2.2 Adjouadi et al. [8] In this pap

2.2 Adjouadi et al. [8]
In this paper, The ANN technique classifies normal vs abnormal (i.e., ALL and AML) blood samples. The authors reported classification. Hugo Jair Escalante,Manuel Montes. [9] Proposed PSMS is the application of particle swarm optimization (PSO) to the problem of full model selection (FMS) Given a pool of methods for data preprocessing, feature selection, and pattern classification, and a data set associated with a classification task, FMS is the task of selecting the best combination of methods such that an estimate of generalization performance is maximized for the classification task. In addition, the hyper-parameters must be optimized for each of the selected methods. Thus, PSMSmay be considered as a black-box tool that receives the input data set for a classification task and returns a very effective classification model. A full model is comprised of the serial application of preprocessing, feature selection, and classification methods. For example, in the challenge learning object package (CLOP) [10], (the machine learning toolbox considered in this study), a sample full model is as follows:

ผลลัพธ์ (ไทย) 1:

2.2 Adjouadi et al. [8] ในเอกสารนี้ แอนเดอะเทคนิคแบ่งประเภทปกติ vs ผิดปกติ (เช่น ทั้งหมด และภาษา) เลือดตัวอย่าง ผู้เขียนรายงานประเภท Escalante Jair Hugo มานูเอล Montes [9] พีเอสเอ็มเอสเสนอเป็นแอพลิเคชันของอนุภาคบินว่อน (PSO) ปัญหาการเลือกเต็มรูปแบบ (FMS) กำหนดกลุ่มของวิธีการประมวลผลเบื้องต้นข้อมูล เลือกคุณลักษณะ และการจัดประเภทรูปแบบ และชุดข้อมูลที่เกี่ยวข้องกับงานจัดประเภท FMS เป็นงานของการเลือกชุดที่ดีที่สุดวิธีที่การประเมินประสิทธิภาพ generalization ถูกขยายสำหรับงานประเภท นอกจากนี้ ต้องสุดไฮเปอร์พารามิเตอร์สำหรับแต่ละวิธีที่เลือก ดังนั้น PSMSmay ถือว่าเป็นเครื่องมือกล่องสีดำที่รับชุดข้อมูลป้อนเข้าสำหรับงานจัดประเภท และส่งกลับแบบจัดประเภทอย่างมีประสิทธิภาพ ประกอบด้วยแบบเต็มของโปรแกรมชุดประมวลผลเบื้องต้น การเลือกคุณลักษณะ และวิธีการจัดประเภท ตัวอย่าง ในความท้าทายที่วัตถุแพคเกจ (CLOP) [10], (เครื่องมือถือในการศึกษานี้การเรียนรู้) การเรียนรู้ แบบเต็มตัวอย่างจะเป็นดังนี้:

ผลลัพธ์ (ไทย) 2:

2.2 Adjouadi และคณะ [8]
ในงานวิจัยนี้ใช้เทคนิคการจัด ANN ปกติ vs ผิดปกติ (เช่น ALL และ AML) ตัวอย่างเลือด ผู้เขียนรายงานการจัดหมวดหมู่ ฮิวโก้ยาอีร์ลันเต, มานูเอลเญิ [9] เสนอ PSMS เป็นโปรแกรมของการเพิ่มประสิทธิภาพจับกลุ่มอนุภาค (PSO) กับปัญหาของการเลือกรูปแบบเต็มรูปแบบ (FMS) ให้สระว่ายน้ำของวิธีการในการประมวลผลเบื้องต้นข้อมูลการเลือกคุณลักษณะและการจัดรูปแบบและชุดข้อมูลที่เกี่ยวข้องกับงานการจัดหมวดหมู่ , FMS เป็นงานของการเลือกชุดที่ดีที่สุดของวิธีการดังกล่าวว่าการประเมินผลการดำเนินงานทั่วไปเป็น maximized สำหรับงานการจัดหมวดหมู่ นอกจากนี้พารามิเตอร์ Hyper-จะต้องปรับให้เหมาะสมกับแต่ละวิธีที่เลือก ดังนั้น PSMSmay ได้รับการพิจารณาเป็นเครื่องมือในกล่องดำที่ได้รับการป้อนข้อมูลที่กำหนดไว้สำหรับการจัดงานและผลตอบแทนรูปแบบการจัดหมวดหมู่ที่มีประสิทธิภาพมาก แบบเต็มรูปแบบประกอบด้วยโปรแกรมอนุกรมของ preprocessing การเลือกคุณลักษณะและวิธีการจัดหมวดหมู่ ยกตัวอย่างเช่นในการเรียนรู้สิ่งที่ท้าทายแพคเกจวัตถุ (clop) [10] (กล่องเครื่องมือการเรียนรู้เครื่องการพิจารณาในการศึกษาครั้งนี้) ซึ่งเป็นรูปแบบเต็มตัวอย่างดังต่อไปนี้:

ผลลัพธ์ (ไทย) 3:

2.2 adjouadi et al . [ 8 ]
ในกระดาษนี้ , เทคนิคแอนจัดว่าปกติและผิดปกติ ( เช่น ทั้งหมด และ AML ) ตัวอย่างเลือด ผู้เขียนรายงานการจำแนกประเภท ฮิวโก้ยาอีร์ Escalante , มานูเอลเญิน . [ 9 ] เสนอ psms คือการเพิ่มประสิทธิภาพของฝูงอนุภาค ( PSO ) ปัญหาของการเลือกแบบเต็ม ( FMS ) ได้รับสระว่ายน้ำของวิธีการข้อมูล preprocessing , การเลือกคุณลักษณะและการจำแนกรูปแบบและชุดข้อมูลที่เกี่ยวข้องกับการจำแนกงาน FMS คืองานของการเลือกชุดที่ดีที่สุดของวิธีการดังกล่าวว่า การประเมินประสิทธิภาพของการเป็น maximized เพื่อการจำแนกงาน นอกจากนี้ พารามิเตอร์ ไฮเปอร์ต้องเหมาะสำหรับแต่ละของการเลือกวิธีการ ดังนั้นpsmsmay เป็นสีดำกล่องเครื่องมือที่ได้รับข้อมูลการตั้งค่าสำหรับรูปแบบการจำแนกหมวดหมู่งานและผลตอบแทนที่มีประสิทธิภาพมาก แบบเต็มรูปแบบประกอบด้วยอนุกรมการ preprocessing , การเลือกคุณลักษณะและวิธีการจำแนก . ตัวอย่างเช่น ในความท้าทายการเรียนรู้วัตถุ ( เสียงดังกอบๆ ) [ 10 ] ( การเรียนรู้ของเครื่องกล่องเครื่องมือพิจารณาในการศึกษานี้ )ตัวอย่างเต็มรูปแบบจะเป็นดังนี้ :