Описание
Stratified Data Partitioning in Artificial Neural Network
Артикул Маркета
6044808985
Внешний вид товаров и/или упаковки может быть изменён изготовителем и отличаться от изображенных на Яндекс Маркете.
Пэй
2 113 ₽
–47%
–200 ₽
С доставкой по клику
Заказ от 1500₽
Пэй
2 113 ₽
–47%
Доставка Маркета
9 окт, по клику 0 ₽
Москва
9 окт, пункт выдачи 0 ₽
Москва
Быстрый возврат
О возвратах
Т8 Издательские Технологии
Магазин
19.2Kзаказов
612подписчиков
6лет на Маркете
О товаре
Описание
Печатная книга «Stratified Data Partitioning in Artificial Neural Network» в мягкой обложке, язык - английский. В книге 116 страниц, она напечатана на белой офсетной бумаге плотностью 80 г/м². Формат издания — 152x229 мм. Все книги аккуратно упаковываем в прочный трёхслойный непрозрачный картонный конверт.
The statistical properties of training, validation and test data play an important role in assuring optimal performance in artificial neural networks (ANN). Researchers have proposed randomized data partitioning (RDP) and stratified data partitioning (SDP) methods for partition of input data into training, validation and test datasets. In this book we discuss the shortcomings and advantages of these methods. Eventually we propose a data clustering algorithm to overcome the drawbacks of the reported data partitioning algorithms. Comparisons have been made using three benchmark case studies, one each from classification, function ap-proximation and prediction domain respectively. The proposed CDCA data partitioning method was evaluated in comparison with Self organizing map, fuzzy clustering and genetic algorithm based data partitioning methods. It was found that the CDCA data partitioning method not only performed well but also reduced the average CPU time.
The statistical properties of training, validation and test data play an important role in assuring optimal performance in artificial neural networks (ANN). Researchers have proposed randomized data partitioning (RDP) and stratified data partitioning (SDP) methods for partition of input data into training, validation and test datasets. In this book we discuss the shortcomings and advantages of these methods. Eventually we propose a data clustering algorithm to overcome the drawbacks of the reported data partitioning algorithms. Comparisons have been made using three benchmark case studies, one each from classification, function ap-proximation and prediction domain respectively. The proposed CDCA data partitioning method was evaluated in comparison with Self organizing map, fuzzy clustering and genetic algorithm based data partitioning methods. It was found that the CDCA data partitioning method not only performed well but also reduced the average CPU time.
Характеристики
Артикул Маркета
6044808985
Внешний вид товаров и/или упаковки может быть изменён изготовителем и отличаться от изображенных на Яндекс Маркете.Возрастное ограничение 18+
Нет отзывов и оценок
Но можно задать вопрос, чтобы узнать о товаре больше
Рекомендуем
Цена с картой Яндекс Пэй 1164 ₽ вместо
Пэй
Цена с картой Яндекс Пэй 1450 ₽ вместо
Пэй
Цена с картой Яндекс Пэй 1633 ₽ вместо
Пэй
Цена с картой Яндекс Пэй 2022 ₽ вместо
Пэй
Цена с картой Яндекс Пэй 545 ₽ вместо
Пэй
Цена с картой Яндекс Пэй 235 ₽ вместо
Пэй
Цена с картой Яндекс Пэй 2517 ₽ вместо
Пэй
Цена с картой Яндекс Пэй 1159 ₽ вместо
Пэй
Цена с картой Яндекс Пэй 1366 ₽ вместо
Пэй
Цена с картой Яндекс Пэй 509 ₽ вместо
Пэй
Цена с картой Яндекс Пэй 646 ₽ вместо
Пэй
Цена с картой Яндекс Пэй 1798 ₽ вместо
Пэй
Войдите в аккаунтИ тогда откроется корзина, а цены на Маркете могут стать ниже
