logo
calendar15 май 2023
view2
Asosiy til:Ingliz

ALGORITHM FOR CLASSIFYING DOCUMENTS OF A SCIENTIFIC AND EDUCATIONAL ORGANIZATION USING MACHINE LEARNING METHODS

Fan yo'nalishi:
pdf

646208c2a3489.pdf

PDF

MAQOLA ANNOTATSIYASI

quote
Интеллектуальный анализ используется практически во всех областях техники. Машинное обучение не стоит на месте и постоянно развивается. Учитывая переход современного общества к электронному документообороту, основное предположение в них заключается в том, что обучающие и тестовые данные должны находиться в одном и том же функциональном пространстве и следовать одинаковому распределению. В реальных приложениях это не всегда так. В этом случае можно выделить роль трансферного обучения, поскольку трансферное обучение не использует те же предположения о распределении, что и традиционное машинное обучение, и уменьшает зависимость от целевой задачи и обучающих данных, а также обеспечивает более широкую миграцию знаний. В статье предлагается алгоритм обучения передаче для категоризации документов на основе кластеризации. Для проверки алгоритма также используется эксперимент. Эксперимент показывает, что алгоритм, предложенный в этой статье, имеет свои преимущества.

MUALIFLAR

Teglar

# data mining# Machine Learning# transfer learning# classification of documents# based spatial clustering

Maqolani baholang

0

0 ta

Maqola idintifikatorlari

Foydalanilgan adabiyotlar

1. Marszalek M., Schmid S., Harzalla H., Van de Weyer J. Learning object representations for class recognition of visual objects. In: Seminar on ICCV Visual Recognition Problems. 2007. [1] 2. Mikhalkova L., Mooney R.J. Transfer learning by matching against minimum target data. In: Proc. assoc. to advance the workshop on artificial intelligence transfer learning for complex tasks. 2008 [2] 0 100 200 300 400 500 600 Students' documents Plan Scientific works Teachers documents Departments document Results after clustering before clustering “Raqamli iqtisodiyot” ilmiy-elektron jurnali | №1-son | 2022 97 3. Moreno O., Shapira B., Rokach L., Shani G. (2012) TALMUD—transfer learning for several areas. In: Proceedings of the 21st ACM International Conference on Information and Knowledge Management. 2012. [3] 4. Nam J., Kim S. (2015) Prediction of heterogeneous defects. In: Proceedings of the 10th 2015 Joint Meeting on Fundamentals of Software Engineering. 2015. [4] 5. Ng MK, Wu Q, Ye Y. Collaborative learning with a method based on a joint transition probability graph. In: Proceedings of the 1st International Workshop on Revealing Cross-Domain Knowledge in Web and Social Networks. 2012. [5] 6. W. Dai, Q. Yang, G. Xue and Y.Yu, “Boosting for Transfer learning”, Proc.24 International Conference. Machine Learning, pp.193-200, June 2007. [6] 7. Xinno Jialing Pan, Yang K. Survey on transfer learning. IEEE TKDE, 2009. [7] 8. Dai V, Yang Q, Xue GR, Yu Yu. Boosting for transfer learning. Proceedings of the Twenty-fourth International Conference on Machine Learning, 2007: 193 × 200. [8] 9. Dai Wee, Chen WK, Xue GR, Yang Q, Yu Yu. Transfer learning: Transferring learning to different functional spaces. Advances in Neural Information Processing Systems 21, 2009. [9]

public

SLIB.uz — O'zbekiston ilmiy jurnallari va maqolalar yagona tizimda ilmiy nashirlarni bir joyda ko'rish, izlash va ulardan foydalanish imkonini beruvchi zamonaviy platforma.

Ijtimoiy tarmoqlarda
instagramtelegramyoutubefacebook

Bog'lanish uchun

Manzil:Chilonzor tumani Qatortol ko'chasi 60B

Tel:+998(55)511-44-00

Savol-javob va takliflar uchun

© 2026 Barcha huquqlar himoyalangan.