| ชื่อบทความที่เผยแพร่ |
Enhanced Local Receptive Fields based Extreme Learning Machine using Dominant Patterns Selection |
| วัน/เดือน/ปี ที่เผยแพร่ |
27 มกราคม 2565 |
| การประชุม |
| ชื่อการประชุม |
The 25th International Computer Science and Engineering Conference (ICSEC) |
| หน่วยงาน/องค์กรที่จัดประชุม |
School of Information and Communication Technology, University of Phayao. |
| สถานที่จัดประชุม |
Grand Vista Hotel, Chiang Rai |
| จังหวัด/รัฐ |
Chiang Rai |
| ช่วงวันที่จัดประชุม |
18 พฤศจิกายน 2564 |
| ถึง |
20 พฤศจิกายน 2564 |
| Proceeding Paper |
| Volume (ปีที่) |
2021 |
| Issue (เล่มที่) |
- |
| หน้าที่พิมพ์ |
161 - 166 |
| Editors/edition/publisher |
IEEE |
| บทคัดย่อ |
The local receptive fields based ELM (ELM-LRF) is an extended version of ELM. Its hidden nodes are structured through the local connection approach, which demonstrated satisfactory performance in image classification problems. However, ELM-LRF still requires further improvement because extracting images features directly with random initial weights will generate redundancy features that may degrade its performance in some situations. This paper, therefore, presents a new method named the enhanced local receptive fields based ELM using dominant patterns selection (DP-ELM-LRF) to enhance ELM-LRF, which applies novel feature selection in vehicle detection through the selection of dominant patterns of HOGs (DPHOG) for selecting dominant features in the ELM feature space. DP-ELM-LRF evaluated classification performance on GTI and Concrete Crack datasets for binary classification and MNIST, Semeion, and small NORB datasets for multi-classification. Experiment results demonstrated that the DP-ELM-LRF was superior to the ELM-LRF and other comparative methods of multi-classification, whereas binary classification, DP-ELM-LRF, remains comparable with ELM-LRF. |
| ผู้เขียน |
|
| การประเมินบทความ (Peer Review) |
มีผู้ประเมินอิสระ |
| มีการเผยแพร่ในระดับ |
นานาชาติ |
| รูปแบบ Proceeding |
Full paper |
| รูปแบบการนำเสนอ |
Oral |
| เป็นส่วนหนึ่งของวิทยานิพนธ์ |
เป็น |
| ผลงานที่นำเสนอได้รับรางวัล |
ไม่ได้รับรางวัล |
| แนบไฟล์ |
|
| Citation |
0
|
|
|
ข้อมูลการเผยแพร่ผลงาน
การเผยแพร่ในรูปของบทความวารสารทางวิชาการ
English