„Weights and Activities Model” változatai közötti eltérés

A Miau Wiki wikiből
(Történeti modul)
(Történeti modul)
6. sor: 6. sor:
 
A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közelíti. ...
 
A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közelíti. ...
  
*'''1998''
+
*'''1998'''
 
A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható
 
A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható
  

A lap 2005. november 14., 00:09-kori változata

Angol megnevezés: ...

Történeti modul

  • 1996

A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közelíti. ...

  • 1998

A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható

  • 2003

A trianguláris (WAM Weight-Activity-Modell ) módszer lényege, hogy az alapadatok transzformációjával létrehozunk egy olyan idõsorosan oszloponként egy helyi értékkel elcsúsztatott mátrixot, amely az egymás után idõben következõ adatok egymáshoz viszonyított növekedését (1), illetve csökkenését (0) tükrözi. Ezekhez véletlenszerûen generálunk egy számot, és egy mûveleti jelet, majd e három érték (0/1, a hozzá tartozó szám és mûveleti jel) összefûzésével újabb mátrixot kapunk. Ennek a mátrixnak a visszanyúlási mélységnek megfelelõ sor és oszlopértékeinek összegzésével kapjuk a változás irányát jelzõ értéket, ha összehasonlítjuk a véletlenszerûen generált küszöbértékkel, mely a mátrix minimum és maximumeleme között helyezkedik el (0/1), ha az elsõ mátrixban található értékkel megegyezik az adat, akkor jó az elõrejelzés.

Ontológiai modul

  • ...

Ellentmondások és vitatott kijelentések modulja

  • ...

Definíciós modul

  • ...

Tesztkérdések modul

  • ...

Ajánlott irodalmak modulja

  • ...