سلام دوستان
ممنون می شم راهنمایی کنید
برای درس شناسایی آماری الگو ویادگیری باید مقاله انتخاب و پیاده سازی کنیم به نظرتون کدوم یک از این موضوعات پیاده سازی آن ساده تر است م خیلی مقالات دیدم اومدن در نمودارهای از روش های دیگه برای محاسبه ی دقت استفاده کردن که صحبتی ازش نکردن
Creating diverse nearest-neighbour ensembles using simultaneous-1
metaheuristic feature selection
۲-Creating diverse nearest-neighbour ensembles using simultaneous
metaheuristic feature selection
۳-A direct boosting algorithm for the k-nearest neighbor classifier via local warping
of the distance metric
۴-A k-Nearest Neighbor Locally Weighted Regression Method for
Short-Term Traffic Flow Forecasting
۵-Optimization method based extreme learning machine for classification
۶-Comparing the Performance of Different Neural Networks for
Binary Classification Problems
۷-Stock Price Pattern Recognition
- A Recurrent Neural Network Approach -
بین این موضوعات شک دارم
باید متن مقاله رو بررسی کرد اما سراغ ۳ نرو!! منم اولین گزینه ام این بود برای پیاده سازی چون ظاهر مظلومی داشت
اما درونش چیزای خفنی هست البته اگه ماشین لرنینگ رو خوندنی اوضاع فرق میکنه
ممنون
درسته. از موضوع نمی شه قضاوت کرد -یادگیری هم دارم اما راجع به nn-boosting
خیلی نخوندیم.در حدتعریف بود
(۱۶ دى ۱۳۹۱ ۱۰:۵۸ ب.ظ)bahar.computer نوشته شده توسط: ممنون
درسته. از موضوع نمی شه قضاوت کرد -یادگیری هم دارم اما راجع به nn-boosting
خیلی نخوندیم.در حدتعریف بود
دقیقا منظورم همین کلمه بود
شمامیدونید کواریانس روش بیز به صورت ترتیبی چی است؟
دردودا نیست
(۱۶ دى ۱۳۹۱ ۱۱:۰۲ ب.ظ)Masoud05 نوشته شده توسط:(16 دى ۱۳۹۱ ۱۰:۵۸ ب.ظ)bahar.computer نوشته شده توسط: ممنون
درسته. از موضوع نمی شه قضاوت کرد -یادگیری هم دارم اما راجع به nn-boosting
خیلی نخوندیم.در حدتعریف بود
دقیقا منظورم همین کلمه بود
مورد ۷ اگه با شبکه های عصبی بازگشتی آشنایی دارید به نظر سخت نمیاد.