无监督学习

无监督学习(英语:unsupervised learning),又称非监督式学习,是机器学习的一种方法,没有给定事先标记过的训练示例,自动对输入的资料进行分类或分群。无监督学习的主要运用包含:聚类分析(cluster analysis)、关系规则(association rule)、维度缩减(dimensionality reduce)。它是监督式学习和强化学习等策略之外的一种选择。一个常见的无监督学习是数据聚类。在人工神經网络中,生成对抗网络(GAN)、自组织映射(SOM)和适应性共振理论(ART)则是最常用的非监督式学习。ART模型允许集群的个数可随着问题的大小而变动,并让用户控制成员和同一个集群之间的相似度分数,其方式为透过一个由用户自定而被称为警觉参数的常量。ART也用于模式识别,如自动目标识别和数字信号处理。第一个版本为"ART1",是由卡本特和葛罗斯柏格所发展的。

2024第五届电气工程,机械工程与自动化国际会议(ICEEMEA2024)涵盖主题包括但不仅限于无监督学习等领域,会议组委会诚邀全球相关领域的学者、专家参加此次国际会议,就相关热点问题进行探讨、交流,共同促进科学研究的进步与发展。

会议征稿

2024第五届电气工程,机械工程与自动化国际会议(ICEEMEA2024)诚邀学者、专家提交他们的研究摘要、论文并参会交流。

ICEEMEA2024 的摘要与全文投稿通道已开放,欢迎您提交摘要和全文:

摘要出版

会议接受英文摘要投稿,摘要录用后,将以会议摘要集的形式由 Science Publishing Group (SciencePG) 出版。

全文出版

论文全文被录用后,将根据主题在线出版在 Science Publishing Group (SciencePG) 的相关期刊上。合作期刊可被部分国外的检索机构检索,如WorldCat, CrossRef, Electronic Journals Library, Zeitschriftendatenbank, EZB, ResearchBib, Polish Scholarly Bibliography, Wissenschaftszentrum Berlin等。

© 2015-2024第五届电气工程,机械工程与自动化国际会议 版权所有