期刊专题

10.3969/j.issn.2095-2163.2019.02.013

基于多个在线核极限学习机的并行模型训练算法

引用
针对传统数据处理技术对多个极限学习机的训练问题,由于串行数据处理方式中,会造成时间复杂度的增加,根据大数据的特征以及数据处理技术,提出基于MapReduce的多个在线核极限学习机模型的并行算法,可使一个MapReduce作业完成多个模型的预测.通过算例测试验证了本文的基于MapReduce集成算法可以有效地提高模型的准确度和实时的训练速度.

在线极限学习机、集成学习、MapReduce、并行算法

9

TP18(自动化基础理论)

2019-03-18(万方平台首次上网日期,不代表论文的发表时间)

共6页

57-62

暂无封面信息
查看本期封面目录

智能计算机与应用

2095-2163

23-1573/TN

9

2019,9(2)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn