
- 推荐解释提供判断线索 理解等级:中级 普通读书笔记卡
- 前排优化与全列表优化有别 理解等级:中级 普通读书笔记卡
- 群体覆盖不等于单人多样 理解等级:中级 普通读书笔记卡
- 评分目标需连接实际体验 理解等级:中级 普通读书笔记卡
07 电影评论情感分析
7 张卡片
- 情感极性是文本判断目标 理解等级:中级 普通读书笔记卡
- 评论粒度决定标签含义 理解等级:中级 普通读书笔记卡
- 方面与情感需分别识别 理解等级:中级 普通读书笔记卡
- 多方面句子不能只按句切分 理解等级:中级 普通读书笔记卡
- 情感清理要保留否定语义 理解等级:中级 普通读书笔记卡
- 长期记忆依靠门控状态 理解等级:中级 普通读书笔记卡
- 双向编码需看到两侧文本 理解等级:高级 普通读书笔记卡
08 协同与内容电影推荐
8 张卡片
- 共评样本少会削弱相似证据 理解等级:高级 普通读书笔记卡
- 余弦值需要说明向量范围 理解等级:中级 普通读书笔记卡
- 中心化比较评分变化模式 理解等级:中级 普通读书笔记卡
- 集合相似忽略评分强度 理解等级:中级 普通读书笔记卡
- 邻居预测可组合相对偏差 理解等级:中级 普通读书笔记卡
- 内容推荐先确定可用字段 理解等级:中级 普通读书笔记卡
- 词组特征保留局部词序 理解等级:中级 普通读书笔记卡
- 稀疏表示避免保存大量零 理解等级:中级 普通读书笔记卡
09 兴趣点推荐的影响参数
10 张卡片
- 签到是到访线索而非完整偏好 理解等级:中级 普通读书笔记卡
- 时间偏好不只有周期重复 理解等级:中级 普通读书笔记卡
- 下一地点预测依赖当前状态 理解等级:中级 普通读书笔记卡
- 先预测类别再筛具体地点 理解等级:中级 普通读书笔记卡
- 时空间隔补充事件顺序 理解等级:中级 普通读书笔记卡
- 多层注意力区分情境来源 理解等级:中级 普通读书笔记卡
- 地点热度需匹配用户时段 理解等级:中级 普通读书笔记卡
- 区域活动是间接代理信号 理解等级:高级 普通读书笔记卡
- 天气影响要按地点类型验证 理解等级:中级 普通读书笔记卡
- 移动推荐同时受资源预算约束 理解等级:中级 普通读书笔记卡
10 视障用户移动旅游推荐
5 张卡片
- 地点推荐与日程规划分工 理解等级:中级 普通读书笔记卡
- 无障碍需求先决定可行集合 理解等级:中级 普通读书笔记卡
- 无障碍交互覆盖输入与反馈 理解等级:中级 普通读书笔记卡
- 定位与近处障碍感知不同 理解等级:中级 普通读书笔记卡
- 方案图不等于现场有效证据 理解等级:高级 普通读书笔记卡
11 张量分解的兴趣点推荐
12 张卡片
- 二值与频次保存不同信息 理解等级:中级 普通读书笔记卡
- 张量阶数是轴的数量 理解等级:中级 普通读书笔记卡
- 纤维切片与展开固定不同轴 理解等级:中级 普通读书笔记卡
- 秩一张量来自向量外积 理解等级:中级 普通读书笔记卡
- CP分解累加秩一项 理解等级:中级 普通读书笔记卡
- 核心张量连接不同潜在轴 理解等级:中级 普通读书笔记卡
- 多线性秩不同于秩一项数 理解等级:高级 普通读书笔记卡
- 补全结果是预测而非观测 理解等级:高级 普通读书笔记卡
- 共享实体因子连接辅助矩阵 理解等级:中级 普通读书笔记卡
- 时间分箱权衡分辨率与稀疏 理解等级:中级 普通读书笔记卡
- 潜在主题不等于客观语义 理解等级:中级 普通读书笔记卡
- 交替最小二乘按块求解 理解等级:中级 普通读书笔记卡
12 时尚零售评估与预测
12 张卡片
- 推荐标签分类不等于个性化 理解等级:中级 普通读书笔记卡
- 主键对齐连接属性与销量 理解等级:中级 普通读书笔记卡
- 补零会改变分布和关系 理解等级:高级 普通读书笔记卡
- 类别规范化保留真实区别 理解等级:中级 普通读书笔记卡
- 稀有类别删除会改变人群 理解等级:高级 普通读书笔记卡
- 分布检查要联系数据生成 理解等级:中级 普通读书笔记卡
- 离散化为关联分析改变问题 理解等级:中级 普通读书笔记卡
- 重要性分数不能随意聚合 理解等级:高级 普通读书笔记卡
- 销售关联不足以证明驱动 理解等级:高级 普通读书笔记卡
- 表示方案与模型一起验收 理解等级:中级 普通读书笔记卡
- 逐物品预测可能忽略共享信息 理解等级:中级 普通读书笔记卡
- 拟合误差不能替代未来回测 理解等级:高级 普通读书笔记卡
13 人力资源招聘选拔分析
7 张卡片
- 招聘描述指标不等于决策质量 理解等级:中级 普通读书笔记卡
- 填岗与候选人用时起点不同 理解等级:中级 普通读书笔记卡
- 单次招聘成本需统一分母 理解等级:中级 普通读书笔记卡
- 录用质量依赖结果定义 理解等级:中级 普通读书笔记卡
- 早期离职可能来自多个环节 理解等级:中级 普通读书笔记卡
- 录用比例不能单独衡量有效性 理解等级:中级 普通读书笔记卡
- 达到产能的时间需要验收条件 理解等级:中级 普通读书笔记卡
14 水稻产量的个性化神经网络预测
8 张卡片
- 产量回归不等于作物选择 理解等级:中级 普通读书笔记卡
- 预报特征必须当时可得 理解等级:高级 普通读书笔记卡
- 模型定制不等于用户个性化 理解等级:中级 普通读书笔记卡
- 反复挑测试赢家破坏独立性 理解等级:高级 普通读书笔记卡
- 复杂度要与独立样本量比较 理解等级:高级 普通读书笔记卡
- 跨研究分数需共享验收条件 理解等级:高级 普通读书笔记卡
- 误差结论先按明细复算 理解等级:高级 普通读书笔记卡
- 数据身份冲突阻碍复现 理解等级:高级 普通读书笔记卡
全书概览
Artificial Intelligence and Data Science in Recommendation System: Current Trends, Technologies, and Applications
Skill 版本:v24
执行模式:light
建档进度:阶段二
四象限评级:知识图谱(低信息浓度、高稳定性)
内容形态:概念解析型,包含研究实验与案例。
评级理由:全文主要是算法/应用综述、重复概述与小案例列表,较少完整推导和可复现实验协议;保留的基础协同、内容、张量和评估机制较耐久。多处数据、公式和引用冲突具体登记,不将其效果结论当作可靠知识。
整书笔记
章节进度追踪表
| 章节号 | 章节标题 | 状态(pending/done) | 卡片数 |
|---|---|---|---|
| 00 | 前言 | done | 0 |
| 01 | 推荐系统的机器学习方法 | done | 19 |
| 02 | 文本挖掘与垃圾邮件过滤 | done | 20 |
| 03 | 深度推荐与评估指标 | done | 18 |
| 04 | 多领域情境推荐的张量分解 | done | 28 |
| 05 | 主题建模与作者专长推荐 | done | 9 |
| 06 | 电影推荐 | done | 14 |
| 07 | 电影评论情感分析 | done | 7 |
| 08 | 协同与内容电影推荐 | done | 8 |
| 09 | 兴趣点推荐的影响参数 | done | 10 |
| 10 | 视障用户移动旅游推荐 | done | 5 |
| 11 | 张量分解的兴趣点推荐 | done | 12 |
| 12 | 时尚零售评估与预测 | done | 12 |
| 13 | 人力资源招聘选拔分析 | done | 7 |
| 14 | 水稻产量的个性化神经网络预测 | done | 8 |
非正文排除
| spine项 | 类型 | 排除理由 |
|---|---|---|
| cover | 封面 | 已查看封面,仅书名/编者/出版社身份 |
| TOC | 目录 | 已读,只有目录与锚点导航,无另附技术论述 |
| title | 标题页 | 编者与机构身份,已读 |
| license | 许可 | 全文已读,许可与出版使用条款,不作为技术论证 |
| loc | 贡献者 | 全文已读,作者和机构名单,无技术论述 |
待关联术语
| 术语名 | 出现章节 | 一句话语境 |
|---|---|---|
| 专家系统、感知机 | 序 | 研究史背景,未展开算法 |
引用文献
| 标题 | 类型(书/论文/框架/源码项目) | 出现章节 | 一句话语境 |
|---|
资金安全问题案例
| 问题标题 | 问题卡 | 解决方案卡(如有) | 出现章节 | 一句话说明 |
|---|
实践卡进度
| 序号 | 实践标题 | 实践方式 | 状态(pending/done) | 关联章节 | 产出 |
|---|
实践候选筛选:done。采用3项,近邻实现先做成熟源码深读,其余分别核算证据和形成方案决定;未采用重复造完整推荐平台、真实人员筛选、辅助导航或农业干预,因目标或证据不成立。
第一章生成登记
- 19张知识卡;完整阅读与图表核验见覆盖。
- 术语线索:半监督、强化学习、受限玻尔兹曼机、ROC、nDCG、MRR、Spearman;本章未充分展开者不据名字补卡。
- 引用线索:How good your recommender system is? A survey on evaluations in recommendation;Tutorial on application-oriented evaluation of recommendation systems;The Use of Machine Learning Algorithms in Recommender Systems: A Systematic Review;Research-paper recommender systems: a literature survey。以上为原书参考登记,未声称已读这些论文。
第二章生成登记
- 20张知识卡;数值实验的标签、数据与协议冲突见覆盖,未照搬排行榜。
- 术语线索:PorterStemmer、CountVectorizer、SAMME、SAMME.R、lbfgs、sgd、adam;已展开的表示/参数机制并入对应卡,仅提名的优化器不补造实现。
- 引用:Random forests(Breiman);Greedy function approximation: A gradient boosting machine(Friedman);A decision-theoretic Generalization of on-line Learning and an Application to Boosting(Freund/Schapire);LIBSVM: a library for support vector machines。仅为原文引文登记,未声称已阅读全文。
第三章生成登记
- 18张卡;首次两章重复的协同、内容和评分误差机制并入已有卡,不再重复成卡。
- 术语:GRU、LSTM、BiLSTM、RBM、VAE、DeepCoNN、Doc2vec、Wide & Deep;简述或纯提名不足处只登记。
- 引用:Deep Learning based Recommender System: A Survey and New Perspectives;Content-Based Citation Recommendation;Deep Neural Networks for YouTube Recommendations;Collaborative Knowledge Base Embedding for Recommender Systems。均为原书出处线索,未对这些论文做独立全文研究。
第四章生成登记
- 28张卡;重叠条件与形式化扩展已分别限定。
- 术语:信息增益、交替最小二乘、随机梯度下降、传递闭包、MCC、Concordance Index;未展开算法处只登记,未将文中指标分类错误沿用。
- 引用:CD-CARS: Cross-domain context-aware recommender systems;Can movies and books collaborate? cross-domain collaborative filtering for sparsity reduction;Transfer collaborative filtering from multiple sources via consensus regularization;Time-aware recommender systems: a comprehensive survey and analysis of existing evaluation protocols。仅登记原书出处,未宣称已读外部全文。
第五章生成登记
- 9张卡;内容相似、中心性和合作适合度分开解释。
- 术语:HDFS、LDA Multicore、NPMI、h-index、popularity index、Django、Pickle;纯工具名与未展开数学机制不补造卡。
- 引用:A state-of the-art survey of TOPSIS applications;Discovering author impact: A PageRank perspective;Bringing PageRank to the citation analysis;KASR: A Keyword-Aware Service Recommendation Method on MapReduce for Big Data Applications。原书引文登记,未进行独立源码研究。
第六章生成登记
- 14张卡;重复基础机制并入前章,保留页面、前排、多样性与真实选择的新增角度。
- 术语:MAUT、MOVREC、MOVIEMENDER、skip-gram、UMA、Bandit;仅提名或比较结果未展开者不补算法。
- 引用:The Netflix recommender system: Algorithms, business value, and innovation;Recommender Systems in Industry: A Netflix Case Study;Hybrid recommender systems: A systematic literature review;Designing utility-based recommender systems for e-commerce: Evaluation of preference-elicitation methods。仅登记原书出处。
第七章生成登记
- 7张卡;方面任务与整体二分类实验分开。
- 术语:N-gram、词性标注、依存分析、NLTK、OpenNLP、CoreNLP、Fuzzy feelings;未展开实现者只登记。
- 引用:A Combination of Machine Learning and Lexicon Based Techniques for Sentiment Analysis;Data Preprocessing for Efficient Sentimental Analysis;Sentimental causal rule discovery from Twitter。原书引文登记,多处不相关引用已在覆盖指出。
第八章生成登记
- 8张卡;具体小矩阵存在数值/缺失范围问题,未作为可复现标准答案。
- 术语:BCF/Bhattacharyya、Minkowski、PCA、PLSA、user2vec、Word2Vec/CBOW/SkipGram、GloVe、BERT、ELMo;图或名单仅提名不补实现。
- 引用:Item-based collaborative filtering recommendation algorithms;Amazon.com recommendations: item-to-item collaborative filtering;A new similarity measure using Bhattacharyya coefficient for collaborative filtering in sparse data;Learning word embeddings from wikipedia for content-based recommender systems。仅原书登记。
第九章生成登记
- 10张卡;时间规律、代理数据与移动预算分别限定。
- 术语:HOSVD、PITF、ATTF、ALS、TM-PFM、GMM、STA、Rank-GeoFM、LLRec、tensor-train、RecPOID、fuzzy c-means;未展开完整算法的名单只登记。
- 引用:Aggregated Temporal Tensor Factorization Model for Point-of-Interest Recommendation;POI Recommendation: A Temporal Matching between POI Popularity and User Regularity;Investigating the utility of the weather context for point of interest recommendations;Next point-of-interest recommendation on resource-constrained mobile devices。原书引文登记,未开展独立源码研究。
第十章生成登记
- 5张卡;原书框架作为设计讨论,不作为实地导航方案。
- 术语:BLE、PrefixSpan、2-opt、GPS、RFID、ETAs/EOAs/PLDs;名字与设想不补为已实现机制。
- 引用:Tourism Recommendation System based in user’s profile and functionality levels;Personalized attraction recommendation system for tourists through check-in data;Deep Map: Challenging IT research in the framework of a tourist information system。原书引文登记;产品与成本状态未经外部核验。
第十一章生成登记
- 12张卡;张量基本表示和补全边界保留,重复POI因素并入第九章。
- 术语:CPD/CANDECOMP/PARAFAC、Tucker、HOSVD、HOOI、Jennrich、tensor power、CubeSVD、TOPHITS、TS-PTF、PMFSR;实际定义已成卡,纯名称不补造算法。
- 引用:Introduction to Tensor Decompositions and their applications in Machine Learning;Tensor Methods and Recommender Systems;Multi-Context-Aware Location Recommendation Using Tensor Decomposition;Time-semantic-aware Poisson tensor factorization approach for scalable hotel recommendation。原书出处登记。
第十二章生成登记
- 12张卡;明确数据处理、指标聚合和因果边界。
- 术语:mRMRE、Boruta、Shapiro-Wilk、support/confidence/coverage/lift、ARIMA、MAPE;本章未展开的算法推导只登记。
- 引用:Daily retail demand forecasting using machine learning with emphasis on calendric special days;Analytics for an Online Retailer: Demand Forecasting and Price Optimization;Machine learning methods for demand estimation。仅原书出处登记。
第十三章生成登记
- 7张卡;仅保留指标定义与测量边界。
- 术语:ATS、HRIS、CRM、OPL、KSA、人格/EQ/IQ测试;提名不代表效度确认。
- 引用:HR and analytics: Why HR is set to fail the big data challenge;Predictive HR Analytics: Mastering the HR Metric;HR analytics: a roadmap for decision making: case study。原书引文登记。
第十四章生成登记
- 8张卡;数据/公式/协议冲突已具体记录,不沿用其性能结论。
- 术语:准牛顿、R²、PFE、PA、SNN、SOM、GRNN、RBFNN、Gaussian Process;未展开机制者仅登记。
- 引用:Deep gaussian process for crop yield prediction based on remote sensing data;Maize yield forecasting by linear regression and artificial neural networks in Jilin, China;A parameter based customized artificial neural network model for crop yield prediction。仅原书引文登记。
全文生成收束(2026-11-06)
- 全部spine项目及14章正文、图表和参考已读,177张知识卡,0张结构图卡;按表达需要使用短文,不为配额加图。
- 全书导读、主线、每章独立讲解、跨章联系与实践入口已保存。
- 轻量模式未进行生成后的内容复核、独立审查及审查结果优化;已知原书错误在生成时处置,不以跳审查掩盖。
| 1 | 近邻实现深读 | 实现深读 | done | 08 | 计划;现实执行未开始 | | 2 | 原书公式核算表 | 真实任务 | done | 14 | 计划;现实执行未开始 | | 3 | 资料库推荐信号选择 | 决策实践 | done | 01 | 计划;现实执行未开始 |
相关主题
从本书的主题进入跨书阅读,对照其他书籍的讲解。下方数量包含主题关联的全部卡片与书籍。
暂无公开主题。