Dado que el rendimiento de un solo FAM se ve afectado por la secuencia de presentación de muestras para el modo de entrenamiento fuera de línea, se supone que un enfoque de conjunto ARTMAP difuso (FAM) basado en el método de creencia bayesiano mejorado mejora la precisión de la clasificación. Las muestras de entrenamiento se introducen en un comité de FAMs en diferentes secuencias, la salida de estos FAMs se combina, y la decisión final se deriva por el método bayesiano mejorado de la creencia. Los resultados del experimento muestran que el conjunto de FAMs propuesto puede clasificar las diferentes categorías de forma fiable y tiene un mejor rendimiento de clasificación en comparación con un solo FAM.
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:
Simulación de Dinámica de Fluidos Computacional de Flujo Multifásico en Empaques Estructurados
Artículo:
Oscilaciones de Ecuaciones de Diferencia con Varios Coeficientes Oscilantes
Artículo:
Construcción incremental de diagramas de Voronoi generalizados en quadtrees sin punteros
Artículo:
Estudio sobre la fiabilidad de la conectividad de la red viaria de Valley City basado en una red compleja
Artículo:
Patrones de consenso de un conjunto de series temporales a través de una localización temporal basada en wavelets: enfatizando la utilidad sobre el promedio punto a punto y el promedio bajo Dynamic Time Warping.
Informe, reporte:
Diagnóstico sobre la logística del comercio internacional y su incidencia en la competitividad de las exportaciones de los países miembros
Infografía:
Sistemas de calidad. Six Sigma
Manual:
Química de los taninos
Artículo:
Influencia del COVID-19 en las dinámicas de exportación, producción y consumo de carne vacuna en Colombia y el mundo: Una revisión monográfica.