Главная Назад


Авторизация
Идентификатор пользователя / читателя
Пароль (для удалённых пользователей)
 

Вид поиска

Область поиска
Найдено в других БД
Формат представления найденных документов:
библиографическое описаниекраткийполный
Отсортировать найденные документы по:
авторузаглавиюгоду изданиятипу документа
Поисковый запрос: (<.>A=Avnimelech, Ran$<.>)
Общее количество найденных документов : 2
Показаны документы с 1 по 2
1.
РЖ ВИНИТИ 34 (BI38) 99.09-04А3.48

    Avnimelech, Ran.

    boosted mixture of experts: An ensemble learning scheme [Text] / Ran Avnimelech, Nathan Intrator // Neural Comput. - 1999. - Vol. 11, N 2. - P483-497 . - ISSN 0899-7667
Перевод заглавия: Усиленная смесь экспертов. Схема ансамблевого обучения
Аннотация: Разработана схема обучения ансамбля машин с учителем, основанная на объединении своеобразного варианта смеси экспертов с алгоритмом усиления (Schapire R. "Machine Learning," 1991, 5(2), 197-227). Основным достоинством предлагаемого подхода является возможность изменения динамических характеристик модели непосредственно в ходе работы. Для иллюстрации приведены примеры использования описанного метода в распознавании цифр из большой базы данных NIST. Израиль, Dep. of Computer Sci., Sackler Faculty of Exact Sci., Tel-Aviv Univ., Tel-Aviv. Ил. 2. Табл. 1. Библ. 26
ГРНТИ  
ВИНИТИ 341.55.21.19.25
Рубрики: ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ
СИСТЕМЫ

АНСАМБЛЕВОЕ ОБУЧЕНИЕ


Доп.точки доступа:
Intrator, Nathan


2.
РЖ ВИНИТИ 34 (BI38) 99.09-04А3.140

    Avnimelech, Ran.

    Boosting regression estimators [Text] / Ran Avnimelech, Nathan Intrator // Neural Comput. - 1999. - Vol. 11, N 2. - P499-520 . - ISSN 0899-7667
Перевод заглавия: Усиление алгоритмов регрессионной оценки
Аннотация: Описаны возможности обобщения алгоритма усиления (Schapire R. "Machine Learning" 1991, 5(2) 197-227) на случай более широкого класса регрессионных задач. Идея заключается в использовании аналогии между ошибками классификации и большими ошибками в регрессии. Приведено описание разработанного алгоритма. Для иллюстрации его возможностей приведены примеры анализа временных рядов. Новый метод работал лучше, чем стандартное усреднение по ансамблю независимых экспертных оценок. Библ. 22
ГРНТИ  
ВИНИТИ 341.53.19.09
Рубрики: ОБРАБОТКА ДАННЫХ
ВРЕМЕННЫЕ РЯДЫ

АЛГОРИТМЫ

НЕЙРОННЫЕ СЕТИ


Доп.точки доступа:
Intrator, Nathan


 




© Международная Ассоциация пользователей и разработчиков электронных библиотек и новых информационных технологий
(Ассоциация ЭБНИТ)