This paper is concerned with the pr

This paper is concerned with the problem of using both labeled and unlabeled data to train a radial basis function network. The usefulness and the contribution of unlabeled data is shown. Three methods are proposed and evaluated. Two of them have shown a better performance in the context of learning from hybrid data. Furthermore, the paper

ผลลัพธ์ (ไทย) 1:

กระดาษนี้จะเกี่ยวข้องกับปัญหาของการใช้ข้อมูลทั้งป้าย และไม่ฝึกเครือข่ายฟังก์ชันฐานรัศมี แสดงประโยชน์และสัดส่วนของข้อมูลไม่ สามวิธีการนำเสนอ และประเมิน สองของพวกเขาได้แสดงประสิทธิภาพที่ดีในบริบทของการเรียนรู้จากข้อมูลแบบผสมผสาน นอกจากนี้ กระดาษ

ผลลัพธ์ (ไทย) 2:

บทความนี้เป็นเรื่องที่เกี่ยวข้องกับปัญหาของการใช้ข้อมูลที่มีข้อความและไม่มีชื่อกำกับทั้งการฝึกอบรมเครือข่ายการทำงานพื้นฐานรัศมี ประโยชน์และมีส่วนร่วมของข้อมูลที่ไม่มีป้ายกำกับการแสดง สามวิธีที่จะนำเสนอและประเมินผล พวกเขาทั้งสองได้แสดงให้เห็นประสิทธิภาพที่ดีขึ้นในบริบทของการเรียนรู้จากข้อมูลที่ไฮบริด นอกจากนี้กระดาษ

ผลลัพธ์ (ไทย) 3:

บทความนี้เกี่ยวข้องกับปัญหาของการใช้ทั้งข้อความและข้อมูลใกล้เคียงกัน รถไฟรัศมีพื้นฐานการทำงานของเครือข่าย ประโยชน์และสนับสนุนข้อมูลใกล้เคียงกันแสดง ทั้ง 3 วิธีมีการเสนอและประเมิน สองของพวกเขาได้แสดงประสิทธิภาพที่ดีขึ้นในบริบทของการเรียนรู้จากข้อมูลแบบผสม นอกจากนี้ กระดาษ