sorodni izrazi in sinonimi v sodobni slovenščini, hrvaščini in srbščini
Podobnost besed in fraz med rezultati je odvisna od tega, kolikokrat se beseda
ali fraza pojavi v podobnem stavčnem kontekstu kot "razvrščevalnikov".
Podobni izrazi in sinonimi za
Kliknite za poizvedbo
Širši sorodni izrazi
Izrazi, ki navajajo razvrščevalnikov med svojimi sorodnimi izrazi, a jih seznam zgoraj ne doseže. Njihova podobnost je nižja od podobnosti zadnjega izraza nad njimi.
Pogosto skupaj z
Primeri iz korpusa
Korpus Common Crawl
Common Crawl je korpus spletnih strani
Zato je pametno uporabiti več različnih obraznih razvrščevalnikov, ki temeljijo na različnih arhitekturah; tako povečamo vpliv perturbacij na večje število obraznih razvrščevalnikov.
Zaradi potrebe po učenju obraznih razvrščevalnikov in tipa ovrednotenja želimo imeti za posamezno identiteto na voljo čim več obraznih slik.
Za ta namen je potrebno predhodno proučiti različne kombinacije razvrščevalnikov, zgrajenih in testiranih pri različnih kontaktnih pritiskih.
Visoko učinkovitost razvrščanja preko celotnega območja kontaktnih pritiskov lahko dosežemo z izgradnjo večjega števila razvrščevalnikov, kjer vsak pokriva del območja kontaktnih pritiskov.
Večina razvrščevalnikov na svojem vhodu predvideva taka opravila.
Učenje razvrščevalnikov pri številnih kontaktnih pritiskih je lahko zamudno in nepraktično opravilo.
Uspešnost učenja razvrščevalnikov smo preverili na enak način kot pri učenju originalnega naključnega gozda.
Testni vzorec razvrščamo z vsakim od razvitih razvrščevalnikov in kot zmagovalni razred pripišemo tistega, ki je izbran z večinskim glasovanjem.
Testnemu vzorcu pripišemo razred, ki je pri testiranju vseh kombinacij razvitih razvrščevalnikov največkrat zmagal.
Tako umetno tvorjeni vzorci omogočajo v postopkih učenja razvrščevalnikov določitev bolj splošne ločilne meje med vzorci različno zastopanih razredov vzorcev.
Tako omogoča uspešno delovanje z večjo množico različnih razvrščevalnikov.
Starejši pristopi najpogosteje temeljijo na pridobitvi ročno načrtovanih značilnic, ki služijo kot vhodni podatki za različne modele razvrščevalnikov, kot so npr.
Samodejno učenje razvrščevalnikov vzorcev : učna množica vzorcev , hevristični in optimalni postopki učenja .
SU uporabljamo za izgradnjo razvrščevalnikov (ang. classifiers), katerih naloga je določiti pripadajoči razred posameznega objekta.
Razvrščevalnik najbližjega soseda je eden izmed najenostavnejših razvrščevalnikov.
Proces učenja pri uporabljenih tipih razvrščevalnikov temelji na metodi nadzorovanega učenja (angl. supervised learning).
Pri načrtovanju razvrščevalnikov potrebujemo metrike, ki nam povedo čim več o vedenju in učinkovitosti razvrstitve.
Prednost pristopa z množico je, da bo njegov izhod pravilno uporabila večina razvrščevalnikov, saj opravila za sobivanje zamenjamo z nadomestnim opravilom.
Potencialno bi bilo mogoče uporabiti tekoče statistike tudi za razvoj razvrščevalnikov, ki uporabljajo pristope strojnega učenja, da sami določijo optimalen način delovanja.
Postopek je temeljil na uporabi avtomatskega sistema za sočasni zajem kontaktnih pritiskov in spektralne informacije ter različnih strategijah izgradnje razvrščevalnikov.