TRA CỨU
thông tin biểu ghi
  • Bài trích
  • Ký hiệu PL/XG: 004
    Nhan đề: Hie Rarchy Supervised Som Neural Network Applied For Classification Problem /
DDC 004
Tác giả CN Le, Anh Tu
Nhan đề Hie Rarchy Supervised Som Neural Network Applied For Classification Problem / Le Anh Tu, Nguyen Quang Hoan, Le Son Thai
Mô tả vật lý 14 tr.
Tóm tắt Đề xuất các mạng nơtron có giám sát, gồm S-SOM và S-SOM+ áp dụng cho bài toán phân lớp. Các mạng này được cải tiến từ mô hình SOM không giám sát và có giám sát đã được đề xuất bởi Kohonen và các tác giả khác. Cải tiến xuất phát từ ý tưởng xác định nơtron phân loại mẫu sai, từ đó phát triển các nhánh huấn luyên bổ sung đối với các mẫu dữ liệu được đại diện bởi các nơtron này. Kết quả thực nghiệm mô hình đề xuất phân loại mẫu đạt mức chính xác từ 92% đến 100%.
Từ khóa tự do Bản đồ tự tổ chức
Từ khóa tự do Học có giám sát
Từ khóa tự do Kohonen
Từ khóa tự do Mạng nơtron nhân tạo
Từ khóa tự do Phân cụm dữ liệu
Từ khóa tự do Sel-orgranizing map
Từ khóa tự do Supervised learning
Từ khóa tự do Classification
Từ khóa tự do Clustering
Từ khóa tự do Neural network
Tác giả(bs) CN Le, Son Thai
Tác giả(bs) CN Nguyen, Quang Hoan
Nguồn trích Tạp chí Tin học và Điều khiển học = Journal of Computer Science And Cybernetics 2014Tr. 278-291 Số: 03 Tập: 30
000 00000nab#a2200000ui#4500
00120244
0029
0041634800C-9033-4466-9C1B-862992F0C91F
005202005071534
008081223s vm| vie
0091 0
039|a20200507153637|bngantk|y20200325222502|zthaopt
082 |a004
100 |aLe, Anh Tu
245 |aHie Rarchy Supervised Som Neural Network Applied For Classification Problem / |cLe Anh Tu, Nguyen Quang Hoan, Le Son Thai
300 |a14 tr.
520 |aĐề xuất các mạng nơtron có giám sát, gồm S-SOM và S-SOM+ áp dụng cho bài toán phân lớp. Các mạng này được cải tiến từ mô hình SOM không giám sát và có giám sát đã được đề xuất bởi Kohonen và các tác giả khác. Cải tiến xuất phát từ ý tưởng xác định nơtron phân loại mẫu sai, từ đó phát triển các nhánh huấn luyên bổ sung đối với các mẫu dữ liệu được đại diện bởi các nơtron này. Kết quả thực nghiệm mô hình đề xuất phân loại mẫu đạt mức chính xác từ 92% đến 100%.
653 |aBản đồ tự tổ chức
653 |aHọc có giám sát
653 |aKohonen
653 |aMạng nơtron nhân tạo
653 |aPhân cụm dữ liệu
653 |aSel-orgranizing map
653 |aSupervised learning
653|aClassification
653|aClustering
653|aNeural network
700 |aLe, Son Thai
700 |aNguyen, Quang Hoan
773 |tTạp chí Tin học và Điều khiển học = Journal of Computer Science And Cybernetics |d2014|gTr. 278-291|v30|i03
890|c1|a0|b0|d8
Không tìm thấy biểu ghi nào