Login
Registrati
Reimposta password
Pubblica & Distribuisci
Soluzioni Editoriali
Soluzioni di Distribuzione
Temi
Architettura e design
Arti
Business e Economia
Chimica
Chimica industriale
Farmacia
Filosofia
Fisica
Geoscienze
Ingegneria
Interesse generale
Legge
Letteratura
Linguistica e semiotica
Matematica
Medicina
Musica
Scienze bibliotecarie e dell'informazione, studi library
Scienze dei materiali
Scienze della vita
Scienze informatiche
Scienze sociali
Sport e tempo libero
Storia
Studi classici e del Vicino Oriente antico
Studi culturali
Studi ebraici
Teologia e religione
Pubblicazioni
Riviste
Libri
Atti
Editori
Blog
Contatti
Cerca
EUR
USD
GBP
Italiano
English
Deutsch
Polski
Español
Français
Italiano
Carrello
Home
Riviste
Journal of Artificial Intelligence and Soft Computing Research
Volume 7 (2017): Numero 1 (January 2017)
Accesso libero
Can Learning Vector Quantization be an Alternative to SVM and Deep Learning? - Recent Trends and Advanced Variants of Learning Vector Quantization for Classification Learning
Thomas Villmann
Thomas Villmann
,
Andrea Bohnsack
Andrea Bohnsack
e
Marika Kaden
Marika Kaden
| 17 dic 2016
Journal of Artificial Intelligence and Soft Computing Research
Volume 7 (2017): Numero 1 (January 2017)
INFORMAZIONI SU QUESTO ARTICOLO
Articolo precedente
Articolo Successivo
Sommario
Bibliografia
Autori
Articoli in questo Numero
Anteprima
PDF
Cita
CONDIVIDI
Pubblicato online:
17 dic 2016
Pagine:
65 - 81
DOI:
https://doi.org/10.1515/jaiscr-2017-0005
Parole chiave
classification learning
,
vector quantization
,
prototype based learning
© 2016
This work is licensed under the Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 License.
Thomas Villmann
Computational Intelligence Group, University of Applied Sciences Mittweida,
Germany
Andrea Bohnsack
Computational Intelligence Group, University of Applied Sciences Mittweida, Germany
Germany
Staatliche Berufliche Oberschule Kaufbeuren,
Germany
Marika Kaden
Computational Intelligence Group, University of Applied Sciences Mittweida,
Germany