Submitted 15 September, 2024; originally announced September 2024. , Comments: 55 pages, 4 figures, submitted to IEEE Transactions on Pattern Analysis and Machine Intelligence, October 26, 2023
توضیحات به فارسی
ارسال شده در 15 سپتامبر 2024 ؛در ابتدا در سپتامبر 2024 اعلام شد. ، نظرات: 55 صفحه ، 4 شکل ، ارسال شده به معاملات IEEE در مورد تجزیه و تحلیل الگوی و هوش دستگاه ، 26 اکتبر 2023
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
چکیده
We propose a novel approach to select the best model of the data. Based on the exclusive properties of the nested models, we find the most parsimonious model containing the risk minimizer predictor. We prove the existence of probable approximately correct (PAC) bounds on the difference of the minimum empirical risk of two successive nested models, called successive empirical excess risk (SEER). Based on these bounds, we propose a model order selection method called nested empirical risk (NER). By the sorted NER (S-NER) method to sort the models intelligently, the minimum risk decreases. We construct a test that predicts whether expanding the model decreases the minimum risk or not. With a high probability, the NER and S-NER choose the true model order and the most parsimonious model containing the risk minimizer predictor, respectively. We use S-NER model selection in the linear regression and show that, the S-NER method without any prior information can outperform the accuracy of feature sorting algorithms like orthogonal matching pursuit (OMP) that aided with prior knowledge of the true model order. Also, in the UCR data set, the NER method reduces the complexity of the classification of UCR datasets dramatically, with a negligible loss of accuracy.
چکیده به فارسی (ترجمه ماشینی)
ما یک روش جدید برای انتخاب بهترین مدل داده ها پیشنهاد می کنیم.بر اساس خصوصیات منحصر به فرد مدل های تو در تو ، ما می بینیم که بیشترین مدل را شامل می شود که حاوی پیش بینی کننده Minimizer خطر است.ما وجود مرزهای تقریباً صحیح (PAC) را در مورد تفاوت حداقل خطر تجربی دو مدل تو در تو در تو در تو ، به نام خطر اضافی تجربی متوالی (SEER) اثبات می کنیم.بر اساس این مرزها ، ما یک روش انتخاب سفارش مدل به نام خطر تجربی تو در تو (NER) را پیشنهاد می کنیم.با استفاده از روش مرتب شده NER (S-ENER) برای مرتب سازی مدل ها به صورت هوشمند ، حداقل خطر کاهش می یابد.ما آزمایشی می سازیم که پیش بینی می کند که آیا گسترش مدل حداقل خطر را کاهش می دهد یا خیر.با احتمال زیاد ، NER و S-ENER ترتیب مدل واقعی و مدل ترشی ترین مدل حاوی پیش بینی کننده Minimizer را انتخاب می کنند.ما از انتخاب مدل S در رگرسیون خطی استفاده می کنیم و نشان می دهیم که ، روش S-inn بدون هیچ گونه اطلاعات قبلی می تواند از صحت الگوریتم های مرتب سازی ویژگی مانند تعقیب و گریز ارتوگونی (OMP) بهتر عمل کند که با دانش قبلی از ترتیب مدل واقعی کمک می کند.همچنین ، در مجموعه داده های UCR ، روش NER پیچیدگی طبقه بندی مجموعه داده های UCR را به طرز چشمگیری و با از دست دادن دقت ناچیز کاهش می دهد.
📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
