بدائل البحث:
learning optimization » learning motivation (توسيع البحث), lead optimization (توسيع البحث)
design optimization » bayesian optimization (توسيع البحث)
sample design » sampling design (توسيع البحث)
data learning » meta learning (توسيع البحث), deep learning (توسيع البحث), a learning (توسيع البحث)
final sample » fecal samples (توسيع البحث), total sample (توسيع البحث)
binary data » primary data (توسيع البحث), dietary data (توسيع البحث)
يعرض 1 - 20 نتائج من 185 نتيجة بحث عن '(( final sample design optimization algorithm ) OR ( binary data learning optimization algorithm ))', وقت الاستعلام: 0.59s تنقيح النتائج
  1. 1
    Sensitivity values of IRBMO vs. other binary algorithms.

    Sensitivity values of IRBMO vs. other binary algorithms. حسب Chenyi Zhu (9383370)

    منشور في 2025
    أضف إلى المفضلة
    محفوظ في:
  2. 2
    Specificity values of IRBMO vs. other binary algorithms.

    Specificity values of IRBMO vs. other binary algorithms. حسب Chenyi Zhu (9383370)

    منشور في 2025
    أضف إلى المفضلة
    محفوظ في:
  3. 3
    Fitness values of IRBMO vs. other binary algorithms.

    Fitness values of IRBMO vs. other binary algorithms. حسب Chenyi Zhu (9383370)

    منشور في 2025
    أضف إلى المفضلة
    محفوظ في:
  4. 4
    Number of features selected for IRBMO vs. other binary algorithms.

    Number of features selected for IRBMO vs. other binary algorithms. حسب Chenyi Zhu (9383370)

    منشور في 2025
    أضف إلى المفضلة
    محفوظ في:
  5. 5
    Classification accuracy values of IRBMO vs. other binary algorithms.

    Classification accuracy values of IRBMO vs. other binary algorithms. حسب Chenyi Zhu (9383370)

    منشور في 2025
    أضف إلى المفضلة
    محفوظ في:
  6. 6
    F-score values of IRBMO vs. other binary algorithms.

    F-score values of IRBMO vs. other binary algorithms. حسب Chenyi Zhu (9383370)

    منشور في 2025
    أضف إلى المفضلة
    محفوظ في:
  7. 7
    One advantage of our algorithm is that it is not binary in nature.

    One advantage of our algorithm is that it is not binary in nature. حسب Yong Kuk Kim (13955214)

    منشور في 2022
    أضف إلى المفضلة
    محفوظ في:
  8. 8
    The result of the accuracy of tested algorithms.

    The result of the accuracy of tested algorithms. حسب Nebojsa Bacanin (13932723)

    منشور في 2022
    الموضوعات:
    أضف إلى المفضلة
    محفوظ في:
  9. 9
    Feature selection ratio results for tested algorithms.

    Feature selection ratio results for tested algorithms. حسب Nebojsa Bacanin (13932723)

    منشور في 2022
    الموضوعات:
    أضف إلى المفضلة
    محفوظ في:
  10. 10
    Best fitness value results for tested algorithms.

    Best fitness value results for tested algorithms. حسب Nebojsa Bacanin (13932723)

    منشور في 2022
    الموضوعات:
    أضف إلى المفضلة
    محفوظ في:
  11. 11
    Mean fitness value results for tested algorithms.

    Mean fitness value results for tested algorithms. حسب Nebojsa Bacanin (13932723)

    منشور في 2022
    الموضوعات:
    أضف إلى المفضلة
    محفوظ في:
  12. 12
    Standard deviation of fitness value results for tested algorithms.

    Standard deviation of fitness value results for tested algorithms. حسب Nebojsa Bacanin (13932723)

    منشور في 2022
    الموضوعات:
    أضف إلى المفضلة
    محفوظ في:
  13. 13
    a) Accuracy and b) selected feature size of algorithms on the COVID-19 dataset.

    a) Accuracy and b) selected feature size of algorithms on the COVID-19 dataset. حسب Nebojsa Bacanin (13932723)

    منشور في 2022
    الموضوعات:
    أضف إلى المفضلة
    محفوظ في:
  14. 14
    C-level road irregularity sample.

    C-level road irregularity sample. حسب Jianwei Liu (163716)

    منشور في 2019
    أضف إلى المفضلة
    محفوظ في:
  15. 15
    Boxplots analysis of the tested algorithms using average error rate across 21 datasets.

    Boxplots analysis of the tested algorithms using average error rate across 21 datasets. حسب Nebojsa Bacanin (13932723)

    منشور في 2022
    الموضوعات:
    أضف إلى المفضلة
    محفوظ في:
  16. 16
    S1 Dataset - Novel chaotic oppositional fruit fly optimization algorithm for feature selection applied on COVID 19 patients’ health prediction

    S1 Dataset - Novel chaotic oppositional fruit fly optimization algorithm for feature selection applied on COVID 19 patients’ health prediction حسب Nebojsa Bacanin (13932723)

    منشور في 2022
    الموضوعات:
    أضف إلى المفضلة
    محفوظ في:
  17. 17
    The result of the best fitness value, mean fitness value, standard deviation of fitness value and feature selection ratio of algorithms on the COVID-19 dataset.

    The result of the best fitness value, mean fitness value, standard deviation of fitness value and feature selection ratio of algorithms on the COVID-19 dataset. حسب Nebojsa Bacanin (13932723)

    منشور في 2022
    الموضوعات:
    أضف إلى المفضلة
    محفوظ في:
  18. 18
    CEC 2019 benchmark characteristics.

    CEC 2019 benchmark characteristics. حسب Nebojsa Bacanin (13932723)

    منشور في 2022
    الموضوعات:
    أضف إلى المفضلة
    محفوظ في:
  19. 19
    Results of Holm’s step-down procedure.

    Results of Holm’s step-down procedure. حسب Nebojsa Bacanin (13932723)

    منشور في 2022
    الموضوعات:
    أضف إلى المفضلة
    محفوظ في:
  20. 20
    Friedman ranks of tested methods on CEC2019 benchmark functions.

    Friedman ranks of tested methods on CEC2019 benchmark functions. حسب Nebojsa Bacanin (13932723)

    منشور في 2022
    الموضوعات:
    أضف إلى المفضلة
    محفوظ في:

أدوات البحث: