Ito ang Windows app na pinangalanang DGRLVQ na ang pinakabagong release ay maaaring ma-download bilang DGRLVQ.zip. Maaari itong patakbuhin online sa libreng hosting provider na OnWorks para sa mga workstation.
I-download at patakbuhin online ang app na ito na pinangalanang DGRLVQ sa OnWorks nang libre.
Sundin ang mga tagubiling ito upang patakbuhin ang app na ito:
- 1. Na-download ang application na ito sa iyong PC.
- 2. Ipasok sa aming file manager https://www.onworks.net/myfiles.php?username=XXXXX kasama ang username na gusto mo.
- 3. I-upload ang application na ito sa naturang filemanager.
- 4. Magsimula ng anumang OS OnWorks online emulator mula sa website na ito, ngunit mas mahusay na Windows online emulator.
- 5. Mula sa OnWorks Windows OS na kasisimula mo pa lang, pumunta sa aming file manager https://www.onworks.net/myfiles.php?username=XXXX gamit ang username na gusto mo.
- 6. I-download ang application at i-install ito.
- 7. I-download ang Wine mula sa iyong mga Linux distributions software repository. Kapag na-install na, maaari mong i-double click ang app upang patakbuhin ang mga ito gamit ang Wine. Maaari mo ring subukan ang PlayOnLinux, isang magarbong interface sa ibabaw ng Wine na tutulong sa iyong mag-install ng mga sikat na programa at laro sa Windows.
Ang alak ay isang paraan upang patakbuhin ang software ng Windows sa Linux, ngunit walang kinakailangang Windows. Ang alak ay isang open-source na layer ng compatibility ng Windows na maaaring direktang magpatakbo ng mga program sa Windows sa anumang desktop ng Linux. Sa totoo lang, sinusubukan ng Wine na muling ipatupad ang sapat na Windows mula sa simula upang mapatakbo nito ang lahat ng mga Windows application na iyon nang hindi talaga nangangailangan ng Windows.
MGA LALAKI
Ad
DGRLVQ
DESCRIPTION
Ang ilan sa mga karaniwang problema para sa Learning vector quantization (LVQ) based na mga pamamaraan ay ang hindi mahulaan ng isang tao ang tungkol sa bilang ng mga prototype na kinakailangan para sa pagsisimula para sa mga multimodal na istruktura ng data, ang mga algorithm na ito ay napakasensitibo sa pagsisimula ng mga prototype at kailangang tukuyin ng isa ang pinakamainam na numero. ng mga prototype bago patakbuhin ang algorithm. Kung ang isang prototype, sa ilang kadahilanan, ay nasa 'labas' ng cluster na dapat nitong katawanin at kung may mga punto ng magkaibang kategorya sa pagitan, kung gayon ang iba pang mga punto ay nagsisilbing hadlang at hindi mahahanap ng prototype ang pinakamabuting posisyon nito sa panahon ng pagsasanay. Dahil hindi alam ang pagiging kumplikado ng modelo sa maraming kaso, iniiwasan namin ang problemang ito sa pamamagitan ng pagpapakilala ng "Dynamic" na bersyon ng LVQ.
Dynamic-GRLVQ (DGRLVQ), na umaangkop sa pagiging kumplikado ng modelo sa ibinigay na problema sa panahon ng pagsasanay sa pamamagitan ng pagdaragdag o pag-alis ng mga prototype nang dynamic/realtime nang paisa-isa para sa bawat kategorya hanggang sa makamit ang kasiya-siyang resulta ng pag-uuri.
Mga tampok
- Dynamic na generalization na kaugnayan sa pag-aaral ng vector quantization
- DGRLVQ
- LVQ
- GRLVQ
- Pag-aaral ng Machine
- Clustering
- artificial intelligence
- pag-uuri
- Pattern Recognition
Audience
Teknolohiya ng Impormasyon, Agham/Pananaliksik
Interface ng gumagamit
Java Swing
Wika ng Programming
Java
Kategorya
Ito ay isang application na maaari ding kunin mula sa https://sourceforge.net/projects/dgrlvq/. Na-host ito sa OnWorks upang mapatakbo online sa pinakamadaling paraan mula sa isa sa aming mga libreng Operative System.
