文献
J-GLOBAL ID:202002234157764560
整理番号:20A2220608
平坦ランダムフォレスト:深層森林へのより良いトレーニング効率と適応モデルサイズのための新しいアンサンブル学習法【JST・京大機械翻訳】
Flat random forest: a new ensemble learning method towards better training efficiency and adaptive model size to deep forest
著者 (4件):
Liu Peng
(National Joint Engineering Laboratory of Internet Applied Technology of Mines, China University of Mining and Technology, Xuzhou, Jiangsu, China)
,
Wang Xuekui
(Alibaba Group, Hangzhou, Zhejiang, China)
,
Yin Liangfei
(School of Information and Control Engineering, China University of Mining and Technology, Xuzhou, Jiangsu, China)
,
Liu Bing
(School of Computer Science and Technology, China University of Mining and Technology, Xuzhou, Jiangsu, China)
資料名:
International Journal of Machine Learning and Cybernetics
(International Journal of Machine Learning and Cybernetics)
巻:
11
号:
11
ページ:
2501-2513
発行年:
2020年
JST資料番号:
W4478A
ISSN:
1868-8071
資料種別:
逐次刊行物 (A)
記事区分:
原著論文
発行国:
ドイツ (DEU)
言語:
英語 (EN)