| #895 کد مقاله | زمینه: کامپیوتر | ||
عنوان انگلیسی: |
Features Learning and Transformation Based on Deep Autoencoders |
تعداد صفحات انگلیسی: |
8 صفحه |
عنوان فارسی: |
یادگیری ویژگی‌ها و تبدیل براساس خود رمزگذاری های عمیق |
تعداد صفحات فارسی: |
10 صفحه |
نوع فایل: |
فایل word ترجمه و pdf انگلیسی |
قیمت فروش: |
60,000 ريال |
چکیده فارسی: |
چکیده. توصیه برچسب یکی از مهم ترین راه های یک سازمان برای تعیین منابع آنلاین نظیر مقالات، فیلم های سینمایی و آهنگ‌ها برای توصیه آن‌ها به کاربران بالقوه است. از آنجاکه اطلاعات توصیه شده معمولا خیلی پراکنده هستند، یادگیری کارآمد نمایش محتوا برای این منابع در توصیه های دقیق حیاتی است. یکی از مسایل تبدیل ویژگی‌ها یا یادگیری ویژگی هاست. در یک سو، روش های تصویری امکان یافتن نمایش های داده‌ها را فراهم می سازند، اما برای داده های غیر خطی یا مجموعه داده‌ها خیلی پراکنده موثر نیستند. از سوی دیگر، یادگیری ویژگی نظارت نشده با چارچوب های عمیق در سال های اخیر بصورت گسترده ای بررسی شده است. برغم پیشرفت ها، اکثریت مدل های موجود در نویزهای غیر گاوسی، داده هاd پرت و پراکنده بعدی، بسیار شکننده هستند. در این مقاله، ما به مطالعه درباره استفاده از خود رمزگذارهای نویز زدایی کننده و دیگر روش های کاهش بعد را برای یادگیری نمایش های مرتبط داده‌ها جهت افزایش کیفیت مدل های دسته بندی، ارائه می نماییم. در این مقاله، یک چارچوب ترکیبی را با یک مدل یادگیری عمیق بنام خود رمزگذار نویز زدایی پشته ای (SDAE)، SVD و نگاشت های انتشار جهت یادگیری نمایش موثرتر محتوا ارائه می نماییم. چارچوب ارائه شده بر مجموعه داده های توصیه ای برچسبی واقعی آزمون می شود تا با استفاده از شاخص های دسته بندی درونی و توسط متخصصان تایید اعتبار گردد. |
||
نسخه انگلیسی: |
|||
قیمت فروش: |
60,000 ريال |
||
|
پرداخت اینترنتی و دریافت
|
|||
تمامی کالاها و خدمات این فروشگاه حسب مورد دارای مجوزهای لازم از مراجع مربوطه می باشند و فعالیت های این سایت تابع قوانین و مقررات جمهوری اسلامی ایران است.
خوراک اخبار فراترجمه
ثبت سفارش آنلاین ترجمه