Algoritmo di rete neurale per LDA/GSVD - Paredes, Rolysent
26,99 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 6-10 Tagen
  • Broschiertes Buch

La capacità della classica Analisi Discriminante Lineare basata sulla Decomposizione del Valore Singolare Generalizzato (LDA/GSVD) si deteriora quando si ha a che fare con insiemi di dati non etichettati perché LDA richiede input e target predefiniti. Inoltre, l'algoritmo LDA/GSVD soffre di un alto costo di calcolo a causa dei suoi complessi calcoli matematici e delle iterazioni. Per affrontare questi problemi, questo studio introduce la Self-Organizing Map (SOM) come un nuovo metodo per etichettare i set di dati, e lo sviluppo di un algoritmo basato su reti neurali artificiali per superare il…mehr

Andere Kunden interessierten sich auch für
Produktbeschreibung
La capacità della classica Analisi Discriminante Lineare basata sulla Decomposizione del Valore Singolare Generalizzato (LDA/GSVD) si deteriora quando si ha a che fare con insiemi di dati non etichettati perché LDA richiede input e target predefiniti. Inoltre, l'algoritmo LDA/GSVD soffre di un alto costo di calcolo a causa dei suoi complessi calcoli matematici e delle iterazioni. Per affrontare questi problemi, questo studio introduce la Self-Organizing Map (SOM) come un nuovo metodo per etichettare i set di dati, e lo sviluppo di un algoritmo basato su reti neurali artificiali per superare il costo computazionale di LDA/GSVD. I risultati mostrano che l'uso di SOM e ANN sono efficaci nel risolvere i problemi dell'algoritmo tradizionale LDA/GSVD.
Autorenporträt
Rolysent Paredes est membre de la faculté de l'université de Misamis à Ozamiz City, aux Philippines. Il est instructeur certifié par l'Académie Cisco. Il a plusieurs publications à son actif et a présenté des travaux de recherche sur l'exploration de données, l'intelligence artificielle, l'apprentissage automatique et les réseaux informatiques lors de diverses conférences internationales.