Text

Proceedings of ELM-2015 Volume 2; Theory, Algorithms and Applications (II)

---

* Berfokus pada tema konferensi Analisis Data Besar, Pembelajaran Mesin, dan Pembelajaran Biologi, * Hasil Konferensi Internasional tentang Mesin Pembelajaran Ekstrim (ELM-2015) yang diadakan di Hangzhou, China, 15-17 Desember 2015, * Menyajikan Teori, Algoritma, dan Aplikasi. --> Teks yang disediakan tampaknya merupakan daftar makalah penelitian atau artikel yang terkait dengan penerapan Extreme Learning Machines (ELM) dalam berbagai konteks, terutama yang berfokus pada pengenalan pemandangan, klasifikasi pemandangan, pengurangan dimensi, ELM terdistribusi, prediksi tingkat pasang surut, komputasi awan, kueri rentang data yang tidak pasti, dan model hibrid yang menggabungkan Support Vector Machine (SVM) dengan ELM. Berikut ringkasan singkat dari setiap entri: 1. Pengenalan Pemandangan Skala Besar Berdasarkan Mesin Pembelajaran Ekstrim. * Fokus: Pengenalan pemandangan berskala besar menggunakan Mesin Pembelajaran Ekstrem. 2. ELM yang Terhubung Sebagian untuk Klasifikasi Pemandangan yang Cepat dan Efektif. * Fokus: Memanfaatkan Mesin Pembelajaran Ekstrim yang terhubung sebagian untuk klasifikasi pemandangan yang cepat dan efektif. 3. Mesin Pembelajaran Ekstrim Dua Lapis untuk Pengurangan Dimensi. * Fokus: Penerapan Mesin Pembelajaran Ekstrim dua lapis untuk pengurangan dimensi. 4. Mesin Pembelajaran Ekstrim Terdistribusi dengan Metode Pengali Arah Bolak-Balik. * Fokus: Mengembangkan Mesin Pembelajaran Ekstrim terdistribusi menggunakan Metode Pengali Arah Bergantian. 5. Mesin Pembelajaran Ekstrim Sekuensial Online Adaptif untuk Prediksi Tingkat Pasang Surut Waktu Nyata. * Fokus: Membuat Mesin Pembelajaran Ekstrim sekuensial online adaptif untuk prediksi tingkat pasang surut waktu nyata. 6. Optimalisasi Masalah ELM Outsourcing dalam Komputasi Awan dari Multi-pihak. * Fokus: Mengoptimalkan masalah ELM outsourcing dalam komputasi awan yang melibatkan banyak pihak. 7. H-MRST: Kerangka Kerja Baru untuk Mendukung Kueri Rentang Data yang Tidak Pasti Menggunakan ELM. * Fokus: Memperkenalkan H-MRST, kerangka kerja baru untuk mendukung kueri rentang data yang tidak pasti menggunakan Mesin Pembelajaran Ekstrem. 8. Model SVM-ELM Berdasarkan Pengoptimalan Kawanan Partikel. * Fokus: Mengusulkan model yang menggabungkan Support Vector Machine (SVM) dengan Extreme Learning Machine, berdasarkan Pengoptimalan Kawanan Partikel. Jadi, setiap entri dalam daftar kemungkinan mengeksplorasi metodologi, teknik, dan aplikasi spesifik yang terkait dengan Mesin Pembelajaran Ekstrem di masing-masing domain yang disebutkan.

---

Availability

No copy data

Detail Information

Series Title

Prosiding dalam Adaptasi, Pembelajaran, dan Optimalisasi

Call Number

006.3 CAO e

Publisher

Zhejiang, China : Springer International Publishing., 2016

Collation

-

Language

English

ISBN/ISSN

978-3-319-28373-9

Classification

006.3

Content Type

text

Media Type

computer

Carrier Type

online resource

Edition

7

Subject(s)

Kecerdasan Buatan

Specific Detail Info

-

Statement of Responsibility

Jiuwen Cao, Kezhi Mao, Jonathan Wu, Amaury Lendasse

Other Information

Cataloger

Erwin

Source

https://link.springer.com/10.1007/978-3-319-28373-9

Validator

-

Digital Object Identifier (DOI)

-

Journal Volume

-

Journal Issue

-

Subtitle

-

Parallel Title

-

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment