Name: Classificazione degli oggetti mediante hashing veloce supervisionato (en Italiano)
SKU: 59047081
Price: 185143.00 COP
Availability: InStock
Author: Kumar, M. Aravind

portada Classificazione degli oggetti mediante hashing veloce supervisionato (en Italiano)

Classificazione degli oggetti mediante hashing veloce supervisionato (en Italiano)

Formato

Libro Físico

Editorial

Edizioni Sapienza

Autor

Kumar, M. Aravind

Idioma

Italiano

N° páginas

Encuadernación

Tapa Blanda

Dimensiones

22.9x15.2x0.5 cm

Peso

0.12 kg.

ISBN13

9786206187462

Categorías

Empresa y gestión

Classificazione degli oggetti mediante hashing veloce supervisionato (en Italiano)

Kumar, M. Aravind (Autor) · Edizioni Sapienza · Tapa Blanda

Libro Nuevo Importado

Envío: 20 a 24 días háb.

$ 336.623$ 185.143

-45%

Costos de importación incluídos en el precio ✅

Libro Nuevo

Quedan 10 unidades

$ 185.143

¡Envío Gratis! Llega entre el 16 Sep y el 23 Sep a Bogota, Cundinamarca. Seleccionar ubicación

Agregar a lista de deseos

Reseña del libro "Classificazione degli oggetti mediante hashing veloce supervisionato (en Italiano)"

Questo libro riassume L'obiettivo principale dell'hashing supervisionato è quello di convertire le caratteristiche originali in brevi codici binari in grado di mantenere la somiglianza delle etichette nello spazio di Hamming. Grazie alla loro forte capacità di generalizzazione, le funzioni hash non lineari hanno dimostrato di essere superiori a quelle lineari. In letteratura si utilizzano spesso funzioni kernel per creare hashing non lineari, con prestazioni di recupero incoraggianti ma lunghi tempi di valutazione e addestramento. In questa sede, suggeriamo di utilizzare alberi decisionali boosted, che sono veloci da addestrare e valutare e quindi più adatti all'hashing con dati ad alta dimensionalità. Nell'ottica di un miglioramento continuo, proponiamo innanzitutto formulazioni submodulari per l'inferenza del codice binario di hashing e un'efficace tecnica di ricerca a blocchi basata sul Graph Cut per l'inferenza su larga scala. Poi, addestriamo alberi decisionali potenziati per adattarli ai codici binari e imparare le funzioni hash. Gli esperimenti dimostrano che in termini di precisione di recupero e di durata dell'addestramento, la strategia da noi proposta supera di gran lunga la maggior parte dei metodi all'avanguardia.