ترجمه فارسی مقاله به سوی رویکرد انتخاب و طبقه بندی ویژگی های جاسازی شده هیبریدی با Slim-TSF

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Towards Hybrid Embedded Feature Selection and Classification Approach with Slim-TSF
عنوان مقاله به فارسی به سوی رویکرد انتخاب و طبقه بندی ویژگی های جاسازی شده هیبریدی با Slim-TSF
نویسندگان Anli Ji, Chetraj Pandey, Berkay Aydin
فرمت مقاله انگلیسی PDF
تعداد صفحات 15
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Instrumentation and Methods for Astrophysics,Solar and Stellar Astrophysics,یادگیری ماشین , ابزار دقیق و روش های اخترفیزیک , اخترفیزیک خورشیدی و ستاره ای ,
توضیحات Submitted 6 September, 2024; originally announced September 2024. , Comments: This is a preprint accepted at the 26th International Conference on Big Data Analytics and Knowledge Discovery (DAWAK 2024)
توضیحات به فارسی ارسال شده در 6 سپتامبر 2024 ؛در ابتدا در سپتامبر 2024 اعلام شد. ، نظرات: این یک چاپ است که در بیست و یکمین کنفرانس بین المللی تجزیه و تحلیل داده های بزرگ و کشف دانش پذیرفته شده است (داواک 2024)
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 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.

🎯 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

Traditional solar flare forecasting approaches have mostly relied on physics-based or data-driven models using solar magnetograms, treating flare predictions as a point-in-time classification problem. This approach has limitations, particularly in capturing the evolving nature of solar activity. Recognizing the limitations of traditional flare forecasting approaches, our research aims to uncover hidden relationships and the evolutionary characteristics of solar flares and their source regions. Our previously proposed Sliding Window Multivariate Time Series Forest (Slim-TSF) has shown the feasibility of usage applied on multivariate time series data. A significant aspect of this study is the comparative analysis of our updated Slim-TSF framework against the original model outcomes. Preliminary findings indicate a notable improvement, with an average increase of 5\% in both the True Skill Statistic (TSS) and Heidke Skill Score (HSS). This enhancement not only underscores the effectiveness of our refined methodology but also suggests that our systematic evaluation and feature selection approach can significantly advance the predictive accuracy of solar flare forecasting models.

چکیده به فارسی (ترجمه ماشینی)

رویکردهای سنتی پیش بینی شعله ور خورشیدی بیشتر با استفاده از مگنتوگرام خورشیدی به مدلهای مبتنی بر فیزیک یا داده محور متکی است ، و پیش بینی های شعله ور را به عنوان یک مشکل طبقه بندی نقطه به موقع درمان می کند.این رویکرد محدودیت هایی دارد ، به ویژه در ضبط ماهیت در حال تحول فعالیت خورشیدی.با شناخت محدودیت های رویکردهای پیش بینی سنتی شعله ور ، تحقیقات ما با هدف کشف روابط پنهان و خصوصیات تکاملی شعله های خورشیدی و مناطق منبع آنها انجام می شود.ما قبلاً ارائه شده از پنجره کشویی ما چند متغیره ، جنگل سری زمانی چند متغیره (SLIM-TSF) امکان استفاده از استفاده از داده های سری زمانی چند متغیره را نشان داده است.جنبه قابل توجهی از این مطالعه ، تجزیه و تحلیل مقایسه ای از چارچوب SLIM-TSF به روز شده ما در برابر نتایج مدل اصلی است.یافته های مقدماتی حاکی از پیشرفت قابل توجه است ، با افزایش متوسط ​​5 \ ٪ در هر دو مهارت مهارت واقعی (TSS) و نمره مهارت Heidke (HSS).این پیشرفت نه تنها اثربخشی روش تصفیه شده ما را تأکید می کند بلکه نشان می دهد که ارزیابی سیستماتیک و رویکرد انتخاب ویژگی ما می تواند به طور قابل توجهی دقت پیش بینی مدل های پیش بینی شعله ور خورشیدی را پیشرفت کند.

📚 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.

🎯 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

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.