{"title":"另一个概率算法来计算相似之处。","authors":"Д. В. Виноградов, D. Vinogradov","doi":"10.36535/0548-0027-2019-09-2","DOIUrl":null,"url":null,"abstract":"Описан новый вероятностный алгоритм вычисления гипотез как результатов сходства между обучающими примерами для задачи машинного обучения, основанного на бинарной операции сходства. В отличие от ранее предложенных вероятностных алгоритмов порядок учета обучающих примеров является фиксированным для всех гипотез. Этот алгоритм полезен для реализации на GPGPU. Основной результат этой статьи состоит в независимости вероятности появления каждого сходства от порядка появления обучающих примеров в выборке.","PeriodicalId":24076,"journal":{"name":"Научно-техническая информация. Серия 2: Информационные процессы и системы","volume":null,"pages":null},"PeriodicalIF":0.0000,"publicationDate":"2019-01-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Ещё один вероятностный алгоритм для вычисления сходств\",\"authors\":\"Д. В. Виноградов, D. Vinogradov\",\"doi\":\"10.36535/0548-0027-2019-09-2\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Описан новый вероятностный алгоритм вычисления гипотез как результатов сходства между обучающими примерами для задачи машинного обучения, основанного на бинарной операции сходства. В отличие от ранее предложенных вероятностных алгоритмов порядок учета обучающих примеров является фиксированным для всех гипотез. Этот алгоритм полезен для реализации на GPGPU. Основной результат этой статьи состоит в независимости вероятности появления каждого сходства от порядка появления обучающих примеров в выборке.\",\"PeriodicalId\":24076,\"journal\":{\"name\":\"Научно-техническая информация. Серия 2: Информационные процессы и системы\",\"volume\":null,\"pages\":null},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2019-01-01\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Научно-техническая информация. Серия 2: Информационные процессы и системы\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.36535/0548-0027-2019-09-2\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Научно-техническая информация. Серия 2: Информационные процессы и системы","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.36535/0548-0027-2019-09-2","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
Ещё один вероятностный алгоритм для вычисления сходств
Описан новый вероятностный алгоритм вычисления гипотез как результатов сходства между обучающими примерами для задачи машинного обучения, основанного на бинарной операции сходства. В отличие от ранее предложенных вероятностных алгоритмов порядок учета обучающих примеров является фиксированным для всех гипотез. Этот алгоритм полезен для реализации на GPGPU. Основной результат этой статьи состоит в независимости вероятности появления каждого сходства от порядка появления обучающих примеров в выборке.
求助内容：
应助结果提醒方式：
京公网安备 11010802042870号
