دانلود ترجمه مقاله ماشین آموزش سریع تجمعی دینامیک بر اساس آنتروپی نمونه – نشریه اسپرینگر

springer4

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی

 

عنوان فارسی مقاله:

ماشین یادگیری سریع تجمعی پویا مبتنی بر آنتروپی نمونه

عنوان انگلیسی مقاله:

Dynamic ensemble extreme learning machine based on sample entropy

  • برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
  • برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

 

مشخصات مقاله انگلیسی (PDF)
سال انتشار مقاله  ۲۰۱۲
تعداد صفحات مقاله انگلیسی  ۱۰صفحه با فرمت pdf
رشته های مرتبط با این مقاله  مهندسی کامپیوتر
گرایش های مرتبط با این مقاله  هوش مصنوعی و مهندسی الگوریتم ها و محاسبات
مجله مربوطه  محاسبات نرم – Soft Computing
دانشگاه تهیه کننده  آزمایشگاه هوش محاسباتی و یادگیری، دانشکده ریاضی و علوم کامپیوتر، دانشگاه هبی، چین
کلمات کلیدی این مقاله  ماشین یادگیری سریع، مجموعه پویا، AdaBoost، Bagging، انتروپی نمونه
رفرنس دارد
شناسه شاپا یا ISSN ISSN ۱۴۳۳-۷۴۷۹
لینک مقاله در سایت مرجع لینک این مقاله در سایت Springer
نشریه Springer

 

مشخصات و وضعیت ترجمه فارسی این مقاله (Word)
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش و فونت ۱۴ B Nazanin ۲۰صفحه
ترجمه عناوین تصاویر و جداول ترجمه شده است
ترجمه متون داخل تصاویر ترجمه نشده است
ترجمه متون داخل جداول ترجمه نشده است
درج تصاویر در فایل ترجمه درج شده است
درج جداول در فایل ترجمه درج شده است
درج فرمولها و محاسبات در فایل ترجمه به صورت عکس درج شده است

 


  • فهرست مطالب:

 

چکیده
۱٫ مقدمه
۲٫ مرور مختصر ماشین یادگیری سریع و الگوریتم AdaBoost
الگوریتم ELM
۲٫ ۲ الگوریتم AdaBoost
۳٫ ماشین یادگیری سریع تجمعی پویا مبتنی بر انتروپی نمونه
الگوریتم DE-ELM
۴٫ نتایج و تحلیل آزمایش
۵٫ نتایج


  • بخشی از ترجمه:

 

۵٫ نتایج
در این مقاله، روش DE-ELM مبتنی بر انتروپی نمونه پیشنهاد شده است که از AdaBoost برای آموزش N SLFNN آموزش دیده با ELM به عنوان N طبقه بند پایه استفاده نموده و نمونه جدید را با استراتژی مجموعه (تجمع) پویا طبقه بندی می نماید. DE-ELM نه تنها بر بسیاری از کمبودهای الگوریتم یادگیری مبتنی بر گرادیان سنتی نظیر کمینه محلی، میزان یادگیری نادرست، و سرعت پائین یادگیری، غلبه می نماید، بلکه همچنین می تواند مسائل و مشکلات ناپایداری و بیش برازش را در ELN اصلی رفع نموده و صحت پیش بینی را افزایش دهد. نتایج آزمایش نشان می دهد که شیوه پیشنهادی پایدار و کارآمد است.


  • بخشی از مقاله انگلیسی:

 

۵ Conclusions

In this paper, based on sample entropy the DE-ELM is proposed, which use AdaBoost to train N SLFNNs trained with ELM as N base classifiers and classify a new sample by strategy of dynamic ensemble. The DE-ELM not only can overcome many shortages in the traditional gradientbased learning algorithm such as local minimal, improper learning rate, and low learning speed but also can alleviate the problems of instability and over-fitting in original ELN, and increase the prediction accuracy. The experimental results show that the proposed approach is robust and efficient.


 

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

 

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی

 

عنوان فارسی مقاله:

ماشین یادگیری سریع تجمعی پویا مبتنی بر آنتروپی نمونه

عنوان انگلیسی مقاله:

Dynamic ensemble extreme learning machine based on sample entropy

  • برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
  • برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

 

دانلود رایگان مقاله انگلیسی

 

خرید ترجمه فارسی مقاله

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *