Los modelos de aprendizaje automático permanente (LML) aprenden con la experiencia manteniendo una base de conocimientos, sin intervención del usuario. A diferencia de los modelos tradicionales de un solo dominio, pueden ampliarse fácilmente para explorar grandes datos. Los modelos LML existentes tienen una alta dependencia de los datos, consumen más recursos y no soportan el flujo de datos. Este artículo propone un modelo LML en línea (OAMC) para soportar el flujo de datos con una dependencia de datos reducida. Con la ingeniería de la base de conocimientos y la introducción de nuevas características de conocimiento, se mejora el patrón de aprendizaje del modelo para los datos que llegan por partes. OAMC mejora la precisión como la coherencia de los temas por 7o datos de streaming mientras reduce el coste de procesamiento a la mitad.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Desarrollo e implementación de un robot de rehabilitación de miembro superior con efector final para pacientes hemipléjicos con entrenamiento de seguimiento de líneas y círculos
Artículo:
Clasificación de señales ECG basada en la fusión de CNN híbrida y características wavelet mediante la teoría de la evidencia D-S
Artículo:
Prototipo de un sistema de riego automatizado en árboles de cacao (Theobroma cacao) controlado vía internet con dispositivos móviles
Artículo:
Las redes sociales se unen a los grandes datos urbanos: Un estudio de caso sobre el análisis de los anegamientos urbanos
Artículo:
Diseño y análisis de simulación de un sistema integrado de control de chasis y red de vehículos basado en la red CAN
Libro:
Metodología del marco lógico para la planificación, el seguimiento y la evaluación de proyectos y programas
Presentación:
Estudio de movimientos y tiempos
Artículo:
Estudio sobre la evaluación de la sostenibilidad de los productos innovadores
Tesis:
Materiales y prácticas de construcción sostenible