In this paper, the Fuzzy Meta-Learn

In this paper, the Fuzzy Meta-Learning methodology for
distributed data mining was introduced and preliminary
results from its application to real-world data were presented.
As the experimental results exhibited, it leads to
models of collective knowledge with increased accuracy.
The use of the proposed schemes that take into consideration
the uncertainty of the base models has repeatedly led
to meta-models with increased predictive performance.
The use of a fuzzy inductive algorithm for meta-learning
has also shown promising signs in terms of accuracy. Although
no general claims can at this point be made about
the efficiency of this approach due to limited experiments,
the results are encouraging for further research.

ผลลัพธ์ (ไทย) 1:

ในเอกสารนี้ ระหว่างเรียน Meta-เอิบสำหรับการทำเหมืองข้อมูลที่กระจายเป็นเบื้องต้น และนำมีแสดงผลจากโปรแกรมประยุกต์ของข้อมูลจริงเป็นผลการทดลองจัดแสดง จะนำไปสู่การรุ่นรวมความรู้และมีความแม่นยำเพิ่มขึ้นการใช้โครงร่างเสนอที่พิจารณาซ้ำ ๆ ได้นำความไม่แน่นอนของแบบจำลองพื้นฐานmeta-รุ่นด้วยการมอบประสิทธิภาพเพิ่มขึ้นใช้ขั้นตอนวิธีเชิงอุปนัย fuzzy การเรียน meta-นอกจากนี้ยังได้แสดงสัญญาณว่าในแง่ของความถูกต้อง ถึงแม้ว่าไม่เรียกร้องทั่วไปณจุดนี้จะเกี่ยวกับประสิทธิภาพของวิธีการนี้เนื่องจากทดลองจำกัดผลลัพธ์เป็นนิมิตสำหรับการวิจัยเพิ่มเติม

ผลลัพธ์ (ไทย) 2:

ในบทความนี้เลือนวิธี Meta-Learning สำหรับการทำเหมืองข้อมูลกระจายได้รับการแนะนำและเบื้องต้นผลลัพธ์ที่ได้จากการประยุกต์ใช้ข้อมูลจริงของโลกที่มีการนำเสนอ. ในฐานะที่เป็นผลการทดลองแสดงจะนำไปสู่รูปแบบของความรู้โดยรวมที่มีความแม่นยำที่เพิ่มขึ้น. การใช้งานของ รูปแบบที่นำเสนอที่คำนึงถึงความไม่แน่นอนของรุ่นฐานได้นำไปซ้ำกับรุ่นmeta-มีประสิทธิภาพการทำงานที่เพิ่มขึ้นคาดการณ์. การใช้ขั้นตอนวิธีการอุปนัยเลือนสำหรับเมตาเลิร์นนิงยังแสดงให้เห็นสัญญาณที่มีแนวโน้มในแง่ของความถูกต้อง แม้ว่าจะไม่มีการเรียกร้องทั่วไปสามารถที่จุดนี้จะทำเกี่ยวกับประสิทธิภาพของวิธีการทดลองเนื่องจากการจำกัด นี้, ผลลัพธ์ที่จะส่งเสริมให้สำหรับการวิจัยต่อไป

ผลลัพธ์ (ไทย) 3:

ในกระดาษนี้ , fuzzy Meta วิธีการเรียนรู้เพื่อกระจายข้อมูลเหมืองแร่แนะนำ

และผลเบื้องต้นจากใบสมัคร ข้อมูลใหม่ถูกนำเสนอ
เป็นผลเมื่อมันนำไปสู่รูปแบบของความรู้ที่เพิ่มขึ้นรวม

ใช้ความถูกต้อง ของการเสนอโครงร่างที่พิจารณา
ความไม่แน่นอนของ ฐานแบบมี LED
ซ้ำๆรุ่น Meta ที่มีประสิทธิภาพสามารถเพิ่ม .
ใช้ขั้นตอนวิธีการเรียนรู้แบบฝอย
Meta ยังแสดงสัญญาณว่า ในแง่ของความถูกต้อง แม้ว่า
ไม่เรียกร้องทั่วไปสามารถที่จุดนี้จะทำเกี่ยวกับ
ประสิทธิภาพของวิธีการนี้ เนื่องจากการทดลองจำกัด
ผลกระตุ้นให้มีการวิจัยต่อไป