远端的

远端:基于模式间距离的构造性学习算法,阈值逻辑单元的多层网络为模式分类系统的设计提供了一个有吸引力的框架。介绍了一种新的基于模式间距离的构造性神经网络学习算法。远端构建一个单一隐藏层的超球形阈值神经元。每个神经元被设计来确定属于同一类的训练模式的集群。通过比较训练模式的模式间距离,直接确定隐藏神经元的权重和阈值。这提供了比其他构造性学习算法的优势,该算法使用迭代的(并且通常是耗时的)权重修改策略来训练单个神经元。单个簇(由隐神经元表示)由阈值神经元的单个输出层组合。远端的速度使其成为数据集和大数据集知识获取的良好候选。本文介绍了使用人工和真实世界的数据集的实验结果。结果表明,远优于其他学习算法的模式分类。


ZBMaX中的参考文献(95篇)1标准条款

显示结果1至20的95。
按年份排序(引文
  1. Agor,约瑟夫;Euz Zaltn,Osman Y.:基于双层优化的分类模型特征选择(2019)
  2. 布兰科维奇,Aida;PiRoDDI,路易吉:一种分布式信息共享的特征选择方案(2019)
  3. 王,燕郊;DU,Tianlin:一种改进的松鼠搜索全局函数优化算法(2019)
  4. Shahin,Ismail M. A.:基于新的三阶循环超音隐马尔可夫模型的说话人识别环境中的说话人识别(2016)伊波尔特
  5. 王,Zhichun;李,闵强;李,卷子:一种基于互信息的多目标进化算法和新的冗余测度(2015)
  6. I.的波尔托-迪亚兹,Alonso Betanzos,A.:一个基于成本的特征选择框架(2014)伊波尔特
  7. 林,Thy Hou;Tsai,Tsung Lin:利用遗传算法训练的SVM(2014)选择的一些分子特征,由人类或猪黄素单加氧酶构建某些代谢性药物的线性QSAR(英文)
  8. 特拉法里斯,Theodore B.;阿德里安托,大筒木因陀罗;Richman,Michael B.;Lakshmivarahan,S.:不平衡龙卷风数据的机器学习分类器(2014)伊波尔特
  9. 陈,郝;江,文;李,CANBIN;李,芮:一种基于混沌优化和遗传算法的启发式文本分类特征选择方法(2013)伊波尔特
  10. Duarte Mermoud,M. A.;贝尔塔恩,N. H.;Salah,S. A.:概率自适应交叉应用于智利葡萄酒分类(2013)伊波尔特
  11. 彭,Xinjun;徐,董:一种基于局部信息的数据回归特征选择算法(2013)伊波尔特
  12. PISICA,Ioana;泰勒,加里斯;LiPAN,Laulutu:电力系统运行状态分类的特征选择滤波器(2013)
  13. Prasad,YaMuna;BiSIS,K. K.:广义多核学习中的模糊粗糙正则化(2013)
  14. 维埃拉,Susana M.,马德拉,J.E.F.A.,Apaydin,Ayn En;索萨,Jo.A.M.C.:应用于特征选择的多目标算法的比较(2013)伊波尔特
  15. Boubezoul,Abderrahmane;巴黎,S·巴斯蒂安:全局优化方法在模型和特征选择中的应用(2012)
  16. Liao,闫远;姚,Dun Han;陈,Chieh Li:旅行商问题的进化算法(2012)
  17. Luque,R. M.;埃利松多,D,L·Pez Rubio,E;帕洛莫,E. J.:基于计算智能技术的手生物特征的特征选择(2012)
  18. Khenchaf,A.HoeltZier-B.:逆合成孔径雷达图像的检索系统:在雷达目标识别中的应用(2012)伊波尔特
  19. Jasmina的NoVaKoVi,TrBac,Perica,BulaToVi,DuaAn:利用排序方法和分类算法走向最优特征选择(2011)
  20. Unle,Alper;穆拉特河,Alper;Chinnam,Ratna Babu:(MR 2)PSO:基于群体智能的最大相关最小冗余特征选择方法支持向量机分类(2011)伊波尔特