In this paper, Meta-Learning is ext

In this paper, Meta-Learning is extended to handle the
imprecision and uncertainty of the local models and the
vagueness that characterizes the meta-learning process.
The proposed approach, Fuzzy Meta-Learning, uses a
fuzzy inductive algorithm to meta-learn a global model
from the degrees of certainty of the output of local classifiers.
This way more accurate models can be acquired
from data with application both to inherently distributed
databases and parts of a very large database.

ผลลัพธ์ (ไทย) 1:

ในเอกสารนี้ Meta-เรียนขยายการจัดการการimprecision และความไม่แน่นอนของรูปแบบท้องถิ่นและvagueness ที่ระบุลักษณะของกระบวนการเรียน meta-ใช้วิธีนำเสนอ Fuzzy Meta-เรียน การขั้นตอนวิธีเชิงอุปนัยเอิบกับ meta-เรียนรู้รูปแบบสากลจากองศาของความเชื่อมั่นของของคำนามภาษาท้องถิ่นวิธีนี้สามารถซื้อรุ่นที่ถูกต้องมากขึ้นจากข้อมูลกับโปรแกรมประยุกต์ทั้งสองมีความกระจายฐานข้อมูลและส่วนของฐานข้อมูลมีขนาดใหญ่มาก

ผลลัพธ์ (ไทย) 2:

ในบทความนี้ Meta-Learning จะขยายไปยังจัดการไม่แน่ชัดและความไม่แน่นอนของรูปแบบท้องถิ่นและความไม่ชัดเจนว่าลักษณะกระบวนการเมตาการเรียนรู้. วิธีการที่นำเสนอเลือน Meta-Learning, ใช้ขั้นตอนวิธีการอุปนัยเลือนไปmeta-เรียนรู้ทั่วโลก รูปแบบจากองศาของความเชื่อมั่นของการส่งออกของลักษณนามท้องถิ่น. วิธีนี้แบบถูกต้องมากขึ้นสามารถซื้อได้จากข้อมูลที่มีการประยุกต์ใช้ทั้งสองอย่างโดยเนื้อแท้กระจายฐานข้อมูลและชิ้นส่วนของฐานข้อมูลที่มีขนาดใหญ่มาก

ผลลัพธ์ (ไทย) 3:

ในกระดาษนี้ , meta การเรียนรู้ขยายจัดการ
คลุมเครือและไม่แน่นอนของรุ่นท้องถิ่นและความคลุมเครือที่ characterizes

Meta การเรียนรู้กระบวนการ วิธีการที่เสนอแบบ meta , การเรียนรู้ , การใช้ขั้นตอนวิธีแบบฟัซซี่

Meta เรียนรู้แบบสากลจากองศาที่แน่นอนของผลผลิตที่มีในท้องถิ่น
วิธีนี้แบบถูกต้องมากขึ้นสามารถซื้อ
จากข้อมูลที่มีการกระจาย
ฐานข้อมูลทั้งโดยเนื้อแท้และส่วนของฐานข้อมูลขนาดใหญ่มาก