混合型多示例學(xué)習(xí)算法-資料下載頁(yè)
2024-10-11 15:25本頁(yè)面
【導(dǎo)讀】藥物活性預(yù)測(cè)問(wèn)題。在多示例學(xué)習(xí)框架下：。人工智能研究必須從其傳統(tǒng)關(guān)注的特殊模式走出來(lái)。我們所需的多功能性只能在更大規(guī)模的結(jié)。識(shí)表示的優(yōu)勢(shì)，使得各種類(lèi)型的表示可以相得益彰。混合學(xué)習(xí)能夠利用多種學(xué)習(xí)范式的優(yōu)點(diǎn),因此對(duì)混。利用最小Hausdorff距離來(lái)衡量包之間的距離。借用科學(xué)文獻(xiàn)中“引用”的概念。將EM算法和多樣性密度算法相結(jié)合。“神經(jīng)網(wǎng)絡(luò)合成”法。各算法在Musk數(shù)據(jù)集上的十倍交叉驗(yàn)證精度。在使用“直接投票”法時(shí)，混合算法2、3、5. 解決多示例學(xué)習(xí)問(wèn)題。設(shè)計(jì)出更有力的混合型多示例學(xué)習(xí)算法，
【正文】 sk1數(shù)據(jù)集上取得了比單個(gè)多示例學(xué)習(xí)算法更優(yōu)的結(jié)果，但僅有混合算法 1在 Musk2數(shù)據(jù)集上取得了比單個(gè)多示例學(xué)習(xí)算法更優(yōu)的結(jié)果。 ? 在使用 “ 神經(jīng)網(wǎng)絡(luò)合成 ” 法時(shí)，所有的混合算法在 Musk1和 Musk2數(shù)據(jù)集上均取得了比單個(gè)多示例學(xué)習(xí)算法更優(yōu)的結(jié)果。 結(jié)束語(yǔ) ?提出了五種混合型多示例學(xué)習(xí)算法?；鶞?zhǔn)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，混合學(xué)習(xí)算法可望比單個(gè)多示例學(xué)習(xí)算法更好地解決多示例學(xué)習(xí)問(wèn)題。 ?設(shè)計(jì)出更有力的混合型多示例學(xué)習(xí)算法，不論對(duì)多示例學(xué)習(xí)還是混合學(xué)習(xí)這兩個(gè)熱點(diǎn)領(lǐng)域來(lái)說(shuō)，都是值得深入研究的重要問(wèn)題。
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1