ارسل ملاحظاتك

ارسل ملاحظاتك لنا







A New Hybrid Expansion Function Based Mutual Information for a Multilayer Neural Networks Optimization

المصدر: مجلة المالية وحوكمة الشركات
الناشر: جامعة العربي بن مهيدي أم البواقي - كلية العلوم الاقتصادية والعلوم التجارية وعلوم التسيير و مخبر الابتكار والهندسة المالية
المؤلف الرئيسي: Ncibi, Kais (Author)
مؤلفين آخرين: Djenina, Amor (Co-Author) , Sadraoui, Tarek (Co-Author) , Mili, Faycel (Co-Author)
المجلد/العدد: مج1, ع2
محكمة: نعم
الدولة: الجزائر
التاريخ الميلادي: 2017
الشهر: ديسمبر
الصفحات: 7 - 23
ISSN: 2602-5655
رقم MD: 1041688
نوع المحتوى: بحوث ومقالات
اللغة: الإنجليزية
قواعد المعلومات: EcoLink
مواضيع:
كلمات المؤلف المفتاحية:
Function Expansion | Multilayer Perceptron | Classification | Mutual Information | Features Selection
رابط المحتوى:
صورة الغلاف QR قانون

عدد مرات التحميل

2

حفظ في:
المستخلص: Function expansion was used to expand initial features based on a non linear transformation. Many known expansion functions are found such the trigonometric, the polynomial, the Legendre polynomial, the power series, the exponential and the logarithmic transformation. This paper present a comparison between different expansion functions based on mutual information and different performance functions. We propose a new expansion process able to improve the correspondent mutual information and the final performance. The process was tested; using different benchmark databases, and shows his ability to improve results of classification problems.

ISSN: 2602-5655