توضیحات
This book contains some selected papers from the International Conference on Extreme Learning Machine (ELM) 2017, held in Yantai, China, October 47, 2017. The book covers theories, algorithms and applications of ELM.
Extreme Learning Machines (ELM) aims to enable pervasive learning and pervasive intelligence. As advocated by ELM theories, it is exciting to see the convergence of machine learning and biological learning from the long-term point of view. ELM may be one of the fundamental `learning particles filling the gaps between machine learning and biological learning (of which activation functions are even unknown). ELM represents a suite of (machine and biological) learning techniques in which hidden neurons need not be tuned: inherited from their ancestors or randomly generated. ELM learning theories show that effective learning algorithms can be derived based on randomly generated hidden neurons (biological neurons, artificial neurons, wavelets, Fourier series, etc) as long as they are nonlinear piecewise continuous, independent of training data and application environments. Increasingly, evidence from neuroscience suggests that similar principles apply in biological learning systems. ELM theories and algorithms argue that random hidden neurons capture an essential aspect of biological learning mechanisms as well as the intuitive sense that the efficiency of biological learning need not rely on computing power of neurons. ELM theories thus hint at possible reasons why the brain is more intelligent and effective than current computers.
This conference will provide a forum for academics, researchers and engineers to share and exchange R&D experience on both theoretical studies and practical applications of the ELM technique and brain learning.
It gives readers a glance of the most recent advances of ELM.
————————————————————–
ترجمه ماشینی :
این کتاب حاوی برخی مقالات منتخب از کنفرانس بینالمللی ماشین یادگیری افراطی (ELM) 2017 است که در Yantai، چین، 47 اکتبر 2017 برگزار شد. این کتاب شامل نظریهها، الگوریتمها و برنامه های کاربردی ELM.
Extreme Learning Machines (ELM) با هدف فعال کردن یادگیری فراگیر و هوش فراگیر است. همانطور که توسط نظریه های ELM حمایت می شود، دیدن همگرایی یادگیری ماشینی و یادگیری بیولوژیکی از دیدگاه بلندمدت هیجان انگیز است. ELM ممکن است یکی از ذرات اساسی یادگیری باشد که شکاف های بین یادگیری ماشین و یادگیری بیولوژیکی را پر می کند (که عملکردهای فعال سازی حتی ناشناخته هستند). ELM مجموعه ای از تکنیک های یادگیری (ماشین و بیولوژیکی) را نشان می دهد که در آن نورون های پنهان نیازی به تنظیم ندارند: از اجداد خود به ارث رسیده اند یا به طور تصادفی تولید می شوند. نظریههای یادگیری ELM نشان میدهد که الگوریتمهای یادگیری مؤثر را میتوان بر اساس نورونهای پنهان بهطور تصادفی (نرونهای بیولوژیکی، نورونهای مصنوعی، موجکها، سری فوریه، و غیره) استخراج کرد تا زمانی که بهصورت تکهای پیوسته غیرخطی، مستقل از دادههای آموزشی و محیطهای کاربردی باشند. به طور فزاینده ای، شواهد علوم اعصاب نشان می دهد که اصول مشابهی در سیستم های یادگیری بیولوژیکی اعمال می شود. نظریهها و الگوریتمهای ELM استدلال میکنند که نورونهای پنهان تصادفی جنبهای ضروری از مکانیسمهای یادگیری بیولوژیکی و همچنین این حس شهودی را در بر میگیرند که کارایی یادگیری بیولوژیکی نیازی به تکیه بر قدرت محاسباتی نورونها ندارد. بنابراین، نظریههای ELM به دلایل احتمالی اشاره میکنند که چرا مغز باهوشتر و مؤثرتر از رایانههای کنونی است.
این کنفرانس انجمنی را برای دانشگاهیان، محققان و مهندسان فراهم میکند تا تحقیق و توسعه را به اشتراک بگذارند و تبادل کنند. تجربه در مورد مطالعات نظری و کاربردهای عملی تکنیک ELM و یادگیری مغز.
این به خوانندگان نگاهی به آخرین پیشرفتهای ELM میدهد.
tag : دانلود کتاب مجموعه مقالات ELM-2017 , Download مجموعه مقالات ELM-2017 , دانلود مجموعه مقالات ELM-2017 , Download Proceedings of ELM-2017 Book , مجموعه مقالات ELM-2017 دانلود , buy مجموعه مقالات ELM-2017 , خرید کتاب مجموعه مقالات ELM-2017 , دانلود کتاب Proceedings of ELM-2017 , کتاب Proceedings of ELM-2017 , دانلود Proceedings of ELM-2017 , خرید Proceedings of ELM-2017 , خرید کتاب Proceedings of ELM-2017 ,
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.