ترجمه مقاله طبقه بندی سند در شبکه های عصبی با استفاده از نمونه های فقط مثبت - نشریه ACM

قیمت خرید این محصول

۲۳,۰۰۰ تومان

دانلود رایگان نمونه دانلود مقاله انگلیسی

عنوان فارسی

طبقه بندی سند در شبکه های عصبی با استفاده از نمونه های فقط مثبت

عنوان انگلیسی

Document Classification on Neural Networks Using Only Positive Examples

صفحات مقاله فارسی

6

صفحات مقاله انگلیسی

3

سال انتشار

2000

نشریه

ACM

فرمت مقاله انگلیسی

PDF

فرمت ترجمه مقاله

ورد تایپ شده

رفرنس

دارد

کد محصول

5201

وضعیت فرمولها و محاسبات در فایل ترجمه

به صورت عکس، درج شده است

رشته های مرتبط با این مقاله

مهندسی کامپیوتر

گرایش های مرتبط با این مقاله

مهندسی نرم افزار و هوش مصنوعی

مجله

کنفرانس تحقیق و توسعه در بازیابی اطلاعات

دانشگاه

گروه علوم کامپیوتر، دانشگاه حیفا، اسرائیل

فهرست مطالب

خلاصه
1- مقدمه
۲-رده بندی کننده ی شبکه های عصبی
۲.۱ نماینده ی ( نمایش) متن و انتخاب شاخصه
۲.۲ حاصلضرب هادامارد
۳. مجموعه داده ها, آزمایشات و نتایج
۳.۱ رویتر ۲۱۵۷۸
۴- خلاصه
۵- سپاسگذاری

نمونه چکیده متن اصلی انگلیسی

1. Introduction

The goal of this research is to develop a filter that can examine a corpus of documents and choose those of interest. This requires a method of defining what it means to be "of interest" and a method of matching the documents to this definition. It is natural and convenient to assume that the definition of interest be learned (see also [4] and [6] ) by observing examples, and, in this context, it is pertinent to assume only positive examples. That is, one can have a sample set of examples of documents which are "interesting" and from this set develop a filter which can be applied to select other such "interesting" documents. The reason for using only positive examples is that one can (i) obtain such examples simply by observation; i.e. for many applications an "active" teacher will not be necessary (ii) in many contexts, it is easier to find "typical" examples rather than typical "nonexamples". See [2] for other papers on the use of positive examples only.

نمونه چکیده ترجمه متن فارسی

1. مقدمه
هدف از این پژوهش توسعه ی فیلتری است که بتواند مجموعه ای از اسناد را مورد آزمون قرار دهد و آنهایی را که جالب توجه است انتخاب نماید. این امر مستلزم یک روش است که تعریف کند که کدام نمونه ها " جالب توجه" هستند و نیاز به یک روش تطبیق اسناد با این تعریف دارد. این طبیعی و راحت است که فرض کنیم تعریف جالب توجه بودن با مشاهده ی نمونه ها فراگرفته شده است ( مراجع ۴ و ۶ را ببینید) , در این زمینه مقتضی است که فقط نمونه های مثبت را در نظر بگیریم. یعنی می توان یک مجموعه نمونه از اسناد داشته باشیم که " جالب توجه" تلقی شوند و از این مجموعه یک فیلتر توسعه دهد که بتواند برای انتخاب اسناد جالب توجه دیگر به کار گرفته شود. دلیل استفاده از نمونه های فقط مثبت این است که می توان (i) چنین نمونه هایی را به سادگی از طریق مشاهده به دست آورد, یعنی برای بسیاری از برنامه ها یک معلم فعال نیاز نخواهد بود و (ii) در بسیاری از این زمینه ها یافتن نمونه های معمولی نسبت به غیر نمونه ها آسان تر است. مرجع ۲ را برای سایر مقالات در زمینه ی استفاده از نمونه های فقط مثبت مشاهده کنید.

برچسب‌ها: دانلود رایگان مقالات انگلیسی مهندسی کامپیوتر، دانلود رایگان مقالات انگلیسی هوش مصنوعی