Andere Kunden interessierten sich auch für
![Sistema CAD per la classificazione del cancro al seno da immagini mammografiche]( "Sistema CAD per la classificazione del cancro al seno da immagini mammografiche")
Sistema CAD per la classificazione del cancro al seno da immagini mammografiche23,99 €![Metodologia di ottimizzazione Multi Swarm per la classificazione delle immagini]( "Metodologia di ottimizzazione Multi Swarm per la classificazione delle immagini")
Metodologia di ottimizzazione Multi Swarm per la classificazione delle immagini22,99 €![Technique d'exclusion pour la classification des images]( "Technique d'exclusion pour la classification des images")
Technique d'exclusion pour la classification des images36,99 €![Técnica de dropout para Classificação de Imagens]( "Técnica de dropout para Classificação de Imagens")
Técnica de dropout para Classificação de Imagens36,99 €![Dropout-Verfahren für die Bildklassifizierung]( "Dropout-Verfahren für die Bildklassifizierung")
Dropout-Verfahren für die Bildklassifizierung54,90 €![Identificazione delle specie di carne con la tecnica della reazione a catena della polimerasi]( "Identificazione delle specie di carne con la tecnica della reazione a catena della polimerasi")
Identificazione delle specie di carne con la tecnica della reazione a catena della polimerasi32,99 €![Classificazione delle pagine web accademiche e dei documenti di ricerca in base all'importanza]( "Classificazione delle pagine web accademiche e dei documenti di ricerca in base all'importanza")
Classificazione delle pagine web accademiche e dei documenti di ricerca in base all'importanza44,99 €
Una macchina per l'apprendimento estremo (ELM) è una rete neurale feed-forward (FFN). Sta giocando un ruolo cruciale nella classificazione delle immagini ed è un metodo semplice per l'apprendimento delle caratteristiche e ELM è frequentemente usato nell'apprendimento sequenziale, nell'apprendimento in batch e nell'apprendimento incrementale a causa di queste inclinazioni ELM sta imparando più velocemente, velocità, buona capacità di generalizzazione, facilità di implementazione ed efficienza nelle classificazioni. In questo lavoro, proponiamo due fasi: la fase di mappatura delle caratteristiche, la fase di apprendimento delle caratteristiche in una macchina di apprendimento estremo.