Andere Kunden interessierten sich auch für
![ESTADO DE LA TÉCNICA EN DETECCIÓN FACIAL : MÉTODOS Y ALGORITMOS]( "ESTADO DE LA TÉCNICA EN DETECCIÓN FACIAL : MÉTODOS Y ALGORITMOS")
ESTADO DE LA TÉCNICA EN DETECCIÓN FACIAL : MÉTODOS Y ALGORITMOS33,99 €![ESTADO DA ARTE NA DETECÇÃO DE ROSTOS : MÉTODOS E ALGORITMOS]( "ESTADO DA ARTE NA DETECÇÃO DE ROSTOS : MÉTODOS E ALGORITMOS")
ESTADO DA ARTE NA DETECÇÃO DE ROSTOS : MÉTODOS E ALGORITMOS33,99 €![Efectos de la edad en los teléfonos inteligentes basados en los movimientos oculares y los gestos]( "Efectos de la edad en los teléfonos inteligentes basados en los movimientos oculares y los gestos")
Efectos de la edad en los teléfonos inteligentes basados en los movimientos oculares y los gestos43,99 €![Un proceso para priorizar los casos de prueba de regresión]( "Un proceso para priorizar los casos de prueba de regresión")
Un proceso para priorizar los casos de prueba de regresión37,99 €![Un nuevo enfoque para el procesamiento de imágenes]( "Un nuevo enfoque para el procesamiento de imágenes")
Un nuevo enfoque para el procesamiento de imágenes24,99 €![Efecto de la adopción de las TIC en la calidad de la enseñanza a través de la universidad]( "Efecto de la adopción de las TIC en la calidad de la enseñanza a través de la universidad")
Efecto de la adopción de las TIC en la calidad de la enseñanza a través de la universidad53,99 €![Configuración de Facebook para una navegación segura]( "Configuración de Facebook para una navegación segura")
Configuración de Facebook para una navegación segura24,99 €
La selección del mejor algoritmo de descubrimiento causal para cualquier conjunto de datos nuevo es un proceso difícil y lento, ya que requiere que el investigador tenga conocimientos previos sobre los algoritmos de aprendizaje de estructuras estándar existentes. Esta investigación propone un novedoso enfoque de metaaprendizaje para este problema. El metaaprendizaje se refiere al aprendizaje sobre algoritmos de aprendizaje en el que se utilizan diferentes tipos de metadatos, como propiedades del problema de aprendizaje, medidas de rendimiento de diferentes algoritmos y patrones previos derivados de los datos, para seleccionar el mejor algoritmo o una combinación de algoritmos de aprendizaje para resolver eficazmente un problema de aprendizaje dado. Se manipularon varias redes bayesianas de la literatura, se muestrearon para generar miles de conjuntos de datos y se extrajeron características específicas de cada uno para el metaaprendizaje. Se ejecutaron tres algoritmos estándar de aprendizaje de estructuras en cada uno de los conjuntos de datos generados para descubrir redes causales subyacentes y se evaluó su rendimiento. Con nuestras nuevas técnicas, pudimos implementar una herramienta para generar muchos modelos causales, muestrear muchos conjuntos de datos de cada modelo y determinar posteriormente los mejores algoritmos o una combinación de ellos para nuevos conjuntos de datos mediante metaaprendizaje.