دانلود مقاله انگلیسی رایگان:درختان عصبی با دانش همتا به همتا و سرور به مشتری انتقال مدل برای طبقه بندی داده های بعدی - 2019
دانلود بهترین مقالات isi همراه با ترجمه فارسی

با سلام خدمت کاربران عزیز، به اطلاع می رساند ترجمه مقالاتی که سال انتشار آن ها زیر 2008 می باشد رایگان بوده و میتوانید با وارد شدن در صفحه جزییات مقاله به رایگان ترجمه را دانلود نمایید.

دانلود مقاله انگلیسی سیستم های خبره رایگان
  • Neural trees with peer-to-peer and server-to-client knowledge transferring models for high-dimensional data classification Neural trees with peer-to-peer and server-to-client knowledge transferring models for high-dimensional data classification
    Neural trees with peer-to-peer and server-to-client knowledge transferring models for high-dimensional data classification

    سال انتشار:

    2019


    عنوان انگلیسی مقاله:

    Neural trees with peer-to-peer and server-to-client knowledge transferring models for high-dimensional data classification


    ترجمه فارسی عنوان مقاله:

    درختان عصبی با دانش همتا به همتا و سرور به مشتری انتقال مدل برای طبقه بندی داده های بعدی


    منبع:

    Sciencedirect - Elsevier - Expert Systems With Applications, 137 (2019) 281-291: doi:10:1016/j:eswa:2019:07:003


    نویسنده:

    Shadi Abpeykar, Mehdi Ghatee


    چکیده انگلیسی:

    Classification of the high-dimensional data by a new expert system is followed in the current paper. The proposed system defines some non-disjoint clusters of highly relevant features with the least inner- redundancy. For each cluster, a neural tree is implemented exploiting an Extreme Learning Machine (ELM) together an inference engine in any node. The derived classification rules from ELM are stored in the rule- base of the inference engine to recognize the classes. A majority voting is used to unify the results of the different neural trees. This structure is refereed as the Forest of Extreme Learning Machines with Rule- base Transferring (FELM-RT). The contribution of FELM-RT is to decrease the duplicated computations by using two novel interaction models between the neural trees. In the first interaction model, namely Peer- to-Peer (P2P) model, each node can share its rule-base with the other nodes of the various neural trees. In the second that is referred as Server-to-Client (S2C) model, a neural tree that works on a cluster with the best relevancy and redundancy, shares the rules with the other neural trees. In both of the models, a fuzzy aggregation technique is used to adjust the certainty of the rules. The processing time of FELM-RT decreases essentially and it improves the classification accuracy. The high results of F-measure and G- mean, show that FELM-RT classifies the high-dimensional datasets without over-fitting. The comparison between FELM-RT and some state-of-the-art classifiers reveals that FELM-RT overcomes them specially on the datasets with more than 3 million features.
    Keywords: Neural tree | Rule-base transferring | Feature clustering | Extreme learning machine | Communication models


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 11
    حجم فایل: 1375 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi