Decision tree adaline
Nessuna stima
Nessun requisito hardware per questo modello
I pesi per questo modello non sono stati pubblicati, quindi non può essere scaricato o eseguito sul proprio hardware di qualsiasi dimensione. È accessibile solo attraverso il suo fornitore e nessun cambiamento della scheda grafica che.
In registrazione
specifiche complete
Tutto in archivio per questo modello. La maggior parte descrive come è stato addestrato piuttosto che come gira — contesto utile per giudicare quanto lavoro c'è stato dietro, e come si confronta con i modelli costruiti su una scala diversa..
Origine
Chi ha costruito questo modello, dove e quando è stato pubblicato.
- Organizzazione
- Tokyo Medical and Dental University
- Tipo di organizzazione
- Academia
- Paese
- Japan
- Pubblicato
- 1 May 1969
- Autori
- T Sano, S Tsuchiya, F Suzuki
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Medicine
- Compito
- Medical diagnosis
Dimensione
Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono la cifra che decide se si adatta a una determinata scheda grafica.
- parametri
- 2.5K
- Dati di addestramento
- 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)
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Perché è monitorato
- Historical significance
- Record fiducia
- Confident
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- A use of Adaline as an automatic method for interpretation of the electrocardiogram and the vectorcardiogram
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Cosa è questo modello
Decision tree adaline è stato pubblicato da Tokyo Medical and Dental University, nel paese registrato come Japan, durante May 1969. La categoria sotto cui rientra l'editore è academia.
Funziona nel dominio di Medicine, ed è registrato come eseguire il compito di medical diagnosis.
Questo è un modello chiuso: i valori addestrati sono rimasti con chi li ha prodotti, e non c'è una versione locale da eseguire.
Cosa è stato necessario per costruirlo
È tracciato nel dataset sottostante per una ragione in particolare: historical significance.
Risposte
Decision tree adaline — domande comuni
Decision tree adaline— quanti parametri ha?
Ha un numero di parametri di 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. Quella cifra è il totale, ed è ciò che decide quanto memoria il modello ha bisogno — circa mezzo gigabyte per miliardo alla compressione che la maggior parte delle persone usa.
Decision tree adaline— chi l'ha creato?
È stato pubblicato da Tokyo Medical and Dental University, basato su Japan, un'organizzazione categorizzata come academia.
Decision tree adaline— quando è stato rilasciato?
È stato pubblicato in May 1969. La capacità per parametro è migliorata considerevolmente da allora, quindi un modello più recente della stessa dimensione è spesso un uso migliore dello stesso hardware.
Decision tree adaline— A cosa serve?
Funziona nel dominio di Medicine, e viene registrato come gestire il compito di medical diagnosis. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.
Decision tree adaline— che GPU ho bisogno per eseguirlo?
Nessuno. Questo è un modello chiuso - i suoi pesi non sono mai stati pubblicati, quindi non può essere scaricato o eseguito sul tuo hardware a qualsiasi prezzo. È accessibile solo attraverso il suo fornitore.
Decision tree adaline— è open-source?
La licenza non è mai stata registrata nei nostri dati sorgente. Trattiamo le licenze non dichiarate come chiuse, perché una licenza non registrata non è una su cui fare affidamento.
L'altra direzione
Guardandolo dall'altro lato?
Questa pagina parte dal modello. Se possiedi già una scheda e vuoi sapere tutto ciò che farà funzionare, inizia dall'hardware invece.