Clasificación de objetos mediante hashing rápido supervisado: para datos de alta dimensión - Softcover
Synopsis
Este libro resume La principal preocupación del hashing supervisado es convertir las características originales en códigos binarios cortos que puedan mantener la similitud de etiquetas en el espacio de Hamming. Debido a su gran capacidad de generalización, las funciones hash no lineales han demostrado ser superiores a las lineales. Las funciones kernel se utilizan con frecuencia en la literatura para crear hashing no lineal, lo que resulta en un rendimiento de recuperación alentador pero largos tiempos de evaluación y entrenamiento. Aquí sugerimos utilizar árboles de decisión potenciados, que son rápidos de entrenar y evaluar y, por tanto, más adecuados para el hashing con datos de alta dimensión. Como parte de la mejora continua, primero sugerimos formulaciones submodulares para el problema de la inferencia de códigos binarios de hashing, así como una técnica eficaz de búsqueda por bloques basada en Graph Cut para la inferencia a gran escala. A continuación, entrenamos árboles de decisión potenciados que se adaptan a los códigos binarios para aprender funciones hash. Los experimentos demuestran que, en términos de precisión de la recuperación y duración del entrenamiento, la estrategia que proponemos supera con creces a la mayoría de los métodos más avanzados.
"synopsis" may belong to another edition of this title.
Search results for Clasificación de objetos mediante hashing rápido supervisado...
Stock Image
Clasificación de objetos mediante hashing rápido supervisado
Published by
Ediciones Nuestro Conocimiento Jun 2023, 2023
ISBN 10: 6206187446
ISBN 13: 9786206187448
New
Taschenbuch
Seller: BuchWeltWeit Ludwig Meier e.K., Bergisch Gladbach, Germany
Seller rating 5 out of 5 stars
Taschenbuch. Condition: Neu. This item is printed on demand - it takes 3-4 days longer - Neuware -Este libro resume La principal preocupación del hashing supervisado es convertir las características originales en códigos binarios cortos que puedan mantener la similitud de etiquetas en el espacio de Hamming. Debido a su gran capacidad de generalización, las funciones hash no lineales han demostrado ser superiores a las lineales. Las funciones kernel se utilizan con frecuencia en la literatura para crear hashing no lineal, lo que resulta en un rendimiento de recuperación alentador pero largos tiempos de evaluación y entrenamiento. Aquí sugerimos utilizar árboles de decisión potenciados, que son rápidos de entrenar y evaluar y, por tanto, más adecuados para el hashing con datos de alta dimensión. Como parte de la mejora continua, primero sugerimos formulaciones submodulares para el problema de la inferencia de códigos binarios de hashing, así como una técnica eficaz de búsqueda por bloques basada en Graph Cut para la inferencia a gran escala. A continuación, entrenamos árboles de decisión potenciados que se adaptan a los códigos binarios para aprender funciones hash. Los experimentos demuestran que, en términos de precisión de la recuperación y duración del entrenamiento, la estrategia que proponemos supera con creces a la mayoría de los métodos más avanzados. 76 pp. Spanisch. Seller Inventory # 9786206187448
Seller Image
Clasificación de objetos mediante hashing rápido supervisado
Published by
Ediciones Nuestro Conocimiento, 2023
ISBN 10: 6206187446
ISBN 13: 9786206187448
New
Softcover
Seller: moluna, Greven, Germany
Seller rating 4 out of 5 stars
Condition: New. Seller Inventory # 911319485
Seller Image
Clasificación de objetos mediante hashing rápido supervisado
Published by
Ediciones Nuestro Conocimiento Jun 2023, 2023
ISBN 10: 6206187446
ISBN 13: 9786206187448
New
Taschenbuch
Seller: buchversandmimpf2000, Emtmannsberg, BAYE, Germany
Seller rating 5 out of 5 stars
Taschenbuch. Condition: Neu. Neuware -Este libro resume La principal preocupación del hashing supervisado es convertir las características originales en códigos binarios cortos que puedan mantener la similitud de etiquetas en el espacio de Hamming. Debido a su gran capacidad de generalización, las funciones hash no lineales han demostrado ser superiores a las lineales. Las funciones kernel se utilizan con frecuencia en la literatura para crear hashing no lineal, lo que resulta en un rendimiento de recuperación alentador pero largos tiempos de evaluación y entrenamiento. Aquí sugerimos utilizar árboles de decisión potenciados, que son rápidos de entrenar y evaluar y, por tanto, más adecuados para el hashing con datos de alta dimensión. Como parte de la mejora continua, primero sugerimos formulaciones submodulares para el problema de la inferencia de códigos binarios de hashing, así como una técnica eficaz de búsqueda por bloques basada en Graph Cut para la inferencia a gran escala. A continuación, entrenamos árboles de decisión potenciados que se adaptan a los códigos binarios para aprender funciones hash. Los experimentos demuestran que, en términos de precisión de la recuperación y duración del entrenamiento, la estrategia que proponemos supera con creces a la mayoría de los métodos más avanzados.Books on Demand GmbH, Überseering 33, 22297 Hamburg 76 pp. Spanisch. Seller Inventory # 9786206187448
Stock Image
Clasificación de objetos mediante hashing rápido supervisado : para datos de alta dimensión
Published by
Ediciones Nuestro Conocimiento, 2023
ISBN 10: 6206187446
ISBN 13: 9786206187448
New
Taschenbuch
Seller: AHA-BUCH GmbH, Einbeck, Germany
Seller rating 5 out of 5 stars
Taschenbuch. Condition: Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - Este libro resume La principal preocupación del hashing supervisado es convertir las características originales en códigos binarios cortos que puedan mantener la similitud de etiquetas en el espacio de Hamming. Debido a su gran capacidad de generalización, las funciones hash no lineales han demostrado ser superiores a las lineales. Las funciones kernel se utilizan con frecuencia en la literatura para crear hashing no lineal, lo que resulta en un rendimiento de recuperación alentador pero largos tiempos de evaluación y entrenamiento. Aquí sugerimos utilizar árboles de decisión potenciados, que son rápidos de entrenar y evaluar y, por tanto, más adecuados para el hashing con datos de alta dimensión. Como parte de la mejora continua, primero sugerimos formulaciones submodulares para el problema de la inferencia de códigos binarios de hashing, así como una técnica eficaz de búsqueda por bloques basada en Graph Cut para la inferencia a gran escala. A continuación, entrenamos árboles de decisión potenciados que se adaptan a los códigos binarios para aprender funciones hash. Los experimentos demuestran que, en términos de precisión de la recuperación y duración del entrenamiento, la estrategia que proponemos supera con creces a la mayoría de los métodos más avanzados. Seller Inventory # 9786206187448