www.samag.ru
     
Поиск   
              
 www.samag.ru    Web  0 товаров , сумма 0 руб.
E-mail
Пароль  
 Запомнить меня
Регистрация | Забыли пароль?
Журнал "Системный администратор"
Журнал «БИТ»
Подписка
Архив номеров
Где купить
Авторам
Рекламодателям
Контакты
   

  Опросы
1001 и 1 книга  
19.03.2018г.
Просмотров: 10478
Комментарии: 0
Машинное обучение с использованием библиотеки Н2О

 Читать далее...

12.03.2018г.
Просмотров: 10582
Комментарии: 0
Особенности киберпреступлений в России: инструменты нападения и защита информации

 Читать далее...

12.03.2018г.
Просмотров: 8040
Комментарии: 0
Глубокое обучение с точки зрения практика

 Читать далее...

12.03.2018г.
Просмотров: 4950
Комментарии: 0
Изучаем pandas

 Читать далее...

12.03.2018г.
Просмотров: 5794
Комментарии: 0
Программирование на языке Rust (Цветное издание)

 Читать далее...

19.12.2017г.
Просмотров: 5749
Комментарии: 0
Глубокое обучение

 Читать далее...

19.12.2017г.
Просмотров: 8563
Комментарии: 0
Анализ социальных медиа на Python

 Читать далее...

19.12.2017г.
Просмотров: 5132
Комментарии: 0
Основы блокчейна

 Читать далее...

19.12.2017г.
Просмотров: 5389
Комментарии: 0
Java 9. Полный обзор нововведений

 Читать далее...

16.02.2017г.
Просмотров: 9531
Комментарии: 0
Опоздавших не бывает, или книга о стеке

 Читать далее...

17.05.2016г.
Просмотров: 12946
Комментарии: 0
Теория вычислений для программистов

 Читать далее...

30.03.2015г.
Просмотров: 14427
Комментарии: 0
От математики к обобщенному программированию

 Читать далее...

18.02.2014г.
Просмотров: 16146
Комментарии: 0
Рецензия на книгу «Читаем Тьюринга»

 Читать далее...

13.02.2014г.
Просмотров: 11063
Комментарии: 0
Читайте, размышляйте, действуйте

 Читать далее...

12.02.2014г.
Просмотров: 9021
Комментарии: 0
Рисуем наши мысли

 Читать далее...

10.02.2014г.
Просмотров: 7295
Комментарии: 4
Страна в цифрах

 Читать далее...

18.12.2013г.
Просмотров: 6384
Комментарии: 0
Большие данные меняют нашу жизнь

 Читать далее...

18.12.2013г.
Просмотров: 5317
Комментарии: 0
Компьютерные технологии – корень зла для точки роста

 Читать далее...

04.12.2013г.
Просмотров: 4947
Комментарии: 0
Паутина в облаках

 Читать далее...

03.12.2013г.
Просмотров: 5192
Комментарии: 1
Рецензия на книгу «MongoDB в действии»

 Читать далее...

Друзья сайта  

 Повышение точности классификации изображений на основе методов передачи знаний и извлечения признаков в задачах машинного обучения

Архив номеров / 2020 / Выпуск №06 (211) / Повышение точности классификации изображений на основе методов передачи знаний и извлечения признаков в задачах машинного обучения

Рубрика: Наука и технологии /  Раздел для научных публикаций

Петрин Д.А.,
Калужский филиал федерального государственного бюджетного образовательного учреждения высшего образования «Московский государственный технический университет имени Н.Э. Баумана (национальный исследовательский университет)», Калуга, fn1-kf@mail.ru
Белов Ю.С.,
Калужский филиал федерального государственного бюджетного образовательного учреждения высшего образования «Московский государственный технический университет имени Н.Э. Баумана (национальный исследовательский университет)», Калуга, fn1-kf@mail.rux

 

Повышение точности классификации
изображений на основе методов передачи знаний и извлечения признаков в задачах машинного обучения

В данной статье рассматриваются понятия «передача знаний» и «извлечение признаков», а также приводится механизм повышения точности модели классификации с использованием данных техник

Введение. Интеллектуальный анализ данных и машинное обучение широко и успешно используются во многих областях, где фрагменты прошлой информации (данные для обучения) могут быть извлечены для прогнозирования будущих результатов. Традиционное машинное обучение характеризуется обучающими данными и данными для тестирования, имеющими одинаковое пространство входных признаков и одинаковое распределение. Когда существует разница в распределении между обучающими и тестовыми данными, результаты прогнозирования могут быть ухудшены [1]. В некоторых случаях получение обучающих данных, которые соответствуют пространству признаков и характеристикам распределения тестовых данных, может быть трудным и дорогостоящим [2]. Следовательно, необходимо создать высокоэффективную модель для целевой области, обученную из соответствующей исходной области. Для решения данной проблемы применяется техника, которая называется «передача знаний». Часто ее используют в сочетании с таким подходом как «извлечение признаков».

<...>


Подпишитесь на журнал
Купите в Интернет-магазине

Комментарии отсутствуют

Добавить комментарий

Комментарии могут оставлять только зарегистрированные пользователи

               Copyright © Системный администратор

Яндекс.Метрика
Tel.: (499) 277-12-45
E-mail: sa@samag.ru