Multi-Objective Machine Learning
Yaochu Jin
មិថុនា 2007 · Springer Science & Business Media
5.0star
ការវាយតម្លៃ 3report
សៀវភៅអេឡិចត្រូនិច
660
ទំព័រ
reportការវាយតម្លៃ និងមតិវាយតម្លៃមិនត្រូវបានផ្ទៀងផ្ទាត់ទេ ស្វែងយល់បន្ថែម
អំពីសៀវភៅអេឡិចត្រូនិកនេះ
Recently, increasing interest has been shown in applying the concept of Pareto-optimality to machine learning, particularly inspired by the successful developments in evolutionary multi-objective optimization. It has been shown that the multi-objective approach to machine learning is particularly successful to improve the performance of the traditional single objective machine learning methods, to generate highly diverse multiple Pareto-optimal models for constructing ensembles models and, and to achieve a desired trade-off between accuracy and interpretability of neural networks or fuzzy systems. This monograph presents a selected collection of research work on multi-objective approach to machine learning, including multi-objective feature selection, multi-objective model selection in training multi-layer perceptrons, radial-basis-function networks, support vector machines, decision trees, and intelligent systems.
ការដាក់ផ្កាយ និងមតិវាយតម្លៃ
5.0
ការវាយតម្លៃ 3
វាយតម្លៃសៀវភៅអេឡិចត្រូនិកនេះ
ប្រាប់យើងអំពីការយល់ឃើញរបស់អ្នក។
អានព័ត៌មាន
ទូរសព្ទឆ្លាតវៃ និងថេប្លេត
ដំឡើងកម្មវិធី Google Play Books សម្រាប់ Android និង iPad/iPhone ។ វាធ្វើសមកាលកម្មដោយស្វ័យប្រវត្តិជាមួយគណនីរបស់អ្នក និងអនុញ្ញាតឱ្យអ្នកអានពេលមានអ៊ីនធឺណិត ឬគ្មានអ៊ីនធឺណិតនៅគ្រប់ទីកន្លែង។
កុំព្យូទ័រយួរដៃ និងកុំព្យូទ័រ
អ្នកអាចស្ដាប់សៀវភៅជាសំឡេងដែលបានទិញនៅក្នុង Google Play ដោយប្រើកម្មវិធីរុករកតាមអ៊ីនធឺណិតក្នុងកុំព្យូទ័ររបស់អ្នក។
eReaders និងឧបករណ៍ផ្សេងទៀត
ដើម្បីអាននៅលើឧបករណ៍ e-ink ដូចជាឧបករណ៍អានសៀវភៅអេឡិចត្រូនិក Kobo អ្នកនឹងត្រូវទាញយកឯកសារ ហើយផ្ទេរវាទៅឧបករណ៍របស់អ្នក។ សូមអនុវត្តតាមការណែនាំលម្អិតរបស់មជ្ឈមណ្ឌលជំនួយ ដើម្បីផ្ទេរឯកសារទៅឧបករណ៍អានសៀវភៅអេឡិចត្រូនិកដែលស្គាល់។
