Extreme Learning Machine (ELM) is o

Extreme Learning Machine (ELM) is one of the artificial neural network method that introduced by Huang, this method has very
fast learning capability. ELM is designed for balance data. Common problems in real-life is imbalanced data problem. So, for
imbalanced data problem needs special treatment, because characteristics of the imbalanced data can decrease the accuracy of
the data classification. The proposed method in this study is modified ELM to overcome the problems of imbalanced data by
integrating the data selection process, which is called by Integrating the data selection and extreme learning machine (IDELM.
Performances of learning method are evaluated using 13 imbalanced data from UCI Machine Learning Repository and Benchmark
Data Sets for Highly Imbalanced Binary Classification (BDS). The validation includes comparison with some learning algorithms
and the result showcases that average perform of our proposed learning method is compete and even outperform of some algorithm
in some cases

ผลลัพธ์ (ไทย) 1:

เครื่องเรียนรู้มาก (เอล์ม) เป็นหนึ่งในวิธีโครงข่ายประสาทเทียมที่นำ โดยหวง วิธีการนี้มีมากความสามารถในการเรียนรู้อย่างรวดเร็ว เอล์มถูกออกแบบมาสำหรับข้อมูลยอดดุล ปัญหาในชีวิตจริงมีปัญหาข้อมูล imbalanced ดังนั้น สำหรับปัญหาข้อมูล imbalanced ต้องรักษาพิเศษ เนื่องจากลักษณะของข้อมูล imbalanced สามารถลดความแม่นยำของการจัดประเภทข้อมูล มีการปรับเปลี่ยนวิธีการนำเสนอในการศึกษานี้เอล์มเพื่อเอาชนะปัญหาข้อมูล imbalanced โดยรวมการเลือกข้อมูล ซึ่งถูกเรียก โดยรวมข้อมูลและเครื่องจักรการเรียนรู้มาก (IDELMของวิธีการเรียนรู้จะถูกประเมินโดยใช้ข้อมูล imbalanced 13 จาก UCI เครื่องเรียนเก็บและเกณฑ์มาตรฐานชุดข้อมูลสำหรับการจัดประเภทการไบนารี Imbalanced สูง (BDS) เปรียบเทียบกับอัลกอริทึมการเรียนรู้บางอย่างรวมถึงการตรวจสอบและ showcases ผลที่ดำเนินการโดยเฉลี่ยของเรานำเสนอการเรียนรู้วิธีเป็นแข่งขัน และแม้จะมีประสิทธิภาพสูงกว่าของอัลกอริทึมบางในบางกรณี

ผลลัพธ์ (ไทย) 2:

มากเครื่องการเรียนรู้ (ELM)
เป็นหนึ่งในวิธีการที่เครือข่ายประสาทเทียมที่นำโดยหวางวิธีนี้มีมากความสามารถในการเรียนรู้ได้อย่างรวดเร็ว ELM ถูกออกแบบมาสำหรับข้อมูลที่สมดุล ปัญหาที่พบบ่อยในชีวิตจริงปัญหาข้อมูลที่ไม่สมดุล ดังนั้นสำหรับปัญหาข้อมูลที่ไม่สมดุลกับความต้องการการดูแลเป็นพิเศษเพราะลักษณะของข้อมูลที่ไม่สมดุลสามารถลดความถูกต้องของการจัดหมวดหมู่ข้อมูล วิธีการที่นำเสนอในการศึกษาครั้งนี้มีการแก้ไข ELM ที่จะเอาชนะปัญหาของข้อมูลขาดดุลโดยการบูรณาการขั้นตอนการคัดเลือกข้อมูลซึ่งถูกเรียกโดยการบูรณาการการเลือกข้อมูลและเครื่องเรียนรู้มาก(IDELM. การแสดงของวิธีการเรียนรู้ที่ได้รับการประเมินโดยใช้ 13 ข้อมูลที่ไม่สมดุลจาก UCI เครื่องเก็บและการเรียนรู้เกณฑ์มาตรฐานชุดข้อมูลสำหรับการขาดดุลสูงไบนารีการจำแนกประเภท(BDS). โดยการตรวจสอบรวมถึงการเปรียบเทียบกับขั้นตอนวิธีการเรียนรู้บางอย่างและผลที่ได้โชว์ผลงานที่ดำเนินการเฉลี่ยของวิธีการเรียนรู้ที่นำเสนอของเราคือการแข่งขันและยังดีกว่าของขั้นตอนวิธีการบางอย่างในบางกรณี

ผลลัพธ์ (ไทย) 3:

การเรียนรู้เครื่องมาก ( ELM ) เป็นหนึ่งในวิธีที่แนะนำโดยโครงข่ายประสาทเทียม ฮวง วิธีนี้มีความสามารถในการเรียนรู้ที่รวดเร็วมาก
. เอมถูกออกแบบมาเพื่อให้ข้อมูลที่สมดุล ปัญหาที่พบบ่อยในชีวิตจริงมันไม่สมดุล ปัญหาข้อมูล ดังนั้น ปัญหาความต้องการการรักษาพิเศษ
ข้อมูลไม่สมดุล เพราะลักษณะของข้อมูลที่ไม่สมดุลสามารถลดความถูกต้องของ
ข้อมูลการจำแนกวิธีที่เสนอในงานวิจัยนี้ ดัดแปลง Elm ที่จะเอาชนะปัญหาของข้อมูลไม่สมดุลโดย
รวมกระบวนการเลือกข้อมูล ซึ่งเรียกว่า โดยบูรณาการ การเลือกข้อมูลและการเรียนรู้เครื่องมาก ( idelm .
สมรรถนะการจัดการเรียนการสอนจะถูกประเมินโดยใช้ข้อมูลจาก UCI 13 imbalanced การเรียนรู้เครื่องเก็บและมาตรฐาน
ชุดข้อมูลสำหรับการขาดดุลสูง ไบนารี ( ให้ ) การตรวจสอบรวมถึงการเปรียบเทียบกับอัลกอริทึมการเรียนรู้
และผลที่แสดงโชว์โดยเสนอวิธีการสอนของเราจะแข่งขัน และแม้แต่ดีกว่าบางขั้นตอนวิธี
ในบางกรณี