طبقه بندی داده توسط الگوریتم یادگیری افراطی با استفاده از پردازنده گرافیکی

طبقه بندی یکی از وظایف یادگیری ماشین 1 است که سعی میکند بر اساس مشاهدات گذشته (داده های آموزشی) بهترین کلاس را به یک 2بردار ورودی نامشخص، اختصاص دهد. بسیاری از الگوریتم های طبقه بندی مانند، ماشین بردار پشتیبان ، شبکه های عصبی عمیق برای طبقه بندی مجموعه داده های بزرگ بسیار زمانبر هستند. ماشین یادگیری افراطی (ELM )یک الگوریتم طبقه بندی است که دارای کیفیت بالایی می باشد و در سالهای اخیر محبوبیت زیادی را کسب کرده است. این مقاله نشان میدهد که سرعت یادگیری این الگوریتم میتواند با استفاده از بسترGPU بهبود یابد. نتایج آزمایشها گویای آن است که روشهای پیشنهادی بسیار سریع و همزمان دارای دقتی مشابه با الگوریتم اصلی ELM است.