کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6856303 1437951 2018 22 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Knowledge discovery in data streams with the orthogonal series-based generalized regression neural networks
ترجمه فارسی عنوان
کشف دانش در جریان داده ها با شبکه های عصبی رگرسیون بر مبنای سری کامل متعامد است
کلمات کلیدی
ترجمه چکیده
در این مقاله، یک روش برای برآورد رگرسیون غیر پارامتری در یک محیط متغیر زمان ارائه شده است. هسته های مبتنی بر سری متعامد برای طراحی روش های یادگیری استفاده می شود که ردیابی تغییرات سیستم های غیر ثابت در نویز های غیر ثابت است. رویه های ارائه شده، ساخته شده در روح شبکه های عصبی رگرسیون عمومی، یک ابزار بسیار موثر برای مقابله با داده های جریان هستند. همگرایی در احتمال و احتمال یک ثابت می شود، نتایج تجربی داده شده و مورد بحث قرار می گیرند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
کشف دانش در جریان داده ها با شبکه های عصبی رگرسیون بر مبنای سری کامل متعامد است
چکیده انگلیسی
In this paper, a method for nonparametric regression estimation in a time-varying environment is presented. The orthogonal series-based kernels are used to design learning procedures tracking non-stationary systems changes under non-stationary noise. The presented procedures, constructed in the spirit of generalized regression neural networks, are a very effective tool to deal with stream data. The convergences in probability and with probability one are proved, experimental results are given and discussed.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Information Sciences - Volumes 460–461, September 2018, Pages 497-518
نویسندگان
, , ,