ENSEMBLES ALGORITHMS FOR MULTIPLE OUTPUT PROBLEMS. NEW DEVELOPMENTS AND APPLICATIONS. (Q3186440)
Jump to navigation
Jump to search
Project Q3186440 in Spain
| Language | Label | Description | Also known as |
|---|---|---|---|
| English | ENSEMBLES ALGORITHMS FOR MULTIPLE OUTPUT PROBLEMS. NEW DEVELOPMENTS AND APPLICATIONS. |
Project Q3186440 in Spain |
Statements
35,775.28 Euro
0 references
65,703.0 Euro
0 references
54.45 percent
0 references
1 January 2016
0 references
31 December 2019
0 references
UNIVERSIDAD DE BURGOS
0 references
9001
0 references
LAS TAREAS DE PREDICCION MAS COMUNES DEL APRENDIZAJE AUTOMATICO SUPERVISADO SON LA CLASIFICACION Y LA REGRESION. EN AMBOS CASOS EL VALOR A PREDECIR, SEA ESTE DISCRETO O CONTINUO, ES UNICO. ES DECIR, DADOS LOS VALORES DE UNOS ATRIBUTOS DE UN OBJETO O INSTANCIA, QUE SE TOMAN COMO ENTRADA, EL PROBLEMA A RESOLVER ES COMO ASIGNAR A ESTE UNA CLASE O UN VALOR NUMERICO. SIN EMBARGO, CON FRECUENCIA, LA RESTRICCION DE UNA ETIQUETA POR INSTANCIA ES CLARAMENTE INSUFICIENTE. POR EJEMPLO, UN ARTICULO CIENTIFICO PODRIA SER TANTO DE «MINERIA DE DATOS» COMO DE «SOLUCION DE PROBLEMAS INDUSTRIALES»; EL MAL FUNCIONAMIENTO DE UNA FRESADORA PODRIA CARACTERIZARSE POR APARECER AL MISMO TIEMPO «ALTOS NIVELES DE VIBRACION» Y «UNA BAJA EFICIENCIA ENERGETICA»; EN UN DIAGNOSTICO DE CALIDAD DEL SOFTWARE, UN DISEÑO POBRE LO PUEDE SER POR LA PRESENCIA SIMULTANEA DE DIVERSAS PATOLOGIAS: «UNA CLASE HACE UN USO EXCESIVO DE METODOS DE OTRA», «EXISTE CODIGO DUPLICADO O SIMILAR EN DISTINTAS PARTES», «EXISTEN METODOS CON UNA LISTA DE ARGUMENTOS DEMASIADO GRANDE». EN TODOS ESTOS CASOS, LOS OBJETOS PUEDEN TENER ASOCIADOS DISTINTAS ETIQUETAS Y BIEN LA CLASIFICACION MULTIETIQUETA O LA REGRESION MULTIVALOR SER ENFOQUES MAS ADECUADOS._x000D_ EN NUESTRO GRUPO DE INVESTIGACION TENEMOS UNA AMPLIA EXPERIENCIA EN EL DISEÑO DE NUEVOS ALGORITMOS PARA LA CONSTRUCCION DE MULTICLASIFICADORES. LOS MULTICLASIFICADORES, O ENSEMBLES, SON METODOS QUE CONSIGUEN MEJORAR NOTABLEMENTE EL DESEMPEÑO DE UN UNICO CLASIFICADOR INDIVIDUAL MEDIANTE LA COMBINACION DE VARIOS DE ELLOS. NUESTRO GRUPO HA CONTRIBUIDO AL AUMENTO DE METODOS DISPONIBLES DE APRENDIZAJE AUTOMATICO CON VARIOS ALGORITMOS DE CONSTRUCCION DE ENSEMBLES: ROTATION FOREST, DISTURBING NEIGHBOURS, RANDOM ORACLES AND RANDOM FEATURE WEIGHTS. ESTOS NUEVOS ALGORITMOS HAN DEMOSTRADO QUE OFRECEN UN DESEMPEÑO MEJOR QUE OTROS ALGORITMOS CLASICOS EN EL AREA. EN EL CASO DEL ROTATION FOREST, ESTE SE HA CONVERTIDO EN UN METODO DE REFERENCIA CON EL QUE INTENTAN COMPARARSE LAS NUEVAS PROPUESTAS DE ALGORITMOS, Y ALGUNOS LIBROS DE MINERIA DE DATOS YA LO INCLUYEN TAMBIEN COMO UN METODO CLASICO._x000D_ TAMBIEN TENEMOS EXPERIENCIA EN EL DISEÑO DE ALGORITMOS DE ENSEMBLES PARA PROBLEMAS DESEQUILIBRADOS (UNA CLASE TIENE MUCHAS MAS INSTANCIAS QUE LAS RESTANTES) Y DE SELECCION DE INSTANCIAS (TECNICA DE PREPROCESAMIENTO QUE PERMITE REDUCIR EL TAMAÑO DE UN CONJUNTO DE DATOS)._x000D_ EN UN PROYECTO PREVIO HEMOS TENIDO EXITO EN LA ADAPTACION A PROBLEMAS DE REGRESION DE ALGUNOS DE ESTOS METODOS, INICIALMENTE PENSADOS PARA CLASIFICACION. EL OBJETIVO PRINCIPAL DEL PRESENTE PROYECTO SERIA INVESTIGAR EN COMO PODRIAMOS ADAPTAR ESTOS METODOS A LA RESOLUCION DE PROBLEMAS MULTIETIQUETA Y MULTIVALOR._x000D_ COMO SEGUNDO OBJETIVO BUSCAMOS LA APLICACION DE ESTOS NUEVOS ALGORITMOS A LA SOLUCION DE PROBLEMAS INDUSTRIALES, EN LA LINEA DE NUESTRAS INVESTIGACIONES PREVIAS, PERO TAMBIEN DE PROBLEMAS DE INGENIERIA DE SOFTWARE, LO QUE NOS DA LA OPORTUNIDAD DE INCORPORAR AL GRUPO NUEVOS INVESTIGADORES QUE SE ESPECIALIZARAN EN ESTE TIPO DE PROBLEMAS, EN EL ESPIRITU DE ESTA CONVOCATORIA, QUE BUSCA EVITAR LA FRAGMENTACION Y AGLUTINAR INVESTIGADORES EN TORNO A OBJETIVOS COMUNES._x000D_ DOS OBJETIVOS ADICIONALES SON, POR UN LADO, BUSCANDO UN MAYOR IMPACTO E INTERNACIONALIZACION, OFRECER EL ACCESO A LOS METODOS DESARROLLADOS A TRAVES DE SERVICIOS WEB (MACHINE LEARNING AS A SERVICE, MLAAS); POR OTRO, INVESTIGAR LA POSIBILIDAD DE ADAPTARLOS A LOS MODELOS DE COMPUTO QUE PERMITIRIAN SU UTILIZACION EN LAS PLATAFORMAS DE BIG DATA. (Spanish)
0 references
THE MOST COMMON PREDICTION TASKS OF SUPERVISED AUTOMATIC LEARNING ARE CLASSIFICATION AND REGRESSION. IN BOTH CASES THE VALUE TO BE PREDICTED, WHETHER THIS DISCRETE OR CONTINUOUS, IS UNIQUE. THAT IS, GIVEN THE VALUES OF ATTRIBUTES OF AN OBJECT OR INSTANCE, WHICH ARE TAKEN AS INPUT, THE PROBLEM TO BE SOLVED IS HOW TO ASSIGN TO IT A CLASS OR A NUMERIC VALUE. HOWEVER, OFTEN THE RESTRICTION OF A LABEL PER INSTANCE IS CLEARLY INSUFFICIENT. FOR EXAMPLE, A SCIENTIFIC ARTICLE COULD BE BOTH ‘DATA MINING’ AND ‘SOLUTION OF INDUSTRIAL PROBLEMS’; THE MALFUNCTION OF A MILLING MACHINE COULD BE CHARACTERISED BY “HIGH VIBRATION LEVELS” AND “LOW ENERGY EFFICIENCY” AT THE SAME TIME; IN A SOFTWARE QUALITY DIAGNOSIS, A POOR DESIGN CAN BE DUE TO THE SIMULTANEOUS PRESENCE OF VARIOUS PATHOLOGIES: “ONE CLASS MAKES EXCESSIVE USE OF METHODS FROM ANOTHER”, “THERE IS DUPLICATE OR SIMILAR CODE IN DIFFERENT PARTS”, “THERE ARE METHODS WITH A LIST OF ARGUMENTS TOO LARGE”. In all of these cases, the OBJECTS may have two or more TSIs and the multi-label classification or the multi-value re-registration be more appropriate._x000D_ in our research group we have an experiential expansion in the design of new algoriTMs for the construction of multi-labels. THE MULTICLASIFICATORS, OR ENSEMBLES, ARE METHODS THAT SIGNIFICANTLY IMPROVE THE PERFORMANCE OF A SINGLE INDIVIDUAL CLASSIFIER BY COMBINING SEVERAL OF THEM. OUR GROUP HAS CONTRIBUTED TO THE INCREASE OF AVAILABLE METHODS OF AUTOMATIC LEARNING WITH SEVERAL ENSEMBLES CONSTRUCTION ALGORITHMS: ROTATION FOREST, DISTURBING NEIGHBOURS, RANDOM ORACLES AND RANDOM FEATURE WEIGHTS. THESE NEW ALGORITHMS HAVE SHOWN THAT THEY DELIVER BETTER PERFORMANCE THAN OTHER CLASSIC ALGORITHMS IN THE AREA. In the case of ROTATION FOREST, this has been converted into a method of reference with which the new proposals of ALGORITMOS, and some other data-mining books and including it are included as well as a classic methodox._x000D_ We also have experience in the design of disbalanced PROBLEM ALGORITMS (one class has many more INSTANCES than RESTANTS) and INSTANCING SELECTION (Pre-processing TECHNICAL TO REDUCTION THE SIZE OF A DATA JUNT)._x000D_ IN A PREVIOUS PROJECT WE HAVE EXITED IN THE ADAPTATION TO PROBLEMS OF REGRETION OF THESE METHODS, initially thought for classification. The PRINCIPAL OBJECTIVE OF THE PRESENT PROJECT SERIES RESEARCH IN AS WE CAN ADAPT THESE METHODS TO THE RESOLUTION OF Multilabel AND MULTIVAL PROBLEMS._x000D_ AS SECOND OBJECTIVE BUSCAME THE APPLICATION OF THIS NEW ALGORITMS TO THE SOLUTION OF INDUSTRIAL PROBLEMS, in the LINE OF OUR PREVIEWING RESEARCHS, BUT SOFTWARE’S INNGENIERY PROBLEMS, WHAT THE OPPORTUNITY OF INCORPORING THE NEW GROUP RESEARCHERS specialising in this type of project, in the spirit of this invitation to tender, who is looking for FRAGMENTATION and agglutinating researchers in a common position._x000D_ TWO ADDITIONAL OBJECTIVES ARE, by one side, looking for a better IMPACT and INTERNATIONALISATION, offer access to methods developed through web services (MACHINE LEARNING AS A SERVICE, MLAAS); ON THE OTHER HAND, INVESTIGATE THE POSSIBILITY OF ADAPTING THEM TO THE COMPUTATION MODELS THAT WOULD ALLOW THEIR USE ON BIG DATA PLATFORMS. (English)
12 October 2021
0.2822468974173606
0 references
LES TÂCHES DE PRÉDICTION LES PLUS COURANTES DE L’APPRENTISSAGE AUTOMATIQUE SUPERVISÉ SONT LA CLASSIFICATION ET LA RÉGRESSION. DANS LES DEUX CAS, LA VALEUR À PRÉVOIR, QU’ELLE SOIT DISCRÈTE OU CONTINUE, EST UNIQUE. C’EST-À-DIRE, COMPTE TENU DES VALEURS DES ATTRIBUTS D’UN OBJET OU D’UNE INSTANCE, QUI SONT PRIS COMME ENTRÉE, LE PROBLÈME À RÉSOUDRE EST DE SAVOIR COMMENT LUI ASSIGNER UNE CLASSE OU UNE VALEUR NUMÉRIQUE. CEPENDANT, SOUVENT, LA RESTRICTION D’UNE ÉTIQUETTE PAR INSTANCE EST MANIFESTEMENT INSUFFISANTE. PAR EXEMPLE, UN ARTICLE SCIENTIFIQUE POURRAIT ÊTRE À LA FOIS «EXTRACTION DE DONNÉES» ET «SOLUTION DES PROBLÈMES INDUSTRIELS»; LE DYSFONCTIONNEMENT D’UNE FRAISEUSE POURRAIT ÊTRE CARACTÉRISÉ SIMULTANÉMENT PAR DES «NIVEAUX DE VIBRATIONS ÉLEVÉS» ET UNE «FAIBLE EFFICACITÉ ÉNERGÉTIQUE»; DANS UN DIAGNOSTIC DE QUALITÉ LOGICIELLE, UNE MAUVAISE CONCEPTION PEUT ÊTRE DUE À LA PRÉSENCE SIMULTANÉE DE DIVERSES PATHOLOGIES: «UNE CLASSE FAIT UN USAGE EXCESSIF DE MÉTHODES D’UNE AUTRE», «IL Y A DUPLIQUÉ OU CODE SIMILAIRE DANS DIFFÉRENTES PARTIES», «IL Y A DES MÉTHODES AVEC UNE LISTE D’ARGUMENTS TROP GRAND». Dans tous ces cas, l’OBJECTS peut avoir deux STI ou plus et la classification multi-étiquettes ou le réenregistrement multi-valeurs sont plus appropriés._x000D_ dans notre groupe de recherche, nous avons une expansion expérientielle dans la conception de nouveaux algoritmes pour la construction de multi-labels. LES MULTICLASIFICATORS, OU ENSEMBLES, SONT DES MÉTHODES QUI AMÉLIORENT CONSIDÉRABLEMENT LES PERFORMANCES D’UN CLASSIFICATEUR INDIVIDUEL EN COMBINANT PLUSIEURS D’ENTRE EUX. NOTRE GROUPE A CONTRIBUÉ À L’AUGMENTATION DES MÉTHODES D’APPRENTISSAGE AUTOMATIQUE DISPONIBLES AVEC PLUSIEURS ALGORITHMES DE CONSTRUCTION D’ENSEMBLES: FORÊT DE ROTATION, VOISINS DÉRANGEANTS, ORACLES ALÉATOIRES ET POIDS DES CARACTÉRISTIQUES ALÉATOIRES. CES NOUVEAUX ALGORITHMES ONT MONTRÉ QU’ILS OFFRENT DE MEILLEURES PERFORMANCES QUE D’AUTRES ALGORITHMES CLASSIQUES DANS LE DOMAINE. Dans le cas de ROTATION FOREST, cela a été converti en une méthode de référence avec laquelle les nouvelles propositions d’Algoritmos, et quelques autres livres de data-mining et l’incluant sont inclus ainsi qu’une méthode classique._x000D_ Nous avons également l’expérience dans la conception d’algoritmes PROBLEM déséquilibrés (une classe a beaucoup plus d’INSTANCES que les restes) et l’introduction de SELECTION (Pré-traitement TECHNIQUE À REDUCTION LA TARIE D’UN DATA Junt)._x000D_ DANS UN PROJET PREVIEUX Nous avons quitté l’ADAPTATION DES PROBLEMES DE RÉGRETION DES MÉTHODES, initialement pensées pour la classification. L’OBJECTIF PRINCIPAL DU PROJET PRÉSENT RECHERCHE DANS LA RECHERCHE DES PROJETS PRESENTS DANS LA RÉSOLUTION DES PROBLÈMES Multiétiquettes et MULTIVAUX._x000D_ AS SECOND OBJECTIVE A L’APPLICATION de ces nouveaux algoritmes à la SOLUTION DES PROBLÈMES INDUSTRIELs, dans le LIGNE DE NOS recherches en avant-première, MAIS PROBLOMES D’INNGÉNIERIE DE SOFTWARE, QUE L’OPPORTUNITÉ DE L’INCORPORATION DES NOUVEAUX RECHERCHES GROUPEs spécialisés dans ce type de projet, dans l’esprit du présent appel d’offres, qui recherchent des chercheurs de FRAGMENTATION et d’agglutinateurs dans une position commune._x000D_ DEUX OBJECTIFS ADDITIONNELS SONT, D’un côté, à la recherche d’une meilleure IMPACT et INTERNATIONALISATION, offrent l’accès aux méthodes développées à travers les services web (MACHINE LEARNING AS A SERVICE, MLAAS); D’AUTRE PART, ÉTUDIER LA POSSIBILITÉ DE LES ADAPTER AUX MODÈLES DE CALCUL QUI PERMETTRAIENT LEUR UTILISATION SUR LES PLATEFORMES DE MÉGADONNÉES. (French)
4 December 2021
0 references
DIE HÄUFIGSTEN VORHERSAGEAUFGABEN DES ÜBERWACHTEN AUTOMATISCHEN LERNENS SIND KLASSIFIZIERUNG UND REGRESSION. IN BEIDEN FÄLLEN IST DER VORHERZUSAGENDE WERT, OB DIESER DISKRET ODER KONTINUIERLICH, EINZIGARTIG. DAS HEISST, ANGESICHTS DER WERTE VON ATTRIBUTEN EINES OBJEKTS ODER EINER INSTANZ, DIE ALS EINGABE BETRACHTET WERDEN, IST DAS ZU LÖSENDE PROBLEM, WIE MAN IHM EINE KLASSE ODER EINEN NUMERISCHEN WERT ZUORDNET. ALLERDINGS IST DIE BESCHRÄNKUNG EINES ETIKETTS PRO INSTANZ OFT EINDEUTIG UNZUREICHEND. BEISPIELSWEISE KÖNNTE EIN WISSENSCHAFTLICHER ARTIKEL SOWOHL „DATENBERGBAU“ ALS AUCH „LÖSUNG INDUSTRIELLER PROBLEME“ SEIN; DIE FEHLFUNKTION EINER FRÄSMASCHINE KÖNNTE GLEICHZEITIG DURCH „HOHE VIBRATIONSPEGEL“ UND „NIEDRIGE ENERGIEEFFIZIENZ“ GEKENNZEICHNET WERDEN; IN EINER SOFTWARE-QUALITÄTSDIAGNOSE KANN EIN SCHLECHTES DESIGN AUF DAS GLEICHZEITIGE VORHANDENSEIN VERSCHIEDENER PATHOLOGIEN ZURÜCKZUFÜHREN SEIN: „EINE KLASSE MACHT ÜBERMÄSSIGE VERWENDUNG VON METHODEN VON EINER ANDEREN“, „ES GIBT DOPPELTEN ODER ÄHNLICHEN CODE IN VERSCHIEDENEN TEILEN“, „ES GIBT METHODEN MIT EINER LISTE VON ARGUMENTEN ZU GROSS“. In all diesen Fällen können die OBJECTS zwei oder mehr TSI haben und die Multi-Label-Klassifizierung oder die Multi-Value-Neuregistrierung besser geeignet sein._x000D_ in unserer Forschungsgruppe haben wir eine erfahrungsgemäße Erweiterung bei der Entwicklung neuer Algoritmen für den Bau von Multi-Labels. DIE MULTICLASIFICATORS ODER ENSEMBLES SIND METHODEN, DIE DIE LEISTUNG EINES EINZELNEN EINZELNEN KLASSIFIKATORS DEUTLICH VERBESSERN, INDEM SIE MEHRERE VON IHNEN KOMBINIEREN. UNSERE GRUPPE HAT ZUR ERHÖHUNG DER VERFÜGBAREN METHODEN DES AUTOMATISCHEN LERNENS MIT MEHREREN ENSEMBLES KONSTRUKTIONSALGORITHMEN BEIGETRAGEN: ROTATIONSWALD, STÖRENDE NACHBARN, ZUFÄLLIGE ORAKEL UND ZUFÄLLIGE MERKMALSGEWICHTE. DIESE NEUEN ALGORITHMEN HABEN GEZEIGT, DASS SIE EINE BESSERE LEISTUNG ALS ANDERE KLASSISCHE ALGORITHMEN IN DER UMGEBUNG LIEFERN. Im Falle von ROTATION FOREST wurde dies in eine Referenzmethode umgewandelt, mit der die neuen Vorschläge von Algoritmos und einige andere Data-Mining-Bücher und darunter auch ein klassisches methodox enthalten sind._x000D_ Wir haben auch Erfahrung in der Gestaltung von unausgeglichenen PROBLEM Algoritmen (eine Klasse hat viel mehr INSTANCES als Restanten) und instancing SELECTION (Vorverarbeitung TECHNICAL TO REDUKTION THE SIZE OF A DATA Junt)._x000D_ IN A PREVIOUS PROJECT Wir haben in der ADAPTATION zu PROBLEMS OF THESE METHODS verlassen, zunächst für die Klassifizierung gedacht. Das PRINCIPAL OBJECTIVE DES PRÄSIDENTEN PROJEKTE RESEARCH IN DER VERORDNUNG DER ENTWICKLUNG VON Multilabel und MULTIVAL PROBLEMS._x000D_ as SECOND OBJECTIVE buscame the APPLICATION of thisis NEW Algoritms to the SOLUTION OF INDUSTRIAL PROBLEMS, BUT SOFTWARE’S INNGENIERY PROBLEMS, WAS DIE OPPORTUNITY OF INCORPORING THE NEW GROUP RESEARCHERS, die sich auf diese Art von Projekt spezialisiert haben, im Sinne dieser Ausschreibung, die nach FRAGMENTATION und agglutinierenden Forschern in einer gemeinsamen Position sucht._x000D_ TWO ADDITIONAL OBJECTIVES ARE, einerseits, auf der Suche nach einer besseren IMPACT und INTERNATIONALISATION, Zugang zu Methoden bieten, die durch Web-Dienste entwickelt werden (MACHINE LEARNING AS A SERVICE, MLAAS); ANDERERSEITS UNTERSUCHEN SIE DIE MÖGLICHKEIT, SIE AN DIE BERECHNUNGSMODELLE ANZUPASSEN, DIE IHRE NUTZUNG AUF BIG-DATA-PLATTFORMEN ERMÖGLICHEN WÜRDEN. (German)
9 December 2021
0 references
DE MEEST VOORKOMENDE VOORSPELLINGSTAKEN VAN TOEZICHT OP AUTOMATISCH LEREN ZIJN CLASSIFICATIE EN REGRESSIE. IN BEIDE GEVALLEN IS DE TE VOORSPELLEN WAARDE, OF HET NU DISCREET OF CONTINU IS, UNIEK. DAT WIL ZEGGEN, GEZIEN DE WAARDEN VAN ATTRIBUTEN VAN EEN OBJECT OF INSTANTIE, DIE ALS INPUT WORDEN GENOMEN, IS HET PROBLEEM DAT MOET WORDEN OPGELOST HOE JE ER EEN KLASSE OF EEN NUMERIEKE WAARDE AAN TOEWIJST. VAAK IS DE BEPERKING VAN EEN ETIKET PER GEVAL ECHTER DUIDELIJK ONTOEREIKEND. EEN WETENSCHAPPELIJK ARTIKEL KAN BIJVOORBEELD ZOWEL „DATAMINING” ALS „OPLOSSING VAN INDUSTRIËLE PROBLEMEN” ZIJN; DE STORING VAN EEN FREESMACHINE KAN WORDEN GEKENMERKT DOOR „HOGE TRILLINGSNIVEAUS” EN „LAGE ENERGIE-EFFICIËNTIE” TEGELIJKERTIJD; IN EEN SOFTWAREKWALITEITSDIAGNOSE KAN EEN SLECHT ONTWERP TE WIJTEN ZIJN AAN DE GELIJKTIJDIGE AANWEZIGHEID VAN VERSCHILLENDE PATHOLOGIEËN: „DE ENE KLASSE MAAKT OVERMATIG GEBRUIK VAN METHODEN VAN EEN ANDERE”, „ER IS DUBBELE OF SOORTGELIJKE CODE IN VERSCHILLENDE DELEN”, „ER ZIJN METHODEN MET EEN LIJST VAN ARGUMENTEN TE GROOT”. In al deze gevallen kunnen de OBJECTS twee of meer TSI’s hebben en de multi-label classificatie of de multi-waarde herregistratie zijn meer geschikt._x000D_ in onze onderzoeksgroep hebben we een experiëntiële uitbreiding in het ontwerp van nieuwe algoritmen voor de bouw van multi-labels. DE MULTICLASIFICATORS, OF ENSEMBLES, ZIJN METHODEN DIE DE PRESTATIES VAN EEN ENKELE INDIVIDUELE CLASSIFIER AANZIENLIJK VERBETEREN DOOR VERSCHILLENDE VAN HEN TE COMBINEREN. ONZE GROEP HEEFT BIJGEDRAGEN AAN DE TOENAME VAN BESCHIKBARE METHODEN VOOR AUTOMATISCH LEREN MET VERSCHILLENDE ENSEMBLES BOUWALGORITMEN: ROTATIEBOS, VERONTRUSTENDE BUREN, WILLEKEURIGE ORAKELS EN WILLEKEURIGE GEWICHTEN. DEZE NIEUWE ALGORITMEN HEBBEN AANGETOOND DAT ZE BETERE PRESTATIES LEVEREN DAN ANDERE KLASSIEKE ALGORITMEN IN HET GEBIED. In het geval van ROTATION FOREST is dit omgezet in een referentiemethode waarmee de nieuwe voorstellen van Algoritmos, en een aantal andere data-mining boeken en inclusief het zijn opgenomen, evenals een klassieke methodox._x000D_ We hebben ook ervaring met het ontwerpen van gedebalanceerde PROBLEM algoritms (één klasse heeft veel meer INSTANCES dan restanten) en instancing SELECTION (Pre-processing TECHNICAL TO REDUCTION THE MAZE OF A DATA) Junt)._x000D_ IN EEN PREVIOUS PROJECT We hebben verlaten in de ADAPTATION TO PROBLEMS OF THESE METHODS, aanvankelijk gedacht voor classificatie. De PRINCIPAL OBJECTIVE VAN DE PRESENT PROJECT SERIES ONDERZOEK INZAKE WIJZIGING VAN DE RESOLUTIE VAN Multilabel EN MULTIVALE PROBLEMS._x000D_ AS SECOND OBJECTIVE buscame de toepassing van deze nieuwe algoritmen op de oplossing van INDUSTRIËLE PROBLEMS, in de LIJN VAN ONZE voorbeeldonderzoeken, MAAR SOFTWARE INNGENIERY PROBLEMS, WAT DE OPPORTUNITEIT VAN INCORPORING DE NIEUWE GROUP RESEARCHERS die gespecialiseerd zijn in dit type project, in de geest van deze aanbesteding, die op zoek is naar FRAGMENTATION en agglutinating onderzoekers in een gemeenschappelijk standpunt._x000D_ TW ADDITIONAL OBJECTIVES ZIJN, aan de ene kant, op zoek naar een betere IMPACT en INTERNATIONALISATIE, toegang bieden tot methoden die zijn ontwikkeld via webdiensten (MACHINE LEARNING AS A SERVICE, MLAAS); AAN DE ANDERE KANT DE MOGELIJKHEID TE ONDERZOEKEN OM DEZE AAN TE PASSEN AAN DE REKENMODELLEN DIE HET GEBRUIK ERVAN OP BIG DATA-PLATFORMS MOGELIJK ZOUDEN MAKEN. (Dutch)
17 December 2021
0 references
I COMPITI DI PREVISIONE PIÙ COMUNI DELL'APPRENDIMENTO AUTOMATICO SORVEGLIATO SONO LA CLASSIFICAZIONE E LA REGRESSIONE. IN ENTRAMBI I CASI IL VALORE DA PREVEDERE, SIA ESSO DISCRETO O CONTINUO, È UNICO. CIOÈ, DATI I VALORI DEGLI ATTRIBUTI DI UN OGGETTO O DI UN'ISTANZA, CHE VENGONO PRESI COME INPUT, IL PROBLEMA DA RISOLVERE È COME ASSEGNARGLI UNA CLASSE O UN VALORE NUMERICO. TUTTAVIA, SPESSO LA RESTRIZIONE DI UN'ETICHETTA PER CASO È CHIARAMENTE INSUFFICIENTE. AD ESEMPIO, UN ARTICOLO SCIENTIFICO POTREBBE ESSERE SIA L'"ESTRAZIONE DI DATI" CHE LA "SOLUZIONE DI PROBLEMI INDUSTRIALI"; IL MALFUNZIONAMENTO DI UNA FRESATRICE POTREBBE ESSERE CARATTERIZZATO DA "ELEVATI LIVELLI DI VIBRAZIONE" E "BASSA EFFICIENZA ENERGETICA"; IN UNA DIAGNOSI DI QUALITÀ DEL SOFTWARE, UN DESIGN SCADENTE PUÒ ESSERE DOVUTO ALLA PRESENZA SIMULTANEA DI VARIE PATOLOGIE: "UNA CLASSE FA UN USO ECCESSIVO DI METODI DA UN'ALTRA", "C'È UN CODICE DUPLICATO O SIMILE IN DIVERSE PARTI", "CI SONO METODI CON UN ELENCO DI ARGOMENTI TROPPO GRANDI". In tutti questi casi, gli OBJECTS possono avere due o più STI e la classificazione multi-etichetta o la ri-registrazione multivalore sono più appropriate._x000D_ nel nostro gruppo di ricerca abbiamo un'espansione esperienziale nella progettazione di nuovi algoritmi per la costruzione di etichette multiple. I MULTICLASIFICATORS, O ENSEMBLE, SONO METODI CHE MIGLIORANO SIGNIFICATIVAMENTE LE PRESTAZIONI DI UN SINGOLO CLASSIFICATORE COMBINANDO DIVERSI DI ESSI. IL NOSTRO GRUPPO HA CONTRIBUITO ALL'AUMENTO DEI METODI DI APPRENDIMENTO AUTOMATICO DISPONIBILI CON DIVERSI ALGORITMI DI COSTRUZIONE DI COMPLESSI: FORESTA DI ROTAZIONE, VICINI INQUIETANTI, ORACOLI CASUALI E PESI CASUALI. QUESTI NUOVI ALGORITMI HANNO DIMOSTRATO CHE OFFRONO PRESTAZIONI MIGLIORI RISPETTO AD ALTRI ALGORITMI CLASSICI NELL'AREA. Nel caso di ROTATION FOREST, questo è stato convertito in un metodo di riferimento con il quale le nuove proposte di Algoritmos, e alcuni altri libri di data-mining e inclusi sono inclusi così come un metodo classicoox._x000D_ Abbiamo anche esperienza nella progettazione di algoritmi disquilibrati PROBLEM (una classe ha molti più INSTANCES che riposanti) e instancing SELECTION (Pre-processing TECHNICAL TO REDUCTION THE SIZE) di un DATA Junt)._x000D_ IN UN PROGETTO PREVISENTE SIAMO DEI DATI NELL'ADAPTAZIONE A PROBLEMI DI REGREZIONE DI QUESTI METODI, inizialmente pensato per la classificazione. L'OBIETTIVO PRINCIPALE DELLA SERIE PROGETTA PRESENTE RICERCA IN QUALITÀ SULLA RICERCA DI PROGETTI Multilabel e MULTIVAL._x000D_ COME SECONDO OBIETTIVO L'Applicazione di questi nuovi algoritmi alla SOLUZIONE DI PROBLEMI INDUSTRIALI, nella LINEA delle nostre ricerche in anteprima, MA SOFTWARE'S INNGENIERY PROBLEMS, COSA L'OPPORTUNITÀ DELL'INCORPORARE I NUOVI RICERCA DI GRUPPO specializzati in questo tipo di progetto, nello spirito del presente bando di gara, che è alla ricerca di FRAGMENTAZIONE e agglutinazione dei ricercatori in una posizione comune._x000D_TWO ADDITIONAL OBJECTIVES ARE, da un lato, alla ricerca di una migliore IMPACT e INTERNAZIONALIZZAZIONE, offrire accesso a metodi sviluppati attraverso servizi web (MACHINE LEARNING AS A SERVICE, MLAAS); D'ALTRO CANTO, ESAMINARE LA POSSIBILITÀ DI ADATTARLI AI MODELLI DI CALCOLO CHE NE CONSENTIREBBERO L'USO SULLE PIATTAFORME DI BIG DATA. (Italian)
16 January 2022
0 references
ΤΑ ΣΥΝΗΘΈΣΤΕΡΑ ΚΑΘΉΚΟΝΤΑ ΠΡΌΒΛΕΨΗΣ ΤΗΣ ΕΠΟΠΤΕΥΌΜΕΝΗΣ ΑΥΤΌΜΑΤΗΣ ΜΆΘΗΣΗΣ ΕΊΝΑΙ Η ΤΑΞΙΝΌΜΗΣΗ ΚΑΙ Η ΠΑΛΙΝΔΡΌΜΗΣΗ. ΚΑΙ ΣΤΙΣ ΔΎΟ ΠΕΡΙΠΤΏΣΕΙΣ, Η ΤΙΜΉ ΠΟΥ ΠΡΈΠΕΙ ΝΑ ΠΡΟΒΛΕΦΘΕΊ, ΕΊΤΕ ΑΥΤΉ Η ΔΙΑΚΡΙΤΉ ΕΊΤΕ ΣΥΝΕΧΉΣ, ΕΊΝΑΙ ΜΟΝΑΔΙΚΉ. ΔΗΛΑΔΉ, ΔΕΔΟΜΈΝΩΝ ΤΩΝ ΤΙΜΏΝ ΤΩΝ ΧΑΡΑΚΤΗΡΙΣΤΙΚΏΝ ΕΝΌΣ ΑΝΤΙΚΕΙΜΈΝΟΥ Ή ΜΙΑΣ ΠΕΡΊΠΤΩΣΗΣ, ΠΟΥ ΛΑΜΒΆΝΟΝΤΑΙ ΩΣ ΕΊΣΟΔΟΣ, ΤΟ ΠΡΌΒΛΗΜΑ ΠΟΥ ΠΡΈΠΕΙ ΝΑ ΕΠΙΛΥΘΕΊ ΕΊΝΑΙ ΠΏΣ ΝΑ ΕΚΧΩΡΉΣΕΤΕ ΣΕ ΑΥΤΌ ΜΙΑ ΤΆΞΗ Ή ΜΙΑ ΑΡΙΘΜΗΤΙΚΉ ΤΙΜΉ. ΩΣΤΌΣΟ, ΣΥΧΝΆ Ο ΠΕΡΙΟΡΙΣΜΌΣ ΤΗΣ ΕΤΙΚΈΤΑΣ ΕΊΝΑΙ ΣΑΦΏΣ ΑΝΕΠΑΡΚΉΣ. ΓΙΑ ΠΑΡΆΔΕΙΓΜΑ, ΈΝΑ ΕΠΙΣΤΗΜΟΝΙΚΌ ΆΡΘΡΟ ΘΑ ΜΠΟΡΟΎΣΕ ΝΑ ΕΊΝΑΙ ΤΌΣΟ Η «ΕΞΌΡΥΞΗ ΔΕΔΟΜΈΝΩΝ» ΌΣΟ ΚΑΙ Η «ΕΠΊΛΥΣΗ ΒΙΟΜΗΧΑΝΙΚΏΝ ΠΡΟΒΛΗΜΆΤΩΝ»· Η ΔΥΣΛΕΙΤΟΥΡΓΊΑ ΜΙΑΣ ΜΗΧΑΝΉΣ ΦΡΕΖΑΡΊΣΜΑΤΟΣ ΘΑ ΜΠΟΡΟΎΣΕ ΝΑ ΧΑΡΑΚΤΗΡΊΖΕΤΑΙ ΤΑΥΤΌΧΡΟΝΑ ΑΠΌ «ΥΨΗΛΆ ΕΠΊΠΕΔΑ ΚΡΑΔΑΣΜΏΝ» ΚΑΙ «ΧΑΜΗΛΉ ΕΝΕΡΓΕΙΑΚΉ ΑΠΌΔΟΣΗ»· ΣΕ ΜΙΑ ΔΙΆΓΝΩΣΗ ΠΟΙΌΤΗΤΑΣ ΛΟΓΙΣΜΙΚΟΎ, ΈΝΑΣ ΚΑΚΌΣ ΣΧΕΔΙΑΣΜΌΣ ΜΠΟΡΕΊ ΝΑ ΟΦΕΊΛΕΤΑΙ ΣΤΗΝ ΤΑΥΤΌΧΡΟΝΗ ΠΑΡΟΥΣΊΑ ΔΙΑΦΌΡΩΝ ΠΑΘΟΛΟΓΙΏΝ: «ΜΙΑ ΤΆΞΗ ΚΆΝΕΙ ΥΠΕΡΒΟΛΙΚΉ ΧΡΉΣΗ ΜΕΘΌΔΩΝ ΑΠΌ ΜΙΑ ΆΛΛΗ», «ΥΠΆΡΧΕΙ ΔΙΠΛΌΣ Ή ΠΑΡΌΜΟΙΟΣ ΚΏΔΙΚΑΣ ΣΕ ΔΙΑΦΟΡΕΤΙΚΆ ΜΈΡΗ», «ΥΠΆΡΧΟΥΝ ΜΈΘΟΔΟΙ ΜΕ ΜΙΑ ΛΊΣΤΑ ΜΕ ΥΠΕΡΒΟΛΙΚΆ ΜΕΓΆΛΑ ΕΠΙΧΕΙΡΉΜΑΤΑ». Σε όλες αυτές τις περιπτώσεις, το OBJECTS μπορεί να έχει δύο ή περισσότερες ΤΠΔ και η ταξινόμηση πολλαπλών σημάτων ή η επανακαταχώριση πολλαπλών τιμών είναι καταλληλότερη._x000D_ στην ερευνητική ομάδα μας έχουμε βιωματική επέκταση στο σχεδιασμό νέων αλγοριτμών για την κατασκευή πολλαπλών σημάτων. ΟΙ MULTICLASIFICATORS, Ή ΣΎΝΟΛΑ, ΕΊΝΑΙ ΜΈΘΟΔΟΙ ΠΟΥ ΒΕΛΤΙΏΝΟΥΝ ΣΗΜΑΝΤΙΚΆ ΤΗΝ ΑΠΌΔΟΣΗ ΕΝΌΣ ΜΕΜΟΝΩΜΈΝΟΥ ΤΑΞΙΝΟΜΗΤΉ ΣΥΝΔΥΆΖΟΝΤΑΣ ΠΟΛΛΆ ΑΠΌ ΑΥΤΆ. Η ΟΜΆΔΑ ΜΑΣ ΈΧΕΙ ΣΥΜΒΆΛΕΙ ΣΤΗΝ ΑΎΞΗΣΗ ΤΩΝ ΔΙΑΘΈΣΙΜΩΝ ΜΕΘΌΔΩΝ ΑΥΤΌΜΑΤΗΣ ΜΆΘΗΣΗΣ ΜΕ ΔΙΆΦΟΡΟΥΣ ΑΛΓΌΡΙΘΜΟΥΣ ΚΑΤΑΣΚΕΥΉΣ ΣΥΝΌΛΩΝ: ΕΝΑΛΛΑΓΉ ΔΑΣΏΝ, ΕΝΟΧΛΗΤΙΚΏΝ ΓΕΙΤΌΝΩΝ, ΤΥΧΑΊΩΝ ΧΡΗΣΜΏΝ ΚΑΙ ΤΥΧΑΊΩΝ ΒΑΡΏΝ ΧΑΡΑΚΤΗΡΙΣΤΙΚΏΝ. ΑΥΤΟΊ ΟΙ ΝΈΟΙ ΑΛΓΌΡΙΘΜΟΙ ΈΧΟΥΝ ΔΕΊΞΕΙ ΌΤΙ ΠΑΡΈΧΟΥΝ ΚΑΛΎΤΕΡΕΣ ΕΠΙΔΌΣΕΙΣ ΑΠΌ ΆΛΛΟΥΣ ΚΛΑΣΙΚΟΎΣ ΑΛΓΟΡΊΘΜΟΥΣ ΣΤΗΝ ΠΕΡΙΟΧΉ. Στην περίπτωση του ROTATION FOREST, αυτό έχει μετατραπεί σε μια μέθοδο αναφοράς με την οποία οι νέες προτάσεις του Algoritmos, και κάποια άλλα βιβλία εξόρυξης δεδομένων και συμπεριλαμβανομένων αυτών περιλαμβάνονται, καθώς και μια κλασική methodox._x000D_ Έχουμε επίσης εμπειρία στο σχεδιασμό των αποεξισορροπημένων αλγοριτμών PROBLEM (μία κατηγορία έχει πολύ περισσότερα INSTANCES από τα restants) και instancing SELECTION (προεπεξεργασία TECHNICAL TO REDUCTION THE SIZE OF A DATA Junt)._x000D_ σε ένα έργο που είχε εξέλθει από την Προσαρμογή για τα Προγράμματα της Αναφοράς των Μεθοδών, αρχικά σκεφτόταν για ταξινόμηση. Ο ΠΡΟΔΙΚΑΣΤΙΚΟΣ ΣΤΟΧΟΣ των ΠΡΟΕΔΡΙΚΩΝ ΥΠΗΡΕΣΙΩΝ ΕΡΓΟΥ που ΕΡΕΥΝΑΖΟΝΤΑΙ ΩΣ μπορουν να ΑΝΑΓΝΩΡΙΖΟΝΤΑΙ ΤΙΣ ΜΕΘΟΔΟΙ για την ΚΑΤΑΡΤΙΣΗ των ΠΟΛΥΠΛΗΡΩΜΑΤΩΝ και των ΠΟΛΛΑΠΛΩΝ ΠΡΟΓΡΑΜΜΑΤΩΝ._x000D_ ΩΣ ΔΕΥΤΕΡΗΣ ΣΤΟΧΟΣ ΚΤΕΛΟΠΟΙΗΘΗΚΕ ΤΗΝ ΕΦΑΡΜΟΓΗ ΤΩΝ ΝΕΩΝ ΑΛΓΟΡΙΤΜΩΝ ΣΤΗΝ ΚΑΤΑΡΤΙΣΗ ΒΙΟΜΗΧΑΝΙΚΩΝ ΠΡΟΒΟΛΩΝ, στη ΓΡΑΜΜΗ ΤΩΝ ΕΛΕΓΧΩΝ ΜΑΣ, ΛΑΜΒΑΝΟΝΤΑΙ ΠΡΟΓΡΑΜΜΑΤΑ ΤΗΣ SOFTWARE’s INNGENIERY, WHAT THE OPPORTUNITY OF INCORPORING THE NEW GROUP RESEARCHERS που ειδικεύονται σε αυτό το είδος έργου, στο πνεύμα της παρούσας πρόσκλησης υποβολής προσφορών, ο οποίος αναζητά την ΣΥΓΚΕΝΤΩΣΗ και συγκολλώντας ερευνητές σε μια κοινή θέση._x000D_ TWO ADDITIONAL OBJECTIVES ARE, από τη μία πλευρά, αναζητώντας μια καλύτερη IMPACT και INTERNATIONALISATION, προσφέρουν πρόσβαση σε μεθόδους που αναπτύσσονται μέσω διαδικτυακών υπηρεσιών (MACHINE LEARNING AS A SERVICE, MLAAS)· ΑΠΌ ΤΗΝ ΆΛΛΗ ΠΛΕΥΡΆ, ΝΑ ΔΙΕΡΕΥΝΉΣΕΙ ΤΗ ΔΥΝΑΤΌΤΗΤΑ ΠΡΟΣΑΡΜΟΓΉΣ ΤΟΥΣ ΣΤΑ ΥΠΟΛΟΓΙΣΤΙΚΆ ΜΟΝΤΈΛΑ ΠΟΥ ΘΑ ΕΠΈΤΡΕΠΑΝ ΤΗ ΧΡΉΣΗ ΤΟΥΣ ΣΕ ΠΛΑΤΦΌΡΜΕΣ ΜΑΖΙΚΏΝ ΔΕΔΟΜΈΝΩΝ. (Greek)
18 August 2022
0 references
DE MEST ALMINDELIGE FORUDSIGELSESOPGAVER FOR OVERVÅGET AUTOMATISK LÆRING ER KLASSIFICERING OG REGRESSION. I BEGGE TILFÆLDE ER DEN VÆRDI, DER SKAL FORUDSIGES, HVAD ENTEN DEN ER DISKRET ELLER KONTINUERLIG, UNIK. DET VIL SIGE, AT I BETRAGTNING AF VÆRDIERNE FOR ATTRIBUTTER AF ET OBJEKT ELLER EN INSTANS, DER TAGES SOM INPUT, ER PROBLEMET, HVORDAN MAN TILDELER DET EN KLASSE ELLER EN NUMERISK VÆRDI. MEN OFTE ER BEGRÆNSNINGEN AF ET MÆRKE PR. INSTANS KLART UTILSTRÆKKELIG. EN VIDENSKABELIG ARTIKEL KAN F.EKS. VÆRE BÅDE "DATAMINING" OG "LØSNING AF INDUSTRIELLE PROBLEMER"; EN FRÆSEMASKINES FUNKTIONSFEJL KAN KARAKTERISERES VED "HØJE VIBRATIONSNIVEAUER" OG "LAV ENERGIEFFEKTIVITET" PÅ SAMME TID; I EN SOFTWAREKVALITETSDIAGNOSE KAN ET DÅRLIGT DESIGN SKYLDES DEN SAMTIDIGE TILSTEDEVÆRELSE AF FORSKELLIGE PATOLOGIER: "EN KLASSE GØR OVERDREVEN BRUG AF METODER FRA EN ANDEN", "DER ER DUPLIKAT ELLER LIGNENDE KODE I FORSKELLIGE DELE", "DER ER METODER MED EN LISTE OVER ARGUMENTER FOR STORE". I alle disse tilfælde kan OBJECTS have to eller flere TSI'er, og flermærkeklassificeringen eller multiværdiomregistreringen er mere hensigtsmæssig._x000D_ i vores forskningsgruppe har vi en erfaringsmæssig udvidelse i udformningen af nye algoritmer til konstruktion af multi-labels. DE MULTICLASIFICATORER, ELLER ENSEMBLES, ER METODER, DER VÆSENTLIGT FORBEDRER YDEEVNEN AF EN ENKELT INDIVIDUEL KLASSIKER VED AT KOMBINERE FLERE AF DEM. VORES GRUPPE HAR BIDRAGET TIL AT ØGE DE TILGÆNGELIGE METODER TIL AUTOMATISK LÆRING MED FLERE ENSEMBLES KONSTRUKTIONSALGORITMER: OMDRIFT SKOV, FORSTYRRENDE NABOER, TILFÆLDIGE ORAKLER OG TILFÆLDIGE FUNKTIONER VÆGTE. DISSE NYE ALGORITMER HAR VIST, AT DE LEVERER BEDRE YDEEVNE END ANDRE KLASSISKE ALGORITMER I OMRÅDET. I tilfælde af ROTATION FOREST, er dette blevet konverteret til en referencemetode, som de nye forslag fra Algoritmos, og nogle andre data-mining bøger og herunder det er inkluderet samt en klassisk methodox._x000D_ Vi har også erfaring i udformningen af ubalancerede PROBLEM algoritmer (en klasse har mange flere INSTANCES end restants) og instancing SELECTION (Forbearbejdning TEKNICAL TO REDUCTION THE SIZE OF A DATA Junt)._x000D_ i en PREVIOUS PROJEKT vi har forladt i ADAPTATION at PROBLEMS REGRETION AF THESE METHODS, oprindeligt overvejet for klassificering. Det FORENEDE PROJEKTIV VEDTAGET FØLGENDE OPLYSNINGER I FØLGENDE BESLUTNINGER TIL RESOLUTION af flermærkede og flersprogede produkter._x000D_SOM TAGER I BETRAGTNING, at de nye nye former for markedsføring af disse nye produkter er blevet anvendt til INDUSTRIELLE PROBLEMS'er, i LINE OF OUR previewing researchs, MEN SOFTWARE'S INNGENIERY PROBLEMS, HVORFOR OPPORTUNITY AF INCORPORINGERNE NYE GROUP RESEARCHERS specialiserer sig i denne type projekt, i ånden af dette udbud, der søger efter FRAGMENTATION og agglutinerende forskere i en fælles holdning._x000D_ TWO ADDITIONAL OBJECTIVES ARE, på den ene side, på udkig efter en bedre IMPACT og INTERNATIONALISATION, tilbyde adgang til metoder udviklet gennem webtjenester (MACHINE LEARNING AS A SERVICE, MLAAS); PÅ DEN ANDEN SIDE, UNDERSØGE MULIGHEDEN FOR AT TILPASSE DEM TIL DE BEREGNINGSMODELLER, DER VILLE TILLADE DERES ANVENDELSE PÅ BIG DATA PLATFORME. (Danish)
18 August 2022
0 references
VALVOTUN AUTOMAATTISEN OPPIMISEN YLEISIMMÄT ENNUSTUSTEHTÄVÄT OVAT LUOKITTELU JA REGRESSIO. MOLEMMISSA TAPAUKSISSA ENNUSTETTAVA ARVO, OLIPA TÄMÄ ERILLINEN TAI JATKUVA, ON AINUTLAATUINEN. TOISIN SANOEN, KUN OTETAAN HUOMIOON OBJEKTIN TAI -ESIINTYMÄN ATTRIBUUTTIEN ARVOT, JOITA PIDETÄÄN SYÖTTÖNÄ, RATKAISTAAN, MITEN SILLE ANNETAAN LUOKKA TAI NUMEERINEN ARVO. MERKINTÄÄ KOSKEVA RAJOITUS ON KUITENKIN USEIN SELVÄSTI RIITTÄMÄTÖN. TIETEELLINEN ARTIKLA VOISI ESIMERKIKSI OLLA SEKÄ ”TIEDONLOUHINTA” ETTÄ ”TEOLLISUUDEN ONGELMIEN RATKAISU”; JYRSINTÄKONEEN TOIMINTAHÄIRIÖLLE VOISI OLLA TUNNUSOMAISTA SAMANAIKAISESTI ”KORKEA TÄRINÄTASO” JA ”VÄHÄINEN ENERGIATEHOKKUUS”; OHJELMISTON LAADUN DIAGNOOSISSA HUONO MUOTOILU VOI JOHTUA ERILAISTEN PATOLOGIOIDEN SAMANAIKAISESTA ESIINTYMISESTÄ: ”YHDESSÄ LUOKASSA KÄYTETÄÄN LIIKAA TOISEN MENETELMIÄ”, ”ERI OSISSA ON PÄÄLLEKKÄISIÄ TAI VASTAAVIA KOODEJA”, ”ON OLEMASSA MENETELMIÄ, JOISSA ON LIIAN SUURI LUETTELO PERUSTELUISTA”. Kaikissa näissä tapauksissa OBJECTS:ssä voi olla kaksi tai useampia YTE:iä, ja monimerkkinen luokitus tai moniarvoinen uudelleenrekisteröinti on asianmukaisempaa._x000D_ tutkimusryhmässämme on kokemuksellinen laajennus uusien algoritmien suunnittelussa monimerkkien rakentamista varten. MULTICLASIFICATORS ELI YHDISTELMÄT OVAT MENETELMIÄ, JOTKA PARANTAVAT MERKITTÄVÄSTI YKSITTÄISEN LUOKITTELIJAN SUORITUSKYKYÄ YHDISTÄMÄLLÄ USEITA NIISTÄ. RYHMÄMME ON OSALTAAN LISÄNNYT KÄYTETTÄVISSÄ OLEVIA AUTOMAATTISEN OPPIMISEN MENETELMIÄ USEILLA KOKOONPANOJEN RAKENNUSALGORITMEILLA: KIERTOMETSÄ, HÄIRITSEVÄT NAAPURIT, SATUNNAISET ORAKIT JA SATUNNAISET ERIKOISPAINOT. NÄMÄ UUDET ALGORITMIT OVAT OSOITTANEET, ETTÄ NE TARJOAVAT PAREMMAN SUORITUSKYVYN KUIN MUUT KLASSISET ALGORITMIT ALUEELLA. Kun kyseessä on ROTATION FOREST, tämä on muunnettu menetelmäksi, jonka kanssa uudet ehdotukset Algoritmos, ja joitakin muita tiedonlouhinta kirjoja ja mukaan lukien se on sekä klassinen metodox._x000D_ Meillä on myös kokemusta suunnittelu epäsuhtainen PROBLEM algoritmit (yhdessä luokassa on paljon enemmän INSTANCES kuin lepoaineet) ja instancing SELECTION (esikäsittely TECHNICAL TO REDUCTION SIZE OTTA Junt)._x000D_ PREVIOUS PROJECT me olemme poistuneet SOPIMUS TUOTTEIDEN TUOMIOISTUIMEN TUOTTEIDEN MERKILLE, alun perin harkittiin luokittelua. Ensiarvoinen OBJECTIN OBJECT SERIES RESEARCH ON SÄÄNNÖS SÄÄNNÖKSEEN, joka koskee monimerkkisten ja MULTIVALTIAL PROBLEMS:ien tarkastelua._x000D_ niin kuin SECOND OBJECTIVE bussi tuli näiden uusien algoritmien hyväksymistä varten INDUSTRIAL PROBLEMS: n hyväksi, tutkimuksen esikatselussa, mutta tämän tarjouspyynnön hengessä, joka etsii VAIKUTUS- ja agglutinaatiotutkijoita, jotka ovat erikoistuneet tämäntyyppisiin hankkeisiin, jotka ovat erikoistuneet tämäntyyppiseen hankkeeseen, joka hakee VAIKUTUS- ja agglutining-tutkijoita yhteiseen kantaan. toisaalta tavoitteena on parantaa IMPACT- ja INTERNATIONALISATION-toimia ja tarjota pääsy verkkopalvelujen avulla kehitettyihin menetelmiin (MACHINE LEARNING AS A SERVICE, MLAAS); TOISAALTA TUTKITAAN MAHDOLLISUUTTA MUKAUTTAA NE LASKENTAMALLEIHIN, JOTKA MAHDOLLISTAISIVAT NIIDEN KÄYTÖN MASSADATA-ALUSTOILLA. (Finnish)
18 August 2022
0 references
IL-KOMPITI TA’ TBASSIR L-AKTAR KOMUNI TAT-TAGĦLIM AWTOMATIKU SSORVELJAT HUMA L-KLASSIFIKAZZJONI U R-RIGRESSJONI. FIŻ-ŻEWĠ KAŻIJIET IL-VALUR LI GĦANDU JITBASSAR, KEMM JEKK DAN DISKRET JEW KONTINWU, HUWA UNIKU. JIĠIFIERI, MINĦABBA L-VALURI TA ‘ATTRIBUTI TA’ OĠĠETT JEW ISTANZA, LI JITTIEĦDU BĦALA INPUT, IL-PROBLEMA LI GĦANDHA TIĠI SOLVUTA HIJA KIF TASSENJA LILHA KLASSI JEW VALUR NUMERIKU. MADANKOLLU, ĦAFNA DRABI R-RESTRIZZJONI TA’ TIKKETTA GĦAL KULL ISTANZA HIJA B’MOD ĊAR INSUFFIĊJENTI. PEREŻEMPJU, ARTIKOLU XJENTIFIKU JISTA’ JKUN KEMM “ESTRAZZJONI TAD-DATA” KIF UKOLL “SOLUZZJONI TA’ PROBLEMI INDUSTRIJALI”; IL-ĦSARA TA’ MAGNA TAT-TĦIN TISTA’ TKUN IKKARATTERIZZATA MINN “LIVELLI GĦOLJIN TA’ VIBRAZZJONI” U “EFFIĊJENZA ENERĠETIKA BAXXA” FL-ISTESS ĦIN; F’DIJANJOSI TAL-KWALITÀ TAS-SOFTWER, DISINN FQIR JISTA ‘JKUN DOVUT GĦALL-PREŻENZA SIMULTANJA TA’ PATOLOĠIJI VARJI: “KLASSI WAĦDA TAGĦMEL UŻU EĊĊESSIV TA ‘METODI MINN IEĦOR”, “HEMM KODIĊI DUPLIKAT JEW SIMILI F’PARTIJIET DIFFERENTI”, “HEMM METODI MA’ LISTA TA ‘ARGUMENTI KBAR WISQ”. F’dawn il-każijiet kollha, l-OBJECTS jista’ jkollhom żewġ TSIs jew aktar u l-klassifikazzjoni multi-tikketta jew ir-reġistrazzjoni mill-ġdid b’ħafna valuri jkunu aktar xierqa._x000D_ fil-grupp ta’ riċerka tagħna għandna espansjoni esperjenzjali fid-disinn ta’ algoritmi ġodda għall-kostruzzjoni ta’ multi-tikketti. IL MULTICLASIFICATORS, JEW ENSEMBLES, HUMA METODI LI JTEJBU B’MOD SINIFIKANTI L-PRESTAZZJONI TA ‘KLASSIFIKATUR INDIVIDWALI WIEĦED BILLI JIKKOMBINAW DIVERSI MINNHOM. GRUPP TAGĦNA KKONTRIBWIXXA GĦAŻ-ŻIEDA TA ‘METODI DISPONIBBLI TA’ TAGĦLIM AWTOMATIKU MA ‘DIVERSI ENSEMBLES ALGORITMI KOSTRUZZJONI: ROTAZZJONI TAL-FORESTI, ĠIRIEN INKWETANTI, ORACLES KAŻWALI U PIŻIJIET TAL-KARATTERISTIĊI KAŻWALI. DAWN L-ALGORITMI ĠODDA WREW LI DAWN IWASSLU PRESTAZZJONI AĦJAR MINN ALGORITMI KLASSIĊI OĦRA FIL-QASAM. Fil-każ ta ‘FOREST ROTAZZJONI, dan ġie konvertit f’metodu ta ‘referenza li bih il-proposti l-ġodda ta’ Algoritmos, u xi kotba oħra ta ‘estrazzjoni tad-data u li jinkluduh huma inklużi kif ukoll metodu klassiku._x000D_ Għandna wkoll esperjenza fid-disinn ta ‘algoritmi PROBLEM żbilanċjati (klassi waħda għandha ħafna aktar INSTANCES minn restants) u SELECTION instancing (Pre-processing TECHNICAL GĦAŻLA LILL-SIŻE TA’ TAGĦRIF A DATA Junt)._x000D_ F’PROJECT PREVJU WE ħareġ fl-ADAPTAZZJONI biex PROBLEMS TAR-REGREZZJONI TAL-METHODS, inizjalment maħsub għall-klassifikazzjoni. L-OBJETTIVA PRINĊIPALI tas-SERVIZZI PREĠETTI PREĊENTI RIĊERKA FIL-PIŻ JADOTTA L-METHODS GĦAR-RISOLUZZJONI TA’ PROBLUTI Multitikketta u MULTIVALI._x000D_ KIF GĦANDHA GĦANDU SEKONDARJA L-APPLIKAZZJONI TA’ L-algoritmi l-ġodda għall-SOLUZZJONI TA’ PROBLUTI INDUSTRIJALI, fil-LINE TA’ OUR previżjoni tar-riċerki, BUT SOFTWARE’S INNGENIERY PROBLEMS, fl-ispirtu ta ‘din l-istedina għall-offerti, li qed tfittex għal riċerkaturi FRAGMENTAZZJONI u agglutinating f’pożizzjoni komuni._x000D_ TWO ADDIONAL OBJECTIVES ARE, minn naħa waħda, it-tfittxija għal IMPACT u INTERNATIONALISATION aħjar, toffri aċċess għal metodi żviluppati permezz ta’ servizzi tal-web (MACHINE LEARNING AS A SERVICE, MLAAS); MIN-NAĦA L-OĦRA, TINVESTIGA L-POSSIBBILTÀ LI TADATTAHOM GĦALL-MUDELLI TA’ KOMPUTAZZJONI LI JIPPERMETTU L-UŻU TAGĦHOM FUQ PJATTAFORMI TAL-BIG DATA. (Maltese)
18 August 2022
0 references
VISBIEŽĀK NOVĒROTĀS AUTOMĀTISKĀS MĀCĪŠANĀS PROGNOZĒŠANAS UZDEVUMI IR KLASIFIKĀCIJA UN REGRESIJA. ABOS GADĪJUMOS PAREDZAMĀ VĒRTĪBA, NEATKARĪGI NO TĀ, VAI TĀ IR DISKRĒTA VAI NEPĀRTRAUKTA, IR UNIKĀLA. TAS IR, ŅEMOT VĒRĀ OBJEKTA VAI GADĪJUMA ATRIBŪTU VĒRTĪBAS, KAS TIEK ŅEMTAS KĀ IEVADDATI, RISINĀMĀ PROBLĒMA IR TAS, KĀ TAM PIEŠĶIRT KLASI VAI SKAITLISKU VĒRTĪBU. TOMĒR BIEŽI VIEN MARĶĒJUMA IEROBEŽOJUMS KATRĀ GADĪJUMĀ IR ACĪMREDZAMI NEPIETIEKAMS. PIEMĒRAM, ZINĀTNISKS PANTS VARĒTU BŪT GAN “DATU IEGUVE”, GAN “INDUSTRIĀLO PROBLĒMU RISINĀJUMS”; FRĒZĒŠANAS MAŠĪNAS DARBĪBAS TRAUCĒJUMU VAR VIENLAIKUS RAKSTUROT AR “AUGSTU VIBRĀCIJAS LĪMENI” UN “ZEMU ENERGOEFEKTIVITĀTI”; PROGRAMMATŪRAS KVALITĀTES DIAGNOSTIKĀ SLIKTS DIZAINS VAR BŪT SAISTĪTS AR DAŽĀDU PATOLOĢIJU VIENLAICĪGU KLĀTBŪTNI: “VIENA KLASE PĀRMĒRĪGI IZMANTO CITAS METODES”, “DAŽĀDĀS DAĻĀS IR DUBLIKĀTS VAI LĪDZĪGS KODS”, “IR METODES AR PĀRĀK LIELU ARGUMENTU SARAKSTU”. Visos šajos gadījumos OBJECTS var būt divas vai vairākas SITS, un daudzmarķējumu klasifikācija vai vairākvērtību pārreģistrācija ir piemērotāka._x000D_ mūsu pētniecības grupā mums ir pieredze jaunu algoritmu izstrādē daudzmarķējumu būvniecībai. MULTICLASIFICATORS JEB ANSAMBĻI IR METODES, KAS BŪTISKI UZLABO VIENA ATSEVIŠĶA KLASIFIKATORA VEIKTSPĒJU, APVIENOJOT VAIRĀKUS NO TIEM. MŪSU GRUPA IR VEICINĀJUSI PIEEJAMO AUTOMĀTISKĀS MĀCĪŠANĀS METOŽU PIEAUGUMU AR VAIRĀKIEM ANSAMBĻIEM CELTNIECĪBAS ALGORITMIEM: ROTĀCIJAS MEŽS, TRAUCĒJOŠI KAIMIŅI, IZLASES ORAKLES UN IZLASES VEIDA ATSVARI. ŠIE JAUNIE ALGORITMI IR PARĀDĪJUŠI, KA TIE NODROŠINA LABĀKU VEIKTSPĒJU NEKĀ CITI KLASISKIE ALGORITMI ŠAJĀ JOMĀ. Attiecībā uz ROTATION FOREST tas ir pārveidots par atsauces metodi, ar kuru tiek iekļauti jaunie Algoritmos priekšlikumi un dažas citas datu ieguves grāmatas, ieskaitot tās, kā arī klasisks methodox._x000D_ Mums ir arī pieredze nelīdzsvarotu PROBLEM algoritmu izstrādē (vienai klasei ir daudz vairāk INSTANCES nekā restaurācijas) un SELECTION (pirmsapstrādes TECHNICAL TO REDUCTION THE SIZE OF A DATA Junt)._x000D_ in PREVIOUS PROJECT WE HAVE iznāca ADAPTATION TO PROBLEMS REGRETION of THESE METHODS, sākotnēji domāja par klasifikāciju. PRINCIPĀLS OBJEKTĪVS PALĪDZĪBAS PĀRSTĀVJU PĀRSTĀVJU PĀRSKATĪTĀJIEM, KAS VĒRTĒJĀ MĒRĶIEM Šiem jauniem algoritmiem IZMĒRI UN MULTIVĀLĀ PROBLEMS._x000D_ AS SECOND OBJECTIVE buscame PIETEIKUMS Šajos jaunajos algoritmos uz industriālo PROBLEMS SOLUTION, mūsu priekšskatīšanas pētījumu LINE, BUT SOFTWARE’S INNGENIERY PROBLEMS, KAS INCORPORITY OPPORTUNITY NEW GROUP RESEARCHERS specializējas šāda veida projektā, ievērojot šo uzaicinājumu uz konkursu, kurš meklē FRAGMENTATION un aglutinēt pētniekus kopējā nostājā._x000D_ TWO ADDITIONAL OBJECTIVES ARE, no vienas puses, meklējot labāku IMPACT un INTERNATIONALISATION, piedāvā piekļuvi metodēm, kas izstrādātas, izmantojot tīmekļa pakalpojumus (MACHINE LEARNING AS A SERVICE, MLAAS); NO OTRAS PUSES, IZPĒTĪT IESPĒJU TOS PIELĀGOT APRĒĶINU MODEĻIEM, KAS ĻAUTU TOS IZMANTOT LIELO DATU PLATFORMĀS. (Latvian)
18 August 2022
0 references
NAJBEŽNEJŠÍMI PREDPOVEDACÍMI ÚLOHAMI AUTOMATICKÉHO UČENIA SA POD DOHĽADOM SÚ KLASIFIKÁCIA A REGRESIA. V OBOCH PRÍPADOCH JE HODNOTA, KTORÚ TREBA PREDPOVEDAŤ, ČI UŽ DISKRÉTNA ALEBO KONTINUÁLNA, JEDINEČNÁ. TO ZNAMENÁ, ŽE VZHĽADOM NA HODNOTY ATRIBÚTOV OBJEKTU ALEBO INŠTANCIE, KTORÉ SA POVAŽUJÚ ZA VSTUP, PROBLÉM, KTORÝ SA MÁ VYRIEŠIŤ, JE, AKO MU PRIRADIŤ TRIEDU ALEBO ČÍSELNÚ HODNOTU. OBMEDZENIE OZNAČENIA NA INŠTANCIU JE VŠAK ČASTO ZJAVNE NEDOSTATOČNÉ. NAPRÍKLAD VEDECKÝM ČLÁNKOM BY MOHOL BYŤ „VYŤAŽOVANIE ÚDAJOV“ AJ „RIEŠENIE PRIEMYSELNÝCH PROBLÉMOV“; PORUCHA FRÉZKY BY MOHLA BYŤ CHARAKTERIZOVANÁ „VYSOKOU ÚROVŇOU VIBRÁCIÍ“ A „NÍZKOU ENERGETICKOU ÚČINNOSŤOU“ SÚČASNE; PRI DIAGNOSTIKE KVALITY SOFTVÉRU MÔŽE BYŤ ZLÝ DIZAJN SPÔSOBENÝ SÚČASNOU PRÍTOMNOSŤOU RÔZNYCH PATOLÓGIÍ: „JEDNA TRIEDA NADMERNE VYUŽÍVA METÓDY Z INEJ“, „V RÔZNYCH ČASTIACH JE DUPLICITNÝ ALEBO PODOBNÝ KÓD“, „EXISTUJÚ METÓDY SO ZOZNAMOM PRÍLIŠ VEĽKÝCH ARGUMENTOV“. Vo všetkých týchto prípadoch, OBJECTS môže mať dve alebo viac TSI a multi-label klasifikácia alebo multi-hodnotná re-registrácia byť vhodnejšie._x000D_ v našej výskumnej skupine máme skúsenosti rozšírenie návrhu nových algoritmov pre výstavbu multi-značiek. MULTICLASIFICATORS ALEBO KOMPLETY SÚ METÓDY, KTORÉ VÝRAZNE ZLEPŠUJÚ VÝKON JEDNÉHO JEDNOTLIVÉHO KLASIFIKÁTORA KOMBINÁCIOU NIEKOĽKÝCH Z NICH. NAŠA SKUPINA PRISPELA K ZVÝŠENIU DOSTUPNÝCH METÓD AUTOMATICKÉHO UČENIA S NIEKOĽKÝMI KONŠTRUKČNÝMI ALGORITMAMI SÚBOROV: ROTÁCIA LESA, ZNEPOKOJUJÚCI SUSEDIA, NÁHODNÉ ORACLES A NÁHODNÉ RYSY VÁHY. TIETO NOVÉ ALGORITMY UKÁZALI, ŽE POSKYTUJÚ LEPŠÍ VÝKON AKO INÉ KLASICKÉ ALGORITMY V OBLASTI. V prípade ROTATION FOREST sa táto metóda premenila na referenčnú metódu, s ktorou sú zahrnuté nové návrhy Algoritmos a niektoré ďalšie knihy s hĺbkovou ťažbou dát a vrátane nich, ako aj klasický methodox._x000D_ Máme tiež skúsenosti s návrhom nevyvážených PROBLEM algoritmov (jedna trieda má oveľa viac INSTANCES ako restants) a inštaláciou SELECTION (Pre-spracovanie TECHNICKÉ NA ÚDAJE SIZE DATA Junt)._x000D__ v PREVIOUSNEJ PROJEKTY, ktorá sa pôvodne uvažovala o klasifikácii, ukončila ADAPTATION TO PROBLETION OF THE METHODS. PRINCIPAL OBJEKTU PRESENTNÉ PROJEKTNEJ SERIES RESEARCH VYKONÁVAJÚC TÝKAJÚCE SA OZHODNUTIA multištítok a MULTIVALÝCH PROBLEMS._x000D_ AS SECOND OBJECTIVE busprišiel APPLIKÁCIA týchto nových algoritmov k SOLUTION OF INDUSTRIAL PROBLEMS, v LINE NAŠEJ ukážky výskumov, ALE SOFTWARE INNGENIERY PROBLEMS, KTORÉ OPPORTUNITY INCORPORY NEW GROUP RESEARCHERS, ktorí sa špecializujú na tento typ projektu, v duchu tejto výzvy na predkladanie ponúk, ktorí hľadajú FRAGMENTATION a aglutinating výskumníkov v spoločnej pozícii._x000D_ TWO ADDITIONAL OBJEKTY, na jednej strane, hľadajúc lepšiu IMPACT a INTERNATIONALISATION, ponúkajú prístup k metódam vyvinutým prostredníctvom webových služieb (MACHINE LEARNING AS A SERVICE, MLAAS); NA DRUHEJ STRANE PRESKÚMAŤ MOŽNOSŤ ICH PRISPÔSOBENIA VÝPOČTOVÝM MODELOM, KTORÉ BY UMOŽNILI ICH POUŽITIE NA PLATFORMÁCH VEĽKÝCH DÁT. (Slovak)
18 August 2022
0 references
IS IAD NA TASCANNA TUARTHA IS COITIANTA A BHAINEANN LE FOGHLAIM UATHOIBRÍOCH FAOI MHAOIRSEACHT NÁ AICMIÚ AGUS CÚLCHÉIMNIÚ. SA DÁ CHÁS TÁ AN LUACH ATÁ LE TUAR, CIBÉ ACU AN BHFUIL SÉ SCOITE NÓ LEANÚNACH, UATHÚIL. IS É SIN, MAR GHEALL AR LUACHANNA TRÉITHE RÉADA NÓ MAR SHAMPLA, A NGLACTAR LEO MAR IONCHUR, IS É AN FHADHB ATÁ LE RÉITEACH NÁ CONAS AICME NÓ LUACH UIMHRIÚIL A SHANNADH DÓ. MAR SIN FÉIN, IS LÉIR, ÁFACH, NACH LEOR AN SRIAN AR LIPÉAD IN AGHAIDH AN CHÁIS. MAR SHAMPLA, D’FHÉADFADH SÉ GUR ‘MIANADÓIREACHT SONRAÍ’ AGUS ‘RÉITEACH FADHBANNA TIONSCLAÍOCHA’ A BHEADH IN AIRTEAGAL EOLAÍOCH; D’FHÉADFAÍ “ARDLEIBHÉIL CHREATHAIDH” AGUS “ÉIFEACHTÚLACHT FUINNIMH ÍSEAL” A SHAINTRÉITHRIÚ AR MHÍFHEIDHMIÚ MEAISÍN MUILLEÁLA AG AN AM CÉANNA; I DIAGNÓIS CÁILÍOCHTA BOGEARRAÍ, IS FÉIDIR DROCH-DHEARADH A BHEITH MAR GHEALL AR LÁITHREACHT CHOMHUAINEACH NA BPAITEOLAÍOCHTAÍ ÉAGSÚLA: “DÉANANN RANG AMHÁIN ÚSÁID IOMARCACH AS MODHANNA EILE”, “TÁ CÓD DÚBLACH NÓ COMHCHOSÚIL ANN I GCODANNA ÉAGSÚLA”, “TÁ MODHANNA ANN LE LIOSTA ARGÓINTÍ RÓ-MHÓR”. I ngach ceann de na cásanna sin, d’fhéadfadh dhá STI nó níos mó a bheith ag OBJECTS agus an t-aicmiú illipéad nó an t-athchlárú illuacha a bheith níos oiriúnaí._x000D_ inár ngrúpa taighde tá leathnú ó thaithí againn i ndearadh ailgartaim nua chun il-lipéid a thógáil. IS MODHANNA IAD NA MULTICLASIFICATORS, NÓ ENSEMBLES, A FHEABHSAÍONN FEIDHMÍOCHT AICMITHEOIR AONAIR AONAIR GO SUNTASACH TRÍ ROINNT ACU A CHOMHCHEANGAL. CHUIR ÁR NGRÚPA LEIS AN MÉADÚ AR MHODHANNA FOGHLAMA UATHOIBRÍOCH ATÁ AR FÁIL LE HALGARTAIM TÓGÁLA ENSEMBLES ÉAGSÚLA: FORAOISE UAINÍOCHTA, CUR ISTEACH AR CHOMHARSANA, ORACLES RANDAMACHA AGUS MEÁCHAIN GHNÉ RANDAMACHA. TÁ NA HALGARTAIM NUA LÉIRITHE GO SEACHADANN SIAD FEIDHMÍOCHT NÍOS FEARR NÁ HALGARTAIM CLASAICEACH EILE SA CHEANTAR. I gcás ROTATION FOREST, tá sé seo a thiontú go modh tagartha lena bhfuil na tograí nua de ALGORITMOS, agus roinnt leabhair sonraí-mining eile agus lena n-áirítear é san áireamh chomh maith le methodox._x000D_ clasaiceach Tá taithí againn freisin i ndearadh algoritms PROBLEM disbalanced (tá i rang amháin go leor INSTANCES níos mó ná Restants) agus instaning SELECTION (réamhphróiseáil TECHNICAL A DHÉANAMH AN SÍOS A DATA Junt)._x000D_ IN PREVIOUS CUR SÍOS A BHAINEANN LE hAGHAIDH A DHÉANAMH AR SOLÁTHAR REGHRÚ NA MEHODS, shíl ar dtús le haghaidh aicmithe. Is éard atá i gceist leis an SRAITH SRAITH CHUNTAIS LE hAGHAIDH SOLÁTHAR Illipéad agus Ilval PROBLEMS._x000D_TAR ÉIS AN MHÉANAMH LE hAGHAIDH AMHÁIN AN AONTAIS NUA ATHBHREITHNIÚ AR AN BHRÍNEACHT NUA ATHBHREITHNIÚ AR AN BHRÍ INDÍOMHAÍOCHTA, i LINE OF OUR taighde previewing, BUT BOLAÍOCHTAÍ NUA GHRÉIGIÚNACH, WHAT AN OIFIGIÚIL GROUP NUA RESEARCHERS GROUP NUA speisialú sa chineál seo tionscadail, i spiorad an chuiridh seo chun tairisceana, atá ag lorg taighdeoirí FRAGMENTATION agus agglutinating i gcomhsheasamh._x000D_ TWO ADDITIONAL OBJECTIVES ARE, ar thaobh amháin, ag lorg IMPACT agus INTERNATIONALISATION níos fearr, rochtain a thairiscint ar mhodhanna a fhorbraítear trí sheirbhísí gréasáin (MACHINE LEARNING MAR SEIRBHÍS, MLaaS); AR AN LÁIMH EILE, IMSCRÚDÚ A DHÉANAMH AR AN BHFÉIDEARTHACHT IAD A CHUR IN OIRIÚINT DO NA SAMHLACHA RÍOMHA A CHEADÓDH A N-ÚSÁID AR ARDÁIN SONRAÍ MÓRA. (Irish)
18 August 2022
0 references
NEJČASTĚJŠÍMI PREDIKČNÍMI ÚKOLY AUTOMATICKÉHO UČENÍ POD DOHLEDEM JSOU KLASIFIKACE A REGRESE. V OBOU PŘÍPADECH JE PŘEDPOKLÁDANÁ HODNOTA, AŤ UŽ JE TATO DISKRÉTNÍ NEBO KONTINUÁLNÍ, JEDINEČNÁ. TO ZNAMENÁ, ŽE VZHLEDEM K HODNOTÁM ATRIBUTŮ OBJEKTU NEBO INSTANCE, KTERÉ JSOU POVAŽOVÁNY ZA VSTUP, JE PROBLÉM, KTERÝ JE TŘEBA VYŘEŠIT, JAK MU PŘIŘADIT TŘÍDU NEBO ČÍSELNOU HODNOTU. OMEZENÍ OZNAČENÍ V JEDNOTLIVÝCH INSTANCÍCH JE VŠAK ČASTO ZJEVNĚ NEDOSTATEČNÉ. NAPŘÍKLAD VĚDECKÝ ČLÁNEK BY MOHL BÝT JAK „VYTĚŽOVÁNÍM ÚDAJŮ“, TAK „ŘEŠENÍM PRŮMYSLOVÝCH PROBLÉMŮ“; PORUCHA FRÉZKY BY MOHLA BÝT CHARAKTERIZOVÁNA SOUČASNĚ „VYSOKOU ÚROVNÍ VIBRACÍ“ A „NÍZKOU ENERGETICKOU ÚČINNOSTÍ“; PŘI DIAGNOSTICE KVALITY SOFTWARU MŮŽE BÝT ŠPATNÝ DESIGN ZPŮSOBEN SOUČASNOU PŘÍTOMNOSTÍ RŮZNÝCH PATOLOGIÍ: „JEDNA TŘÍDA PŘÍLIŠ VYUŽÍVÁ METODY Z JINÉ“, „V RŮZNÝCH ČÁSTECH JE DUPLICITNÍ NEBO PODOBNÝ KÓD“, „EXISTUJÍ METODY S PŘÍLIŠ VELKÝM SEZNAMEM ARGUMENTŮ“. Ve všech těchto případech mohou mít OBJECTS dvě nebo více TSI a víceznaková klasifikace nebo reregistrace s více hodnotami je vhodnější._x000D_ v naší výzkumné skupině máme zážitkovou expanzi při navrhování nových algoritmů pro výstavbu víceznaků. MULTICLASIFICATORS, NEBOLI SOUBORY, JSOU METODY, KTERÉ VÝRAZNĚ ZLEPŠUJÍ VÝKON JEDNOHO JEDNOTLIVÉHO KLASIFIKÁTORA KOMBINACÍ NĚKOLIKA Z NICH. NAŠE SKUPINA PŘISPĚLA KE ZVÝŠENÍ DOSTUPNÝCH METOD AUTOMATICKÉHO UČENÍ S NĚKOLIKA KONSTRUKČNÍMI ALGORITMY: ROTAČNÍ LES, ZNEPOKOJUJÍCÍ SOUSEDY, NÁHODNÉ VĚŠÁKY A NÁHODNÁ ZÁVAŽÍ. TYTO NOVÉ ALGORITMY UKÁZALY, ŽE POSKYTUJÍ LEPŠÍ VÝKON NEŽ JINÉ KLASICKÉ ALGORITMY V TÉTO OBLASTI. V případě ROTATION FOREST, to bylo převedeno na referenční metodu, s níž jsou zahrnuty nové návrhy Algoritmos, a některé další data-mining knihy a včetně ní jsou zahrnuty, stejně jako klasický methodox._x000D_ Máme také zkušenosti s designem desbalanced PROBLEM algoritms (jedna třída má mnohem více INSTANCES než restants) a instancing SELECTION (Předpracování TECHNICAL TO REDUCTION THE SIZE OF A DATA Junt)._x000D_ V PREVIOUS PROJECT my jsme opustili v ADAPTATION to PROBLEMS of REGRETION of THESE METHODS, původně myslel na klasifikaci. Prvotní OBJEKTU PRESENTNÍHO PROJEKTU VYZÝVÁNÍ VÝZKUJÍCÍHO VÝZKUJÍCÍHO ZAŘÍZENÍ PROSTŘEDKÝCH ZAŘÍZENÍ PROSTŘEDKŮ A MULTIVNÍCH PROJEKTŮ._x000D_ Jakmile SECOND OBJEKTIVNÍ BEZPEČNOSTI ZAŘÍZENÍ těchto nových algoritmů k øešení INDUSTRIÁLNÍCH PROBLEMŮ, in the LINE OF our previewing researchs, ALE SOFTWARE’S INNGENIERY PROBLEMS, KTERÉ OPPORTUNITY INCORPORING NEW GROUP RESEARCHERS specializující se na tento typ projektu, v duchu tohoto nabídkového řízení, který hledá FRAGMENTACE a aglutinující výzkumné pracovníky ve společném postoji._x000D_ TWO ADDITIONAL OBJECTIVES ARE, na jedné straně, hledající lepší IMPACT a INTERNATIONALISATION, nabízejí přístup k metodám vyvinutým prostřednictvím webových služeb (MACHINE LEARNING AS A SERVICE, MLAAS); NA DRUHÉ STRANĚ PROZKOUMAT MOŽNOST JEJICH PŘIZPŮSOBENÍ VÝPOČETNÍM MODELŮM, KTERÉ BY UMOŽNILY JEJICH POUŽITÍ NA PLATFORMÁCH PRO DATA VELKÉHO OBJEMU. (Czech)
18 August 2022
0 references
A APRENDIZAGEM AUTOMÁTICA SUPERVISIONADA TAREFAS DE PREDICAÇÃO MAIS COMUNS SÃO A CLASSIFICAÇÃO E A REGRESSÃO. Em ambos os casos, o valor a ser divulgado, seja este discreto ou contínuo, é único. Isto é, dado o valor dos atributos de um objecto ou de uma instituição, que são tomados em consideração, o problema a resolver é como atribuir-lhe uma categoria ou um valor numérico. No entanto, a limitação de um quadro por instituição é muitas vezes manifestamente insuficiente. POR EXEMPLO, UM ARTIGO CIENTÍFICO PODE SER «MINeração DE DADOS» E «SOLUÇÃO DE PROBLEMAS INDUSTRIAIS»; A MALFUNÇÃO DE UMA MÁQUINA DE MOAGEM PODE SER CARACTERIZADA POR «NÍVEIS DE VIBRAÇÃO ELEVADOS» E «EFICIÊNCIA ENERGÉTICA ALTA» NO MESMO TEMPO; Numa DIAGNÓSTICA DE QUALIDADE DO SOFTWARE, uma má concepção pode dever-se à presença simultânea de diversas patologias: «UM CLASSE FAZ UTILIZAÇÃO EXCESSIVA DE MÉTODOS DE OUTRO», «OUTRA CÓDIGO É DUPLICADO OU SEMELHANTE EM PARTES DIFERENTES», «OUTRAS SÃO MÉTODOS COM UMA LISTA DE ARGUMENTOS DEMASIADAMENTE GRANDE». Em todos estes casos, os OBJECTOS podem ter duas ou mais ETI e a classificação multi-etiqueta ou o re-registo multi-valor ser mais apropriado._x000D_ No nosso grupo de investigação temos uma expansão experiencial no desenho de novos algoriTMs para a construção de multi-etiquetas. OS MULTICLASIFICADORES, OU CONJUNTOS, SÃO MÉTODOS QUE MELHORAM SIGNIFICATIVAMENTE O DESEMPENHO DE UM ÚNICO CLASSIFICADOR INDIVIDUAL COMBINANDO VÁRIOS. O NOSSO GRUPO CONTRIBUIU PARA O AUMENTO DOS MÉTODOS DISPONÍVEIS DE APRENDIZAGEM AUTOMÁTICA COM ALGORITHMS DE CONSTRUÇÃO DE VÁRIOS MONTANTES: FLORESTA DE ROTA, VIZINHOS DE PERTURBAÇÃO, ÓRACULOS ALEATÓRIOS E PESOS DE CARACTERÍSTICA ALEATÓRIA. Estes novos algoritmos têm mostrado que eles fornecem melhor desempenho do que outros algoritmos clássicos na área. No caso da ROTATION FOREST, este foi convertido num método de referência com o qual estão incluídas as novas propostas de ALGORITMOS, e alguns outros livros de exploração de dados e incluindo-o, bem como um método clássicoox._x000D_ Temos também experiência no desenho de ALGÓRIOS DE PROBLEMAS desequilibrados (uma classe tem muito mais INSTÂNCIAS do que RESTANTES) e SELECÇÃO DE INSTANÇAMENTO (Pré-processamento TÉCNICO PARA REDUÇÃO DA TAMANHA DE UM JUNTO DE DADOS)._x000D_ NUM PROJECTO PREVIOUSO QUE EXISTIRAMOS NA ADAPTAÇÃO AOS PROBLEMAS DE REGREÇÃO DOS SEUS MÉTODOS, inicialmente pensado para classificação. The PRINCIPAL OBJECTIVE OF THE PRESENT PROJECT SERIES RESEARCH IN AS WE CAN ADAPT THESE METHODS TO THE RESOLUTION OF Multilabel AND MULTIVAL PROBLEMS._x000D_ AS SECOND OBJECTIVE BUSCAME THE APPLICATION OF THIS NEW ALGORITMS TO THE SOLUTION OF INDUSTRIAL PROBLEMS, in the LINE OF OUR PREVIEWING RESEARCHS, BUT SOFTWARE’S INNGENIERY PROBLEMS, WHAT THE OPPORTUNITY OF INCORPORING THE NEW GROUP RESEARCHERS specialising in this type of project, in the spirit of this invitation to tender, who is looking for FRAGMENTATION and agglutinating researchers in a common position._x000D_ TWO ADDITIONAL OBJECTIVES ARE, by one side, looking for a better IMPACT and INTERNATIONALISATION, offer access to methods developed through web services (MACHINE LEARNING AS A SERVICE, MLAAS); Por outro lado, investigue a possibilidade de adaptá-los aos modelos de computação que permitiriam a sua utilização em grandes plataformas de dados. (Portuguese)
18 August 2022
0 references
KÕIGE LEVINUMAD PROGNOOSIMISÜLESANDED JUHENDATUD AUTOMAATÕPPES ON KLASSIFITSEERIMINE JA REGRESSIOON. MÕLEMAL JUHUL ON PROGNOOSITAV VÄÄRTUS, OLGU SEE SIIS ERALDISEISEV VÕI PIDEV, AINULAADNE. SEE TÄHENDAB, ET ARVESTADES OBJEKTI VÕI NÄITE ATRIBUUTIDE VÄÄRTUSI, MIDA VÕETAKSE SISENDINA, TULEB LAHENDADA PROBLEEM, KUIDAS OMISTADA SELLELE KLASS VÕI NUMBRILINE VÄÄRTUS. SAGELI EI OLE MÄRGISE PIIRAMINE SIISKI SELGELT PIISAV. NÄITEKS VÕIKS TEADUSLIK ARTIKKEL OLLA NII ANDMEKAEVE KUI KA TÖÖSTUSPROBLEEMIDE LAHENDAMINE; FREESIMISMASINA RIKET VÕIB SAMAL AJAL ISELOOMUSTADA „KÕRGE VIBRATSIOONITASE“ JA „MADAL ENERGIATÕHUSUS“; TARKVARA KVALITEEDI DIAGNOOSIMISEL VÕIB HALB DISAIN OLLA TINGITUD ERINEVATE PATOLOOGIATE SAMAAEGSEST OLEMASOLUST: „ÜKS KLASS KASUTAB LIIGSELT TEISE MEETODEID“, „ERI OSADES ON DUBLEERITUD VÕI SARNANE KOOD“, „ON OLEMAS MEETODID, MILLE ARGUMENTIDE LOETELU ON LIIGA SUUR“. Kõigil neil juhtudel võib OBJECTS-il olla kaks või enam KTKd ning mitme märgise klassifikatsioon või mitmeväärtuseline ümberregistreerimine on asjakohasem._x000D_ meie uurimisrühmas on kogemuslikult laiendatud uute algoritmide projekteerimist mitme märgise ehitamiseks. MULTICLASIFICATORS VÕI ANSAMBLID ON MEETODID, MIS OLULISELT PARANDAVAD ÜHE ÜKSIKU KLASSIFITSEERIJA JÕUDLUST, ÜHENDADES MITU NEIST. MEIE GRUPP ON AIDANUD SUURENDADA OLEMASOLEVAID AUTOMAATÕPPE MEETODEID MITME ANSAMBLI EHITUSALGORITMIDEGA: METSA RAIUMINE, HÄIRIVAD NAABRID, JUHUSLIKUD ORAAKID JA JUHUSLIKE OMADUSTE KAAL. NEED UUED ALGORITMID ON NÄIDANUD, ET NAD ANNAVAD PAREMAID TULEMUSI KUI TEISED KLASSIKALISED ALGORITMID PIIRKONNAS. ROTATION FOREST’i puhul on see muudetud viitemeetodiks, millega lisatakse Algoritmose uued ettepanekud ja mõned muud andmekaeveraamatud ja sealhulgas ka klassikaline meetodox._x000D_ Meil on ka kogemus tasakaalustamata PROBLEM algoritmide (ühes klassis on palju rohkem INSTANCES kui restantsid) ja stantsimise (eeltöötlus TECHNICAL TO REDUCTION THE SIZE) kujundamisel ON DATA Junt)._x000D_ In PREVIOUS PROJECT WE HAVE väljus aastal ADAPTATION TO PROBLEMS of THEMEHODS, algselt kavandatud klassifitseerimiseks. PRESENT PROJEKTIIV TEADLIKIDE PRINCIPAL OBJEKTIIV TEADLIKUD TEADUSED Mitmemärgiliste ja MULTIVALsete PROBLEMSide toetuseks._x000D_ AS SECOND OBJECTIVE buskamine THIS UUDISTE algoritmide vastuvõtt INDUSTRIAL PROBLEMS’i SOLUTSIOONIDELE, meie eelvaatluse uurimistulemustes, BUT SOFTWARE’S INNGENIERY PROBLEMS, mis on selle projekti tüübile spetsialiseerunud UUS GROUPi TEADUSED, kes otsivad ühisest seisukohast PRANTSUSMUS- ja aglutineerivaid teadlasi._x000D_ TWO ADDITIONAL OBJECTIVES ARE, ühelt poolt, otsides paremat IMPACT ja INTERNATIONALISATION, pakkuda juurdepääsu meetoditele, mis on välja töötatud veebiteenuste kaudu (MACHINE LEARNING AS A SERVICE, MLAAS); TEISEST KÜLJEST UURIDA VÕIMALUST KOHANDADA NEID ARVUTUSMUDELITEGA, MIS VÕIMALDAKSID NENDE KASUTAMIST SUURANDMETE PLATVORMIDEL. (Estonian)
18 August 2022
0 references
A FELÜGYELT AUTOMATIKUS TANULÁS LEGGYAKORIBB ELŐREJELZÉSI FELADATAI AZ OSZTÁLYOZÁS ÉS A REGRESSZIÓ. MINDKÉT ESETBEN EGYEDI AZ ELŐREJELEZENDŐ ÉRTÉK, FÜGGETLENÜL ATTÓL, HOGY EZ A DISZKRÉT VAGY FOLYAMATOS. VAGYIS EGY OBJEKTUM VAGY PÉLDÁNY ATTRIBÚTUMAINAK ÉRTÉKEIT TEKINTVE, AMELYEKET INPUTNAK TEKINTÜNK, A MEGOLDANDÓ PROBLÉMA AZ, HOGY HOGYAN RENDELJÜNK HOZZÁ OSZTÁLYT VAGY NUMERIKUS ÉRTÉKET. A CÍMKE ESETENKÉNTI KORLÁTOZÁSA AZONBAN GYAKRAN NYILVÁNVALÓAN ELÉGTELEN. PÉLDÁUL EGY TUDOMÁNYOS CIKK EGYSZERRE LEHET „ADATBÁNYÁSZAT” ÉS „IPARI PROBLÉMÁK MEGOLDÁSA”; A MARÓGÉP MEGHIBÁSODÁSÁT EGYIDEJŰLEG „MAGAS REZGÉSSZINT” ÉS „ALACSONY ENERGIAHATÉKONYSÁG” JELLEMEZHETI; A SZOFTVERMINŐSÉG DIAGNÓZISÁBAN A ROSSZ KIALAKÍTÁS KÜLÖNBÖZŐ PATOLÓGIÁK EGYIDEJŰ JELENLÉTÉNEK TUDHATÓ BE: „AZ EGYIK OSZTÁLY TÚLZOTTAN HASZNÁLJA A MÁSIK MÓDSZERÉT”, „KÜLÖNBÖZŐ RÉSZEKBEN VAN DUPLIKÁLT VAGY HASONLÓ KÓD”, „VANNAK MÓDSZEREK TÚL NAGY ARGUMENTUMOKKAL”. Ezekben az esetekben a OBJECTS két vagy több ÁME-vel rendelkezhet, és a multi-label osztályozás vagy a több érték újraregisztrációja megfelelőbb._x000D_ kutatócsoportunkban tapasztalati bővítéssel rendelkezünk az új algoritmák tervezésében a multi-címkék építéséhez. A MULTICLASIFICATORS, VAGY EGYÜTTESEK OLYAN MÓDSZEREK, AMELYEK JELENTŐSEN JAVÍTJÁK EGY EGYÉNI OSZTÁLYOZÓ TELJESÍTMÉNYÉT AZÁLTAL, HOGY KOMBINÁLJÁK ŐKET. CSOPORTUNK HOZZÁJÁRULT A RENDELKEZÉSRE ÁLLÓ MÓDSZEREK AUTOMATIKUS TANULÁS TÖBB EGYÜTTES ÉPÍTÉSI ALGORITMUSOK: VETÉSFORGÓ ERDŐ, ZAVARÓ SZOMSZÉDOK, VÉLETLENSZERŰ ORACLES ÉS VÉLETLENSZERŰ FUNKCIÓK SÚLYOK. EZEK AZ ÚJ ALGORITMUSOK KIMUTATTÁK, HOGY JOBB TELJESÍTMÉNYT NYÚJTANAK, MINT MÁS KLASSZIKUS ALGORITMUSOK A TERÜLETEN. Abban az esetben, ROTATION FOREST, ez átalakult egy referencia módszer, amellyel az új javaslatok az Algoritmos, és néhány más adatbányászati könyvek, beleértve azt is, valamint a klasszikus módszerox._x000D_ Tapasztalattal rendelkezünk a kiegyensúlyozatlan PROBLEM algoritmák tervezésében (az egyik osztálynak sokkal több INSTANCES van, mint a nyugtatók) és a SELECTION (Előfeldolgozó TECHNIKÁLIS A REDUCTION A REDUCTION A REDUCTION DATA Junt)._x000D_ A PREVIOUS PROJEKT-ben Minek ki kellett lépnie az ADAPTATION-ból, hogy a TÉZI MEGJEGYZÉSEK VÉGREHAJTÁSA, eredetileg a besorolásra gondolt. A PRESENT PROJECT SZOLGÁLTATÁSOK PRINCIPAL OBJECT IRÁNYELVE A többcímkés és a MULTIVÁLIS PROBLEMS RESOLUÁLIS MEGÁLLAPODÁSA során._x000D_mint egy második féléves busz jött létre ezen új algoritmáknak az INDUSTRIAL PROBLEMS-ek ELFOGADÁSára, az előnézetünk kutatásainak LINŐLETÉBEN AZ ELŐZETES KORLÁTOZÁSOK ELŐZETESÍTÉSÉBEN, a jelen ajánlati felhívás szellemében az ilyen típusú projektekre specializálódott új generációs RESEARCHEREK OPPORTUNITITÁSA és agglutináló kutatókat keres a közös álláspontban._x000D_ TWO ADDITIONAL OBJECTIVES ARE, az egyik oldalon, keresve a jobb IMPACT és INTERNATIONALISATION, hozzáférést biztosít a módszerek kifejlesztett webes szolgáltatások (MACHINE LEARNING AS A SERVICE, MLAAS); MÁSRÉSZRŐL VIZSGÁLJA MEG ANNAK LEHETŐSÉGÉT, HOGY AZOKAT A SZÁMÍTÁSI MODELLEKHEZ IGAZÍTSÁK, AMELYEK LEHETŐVÉ TENNÉK A NAGY ADATHALMAZOK PLATFORMJÁN VALÓ FELHASZNÁLÁSUKAT. (Hungarian)
18 August 2022
0 references
НАЙ-ЧЕСТО СРЕЩАНИТЕ ЗАДАЧИ ЗА ПРОГНОЗИРАНЕ НА КОНТРОЛИРАНОТО АВТОМАТИЧНО УЧЕНЕ СА КЛАСИФИЦИРАНЕТО И РЕГРЕСИЯТА. И В ДВАТА СЛУЧАЯ СТОЙНОСТТА, КОЯТО ТРЯБВА ДА СЕ ПРЕДВИДИ, НЕЗАВИСИМО ДАЛИ Е ДИСКРЕТНА ИЛИ НЕПРЕКЪСНАТА, Е УНИКАЛНА. ТОЕСТ, КАТО СЕ ИМАТ ПРЕДВИД СТОЙНОСТИТЕ НА АТРИБУТИТЕ НА ДАДЕН ОБЕКТ ИЛИ ИНСТАНЦИЯ, КОИТО СЕ ПРИЕМАТ КАТО ВХОДНИ ДАННИ, ПРОБЛЕМЪТ, КОЙТО ТРЯБВА ДА БЪДЕ РЕШЕН, Е КАК ДА МУ СЕ ПРИДАДЕ КЛАС ИЛИ ЦИФРОВА СТОЙНОСТ. ЧЕСТО ОБАЧЕ ОГРАНИЧАВАНЕТО НА ЕТИКЕТА ЗА ВСЕКИ ОТДЕЛЕН СЛУЧАЙ ОЧЕВИДНО Е НЕДОСТАТЪЧНО. НАПРИМЕР НАУЧЕН ЧЛЕН БИ МОГЪЛ ДА БЪДЕ КАКТО „ИЗВЛИЧАНЕ НА ДАННИ„, ТАКА И „РАЗРЕШАВАНЕ НА ПРОМИШЛЕНИ ПРОБЛЕМИ“; НЕИЗПРАВНОСТТА НА ФРЕЗА МОЖЕ ДА СЕ ХАРАКТЕРИЗИРА ЕДНОВРЕМЕННО С „ВИСОКИ НИВА НА ВИБРАЦИИ„И „НИСКА ЕНЕРГИЙНА ЕФЕКТИВНОСТ“; ПРИ ДИАГНОСТИКАТА НА КАЧЕСТВОТО НА СОФТУЕРА ЛОШИЯТ ДИЗАЙН МОЖЕ ДА СЕ ДЪЛЖИ НА ЕДНОВРЕМЕННОТО НАЛИЧИЕ НА РАЗЛИЧНИ ПАТОЛОГИИ: „ЕДИН КЛАС ИЗПОЛЗВА ПРЕКОМЕРНО МЕТОДИ ОТ ДРУГ„, „ИМА ДУБЛИРАЩ СЕ ИЛИ ПОДОБЕН КОД В РАЗЛИЧНИ ЧАСТИ“, „ИМА МЕТОДИ С ТВЪРДЕ ГОЛЯМ СПИСЪК ОТ АРГУМЕНТИ“. Във всички тези случаи OBJECTS може да има две или повече ТСОС и класификацията с множество етикети или пререгистрацията с множество стойности да бъде по-подходяща._x000D_ в нашата изследователска група имаме емпирично разширяване на проектирането на нови алгоритими за изграждане на множество етикети. MULTICLASIFICATORS, ИЛИ АНСАМБЛИ, СА МЕТОДИ, КОИТО ЗНАЧИТЕЛНО ПОДОБРЯВАТ РАБОТАТА НА ЕДИН ИНДИВИДУАЛЕН КЛАСИФИКАТОР ЧРЕЗ КОМБИНИРАНЕ НА НЯКОЛКО ОТ ТЯХ. НАШАТА ГРУПА ДОПРИНЕСЕ ЗА УВЕЛИЧАВАНЕТО НА НАЛИЧНИТЕ МЕТОДИ ЗА АВТОМАТИЧНО ОБУЧЕНИЕ С НЯКОЛКО АЛГОРИТЪМА ЗА ИЗГРАЖДАНЕ НА АНСАМБЛИ: СЕИТБООБОРОТНИ ГОРИ, ОБЕЗПОКОЯВАЩИ СЪСЕДИ, СЛУЧАЙНИ ОРАКУЛИ И ПРОИЗВОЛНИ ТЕГЛА НА ЧЕРТИ. ТЕЗИ НОВИ АЛГОРИТМИ ПОКАЗВАТ, ЧЕ ТЕ ОСИГУРЯВАТ ПО-ДОБРА ПРОИЗВОДИТЕЛНОСТ В СРАВНЕНИЕ С ДРУГИ КЛАСИЧЕСКИ АЛГОРИТМИ В РАЙОНА. В случая на ROTATION FOREST, това е превърнато в референтен метод, с който са включени новите предложения на Алгоритмос, както и някои други книги за извличане на данни, включително и класически methodox._x000D_ Също така имаме опит в проектирането на небалансирани PROBLEM algoritms (един клас има много повече ИНСТАНЦИИ от реимбурсанти) и инсталираща СЕЛЕКЦИЯ (Предварителен ТЕХНИКАЛ ЗА ПРЕДСТАВЯНЕ НА СЪОБЩЕНИЕТО НА A DATA Junt)._x000D_ В ПРЕВОЗЕН ПРОЕКТ, който излязохме в АДАПТАЦИЯТА, за да се защитят от РЕГИОНИТЕ НА РЕГИОНАЛНИТЕ МЕТОСИ, първоначално обмисляни за класификация. PRINCIPAL OBJECTIVE OF THE PRRESENT PROJECT SERIES RESERIES RESOLUTION OF Multilabel AND MULTIVAL PROBLEMS._x000D_ AS SECONDING OBJECTIVE THE RESOLUTION OF THE Multilabel AND MULTIVAL PROBLEMS._x000D_ AS SECONDUSTIVE BJECTIVE THE APLICATION OF THIS NEW algoritms to the SOLUTION OF INDUSTRIAL PROBLEMS, в ЛИНАТА НА ВНИМАНИЕТО НА ВНИМАНИЕТО НА ВНИМАНИЕТО НА ВНИМАНИЕТО НА ПРЕДСТАВИТЕЛИТЕ НА НОВИТЕ ГРУПЕТИ, специализирани в този тип проекти, в духа на настоящата покана за участие в търг, който търси ФЛАГМЕНТЪТ и аглутинира изследователи в обща позиция._x000D_ ДВА ДВА ДВА ДВАЖИЦИИ, от една страна, в търсене на по-добър IMPACT и INTERNATIONALISATION, предлагат достъп до методи, разработени чрез уеб услуги (MACHINE LEARNING AS A SERVICE, MLAAS); ОТ ДРУГА СТРАНА, ДА ПРОУЧИ ВЪЗМОЖНОСТТА ЗА АДАПТИРАНЕТО ИМ КЪМ ИЗЧИСЛИТЕЛНИТЕ МОДЕЛИ, КОИТО БИХА ПОЗВОЛИЛИ ИЗПОЛЗВАНЕТО ИМ НА ПЛАТФОРМИ ЗА ГОЛЕМИ ИНФОРМАЦИОННИ МАСИВИ. (Bulgarian)
18 August 2022
0 references
DAŽNIAUSIAI PRIŽIŪRIMO AUTOMATINIO MOKYMOSI PROGNOZAVIMO UŽDUOTYS YRA KLASIFIKACIJA IR REGRESIJA. ABIEM ATVEJAIS NUMATOMA VERTĖ, NEATSIŽVELGIANT Į TAI, AR ŠI ATSKIRA, AR IŠTISINĖ, YRA UNIKALI. TAI YRA, ATSIŽVELGIANT Į OBJEKTO AR EGZEMPLIORIAUS POŽYMIŲ, KURIE LAIKOMI ĮVESTIMI, VERTES, PROBLEMA, KURIĄ REIKIA IŠSPRĘSTI, YRA TAI, KAIP JAM PRISKIRTI KLASĘ AR SKAITINĘ VERTĘ. TAČIAU DAŽNAI ETIKETĖS APRIBOJIMAS KIEKVIENU ATVEJU YRA AKIVAIZDŽIAI NEPAKANKAMAS. PAVYZDŽIUI, MOKSLINIS STRAIPSNIS GALĖTŲ BŪTI IR „DUOMENŲ GAVYBA“, IR „PRAMONINIŲ PROBLEMŲ SPRENDIMAS“; FREZAVIMO STAKLIŲ GEDIMĄ TUO PAČIU METU GALIMA APIBŪDINTI KAIP „DIDELIUS VIBRACIJOS LYGIUS“ IR „MAŽĄ ENERGIJOS VARTOJIMO EFEKTYVUMĄ“; PROGRAMINĖS ĮRANGOS KOKYBĖS DIAGNOZĖJE PRASTAS DIZAINAS GALI BŪTI DĖL TO, KAD TUO PAČIU METU YRA ĮVAIRIŲ PATOLOGIJŲ: „VIENA KLASĖ PER DAUG NAUDOJA METODUS IŠ KITOS“, „SKIRTINGOSE DALYSE YRA PASIKARTOJANTIS AR PANAŠUS KODAS“, „YRA METODŲ SU PER DIDELIŲ ARGUMENTŲ SĄRAŠU“. Visais šiais atvejais OBJECTS gali turėti dvi ar daugiau TSS, o kelių ženklų klasifikacija arba kelių verčių pakartotinė registracija yra tinkamesnė._x000D_ mūsų mokslinių tyrimų grupėje mes turime patirtinį naujų algoritmų projektavimą, skirtą kelių etikečių statybai. MULTICLASIFICATORS, ARBA ANSAMBLIAI, YRA METODAI, KURIE ŽYMIAI PAGERINA VIENO INDIVIDUALAUS KLASIFIKATORIAUS NAŠUMĄ, SUJUNGDAMI KELETĄ IŠ JŲ. MŪSŲ GRUPĖ PRISIDĖJO PRIE TURIMŲ AUTOMATINIO MOKYMOSI METODŲ DIDINIMO SU KELIAIS ANSAMBLIŲ STATYBOS ALGORITMAIS: ROTACIJOS MIŠKAI, TRIKDANTYS KAIMYNAI, ATSITIKTINĖS ORAKĖS IR ATSITIKTINIAI SVORIAI. ŠIE NAUJI ALGORITMAI PARODĖ, KAD JIE UŽTIKRINA GERESNIUS REZULTATUS NEI KITI KLASIKINIAI ALGORITMAI ŠIOJE SRITYJE. Į ROTATION FOREST atveju, tai buvo konvertuota į atskaitos metodą, su kuriuo nauji pasiūlymai Algoritmos, ir kai kurie kiti duomenų kasybos knygos ir įskaitant jį, taip pat klasikinis methodox._x000D_ Mes taip pat turime patirties iš nesubalansuotų PROBLEM algoritmų dizainas (viena klasė turi daug daugiau INSTANCES nei restantai) ir stiprinti SELECTION (Išankstinis apdorojimas TECHNICAL TO REDUCTION OF A DATA Junt)._x000D_ PREVIOUS PROJEKTAS, kurį iš pradžių buvo numatyta klasifikuoti, buvo išbrauktas iš ADAPTACIJOS PROBLEJŲ, susijusių su jų REGRECIJA. PRESENTŲ PROJEKTŲ PRINCIPINĖ KONKRETĖ KONKRETOJE TAIKOMAS PRIEMONĖS, KURIUOS SUSIJUSIOS REZOLIUCIJOS PATVIRTINIMO PATVIRTINIMO IR MULTIVALŲ PROBLEJŲ REZOLIUCIJA._x000D_ Kaip antras OBJECTIVE biustas tapo naujų algoritmų, susijusių su INDUSTRIAL PROBLEMS, APSAUGA, mūsų peržiūros mokslinių tyrimų linijoje, bet PROGRAMINĖS ĮRANGOS INNGENIERY PROBLEMS, KAD NAUJŲ GRUPIŲ RESEARCHERS, kurių specializacija – šis projektas, vadovaujantis šio kvietimo teikti pasiūlymus dvasia, kurie ieško FRAGMENTATION ir agliutinuojančių mokslininkų bendrojoje pozicijoje._x000D_ DWO ADDITIONAL OBJECTIVES ARE, viena vertus, ieškant geresnės IMPACT ir INTERNATIONALISATION, pasiūlyti prieigą prie metodų, sukurtų naudojantis interneto paslaugomis (MACHINE LEARNING AS A SERVICE, MLAAS); KITA VERTUS, IŠTIRTI GALIMYBĘ PRITAIKYTI JUOS PRIE SKAIČIAVIMO MODELIŲ, KURIE LEISTŲ JUOS NAUDOTI DIDŽIŲJŲ DUOMENŲ PLATFORMOSE. (Lithuanian)
18 August 2022
0 references
NAJČEŠĆI ZADACI PREDVIĐANJA NADZIRANOG AUTOMATSKOG UČENJA SU KLASIFIKACIJA I REGRESIJA. U OBA JE SLUČAJA VRIJEDNOST KOJU TREBA PREDVIDJETI, BILO DISKRETNA ILI KONTINUIRANA, JEDINSTVENA. TO JEST, S OBZIROM NA VRIJEDNOSTI ATRIBUTA OBJEKTA ILI PRIMJERA, KOJI SE UZIMAJU KAO ULAZ, PROBLEM KOJI TREBA RIJEŠITI JEST KAKO MU DODIJELITI KLASU ILI NUMERIČKU VRIJEDNOST. MEĐUTIM, ČESTO JE OGRANIČENJE OZNAKE PO POJEDINOM SLUČAJU OČITO NEDOVOLJNO. NA PRIMJER, ZNANSTVENI ČLANAK MOGAO BI BITI I „RUDARSTVO PODATAKA” I „RJEŠENJE INDUSTRIJSKIH PROBLEMA”; NEISPRAVNOST GLODALICE MOGLA BI ISTODOBNO BITI OBILJEŽENA „VISOKIM RAZINAMA VIBRACIJA” I „NISKOM ENERGETSKOM UČINKOVITOŠĆU”; U DIJAGNOZI KVALITETE SOFTVERA, LOŠ DIZAJN MOŽE BITI POSLJEDICA ISTODOBNE PRISUTNOSTI RAZLIČITIH PATOLOGIJA: „JEDNA KLASA PRETJERANO KORISTI METODE IZ DRUGE”, „POSTOJE DUPLIKAT ILI SLIČAN KOD U RAZLIČITIM DIJELOVIMA”, „POSTOJE METODE S POPISOM ARGUMENATA PREVELIKIM”. U svim tim slučajevima OBJECTS može imati dva ili više TSI-ja, a klasifikacija s više oznaka ili ponovna registracija s više vrijednosti prikladnija je._x000D_ u našoj istraživačkoj skupini imamo iskustveno proširenje u projektiranju novih algoritama za izgradnju više oznaka. MULTICLASIFICATORS, ILI KOMPLETI, METODE SU KOJE ZNAČAJNO POBOLJŠAVAJU PERFORMANSE JEDNOG POJEDINAČNOG KLASIFIKATORA KOMBINIRAJUĆI NEKOLIKO NJIH. NAŠA GRUPA PRIDONIJELA JE POVEĆANJU DOSTUPNIH METODA AUTOMATSKOG UČENJA S NEKOLIKO ALGORITAMA ZA IZGRADNJU ANSAMBLA: ROTACIJSKA ŠUMA, UZNEMIRUJUĆI SUSJEDI, SLUČAJNI ORACI I SLUČAJNI UTEZI. TI NOVI ALGORITMI POKAZALI SU DA PRUŽAJU BOLJE PERFORMANSE OD OSTALIH KLASIČNIH ALGORITAMA U TOM PODRUČJU. U slučaju ROTATION FOREST, to je pretvoreno u metodu referencije s kojom su uključeni novi prijedlozi Algoritmosa i neke druge knjige za rudarenje podataka, uključujući i klasičnu methodox._x000D_ Također imamo iskustvo u dizajnu neuravnoteženih PROBLEM algoritama (jedna klasa ima mnogo više INSTANCES od restauranata) i instancing SELECTION (predobrada TECHNICAL TO REDUCTION THE SIZE OF A DATA Junt)._x000D_ u PREVIOUS PROJEKTU smo izašli u ADAPTATION U PROBLIKU REGRECIJE OMJEKTA, u početku razmišljali o klasifikaciji. PRINCIPNI OBJEKT PREDSTAVNIH PROJEKTA REZIZIJI U OBJEKTU MOGUĆNOSTI PREDSTAVNIKA Multilabela i MULTIVALNIH PROBLEMA._x000D_ Kao drugi OBJEKTIVNI autobus, u LINE NAŠeg pregleda istraživanja, ILI PROBLEMI PROBLEMA NOVIH PROBLEMA, KOJI OPPORTUNITY INCORPORING NEW GROUP RESEARCHERS specijaliziran za ovu vrstu projekta, u duhu ovog natječaja, koji je u potrazi za FRAGMENTATION i aglutinating istraživača u zajedničkom stajalištu._x000D_ TWO ADDITIONAL OBJEKTI ARE, s jedne strane, u potrazi za boljim IMPACT i INTERNATIONALISATION, ponuditi pristup metodama razvijenim putem web usluga (MACHINE LEARNING AS A SERVICE, MLAAS); S DRUGE STRANE, ISTRAŽITI MOGUĆNOST NJIHOVE PRILAGODBE MODELIMA IZRAČUNA KOJI BI OMOGUĆILI NJIHOVU UPORABU NA PLATFORMAMA ZA VELIKE PODATKE. (Croatian)
18 August 2022
0 references
DE VANLIGASTE PREDIKTIONSUPPGIFTERNA FÖR ÖVERVAKAD AUTOMATISK INLÄRNING ÄR KLASSIFICERING OCH REGRESSION. I BÅDA FALLEN ÄR DET VÄRDE SOM SKA FÖRUTSÄGAS, OAVSETT OM DET ÄR DISKRET ELLER KONTINUERLIGT, UNIKT. DET VILL SÄGA, MED TANKE PÅ VÄRDENA PÅ ATTRIBUT FÖR ETT OBJEKT ELLER EN INSTANS, SOM TAS SOM INDATA, ÄR DET PROBLEM SOM SKA LÖSAS HUR MAN TILLDELAR DET EN KLASS ELLER ETT NUMERISKT VÄRDE. DET ÄR DOCK OFTA UPPENBART ATT BEGRÄNSNINGEN AV EN ETIKETT PER INSTANS ÄR OTILLRÄCKLIG. TILL EXEMPEL SKULLE EN VETENSKAPLIG ARTIKEL KUNNA VARA BÅDE ”DATAUTVINNING” OCH ”LÖSNING AV INDUSTRIELLA PROBLEM”. FELFUNKTIONEN HOS EN FRÄSMASKIN KAN KÄNNETECKNAS AV ”HÖGA VIBRATIONSNIVÅER” OCH ”LÅG ENERGIEFFEKTIVITET” SAMTIDIGT. I EN PROGRAMVARUKVALITETSDIAGNOS KAN EN DÅLIG DESIGN BERO PÅ SAMTIDIG FÖREKOMST AV OLIKA PATOLOGIER: ”EN KLASS GÖR ÖVERDRIVEN ANVÄNDNING AV METODER FRÅN EN ANNAN”, ”DET FINNS DUBBLA ELLER LIKNANDE KOD I OLIKA DELAR”, ”DET FINNS METODER MED EN LISTA ÖVER ARGUMENT FÖR STOR”. I samtliga dessa fall kan OBJECTS ha två eller flera TSD:er och multi-label-klassificeringen eller flervärdesregistreringen är lämpligare._x000D_ i vår forskargrupp har vi en erfarenhetsmässig expansion i utformningen av nya algoritmer för konstruktion av multi-labels. MULTICLASIFIKATORER, ELLER ENSEMBLER, ÄR METODER SOM AVSEVÄRT FÖRBÄTTRAR PRESTANDAN HOS EN ENSKILD ENSKILD KLASSIFICERARE GENOM ATT KOMBINERA FLERA AV DEM. VÅR GRUPP HAR BIDRAGIT TILL ATT ÖKA TILLGÄNGLIGA METODER FÖR AUTOMATISKT LÄRANDE MED FLERA ENSEMBLER KONSTRUKTIONSALGORITMER: ROTATIONSSKOG, STÖRANDE GRANNAR, SLUMPMÄSSIGA ORAKLES OCH SLUMPMÄSSIGA FUNKTIONSVIKTER. DESSA NYA ALGORITMER HAR VISAT ATT DE LEVERERAR BÄTTRE PRESTANDA ÄN ANDRA KLASSISKA ALGORITMER I OMRÅDET. När det gäller ROTATION FOREST har detta omvandlats till en referensmetod med vilken de nya förslagen från Algoritmos, och några andra datautvinningsböcker och inklusive den ingår samt en klassisk metodox._x000D_ Vi har också erfarenhet av utformningen av obalanserade PROBLEM-algoritmer (en klass har många fler INSTANCES än restanter) och instancing SELECTION (Pre-processing TECHNICAL TO REDUCTION THE SIZE OF A DATA Junt)._x000D_ i en PREVIOUS PROJEKT VI HAR lämnat i ADAPTATION TILL PROBLEMS OF REGRETION OF THESE METHODS, ursprungligen tänkt för klassificering. PRESENT PROJEKT SERIENS PRESENT PROJEKTIV SOM ÄR MEDVETNA OM DET PRESENTLIGA PROJEKTIV SOM ÄR MEDVETNA OM DETTA MÅLET OCH MULTIVAL PROBLEMS._x000D_ SOM ÄR MEDVETNA OM OBJECTIVET ANSÖKNING AV DETTA nya algoritmer för att lösa problemet med INDUSTRIAL PROBLEMS, i LINE of Our previewing researchs, MEN SOFTWARE’S INNGENIERY PROBLEMS, VAD OPPORTUNITY OF INCORPORING THE NEW GROUP RESEARCHER som specialiserar sig på denna typ av projekt, i andan i denna anbudsinfordran, som söker FRAGMENTATION och agglutinerande forskare i en gemensam ståndpunkt._x000D_ TWO ADDITIONAL OBJECTIVES ARE, å ena sidan, efter en bättre IMPACT och INTERNATIONALISATION, erbjuda tillgång till metoder som utvecklats genom webbtjänster (MACHINE LEARNING AS A SERVICE, MLAAS), Å ANDRA SIDAN, UNDERSÖKA MÖJLIGHETEN ATT ANPASSA DEM TILL DE BERÄKNINGSMODELLER SOM SKULLE TILLÅTA DERAS ANVÄNDNING PÅ STORDATAPLATTFORMAR. (Swedish)
18 August 2022
0 references
CELE MAI FRECVENTE SARCINI DE PREDICȚIE ALE ÎNVĂȚĂRII AUTOMATE SUPRAVEGHEATE SUNT CLASIFICAREA ȘI REGRESIA. ÎN AMBELE CAZURI, VALOAREA CARE TREBUIE PREZISĂ, INDIFERENT DACĂ ESTE DISCRETĂ SAU CONTINUĂ, ESTE UNICĂ. ADICĂ, DATE FIIND VALORILE ATRIBUTELOR UNUI OBIECT SAU ALE UNEI INSTANȚE, CARE SUNT LUATE CA INTRARE, PROBLEMA CARE TREBUIE REZOLVATĂ ESTE CUM SĂ-I ATRIBUIȚI O CLASĂ SAU O VALOARE NUMERICĂ. CU TOATE ACESTEA, ADESEA, RESTRICȚIONAREA UNEI ETICHETE PENTRU FIECARE INSTANȚĂ ESTE ÎN MOD CLAR INSUFICIENTĂ. DE EXEMPLU, UN ARTICOL ȘTIINȚIFIC AR PUTEA FI ATÂT „EXTRAGEREA DE DATE”, CÂT ȘI „SOLUȚIONAREA PROBLEMELOR INDUSTRIALE”; FUNCȚIONAREA DEFECTUOASĂ A UNEI MAȘINI DE FREZAT AR PUTEA FI CARACTERIZATĂ ÎN ACELAȘI TIMP PRIN „NIVELURI RIDICATE DE VIBRAȚII” ȘI PRIN „EFICIENȚĂ ENERGETICĂ SCĂZUTĂ”; ÎNTR-UN DIAGNOSTIC DE CALITATE SOFTWARE, UN DESIGN SLAB SE POATE DATORA PREZENȚEI SIMULTANE A DIFERITELOR PATOLOGII: „O CLASĂ UTILIZEAZĂ ÎN MOD EXCESIV METODE DE LA ALTA”, „EXISTĂ UN DUPLICAT SAU UN COD SIMILAR ÎN DIFERITE PĂRȚI”, „EXISTĂ METODE CU O LISTĂ DE ARGUMENTE PREA MARE”. În toate aceste cazuri, OBJECT-urile pot avea două sau mai multe STI-uri, iar clasificarea etichetelor multiple sau reînmatricularea cu mai multe valori să fie mai adecvate._x000D_ în grupul nostru de cercetare avem o extindere experiențială în proiectarea de noi algoritmi pentru construirea de etichete multiple. MULTICLASIFICATORI, SAU ANSAMBLURI, SUNT METODE CARE ÎMBUNĂTĂȚESC SEMNIFICATIV PERFORMANȚA UNUI SINGUR CLASIFICATOR INDIVIDUAL PRIN COMBINAREA MAI MULTORA DINTRE ELE. GRUPUL NOSTRU A CONTRIBUIT LA CREȘTEREA METODELOR DISPONIBILE DE ÎNVĂȚARE AUTOMATĂ CU MAI MULȚI ALGORITMI DE CONSTRUCȚIE A ANSAMBLURILOR: PĂDURE DE ROTAȚIE, VECINI PERTURBATORI, ORACOLE ALEATORII ȘI GREUTĂȚI ALEATOARE ALE CARACTERISTICILOR. ACEȘTI NOI ALGORITMI AU ARĂTAT CĂ OFERĂ PERFORMANȚE MAI BUNE DECÂT ALȚI ALGORITMI CLASICI DIN ZONĂ. În cazul ROTATION FOREST, aceasta a fost transformată într-o metodă de referință cu care sunt incluse noile propuneri de Algoritmos și alte cărți de extragere a datelor, inclusiv acestea, precum și o metodă clasică._x000D_ Avem, de asemenea, experiență în proiectarea algoritmilor PROBLEM dezechilibrat (o clasă are mult mai multe INSTANCES decât restanțele) și în SELECȚIA de instanțare (pre-procesare TECHNICAL TO REDUCTION THE SIZE OF A DATA Junt)._x000D_ într-un proiect PREVIOUS, am ieșit din ADAPTATION to PROBLEMS of REGRETION OF THESE METHODS, inițial gândit pentru clasificare. Obiectivul PRINCIPAL al PRINCIPALULUI SERIES PREZENTE PREZENTE CARE ÎN CONSIDERAREA METOZILOR LA REZOLUȚIA PROBLEMElor Multietichetă ȘI MULTIVALĂ._x000D_ AS SECONDUL OBJECTIVEi Acești noi algoritmi pentru SOLUȚIA PROBLEMELOR INDUSTRIALE, în LINEA cercetărilor noastre de previzualizare, DAR PROBLEMELOR INGENȚIARE SOFTWARE, CARE OPPORTUNITATEA INCORPORITIILOR NOI GROUP specializate în acest tip de proiect, în spiritul acestei invitații de participare la licitație, care caută FRAGMENTARE și aglutinare a cercetătorilor într-o poziție comună._x000D_ TWO OBJECTIVEI ADDITIONALE ARE, pe de o parte, în căutarea unei mai bune IMPACT și INTERNATIONALISATION, oferă acces la metode dezvoltate prin intermediul serviciilor web (MACHINE LEARNING AS A SERVICE, MLAAS); PE DE ALTĂ PARTE, SĂ INVESTIGHEZE POSIBILITATEA DE A LE ADAPTA LA MODELELE DE CALCUL CARE AR PERMITE UTILIZAREA ACESTORA PE PLATFORMELE DE VOLUME MARI DE DATE. (Romanian)
18 August 2022
0 references
NAJPOGOSTEJŠE NALOGE NAPOVEDOVANJA NADZOROVANEGA AVTOMATSKEGA UČENJA SO KLASIFIKACIJA IN REGRESIJA. V OBEH PRIMERIH JE VREDNOST, KI JO JE TREBA NAPOVEDATI, NE GLEDE NA TO, ALI JE TA DISKRETNA ALI NEPREKINJENA, EDINSTVENA. TO POMENI, DA JE GLEDE NA VREDNOSTI ATRIBUTOV OBJEKTA ALI PRIMERKA, KI SE OBRAVNAVAJO KOT VHOD, PROBLEM, KI GA JE TREBA REŠITI, KAKO MU DODELITI RAZRED ALI ŠTEVILČNO VREDNOST. VENDAR PA JE POGOSTO OMEJITEV OZNAKE ZA VSAK PRIMEREK OČITNO NEZADOSTNA. ZNANSTVENI ČLEN BI NA PRIMER LAHKO BIL TAKO „KOPIRANJE PODATKOV“ KOT „REŠEVANJE INDUSTRIJSKIH PROBLEMOV“; ZA OKVARO REZKALNEGA STROJA BI LAHKO BILI HKRATI ZNAČILNI „VISOKA RAVEN VIBRACIJ“ IN „NIZKA ENERGETSKA UČINKOVITOST“; V DIAGNOZI KAKOVOSTI PROGRAMSKE OPREME JE LAHKO SLABA ZASNOVA POSLEDICA HKRATNE PRISOTNOSTI RAZLIČNIH PATOLOGIJ: „EN RAZRED PREVEČ UPORABLJA METODE OD DRUGEGA“, „OBSTAJA PODVOJENA ALI PODOBNA KODA V RAZLIČNIH DELIH“, „OBSTAJAJO METODE S SEZNAMOM ARGUMENTOV, KI SO PREVELIKI“. V vseh teh primerih ima lahko OBJECTS dve ali več TSI, klasifikacija z več oznakami ali ponovna registracija z več vrednostmi pa je primernejša._x000D_ v naši raziskovalni skupini imamo izkustveno razširitev v projektiranju novih algoritmov za izdelavo več oznak. MULTICLASIFICATORS ALI ANSAMBLI SO METODE, KI BISTVENO IZBOLJŠAJO DELOVANJE POSAMEZNEGA RAZVRŠČANJA Z ZDRUŽEVANJEM VEČ OD NJIH. NAŠA SKUPINA JE PRISPEVALA K POVEČANJU RAZPOLOŽLJIVIH METOD AVTOMATSKEGA UČENJA Z VEČ ZASEDBAMI GRADBENIH ALGORITMOV: VRTENJE GOZDA, MOTEČIH SOSEDOV, NAKLJUČNIH PREROČIJ IN NAKLJUČNIH ZNAČILNOSTI UTEŽI. TI NOVI ALGORITMI SO POKAZALI, DA ZAGOTAVLJAJO BOLJŠO UČINKOVITOST KOT DRUGI KLASIČNI ALGORITMI NA TEM OBMOČJU. V primeru ROTATION FOREST je bilo to pretvorjeno v referenčno metodo, s katero so vključeni novi predlogi Algoritmosa in nekatere druge podatkovne rudniške knjige, vključno z njimi, kot tudi klasični methodox._x000D_ Imamo tudi izkušnje z oblikovanjem neuravnoteženih algoritmov PROBLEM (en razred ima veliko več INSTANCES kot restavri) in upreti SEELECTION (Tehnični predobdelava ZA PODATKOV PODATKI Junt)._x000D__ v PREVIOUS PROJEKTU, ki je izstopil v PRIDAPTACIJE ZA PROBLEMS REGRETION THE THE METHODS, ki so sprva mislili za razvrstitev. Prvotna OBJEKTIVA PREDSTAVNIH PROJEKTIH SERIJA V KONČNIH OBJEKTIH TRGOVANJU NA PODROČJU novih algoritmov na temo INDUSTRIJSKI PROBLEMS, v LINE ŽIVLJENJIH PREDSTAVNIKOV NAŠE ODPRTIH PREDSTAVNIKOV PREDSTAVNIKOV, ki so specializirani za tovrstne projekte, v duhu tega javnega razpisa, ki iščejo FRAGMENTATION in aglutinatorje v skupnem stališču._x000D_ TWO DODATNE OBJEKTVE ARE, na eni strani z iskanjem boljšega IMPACT in INTERNATIONALISATION ponujajo dostop do metod, razvitih s spletnimi storitvami (MACHINE LEARNING AS AERVICE, MLAAS); PO DRUGI STRANI PA PREUČI MOŽNOST, DA BI JIH PRILAGODILI MODELOM IZRAČUNAVANJA, KI BI OMOGOČILI NJIHOVO UPORABO NA PLATFORMAH ZA VELEPODATKE. (Slovenian)
18 August 2022
0 references
NAJCZĘSTSZYMI ZADANIAMI PRZEWIDYWANIA NADZOROWANEGO AUTOMATYCZNEGO UCZENIA SIĘ SĄ KLASYFIKACJA I REGRESJA. W OBU PRZYPADKACH WARTOŚĆ, KTÓRĄ NALEŻY PRZEWIDZIEĆ, NIEZALEŻNIE OD TEGO, CZY JEST TO DYSKRETNA, CZY CIĄGŁA, JEST UNIKALNA. OZNACZA TO, ŻE BIORĄC POD UWAGĘ WARTOŚCI ATRYBUTÓW OBIEKTU LUB INSTANCJI, KTÓRE SĄ TRAKTOWANE JAKO DANE WEJŚCIOWE, PROBLEM DO ROZWIĄZANIA POLEGA NA PRZYPISANIU DO NIEGO KLASY LUB WARTOŚCI LICZBOWEJ. JEDNAK CZĘSTO OGRANICZENIE ETYKIETY W ODNIESIENIU DO POSZCZEGÓLNYCH INSTANCJI JEST WYRAŹNIE NIEWYSTARCZAJĄCE. NA PRZYKŁAD ARTYKUŁ NAUKOWY MÓGŁBY OBEJMOWAĆ ZARÓWNO EKSPLORACJĘ DANYCH, JAK I „ROZWIĄZYWANIE PROBLEMÓW PRZEMYSŁOWYCH”; NIEPRAWIDŁOWE DZIAŁANIE FREZARKI MOŻE CHARAKTERYZOWAĆ SIĘ JEDNOCZEŚNIE „WYSOKIMI POZIOMAMI WIBRACJI” I „NISKĄ EFEKTYWNOŚCIĄ ENERGETYCZNĄ”; W DIAGNOSTYCE JAKOŚCI OPROGRAMOWANIA ZŁY PROJEKT MOŻE WYNIKAĆ Z JEDNOCZESNEJ OBECNOŚCI RÓŻNYCH PATOLOGII: „JEDNA KLASA NADMIERNIE WYKORZYSTUJE METODY Z INNEJ”, „ISTNIEJE DUPLIKAT LUB PODOBNY KOD W RÓŻNYCH CZĘŚCIACH”, „ISTNIEJĄ METODY Z ZBYT DUŻĄ LISTĄ ARGUMENTÓW”. WE wszystkich tych przypadkach OBJECTS mogą mieć dwie lub więcej TSI, a klasyfikacja wieloetykietowa lub ponowna rejestracja wielowartościowa są bardziej odpowiednie._x000D_ w naszej grupie badawczej mamy empiryczne rozszerzenie w projektowaniu nowych algorytmów do budowy wielu etykiet. MULTICLASIFICATORS, CZYLI ZESPOŁY, TO METODY, KTÓRE ZNACZNIE POPRAWIAJĄ WYDAJNOŚĆ POJEDYNCZEGO INDYWIDUALNEGO KLASYFIKATORA POPRZEZ POŁĄCZENIE KILKU Z NICH. NASZA GRUPA PRZYCZYNIŁA SIĘ DO ZWIĘKSZENIA DOSTĘPNYCH METOD AUTOMATYCZNEGO UCZENIA SIĘ ZA POMOCĄ KILKU ZESPOŁÓW ALGORYTMÓW KONSTRUKCYJNYCH: ROTACJA LASU, NIEPOKOJĄCYCH SĄSIADÓW, PRZYPADKOWYCH WYROCZNI I LOSOWYCH CIĘŻARÓW FUNKCJI. TE NOWE ALGORYTMY WYKAZAŁY, ŻE ZAPEWNIAJĄ LEPSZĄ WYDAJNOŚĆ NIŻ INNE KLASYCZNE ALGORYTMY W TYM OBSZARZE. W przypadku ROTACJI FOREST, został on przekształcony w metodę odniesienia, z którą zawarte są nowe propozycje Algoritmos, a także niektóre inne książki do wydobywania danych, w tym także klasyczna metodaox._x000D_ Posiadamy również doświadczenie w projektowaniu niezrównoważonych algorytmów PROBLEM (jedna klasa ma o wiele więcej INSTANCES niż reszta) i instancy SELECTION (technologia przetwarzania wstępnego do REDUKCJI SIZE DANYCH Junt)._x000D_ W PREVIOUS PROJECT WE HAVE wyszedł w ADAPTATION to PROBLEMS OF REGRETION OF THESE METHODS, początkowo myśląc o klasyfikacji. CENNCIPAL OBJECT OF THE PRESENT PROJECT RESEARES RESEARCH IN DYRENCYJNYCH METHOD do RESOLUTION OF Multilabel I MULTIVAL PROBLEMS._x000D_ AS SECOND OBJECTIVE busclee the APLIICATION OF THIS NEW Algoritms to the SOLUTION OF INDUSTRIAL PROBLEMS, w LINE OF OUR podglądu badań, BUT SOFTWARE’S INNGENIERY PROBLEMS, WIĘCEJ SPECJALNOŚCI INCORPORING NEW GROUP RESEARCHERS specjalizujących się w tego typu projektach, w duchu niniejszego zaproszenia do składania ofert, który szuka DZIAŁALNOŚCI i aglutynacji naukowców we wspólnym stanowisku._x000D_ DWA DODATKOWE OBJECTIVES ARE, z jednej strony, szukając lepszej IMPACT i INTERNATIONALISATION, oferują dostęp do metod opracowanych za pośrednictwem usług internetowych (MACHINE LEARNING AS A SERVICE, MLAAS); Z DRUGIEJ STRONY ZBADANIE MOŻLIWOŚCI DOSTOSOWANIA ICH DO MODELI OBLICZENIOWYCH, KTÓRE UMOŻLIWIŁYBY ICH WYKORZYSTANIE NA PLATFORMACH DUŻYCH ZBIORÓW DANYCH. (Polish)
18 August 2022
0 references
Burgos
0 references
20 December 2023
0 references
Identifiers
TIN2015-67534-P
0 references