训练支持向量机（SVM）需要解决非常大的二次规划（QP）优化问题。 传统方法（例如，牛顿法）用于解决此问题，这可能导致训练缓慢并占用大量内存，尤其是对于大型训练集。 这些缺点限制了SVM的应用。 为了提高支持向量机的训练速度并减少存储需求内存，本文提出了一种通过从原始集合中提取边界样本来减少训练数据量的新方法。 人工集和UCI集用于测试我们方法的性能。 当训练集是线性可分离的时（例如LS-600和LS-1600），压缩率可以达到93.8％和98.7％，而准确性都达到100.0％。 该方法在非线性情况下的性能仍然很好。 实验结果表明，该方法可以减少训练数据的数量，保证分类的准确性。

我们提出了一种使用平均厚度不同的三通道样本对肺结节进行假阳性减少的新方法。 一个三通道样本包含一个以候选点为中心的色块以及该候选点上方和下方的第k个切片的两个色块。 三通道样本包含丰富的肺结节空间背景信息，并且可以在较低的计算和存储要求下进行训练。 卷积神经网络（CNN）被构建和优化为我们研究中的候选特征提取器和分类器。 提出了一种融合方法，用于融合每个候选的多个预测结果。 我们的方法报告说，在LUNA16 Challenge进行的888 CT扫描中，每次扫描4次和8次假阳性时，灵敏度分别为84.8％和91.4％。 实验结果表明，我们的方法显着减少了肺结节检测中的假阳性。

通过脉冲算法减少交互作用的分布式共识跟踪

斩波型运放提供较低的失调电压，同时也极大地减少了1 / f(闪烁)噪声。它是怎么做到的？这篇文章就来讨论这个主题。

相似手写汉字识别的减少连接的网络

重组基于DCT的图像表示，以减少参考立体图像质量评估

已经进行了一些研究身体强壮的受试者和/或手臂截肢者以调查手臂位置变化在实际使用中的影响多功能肌电假体。 分类从肌电图（EMG）离线计算的准确性在这些研究中，录音被用作绩效指标， 这不是实时控制性能的真实度量。 在在这项研究中，手臂位置变化对实时性的影响肌电图模式识别（EMG-PR）控制的性能用四个实时指标进行了定量评估包括动作响应时间，动作完成时间， 运动完成率和动态效率。 十身体健康的受试者参加了研究并进行了级联同时使用EMG和机电图（MMG）构建的分类器建议使用录音以减少手臂位置的影响变化。 试验结果表明手臂位置发生了变化会严重影响肌电图的实时性能基于模式识别的假体控制。 使用级联分类器可以显着提高平均实时完成率（p值<0.01）。 这表明建议级联分类器可能具有减少以下方面的影响的潜力手臂位置变化对机器人实时控制性能的影响假体。

EMC&EMI系列电磁兼容电磁干扰硬件工程师EMC手册减少电磁干扰的印刷电路板设计原则等21篇技术资料，包括EMC_EMI设计秘籍，PCB的电磁兼容设计，华为EMC资料，考虑EMC的PCB设计，如何设计符合电磁相容要求的印刷电路板，中兴_滤波器指南，为什么要掌握电磁兼容技术，电磁干扰（EMI）滤波器电路等技术资料

用于减少太赫兹频率的宽带雷达横截面的编码超表面

使用散斑减少各向异性扩散的超声图像分割多尺度测地线活动轮廓