{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部件”：[[2024,5,25]]，“日期-时间”：“2024-05-25T04:30:53Z”，“时间戳”：1716611453939}，“参考-计数”：16，“出版商”：“Springer Science and Business Media LLC”，“发行”：“S5”，“许可证”：[{“开始”：{-“日期-零件”：[2017,12,9]]，”日期-时间我”：“2017-12-09T00:00:00Z”，“timestamp”：151277760000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“http://www.springer.com/tdm”}]，“funder”：[{“DOI”：“10.13039\/501100001809”，“name”：“国家自然科学基金”，“DOI-asserted-by”：“publisher”，“award”：[“51179002”，”61703008“]}，{“name”：“北京市教委科技发展计划重大项目”，“奖项”：[“KZ201510011011”]}]，“内容域”：{“域”：[”link.springer.com“]，“crossmark-restriction”：false}，“short-container-title”：[）集群计算“]，”published-print“：{”date-parts“：[2019,9]}，”DOI“：”10.1007\/s10586-017-1460-9“，”type“：“journal-article”，“created”：{“date-parts”：[[2017,12,9]]，“date-time”：“2017-12-09T15:16:44Z”，“timestamp”：1512832604000}，“page”：“11713-11721”，“update-policy”：”http://\/dx.doi.org\/10.10007\/springer_crossmark_policy“，”source“Crossref”，“is-referenced-by-count”：6，“title”：[“一种改进的动态深度信念网络模型用于藻类水华预测的方法”]，“前缀”：“10.1007”，“卷”：“22”，“作者”：[{“给定”：“李”，“家族”：“王”，“序列”：“第一”，“从属”：[]}，{“已知”：“天瑞”，“家庭”：“张”，“顺序”：“附加”，“隶属”：[]}，“给定”:“吉平”，“家人”：“徐”，“序号”：“额外”，“附属”：[[]}，{“给定”：“加宾”，“家庭”：“余”，“序列”：“附加”，“隶属关系”：[]}，{”给定”：”孝义”，“家族”：“王”，“顺序”：“额外”，“从属关系”：[]}：“297”，“在线发布”：{“date-parts”：[[2017,12,9]]}，“reference”：[{“issue”：“1”，“key”：“1460_CR1”，“首页”：“45”，“volume”：”56“，“author”：“K Kitahara”，“year”：“2015”，“unstructured”：“Kitahra，K.，Hasegawa，H.，Mae，M.：富营养化对湖水砷形态形成的影响。Gynecol.Oncol.56（1），45\u201352（2015）”，“journal-title”：“Gynecol。Oncol.“}，{”键“：“1460_CR2”，“doi-asserted-by”：“publisher”，“first page”：“67”，“doi”：“10.1016\/j.ecolmodel.2016.03.007”，“volume”：”332“，“author”：“X Wang”，“year”：“2016”，“unstructured”：“Wang，X.，Yao，j.，Shi，Y.：城市湖泊和水库水华形成混合机制建模研究。Ecol.Model.332,67\u201373（2016）”，“journal-title”：“Ecol.Model.”}，{“key”：“1460_CR3”，“doi-asserted-by”：“publisher”，“first page”：《85》，“doi”：“10.1016\/j.neunet.2014.09.003”，《volume》：“61”，“author”：“j Schmidhuber”，“year”：“2015”，“unstructured”：“Schmidhuper，j.：神经网络的深度学习：概述。神经网络.61,85\u2013117（2015）”，“日志标题”：“神经网络”}、{“问题”：“2”，“关键”：“1460_CR4”，“doi-asserted-by”：“publisher”，“first page”：“337”，“doi”：“10.1007\/s10044-014-0404-8”，《volume》：“19”，“author”：“K Charalampous”，“year”：“2016”，“unstructured”：“Charalampours，K.，Gasteratos，A.：动作识别的在线深度学习方法。Pattern Anal.Appl.19（2），337\u2013354（2016）”，“journal-title”：“Pattern Analy.Appl.”}，{“问题”：“2”，“key”：“1460_CR5”，“首页”：“243”，“卷”：“2012”，“作者”：“J Chen”，“年份”：“12”，“非结构化”：“Chen，J.，Jin，Q.，Chao，J.：利用淮河流域数据进行干旱指数短期预测的深信度网络设计。数学Probl.Eng.2012（2），243\u2013253（2012）”，“日记标题”：“数学Probl.Eng.”}，{“key“1460_CR6”，“非结构化”：“Yu，D.，Deng，L.，Dahl，G.E.：预训练和微调在上下文相关的DBN-HMM中对真实世界语音识别的作用。摘自：Nips深度学习和无监督特征学习研讨会论文集，（2010）”}，{“key”：“1460_CR7”，“doi-asserted-by”：“publisher”，“first page”：”686“，“doi”：“10.1016\/j.patcog.2016.05.028”，“volume”：“61”，“author”：“Z Zhao”，“year”：“2017”，“unstructured”：“Zhao，Z.，Jiao，L.，Zhoo，J.：用于高分辨率SAR图像分类的判别深度信念网络。Pattern Recogn.61，686\u2013701（2017）”，“journal title”：“Pattern Reign.”}，{“issue”：“12”，“key”：《1460_CR8》，“first pages”：“1089”，“volution”：第26卷，“au作者”：“LP Chen”，“年份”：“2013”，“unstructured”：“Chen，L.P.，Wang，E.Y.，Dai，L.R.：基于深度信念网络的说话人信息提取方法。Pattern Recog.Artif.Intell.26（12），1089\u20131095（2013）”，“journal title”：“Pattern Regg.Artif.Intell.”}，{“issue”：“10”，“key”：“1460_CR9”，“first page”：《1265》，“volume”：”32“author”：“J Yao”，“year”：“2015”，“unsructured“：“姚，J.，Jiping，X.，Wang，X.：基于深度学习的赤潮预测研究。《计算机应用化学》32（10），1265\u20131268（2015）”，“期刊标题”：“计算机应用化学”}，{“问题”：“7”，“关键”：“1460_CR10”，“首页”：“1030”，《卷》：“42”，“作者”：“FY Zhou”，“年份”：“2016”，“非结构化”：“周，F.Y.，尹，J.Q.，杨，Y.：基于时间深度信念神经网络的人类行为在线识别。《汽车学报》42（7），1030\u20131039（2016）”，“期刊标题”：“汽车学报”}，{“问题”：“12”，“关键”：“1460_CR11”，“doi-asserted-by”：“出版商”，“首页”：“9508”，“doi”：“10.1109\/TVT.2016.2585575”，“卷”：“65”，“作者”：“A Koesdwiady”，“year”：“2016”，“unstructured”：“Koesdwaidy，A.，Soua，R.，Karray，F.：利用互联汽车中的天气信息改进交通流预测：深度学习方法。IEEE Trans.Veh.Technol.65（12），9508\u20139517（2016）”，“日志标题”：“IEEE Trans.Veh.Techol.”}，{“问题”：“12”，“关键”：“1460_CR12”，“首页”：“2138”，“卷”：“41”，“作者”：“J Qiao”，“年份”：“2015”，“非结构化”：“Qiao，J.，Pan，G.，Han，H.：连续深度信仰网络的设计与应用。Acta Autom.Sin.41（12），2138\u20132146（2015）”，“期刊标题”：“Acta Autom.Sin.”}，｛“密钥”：“1460_CR13”，“首页”：“108”，“卷”：“07”，“作者”：“Y Tian”，“年份”：“2016”，“非结构化”：“Tian，Y.：改进的深度信念网络在磨削表面粗糙度中的应用。Modul.Mach.Tool Autom.Manuf.Tech.07，108\u2013110（2016）”，“日志标题”：“Modul.Mach Tool Autom.Manuf Tech.”}，{“问题”：“3”，“关键”：“1460_CR14”，“doi-asserted-by”：“出版商”，“首页”：“153”，“doi”：“10.1049\/ip-vis:2003062”，“卷”：“150”，“作者”：“H Chen”，“年份”：“2003年”，“非结构化”：“Chen，H.，Murray，A.F.：具有可实现训练算法的连续受限Boltzmann机器。IEE Proc.Vis.Image Signal Process.150（3），153\u2013158（2003：“GW Taylor”，“year”：“2006”，“unstructured”：“Taylor，G.W.，Hinton，G.E.，Roweis，S.：使用二进制潜在变量建模人体运动。Int Conf.Neural Inf.Process。Syst.19（5），1345\u20131352（2006）”，“journal-title”：“Int Conf Neural Inf.Process，Syst.”}，{“issue”：“1”，“key”：“1460_CR16”，“first page”：”2“，“volume”：5”，“author”：“F Abtahi”，“year”：“2011年”，“非结构化”：“Abtahi，F.，Fasel，I.：深度信念网络作为强化学习的函数近似器。AAAI Conf.终身学习。AAAI-Press 5（1），2\u20137（2011）”，“journal-title”：“AAAI-Conf.终生学习。AAAI Press”}]，“container-title“：[”Cluster Computing“]，”original-title:[]，“language”：“en”，“link”：[{“URL”：“http://\/link.springer.com/content\/pdf\/10.1007\/s10586-017-1460-9.pdf”，“content-type”：“application\/pdf”、“content-version”：“vor”、“intended-application”：“text-mining”}，{“URL”：“http://\\link.springer-com/article\/10.10007\/s10586-017-1460.9\/fulltext.html”，“内容类型”：“文本\/html”、“内容-version“：”vor“：”text-mining“}，{“URL”：“http://\/link.springer.com/content\/pdf\/101007\/s10586-017-1460-9.pdf”，“content-type”：“application\/pdf”、“content-version”：“vor”，“intended-application”：“similarity-checking”}]，“deposed”：{“date-parts”：[[2019,11,22]]，“date-time”：”2019-11-22T03:15:50Z“timestamp”：1574392550000}，“score”：1，“resource”：{“primary”：{“URL”：“http:\/\/link.springer.com\/10.1007\/s10586-017-1460-9”｝｝，“副标题”：[]，“短标题”：[]，“已发布”：｛“日期部分”：[[2017,12,9]]｝，“参考文献数”：16，“期刊发行”：｛“发行”：“S5”，“已发布印刷品”：｛“日期部分”：[[2019,9]]｝｝，“替代id”：[“1460”]，“URL”：“http:\/\/dx.doi.org/10.1007\/s10586-017-1460-9“，”关系“：｛｝，”ISSN“：[”1386-7857“，“1573-77543”]，“issn type”：[｛“value”：“1386-7857”，“type”：“print”｝，｛“value”：“1573-77543”，“type”：“electronic”｝]，“subject”：[]，“published”：｛“date parts”：[[2017,12,9]]｝，“assertion”：[｛“value”：“2017年10月11日”，“order”：1，“name”：“received”，“label”：“received”，“group”：｛“name”：“ArticleHistory”，“label”：“ArticleHistory”｝，｛“值”：“2017年11月16日”，“订单”：2，“名称”：“修订”，“标签”：“修改”，“组”：{“name”：“Article History”，“label”：“文章历史”}}，{“value”：“2017年11月28日”，“订单”：3，“名称“：”已接受“，”标签“：”接受“，“组“name”：“ArticleHistory”，“label”：“文章历史”}}]}}