Більш швидкий доступ, ніж браузер!
11 відносини: Apache Spark, R-дерево, Weka, Алгоритм Ллойда, Навчання без учителя, Навчання ознак, Сегментація зображення, Мультиспектральне зображення, Метод стохастичного градієнта, Мережа радіальних базисних функцій, Взаємна інформація.
Apache Spark
Apache Spark — високопродуктивний рушій для оброблення даних, що зберігаються в кластері Hadoop.
Новинка!!: Кластеризація методом к–середніх і Apache Spark · Побачити більше »
R-дерево
350px ELKI (куби — адресні сторінки). R-дерево (R-trees) — деревоподібна структура даних, яка використовується для організації доступу до просторових даних, тобто для індексації багатовимірної інформації, такої, наприклад, як географічні координати, прямокутники або многокутники.
Новинка!!: Кластеризація методом к–середніх і R-дерево · Побачити більше »
Weka
Weka (Waikato Environment for Knowledge Analysis) — вільне програмне забезпечення для аналізу даних та машинного навчання, написане на Java в університеті Ваїкато (Нова Зеландія), розповсюджується за ліцензією GNU GPL.
Новинка!!: Кластеризація методом к–середніх і Weka · Побачити більше »
Алгоритм Ллойда
В інформатиці та електротехніці алгоритм Ллойда також відомий як ітерації Вороного чи релаксація.
Новинка!!: Кластеризація методом к–середніх і Алгоритм Ллойда · Побачити більше »
Навчання без учителя
Навчання без вчителя (Unsupervised learning, самоосвіта, спонтанне навчання) — один зі способів машинного навчання, при вирішенні яких випробовувана система спонтанно навчається виконувати поставлене завдання, без втручання з боку експериментатора.
Новинка!!: Кластеризація методом к–середніх і Навчання без учителя · Побачити більше »
Навчання ознак
В машинному навчанні навча́ння озна́к (feature learning) або навча́ння предста́влень (representation learning) — це набір методик навчання ознаки: перетворення сирого входу даних на представлення, яке зможе ефективно використовуватися в завданнях машинного навчання.
Новинка!!: Кластеризація методом к–середніх і Навчання ознак · Побачити більше »
Сегментація зображення
стегнової кістки. Вона показує зовнішню поверхню (червону), поверхню між компактною та губчастою кістковою тканиною (зелену) та поверхню кісткового мозку (синю). З комп'ютерної точки зору, сегментація — це процес розділення цифрового зображення на декілька сегментів (множина пікселів, які часто називають суперпікселями).
Новинка!!: Кластеризація методом к–середніх і Сегментація зображення · Побачити більше »
Мультиспектральне зображення
Мультиспектральне зображення це такий знімок, в якому дані зображення фіксуються у певних діапазонах довжин хвиль в електромагнітному спектрі.
Новинка!!: Кластеризація методом к–середніх і Мультиспектральне зображення · Побачити більше »
Метод стохастичного градієнта
Градієнтні методи — це широкий клас оптимізаційних алгоритмів, які використовують не лише в машинному навчанні.
Новинка!!: Кластеризація методом к–середніх і Метод стохастичного градієнта · Побачити більше »
Мережа радіальних базисних функцій
Мережа радіально базисних функцій у математичному моделюванні — це штучна нейронна мережа, яка використовує у якості функції активації.
Новинка!!: Кластеризація методом к–середніх і Мережа радіальних базисних функцій · Побачити більше »
Взаємна інформація
X). Фіолетове є взаємною інформацією I(X;Y). У теорії ймовірностей та теорії інформації взає́мна інформа́ція (mutual information, MI) двох випадкових величин — це міра взаємної залежності між цими двома величинами.
Новинка!!: Кластеризація методом к–середніх і Взаємна інформація · Побачити більше »
Перенаправлення тут:
Метод кластеризації k-середніх, Кластеризація зображення методом к–середніх, Кластеризація методом k-середніх, Кластеризація методом к середніх.
