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

طبقه بندی یکی از وظایف یادگیری ماشین است که سعی می کند بر اساس مشاهدات گذشته (داده های آموزشی) بهترین کلاس را به یک بردار ورودی نامشخص، اختصاص دهد. بسیاری از الگوریتم‌های طبقه بندی مانند، ماشین بردار پشتیبان ، شبکه‌های عصبی عمیق برای طبقه بندی مجموعه داده‌های بزرگ بسیار زمان بر هستند. ماشین یادگیری افراطی(elm) یک الگوریتم طبقه‌بندی 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 آزمایش ها گویای آن است که روش های پیشنهادی بسیار سریع‌ و همزمان دارای دقتی مشابه با الگوریتم اصلی elm است.