Aller au contenu principal
Accès ouvert déclaré 2020 article

WHY DEEP LEARNING PERFORMS BETTER THAN CLASSICAL MACHINE LEARNING?

23Citations signalées, ce qui n’est pas une note de qualité
1Institutions déclarées
1Pays d’affiliation déclarés

Rattachement africain : es. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

During the last years, deep learning techniques have demonstrated their capability to outperform traditional machine learning methods in completing complex pattern recognition tasks. In this article we will try to explain the reasons behind this.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref
WHY DEEP LEARNING PERFORMS BETTER THAN CLASSICAL MACHINE LEARNING?
Date Crossref
01/03/2020
Éditeur
UK Zhende Publishing Limited Company
Type
journal-article

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Les institutions déclarées

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Machine Learning and Data ClassificationAdvanced Neural Network ApplicationsExplainable Artificial Intelligence (XAI)

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.