Andere Kunden interessierten sich auch für
![Erkennung von Gesichtsemotionen mit Hilfe eines neuronalen Faltungsnetzwerks]( "Erkennung von Gesichtsemotionen mit Hilfe eines neuronalen Faltungsnetzwerks")
Erkennung von Gesichtsemotionen mit Hilfe eines neuronalen Faltungsnetzwerks43,90 €![Duales Wasserzeichen für Bilder zur Authentifizierung und Erkennung von Manipulationen]( "Duales Wasserzeichen für Bilder zur Authentifizierung und Erkennung von Manipulationen")
Duales Wasserzeichen für Bilder zur Authentifizierung und Erkennung von Manipulationen35,90 €![Automatische Erkennung von Hautkrebs]( "Automatische Erkennung von Hautkrebs")
Automatische Erkennung von Hautkrebs60,90 €![Erkennung der Reis-Hispa-Krankheit mithilfe eines Deep-Learning-Modells]( "Erkennung der Reis-Hispa-Krankheit mithilfe eines Deep-Learning-Modells")
Erkennung der Reis-Hispa-Krankheit mithilfe eines Deep-Learning-Modells39,90 €![ERKENNUNG VON BRUSTKREBS - EIN MASCHINELLES LERNEN ANSATZ]( "ERKENNUNG VON BRUSTKREBS - EIN MASCHINELLES LERNEN ANSATZ")
ERKENNUNG VON BRUSTKREBS - EIN MASCHINELLES LERNEN ANSATZ43,90 €![Hybrides Deep-Learning-Modell für die Erkennung der Weizen-Gelbrost-Krankheit]( "Hybrides Deep-Learning-Modell für die Erkennung der Weizen-Gelbrost-Krankheit")
Hybrides Deep-Learning-Modell für die Erkennung der Weizen-Gelbrost-Krankheit39,90 €![Erkennung von Sigmatismus mit Hilfe von maschinellem Lernen]( "Erkennung von Sigmatismus mit Hilfe von maschinellem Lernen")
Erkennung von Sigmatismus mit Hilfe von maschinellem Lernen36,90 €
Das kontinuierliche Wachstum der sozialen Medien hat den Nutzern einen bequemeren Zugang zu Nachrichten ermöglicht als früher, und so ist es möglich, dass einige Fehlinformationen oder Gerüchte erzeugt und im Internet verbreitet werden, was andere Nutzer dazu bringt, sie zu glauben und als unbeabsichtigte Lügen zu verbreiten.Diese Arbeit schlägt ein Modell zur Identifizierung von Fake News in den sozialen Medien vor. Die Klassifizierung von Nachrichten basiert auf dem Grad der Ähnlichkeit zwischen der semantischen Bedeutung und dem ähnlichen Wortlaut ihres Textes. Diese Wortvektoren des Hauptteils und des Kopfes werden verwendet, um die semantische Ähnlichkeit von Wörtern zu entdecken, wir schlagen eine Feed Forward Neural Network Architektur vor, um semantisch äquivalente Nachrichten zu erkennen. Das vorgeschlagene NN wandelt zunächst Wörter in Worteinbettungen um, indem es eine große Sammlung unbeschrifteter Daten verwendet, und wendet dann ein Feed-Forward-Netzwerk an, um Vektordarstellungen für Kopf und Körper zu erstellen. Wir werden unsere Experimente zur Vorhersage von Fake News mit Hilfe von maschinellem Lernen und neuronalen Netzen analysieren und durchführen.