留心

注意:元诱导神经模糊学习的框架。常见的归纳学习策略为知识获取提供了工具,但由于在学习过程中使用了固定的偏差,因此具有一些固有的局限性。为了克服这种基础学习方法的局限性,一种研究趋势是探索元学习的潜力,这种方法的目的是开发基于偏差动态搜索的机制。这可能会通过利用过去积累的经验,提高学习者在特定学习任务上的基本表现。在本文中,我们提出了一个元学习框架,称为念念(元归纳神经模糊学习),它是建立在连接主义范式和模糊知识管理的基础上的。由于其独特的组织结构,Minided可以在不同的应用级别上加以利用,能够在跨任务环境中积累学习经验。这些特定的知识是在元学习活动中收集的,它被用来为将来的基础学习任务提供参数化建议。通过一系列涉及合成域和真实世界数据的实验环节,对念道系统进行了详细的评估。


zbMATH参考文献(参考 4篇文章 参考)

显示第1到第4个结果,共4个。
按年份排序(引用)

  1. Maciá,Núria;BernadóMansilla,Ester:走向UCI+:一个专注的存储库设计(2014)ioport公司
  2. 彭毅;王国勋;王红刚:基于用户偏好的软件缺陷检测算法选择ioport公司
  3. 胡宝刚;屈汉兵;王勇;杨双红:广义约束神经网络模型:非线性回归的部分已知关系关联(2009)ioport公司
  4. Castiello,Ciro;Castellano,Giovanna;Fanelli,Anna Maria:注意:元诱导神经模糊学习的框架(2008)ioport公司