بررسی الگوریتم های ماشین یادگیری ماهوت مورد استفاده برای کلاس بندی

چکیده مقاله

روش های ماشین های یادگیری باید در مواردی که شامل میلیون ها ورودی است و نیاز به پردازش تمامی آنها به طور همزمان است توسعه پیدا کنند مزیت ماشین یادگیری ماهوت بیشتر از سایر روش ها به دلیل تعداد نمونه های آموزشی ای است که افزایش پیدا می کنند ورودی با بیش از 1 تا 10 میلیون نمونه آموزشی ابزاری مقیاس پذیرتر از سایر روش ها نیاز دارد که ماهوت می تواند این نیاز را برطرف سازد لذا در این مقاله به بررسی الگوریتم های مورد استفاده در ماشین یادگیری ماهوت برای کلاس بندی می پردازیم

کلیدواژه‌ها

نویسندگان

حسین کاردان مقدم

عضو هییت علمی مربی ، دانشگاه صنعتی بیرجند

سید هادی موسوی

عضو هییت علمی مربی ، دانشگاه صنعتی بیرجند

کاردان مقدم، حسین و موسوی، سید هادی،1394،بررسی الگوریتم های ماشین یادگیری ماهوت مورد استفاده برای کلاس بندی،نخستین کنفرانس ملی محاسبات نرم،رشت

ارائه‌شده در

مجموعه مقالات نخستین کنفرانس ملی محاسبات نرم27 آبان 1394 · رشت