Algorithme de réseau neuronal pour LDA/GSVD
Versandkostenfrei!
Versandfertig in 6-10 Tagen
26,99 €
inkl. MwSt.
PAYBACK Punkte
13 °P sammeln!
La capacité de l'analyse discriminante linéaire classique basée sur la décomposition de la valeur singulière généralisée (LDA/GSVD) se détériore lorsqu'il s'agit d'ensembles de données non étiquetées, car la LDA nécessite des entrées et des cibles prédéfinies. En outre, l'algorithme LDA/GSVD souffre d'un coût de calcul élevé en raison de ses calculs mathématiques complexes et de ses itérations. Pour résoudre ces problèmes, cette étude présente la carte auto-organisatrice (SOM) comme une nouvelle méthode d'étiquetage des ensembles de données, et le développement d'...
La capacité de l'analyse discriminante linéaire classique basée sur la décomposition de la valeur singulière généralisée (LDA/GSVD) se détériore lorsqu'il s'agit d'ensembles de données non étiquetées, car la LDA nécessite des entrées et des cibles prédéfinies. En outre, l'algorithme LDA/GSVD souffre d'un coût de calcul élevé en raison de ses calculs mathématiques complexes et de ses itérations. Pour résoudre ces problèmes, cette étude présente la carte auto-organisatrice (SOM) comme une nouvelle méthode d'étiquetage des ensembles de données, et le développement d'un algorithme basé sur un réseau neuronal artificiel pour surmonter le coût de calcul de LDA/GSVD. Les résultats montrent que l'utilisation de SOM et ANN sont efficaces pour résoudre les problèmes de l'algorithme traditionnel LDA/GSVD.
Andere Kunden interessierten sich für
