Indiziert in
- Datenbank für wissenschaftliche Zeitschriften
- Öffnen Sie das J-Tor
- Genamics JournalSeek
- JournalTOCs
- Forschungsbibel
- Ulrichs Zeitschriftenverzeichnis
- Elektronische Zeitschriftenbibliothek
- RefSeek
- Hamdard-Universität
- EBSCO AZ
- OCLC – WorldCat
- Gelehrtersteer
- SWB Online-Katalog
- Virtuelle Bibliothek für Biologie (vifabio)
- Publons
- MIAR
- Genfer Stiftung für medizinische Ausbildung und Forschung
- Euro-Pub
- Google Scholar
Nützliche Links
Teile diese Seite
Zeitschriftenflyer
Open-Access-Zeitschriften
- Allgemeine Wissenschaft
- Biochemie
- Bioinformatik und Systembiologie
- Chemie
- Genetik und Molekularbiologie
- Immunologie und Mikrobiologie
- Klinische Wissenschaften
- Krankenpflege und Gesundheitsfürsorge
- Landwirtschaft und Aquakultur
- Lebensmittel & Ernährung
- Maschinenbau
- Materialwissenschaften
- Medizinische Wissenschaften
- Neurowissenschaften und Psychologie
- Pharmazeutische Wissenschaften
- Umweltwissenschaften
- Veterinärwissenschaften
- Wirtschaft & Management
Abstrakt
Anwendung von WEKA für maschinelles Lernen mit genetischen Algorithmen und Backpropagation-Neuralnetzen
Zeeshan Ahmed und Saman Zeeshan
Maschinelles Lernen zielt darauf ab, die Analyse, Optimierung, Klassifizierung und Vorhersage komplexer Systemdaten mithilfe verschiedener mathematischer und statistischer Algorithmen zu erleichtern. In dieser Forschung sind wir daran interessiert, den Prozess zur Schätzung der besten optimalen Eingabeparameter zum Trainieren von Netzwerken zu etablieren. Unter Verwendung von WEKA implementiert dieses Dokument einen Klassifikator mit Backpropagation-Neuralnetzwerken und genetischem Algorithmus zur effizienten Datenklassifizierung und -optimierung. Der implementierte Klassifikator kann eine Reihe von Populationen in gegebenen Datensätzen lesen und analysieren und schätzt auf der Grundlage der identifizierten Population Artenarten in einer Population, verborgene Schichten, Momentum, Genauigkeit, richtige und falsche Instanzen.