data driven中文是什么意思

发音:

中文翻译
造句

数据驱动

data n. 1.资料，材料〔此词系 datum 的复数。但 d ...
driven adj. 1.被逼迫的，不得已的，被驱使的。 2.打入的 ...
data-driven 数据驱动的; 资料驱动 [数据驱动
data driven analysis 资料驱动型分析 [数据驱动型分析
data driven excution 资料驱动执行
data driven machine 数据驱动计算机
data driven mode 数据驱动模式
data-dictionary-driven system 数据字典驱动系统
data-driven attack （数据驱动攻击）依; 数据驱动攻击
data-driven computer 数据驱动计算机
data-driven control strategy 数据驱动控制方法
data-driven decision sector 数据驱动判定区段
data-driven design 数据驱动设计
data-driven evaluation 数据驱动求值
data-driven machine 数据驱动求计算机
data-driven processing 数据驱动处理
data-driven programming 数据驱动编程; 数据驱动程序设计
data-driven system 数据驱动系统
data-driven testing 数据驱动测试
parallel data driven processor 并行数据驱动处理机
parallel data-driven processor 并行数据驱动处理机
block-driven data-flow processor 块驱动数据流处理机
data driven hypothesis generation phase 数据驱动假设生成阶段
driven adj. 1.被逼迫的，不得已的，被驱使的。 2.打入的。 3.吹积起来的。 4.【机械工程】从动的。 a driven sense of obligation 紧迫的责任感。 a driven pile 入土[打入]桩。
air driven 风动的; 气动的; 气压传动的

"查查词典"手机版

千万人都在用的超大词汇词典翻译APP

例句与用法

This paper presents ddstream , a data driven video streaming network module based on p2p , and builds a three - tiered application layer multicast architecture composed of video server , super peers and common peers . in the ddstream , every peer periodically exchanges data availability with others , retrieves unavailable data or supplies available data to others . ddstream makes a good tradeoff among bandwidth efficiency , delay and reliability
根据对各种视频流媒体网络中典型模型的分析总结,本课题设计并实现了一个基于p2p技术的视频流媒体网络模型ddstream ? ?以数据驱动的方式进行视频流媒体数据分发的模型,并构建了一种以视频流媒体服务器、超级节点sp和普通节点三层体系结构的高效但又简单易行的视频流媒体网络。
When taking part in the bci competition iii , t - weighted approach for feature extraction and reinforcement learning of classifier design are proposed . compared to other methods , t - weight approach has the advantages of requiring less a prior knowledge , exploring more information and computing faster . reinforcement learning is an optimization method both model driven and data driven aiming at mining the discriminative information as more as possible , and improving both the fitting and generalization ability of an existing classifier
相比其它特征提取方法, t加权方法具有对先验知识要求少、信息利用充分、计算快速等优点;而分类器设计的强化学习方法是模型驱动与数据驱动相结合的一种分类器优化方法,其思想在于充分挖掘样本判别信息,在已有分类器基础上进一步提高对数据的拟合能力及泛化能力。