نویسندگان:
(1) سرگئی کوچریاوسکی، گروه شیمی و علوم زیستی، دانشگاه آلبورگ و نویسنده مسئول ([email protected])
(2) سرگئی ژیلین، CSort، LLC.، خیابان ژرمانا تیتووا. 7, Barnaul, 656023, روسیه و نویسندگان مشارکت کننده0 ([email protected]).
یادداشت ویرایشگر: این قسمت 4 از 4 مطالعه ای است که روش جدیدی را برای تقویت مجموعه داده های عددی و مختلط توضیح می دهد. بقیه را در ادامه بخوانید.
جدول پیوندها
- چکیده و 1 مقدمه
- 2 روش
- 2.1 تولید مجموعه های PV بر اساس تجزیه ارزش منفرد
- 2.2 تولید مجموعه های PV بر اساس تجزیه PLS
- 3 نتیجه
- 3.1 مجموعه داده ها
- 3.2 رگرسیون ANN داده های Tecator
- 3.3 طبقه بندی ANN داده های قلبی
- 4 بحث
- 5 نتیجه گیری و مراجع
4 بحث
نتایج تجربی مزایای تقویت مجموعه PV را تایید میکنند، با این حال بهینهسازی پارامترهای یادگیری ANN برای قابل توجه کردن مزایا مورد نیاز است. در عین حال، بهینه سازی الگوریتم تولید مجموعه PV برای آن ضروری نیست
اکثر موارد بر اساس آزمایشهای ما، ما توصیه میکنیم از نمونهگیری مجدد اعتبار متقابل با 5 یا 10 تقسیم و تعدادی متغیر پنهان به اندازه کافی بزرگ برای گرفتن اکثر تغییرات در X استفاده کنیم. در برخی موارد خاص میتوان از ابزارهایی برای کنترل کیفیت مجموعههای PV تولید شده استفاده کرد. شرح داده شده در [10].
آن…