Decision tree adaline
Sin estimación
Sin requisitos de hardware para este modelo
Los pesos para este modelo no han sido publicados, por lo que no se puede descargar ni ejecutar en tu propio hardware de ningún tamaño. Solo se puede acceder a través de su proveedor, y ningún cambio de tarjeta gráfica eso..
En registro
especificación completa
Todo en archivo para este modelo. La mayor parte describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se invirtió en él y cómo se compara con modelos construidos a una escala diferente..
Origen
Quién construyó este modelo, dónde, y cuándo fue publicado.
- Organización
- Tokyo Medical and Dental University
- Tipo de Organización
- Academia
- País
- Japan
- Publicado
- 1 May 1969
- Autores
- T Sano, S Tsuchiya, F Suzuki
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Medicine
- Tarea
- Medical diagnosis
Tamaño
Qué tan grande es el modelo y cuántos datos se usaron para su entrenamiento. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.
- parámetros
- 2.5K
- Datos de entrenamiento
- tokens
5 adaline were trained on binary decisions (p. 1) Each adaline had up to 490 input weights (“meshes”) Total parameters = 5*490=2450
40 positive and negative training examples (p. 2)
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Por qué se rastrea
- Historical significance
- Confianza de registro
- Confident
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- A use of Adaline as an automatic method for interpretation of the electrocardiogram and the vectorcardiogram
- Última actualización
- 28 November 2025
Qué significan los números
Qué es este modelo
Decision tree adaline fue publicado por Tokyo Medical and Dental University, en el país registrado como Japan, durante May 1969. La categoría en la que se encuentra el editor es academia.
Funciona en el dominio de Medicine, y se registra como realizando la tarea de medical diagnosis.
Este es un modelo cerrado: los valores entrenados quedaron con quien los produjo, y no hay una versión local para ejecutar.
Qué se necesitó para construirlo
Se rastrea en el conjunto de datos subyacente por una razón en particular: historical significance.
Respuestas
Decision tree adaline — preguntas comunes
Decision tree adaline— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 2.5K. 5 adaline were trained on binary decisions (p. 1) Each adaline had up to 490 input weights (“meshes”) Total parameters = 5*490=2450. Esa cifra es el total, y es lo que decide cuánta MEMORIA necesita el modelo — aproximadamente medio gigabyte por mil millones en la compresión que la mayoría de las personas usa.
Decision tree adaline— ¿Quién lo creó?
Fue publicado por Tokyo Medical and Dental University, basado en Japan, una organización categorizada como academia.
Decision tree adaline— ¿cuándo fue lanzado?
Se publicó en May 1969. La capacidad por parámetro ha mejorado considerablemente desde entonces, por lo que un modelo más reciente del mismo tamaño suele ser el mejor uso del mismo hardware.
Decision tree adaline— ¿Para qué se utiliza?
Funciona en el dominio de Medicine, y se registra como manejando la tarea de medical diagnosis. Estas son las áreas en las que fue diseñado; describen la intención más que un límite estricto.
Decision tree adaline— ¿Qué GPU necesito para ejecutarlo?
Ninguno. Este es un modelo cerrado: sus PESOS nunca fueron publicados, por lo que no se puede descargar o ejecutar en su propio hardware a ningún precio. Solo se puede acceder a él a través de su proveedor.
Decision tree adaline— ¿Es de código abierto?
La licencia nunca fue registrada en nuestros datos fuente. Tratamos las licencias no declaradas como cerradas, porque una licencia no registrada no es una en la que confiar.
La otra dirección
¿Mirándolo desde el otro lado?
Esta página comienza desde el modelo. Si ya posees una tarjeta y quieres saber todo lo que podrá ejecutar., Comience desde el hardware en su lugar.