Zobrazeno 1 - 10
of 63
pro vyhledávání: '"Kaden, Marika"'
Publikováno v:
In Neurocomputing 14 October 2023 554
An appropriate choice of the activation function (like ReLU, sigmoid or swish) plays an important role in the performance of (deep) multilayer perceptrons (MLP) for classification and regression learning. Prototype-based classification learning metho
Externí odkaz:
http://arxiv.org/abs/1901.05995
Autor:
Kaden, Marika
This thesis deals with the integration of auxiliary data knowledge into machine learning methods especially prototype based classification models. The problem of classification is diverse and evaluation of the result by using only the accuracy is not
Externí odkaz:
https://ul.qucosa.de/id/qucosa%3A14833
https://ul.qucosa.de/api/qucosa%3A14833/attachment/ATT-0/
https://ul.qucosa.de/api/qucosa%3A14833/attachment/ATT-0/
Publikováno v:
In Neurocomputing 1 September 2022 502:27-36
Publikováno v:
In Neurocomputing 25 August 2020 403:121-132
Autor:
Kaden, Marika1,2 (AUTHOR), Bohnsack, Katrin Sophie1,2 (AUTHOR), Weber, Mirko1,2 (AUTHOR), Kudła, Mateusz1,3 (AUTHOR), Gutowska, Kaja3,4,5 (AUTHOR), Blazewicz, Jacek3,4,5 (AUTHOR), Villmann, Thomas1,2 (AUTHOR) thomas.villmann@hs-mittweida.de
Publikováno v:
Neural Computing & Applications. Jan2022, Vol. 34 Issue 1, p67-78. 12p.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
In Neurocomputing 5 January 2015 147:83-95
Autor:
Villmann, Thomas, Staps, Daniel, Ravichandran, Jensun, Saralajew, Sascha, Biehl, Michael, Kaden, Marika, Bouadi, Tassadit, Fromont, Elisa, Hüllermeier, Eyke
Publikováno v:
Advances in Intelligent Data Analysis XX-20th International Symposium on Intelligent Data Analysis, IDA 2022, Proceedings, 354-364
STARTPAGE=354;ENDPAGE=364;TITLE=Advances in Intelligent Data Analysis XX-20th International Symposium on Intelligent Data Analysis, IDA 2022, Proceedings
Lecture Notes in Computer Science ISBN: 9783031013324
STARTPAGE=354;ENDPAGE=364;TITLE=Advances in Intelligent Data Analysis XX-20th International Symposium on Intelligent Data Analysis, IDA 2022, Proceedings
Lecture Notes in Computer Science ISBN: 9783031013324
We present a method, which allows to train a Generalized Matrix Learning Vector Quantization (GMLVQ) model for classification using data from several, maybe non-calibrated, sources without explicit transfer learning. This is achieved by using a siame
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::5e09606c31581e7869edbe1f3f01855c
https://doi.org/10.1007/978-3-031-01333-1_28
https://doi.org/10.1007/978-3-031-01333-1_28
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.