 | FLPD. |
| التحميل الان | |
FLPD. الترتيب والملخص
الإعلانات
FLPD. العلامات
FLPD. وصف
FLPD هو نظام تعلم تلقائي يعتمد على النماذج الغامضة. FLPD هو نظام تعليمي تلقائي يعتمد على النماذج الأولية الغامضة. استخدام FLPD، من السهل حساب عمليات التعلم الإشراف وغير المدفوعة. في الوقت نفسه، يمكن للمستخدمين المجاورين المزيد من المستخدمين تكوين عدد كبير من المعلمات في عملية الحساب، ويمكنهم أيضا تصميم إجراءات التعلم الشخصية الخاصة بهم. ويستند النواة الحثية للنظام على خوارزمية HPI (الحث النموذجي الهرمي). ومع ذلك، يمكن للمستخدم المتقدمة تصميم واستخدام خوارزمية التعريفية الخاصة به واستخدامها على النماذج النماذج الغامضة. يتم تنظيم النظام في الطبقات التي تحتوي على العديد من المرافق التي تعمل على مستويات تجريد مختلفة، مما يتيح الجمع بين المرونة والقوة والبساطة. يستند النظام إلى C ++ Library for Fuzzy Logic والتعلم الآلي، والذي يسمح بتمثيل ومعالجة المعلومات الغامضة وتطبيق تقنيات التعلم الآلي. إنها بعض الملامح الرئيسية "FLPD": مجموعات غامضة النظام يتضمن الفئات اللازمة لتمثيل وتعامل مع مجموعات غاضبة منفصلة وفي حد ما، مجموعات غامضة مستمرة. كما يتم تضمين فئات محددة للتعامل مع مجموعات غامضة للتحويل في LPD (التوزيع المثبط على الأقل)، مع الميكانيكا المناسبة للتعامل مع التحولات اللازمة تلقائيا. بالإضافة إلى جانب العمليات المشتركة على مجموعات غامضة، تنفذ المكتبة تلك العمليات المستمدة من مهمة الكتلة النظرية: كما الانصهار من مجموعات غامضة والاحتمال الشرطي. النماذج الأولية الغامضة يتم توفير التنفيذ الأساسي للنماذج الأولية، كحاويات من السمات الغامضة. يتم تنفيذ العمليات على النماذج الغامضة المشتقة من نظرية مهمة الكتلة: الانصهار والدعم ودعم طبيعي متوسط. الوصف اللغوي يتم تضمين بعض الأدوات لدماء البيانات في المكتبة. لتقدير البيانات المستمرة، يتم تنفيذ العديد من خوارزميات الغلاف اللغوي. خوارزميات التعريفية النموذجية تتضمن المكتبة تنفيذ خوارزمية التعريفي النموذجي التسلسل الهرمي (HPI)، وكذلك HPIW (HPI مع ترجيح)، والتي تعتبر، بناء على HPI، تعتني بأهمية كل سمة عند البحث عن النماذج النماذج الأولية للاندماج، و يولد وظيفة التأمل تعزز نتائج HPI RAW. إدخال البيانات / الإخراج يتم توفير التنفيذ الأساسي للبيانات I / O، مما يسمح ببيانات القراءة والكتابة في العديد من التنسيقات (النص، CSV و XML ) بطريقة سهلة. إطار التجريب إلى جانب المكتبة، يتضمن النظام بعض الأطراف الأمامية لسطر الأوامر وواجهة رسومية بسيطة تكتب في PHP، بناء على المكتبة، تنفيذ بعض مهام التعلم التلقائية المعتادة: التعلم الإشرافه يتم تحويل مجموعة بيانات تدريبية في مجموعة نموذجية غامضة، بعد عملية التعريفي. ثم يتم استخدام النماذج الناتجة المستحثة لتحديد فئة عناصر مجموعة بيانات الاختبار. إذا كان التحقق من الصحة المطلوب، فسيتم تقسيم مجموعة بيانات الإدخال إلى عدة طيات. ثم يتم تطبيق عملية تعليمية تحت إشراف على كل طي. التعلم غير المقترح من مجموعة بيانات الإدخال مجموعة من النماذج الناتجة المستحثة. يمثل كل نموذج أولي فئة متباينة من عناصر البيانات التي تم اكتشافها في بيانات الإدخال. يتم تطبيق نهايات التعلم هذه على مجموعة من النهايات الخلفية، عند مستوى التجريد السفلي. تحسب كل نهاية خلفية خطوة واحدة فقط في العديد من المهام المتسلسلة اللازمة لإكمال عملية التعلم: تحويل البيانات من / إلى تنسيق XML الخاص. معالجة بيانات XML غسالة البيانات. التصنيف النموذجي. تصنيف البيانات. تقييم التصنيفات. تمثيل جرافيك. استخدام هذه النهايات الخلفية مباشرة، يمكن تصميم عملية تعليمية شخصية، جديدة تماما أو جزئيا بناء على البنية التحتية للحساب التي يوفرها النظام بالفعل.
FLPD. برامج ذات صلة
