Nuevo algoritmo propuesto para seleccionar variables de manera eficiente
Nuevo algoritmo eficiente para seleccionar variables
.fav_bar { float:left; border:1px solid #a7b1b5; margin-top:10px; margin-bottom:20px; } .fav_bar span.fav_bar-label { text-align:center; padding:8px 0px 0px 0px; float:left; margin-left:-1px; border-right:1px dotted #a7b1b5; border-left:1px solid #a7b1b5; display:block; width:69px; height:24px; color:#6e7476; font-weight:bold; font-size:12px; text-transform:uppercase; font-family:Arial, Helvetica, sans-serif; } .fav_bar a, #plus-one { float:left; border-right:1px dotted #a7b1b5; display:block; width:36px; height:32px; text-indent:-9999px; } .fav_bar a.fav_de { background: url(../images/icons/de.gif) no-repeat 0 0 #fff } .fav_bar a.fav_de:hover { background: url(../images/icons/de.gif) no-repeat 0 0 #e6e9ea } .fav_bar a.fav_acm_digital { background:url(‘../images/icons/acm_digital_library.gif’) no-repeat 0px 0px #FFF; } .fav_bar a.fav_acm_digital:hover { background:url(‘../images/icons/acm_digital_library.gif’) no-repeat 0px 0px #e6e9ea; } .fav_bar a.fav_pdf { background:url(‘../images/icons/pdf.gif’) no-repeat 0px 0px #FFF; } .fav_bar a.fav_pdf:hover { background:url(‘../images/icons/pdf.gif’) no-repeat 0px 0px #e6e9ea; } .fav_bar a.fav_more .at-icon-wrapper{ height: 33px !important ; width: 35px !important; padding: 0 !important; border-right: none !important; } .a2a_kit { line-height: 24px !important; width: unset !important; height: unset !important; padding: 0 !important; border-right: unset !important; border-left: unset !important; } .fav_bar .a2a_kit a .a2a_svg { margin-left: 7px; margin-top: 4px; padding: unset !important; }

Investigadores en el Instituto de Ciencias Físicas de la Academia China de Ciencias desarrollaron un algoritmo de selección variable para aplicaciones en quimiometría.
El algoritmo de selección y contracción suave de múltiples vectores de peso óptimos (MWO-BOSS) tiene como objetivo hacer más eficiente el proceso de identificación de una combinación de longitudes de onda óptima al desarrollar modelos de predicción espectral.
MWO-BOSS selecciona el vector de peso óptimo entre seis vectores de peso (relación de selectividad, importancia variable en la proyección, vector de frecuencia, inverso del vector de varianza residual, coeficiente de regresión y correlación multivariante significativa) para extraer información valiosa del espectro utilizando una estrategia de búsqueda de umbral.
En pruebas con conjuntos de datos disponibles públicamente, el algoritmo tuvo éxito al elegir variables de manera eficiente y mejorar la capacidad predictiva del modelo. Desde la Academia China de Ciencias Ver el artículo completo
- Infundir ética en la IA
- Aprendizaje por Reforzamiento Proceso de Decisión de Markov –...
- 7 mejores herramientas gratuitas de IA para estudiantes y emprended...
Derechos de autor de los resúmenes © 2023 SmithBucklin, Washington, D.C., EE. UU.