Хорошо, после небольшого исследования, наконец, я заработал, изменив глагол метода на POST вместо GET, поскольку мы не можем (или слишком усложняемся) отправлять сложный тип данных в запросах GET. Вот код:
[WebMethod]
[ScriptMethod(ResponseFormat = ResponseFormat.Json)]
public void getToken(object Token)
{
}
Вот код Ajax:
$.ajax({
url: "/iFrameIntegration.asmx/getToken",
data: JSON.stringify({ Token: { userData: 'crm' } }),
contentType: "application/json; charset=utf-8",
type: 'POST',
success: function (data) {
alert(data);
},
error: function (data) {
alert("Error");
}
});
Байесовские сети представляют независимость (и зависимость) отношения между переменными. Таким образом ссылки представляют условные отношения в вероятностном смысле. Нейронные сети, вообще говоря, не имеют такой прямой интерпретации, и на самом деле промежуточные узлы большинства нейронных сетей являются обнаруженными функциями, вместо того, чтобы связать любой предикат с ними самостоятельно.
Сообщается, что байесовские сети более стойкие к "перетренировке", которая замечена в некоторых нейронных сетях. Другими словами, некоторые нейронные сети становятся так "обученными" к наблюдаемым измерениям, используемым в обучении, что они не полезны для общих случаев.
Действительно они. Я рассматриваю байесовскую сеть как нейронную сеть, применяющую Теорему Baye на крупный масштаб, но я не помню детали. Я знаю, где можно найти их, и я рекомендую эту книгу для этого.