[16] K. Crammer and Y. Singer, “Onl

[16] K. Crammer and Y. Singer, “Online ranking by projecting,” Neural
Comput., vol. 17, no. 1, pp. 145–175, 2005.
[17] J. Cheng, Z. Wang, and G. Pollastri, “A neural network approach to ordinal regression,” in Proc. IEEE IJCNN, Jun. 2008, pp. 1279–1284.
[18] G.-B. Huang, L. Chen, and C.-K. Siew, “Universal approximation using incremental constructive feedforward networks with random hidden nodes,” IEEE Trans. Neural Netw., vol. 17, no. 4, pp. 879–892, Jul. 2006.
[19] G.-B. Huang, H. Zhou, X. Ding, and R. Zhang, “Extreme learning machine for regression and multiclass classification,” IEEE Trans. Syst., Man, Cybern., B, Cybern., vol. 42, no. 2, pp. 513–529, Apr. 2012.
[20] W.-Y. Deng, Q.-H. Zheng, S. Lian, L. Chen, and X. Wang, “Ordi- nal extreme learning machine,” Neurocomputing, vol. 74, nos. 1–3, pp. 447–456, 2010.
[21] T. F. Coleman and Y. Li, “A reflective Newton method for minimizing a quadratic function subject to bounds on some of the variables,” SIAM J. Optim., vol. 6, no. 4, pp. 1040–1058, 1996.
[22] M. A. Hanson, “On sufficiency of the Kuhn–Tucker conditions,” J. Math.
Anal. Appl., vol. 80, no. 2, pp. 545–550, 1981.
[23] G.-B. Huang, Q.-Y. Zhu, and C.-K. Siew, “Extreme learning machine: Theory and applications,” Neurocomputing, vol. 70, nos. 1–3, pp. 489–501, 2006.
[24] G. B. Huang and L. Chen, “Enhanced random search based incremen- tal extreme learning machine,” Neurocomputing, vol. 71, nos. 16–18, pp. 3460–3468, 2008.
[25] Y. Miche, A. Sorjamaa, P. Bas, O. Simula, C. Jutten, and A. Lendasse, “OP-ELM: Optimally pruned extreme learning machine,” IEEE Trans. Neural Netw., vol. 21, no. 1, pp. 158–162, Dec. 2010.
[26] X. Hu and J. Wang, “Design of general projection neural networks for solving monotone linear variational inequalities and linear and quadratic optimization problems,” IEEE Trans. Syst., Man, Cybern., B, Cybern., vol. 37, no. 5, pp. 1414–1421, Oct. 2007.
[27] H. Chen, Y. Gong, and X. Hong, “Online modeling with tunable RBF network,” IEEE Trans. Syst., Man, Cybern., B, Cybern., vol. 43, no. 3, pp. 935–947, Jun. 2012.
[28] J. S. Cardoso and J. F. Pinto da Costa, “Learning to classify ordinal data: The data replication method,” J. Mach. Learn. Res., vol. 8, no. 1, pp. 1393–1429, 2007.
[29] K. Crammer and Y. Singer, “Pranking with ranking,” in Advances in Neural Information Processing Systems, vol. 14. Cambridge, MA, USA: MIT Press, 2001, pp. 641–647.
[30] E. F. Harrington, “Online ranking/collaborative filtering using the per- ceptron algorithm,” in Proc. 20th ICML, 2003, pp. 1–8.
[31] J. Basilico and T. Hofmann, “Unifying collaborative and content-based filtering,” in Proc. 21st ICML, 2004, pp. 1–9.
[32] E. L. Allwein, R. E. Schapire, and Y. Singer, “Reducing multiclass to binary: A unifying approach for margin classifiers,” J. Mach. Learn. Res., vol. 1, pp. 113–141, Dec. 2001.
[33] M. Costa, “Probabilistic interpretation of feedforward network outputs, with relationships to statistical prediction of ordinal quantities,” Int. J. Neural Syst., vol. 7, no. 5, pp. 627–638, Nov. 1996.
[34] J. F. Pinto da Costa and J. Cardoso, “Classification of ordinal data using neural networks,” in Proc. 16th ECML, Oct. 2005, pp. 690–697.
[35] J. F. Pinto da Costa, H. Alonso, and J. S. Cardoso, “The unimodal model for the classification of ordinal data,” Neural Netw., vol. 21, no. 1, pp. 78–91, Jan. 2008.
[36] J. Sánchez-Monedero, P. A. Gutiérrez, P. Tino, and C. Hervás-Martínez, “Exploitation of pairwise class distances for ordinal classification,” Neural Comput., vol. 25, no. 9, pp. 1–36, Jul. 2013.
[37] C.-W. Seah, I. Tsang, and Y.-S. Ong, “Transfer ordinal label learning,” IEEE Trans. Neural Netw. Learn. Syst., vol. 24, no. 11, pp. 1863–1876, Nov. 2013.
[38] F. Fernandez-Navarro, P. Gutierrez, C. Hervas-Martinez, and X. Yao, “Negative correlation ensemble learning for ordinal regression,” IEEE Trans. Neural Netw. Learn. Syst., vol. 24, no. 11, pp. 1836–1849, Nov. 2013.
[39] M. Pérez-Ortiz, P. A. Gutiérrez, and C. Hervás-Martínez, “Projection based ensemble learning for ordinal regression,” IEEE Trans. Syst. Man Cybern., B, Cybern., doi: 10.1109/TCYB.2013.2266336.
[40] G. B. Huang, Q. Y. Zhu, and C. K. Siew, “Extreme learning machine: A new learning scheme of feedforward neural networks,” in Proc. IEEE Int. Joint Conf. Neural Netw., vol. 2. Jul. 2004, pp. 985–990.
[41] Z. Huang, H. Chen, C.-J. Hsu, W.-H. Chen, and S. Wu, “Credit rating analysis with support vector machines and neural networks: A market comparative study,” Decision Support Syst., vol. 37, no. 4, pp. 543–558, Sep. 2004.

[42] J. Cao, Z. Lin, and G.-B. Huang, “Composite function wavelet neural networks with extreme learning machine,” Neurocomputing, vol. 73, nos. 7–9, pp. 1405–1416, Mar. 2010.
[43] F. Fernández-Navarro, C. Hervás-Martínez, J. Sánchez-Monedero, and
P. A. Gutierrez, “MELM-GRBF: A modified version of the extreme learning machine for ge

Kết quả (Việt) 1:

[16] K. Crammer và ca sĩ Y., "Trực tuyến xếp hạng bởi quy hoạch," thần kinhComput., vol. 17, số 1, trang 145-175, 2005.[17] J. Cheng, Z. Wang, và G. Pollastri, "A mạng nơ-ron cách tiếp cận để tự hồi qui," trong Proc. IEEE IJCNN, tháng 06 năm 2008, tr. 1279-1284.[18] G. AB. Hoàng, L. Chen, và C.-K. Siew, "Universal xấp xỉ bằng cách sử dụng gia tăng feedforward xây dựng mạng với ngẫu nhiên ẩn nút," IEEE dịch thần kinh năng., vol. 17, số 4, pp. 879-892, tháng 07 năm 2006.[19] G. AB. Hoàng, H. Zhou, X. Ding và R. Zhang, "cực học tập máy cho hồi quy và phân loại multiclass," IEEE dịch bởi Syst., người đàn ông, Cybern., B, Cybern., vol. 42, số 2, pp. 513-529, tháng 4 năm 2012.[20] W.-Y. Đặng Tiểu Bình, Q.-H. Zheng, S. Lian, L. Chen và X. Wang, "Ordi-nal cực học tập máy," Neurocomputing, vol. 74, Phi đội 1-3, trang 447-456, 2010.[21] T. F. Coleman và Y. Li, "Một Newton phản chiếu phương pháp để giảm thiểu một chức năng bậc hai tùy thuộc vào giới hạn trên một số của các biến," SIAM J. Optim., vol. 6, no. 4, pp. 1040-1058, 1996.[22] M. A. Hanson, "ngày đầy đủ điều kiện Kuhn-Tucker," J. toán học.Hậu môn. Appl, vol. 80, số 2, pp. 545-550, 1981.[23] G. AB. Hoàng, Q.-Y. Zhu, và C.-K. Siew, "cực học tập máy: lý thuyết và ứng dụng," Neurocomputing, vol. 70, Phi đội 1-3, trang 489-501, 2006.[24] G. sinh hoàng và L. Chen, "Nâng cao ngẫu nhiên tìm dựa incremen-tal cực học máy," Neurocomputing, vol. 71, Phi đội 16-18, pp. 3460-3468, 2008.[25] Y. Miche, A. Sorjamaa, P. Bas, O. Simula, C. Jutten, và A. Lendasse, "OP-ELM: tối ưu pruned cực học máy," IEEE dịch thần kinh năng., vol. 21, số 1, trang 158-162, tháng 12 năm 2010.[26] X. Hu và J. Wang, "Thiết kế chung chiếu mạng nơron để giải quyết không thay đổi sự bất bình đẳng variational tuyến tính và các vấn đề tối ưu hóa tuyến tính và bậc hai," IEEE dịch Syst., người đàn ông, Cybern., B, Cybern., vol. 37, số 5, tr. 1414-1421, tháng 10 năm 2007.[27] H. Chen, Y. Gong, và X. Hong, "Trực tuyến mô hình hóa với mạng RBF xung," IEEE dịch Syst., người đàn ông, Cybern., B, Cybern., quyển 43, số 3, trang 935-947, tháng 06 năm 2012.[28] J. S. Cardoso và J. F. Pinto da Costa, "học tập để phân loại dữ liệu tự: phương pháp sao chép dữ liệu," J. Mach. tìm hiểu. Res., vol. 8, số 1, pp. 1393-1429, 2007.[29] K. Crammer và ca sĩ Y., "Pranking với xếp hạng," trong những tiến bộ trong thần kinh xử lý hệ thống thông tin, vol. 14. Cambridge, MA, USA: MIT Press, 2001, tr. 641-647.[30] E. F. Harrington, "Trực tuyến xếp hạng/hợp tác lọc bằng cách sử dụng các thuật toán cho một ceptron," ở Proc. ICML 20, năm 2003, tr. 1-8.[31] J. Basilico và T. Hofmann, "Thống nhất hợp tác và nội dung dựa trên lọc," trong Proc. ICML 21, năm 2004, tr. 1-9.[32] E. L. Allwein, R. E. Schapire, và ca sĩ Y., "giảm multiclass đến nhị phân: một cách tiếp cận thống nhất cho máy phân loại lề," J. Mach. tìm hiểu. Res., vol. 1, tr. 113-141, tháng 12 năm 2001.[33] M. Costa, "Giải thích xác suất của đầu ra mạng feedforward, với mối quan hệ với thống kê dự đoán số lượng tự," Int. J. thần kinh Syst., quyển 7, số 5, trang 627-638, tháng 11 năm 1996.[34] J. F. Pinto da Costa và J. Cardoso, "Phân loại tự dữ liệu bằng cách sử dụng mạng nơ-ron," trong Proc. 16 ECML, tháng 10 năm 2005, tr. 690-697.[35] J. F. Pinto da Costa, H. Alonso và J. S. Cardoso, "Các mô hình unimodal để phân loại dữ liệu tự," thần kinh năng., vol. 21, số 1, trang 78-91, tháng 1 năm 2008.[36] J. Sánchez-Monedero, P. A. Gutiérrez, P. Tino, và C. Hervás-Martínez, "Khai thác của lớp cử khoảng cách để tự phân loại," thần kinh Comput., vol. 25, số 9, tr. 1-36, tháng 07 năm 2013.[37] W. C. Seah, I. Tsang và Y.-S. Ông, "Chuyển tự nhãn học tập," IEEE dịch năng thần kinh. Tìm hiểu. Syst., vol. 24, số 11, pp. 1863-1876, tháng 11 năm 2013.[38] F. Fernandez-Navarro, P. Gutierrez, C. Hervas-Martinez và X. Yao, "tiêu cực tương quan toàn bộ học cho tự hồi qui," IEEE dịch năng thần kinh. Tìm hiểu. Syst., vol. 24, số 11, pp. 1836-1849, tháng 11 năm 2013.[39] M. Pérez-Ortiz, P. A. Gutiérrez và C. Hervás-Martínez, "Chiếu dựa toàn bộ học tập cho tự hồi qui," IEEE dịch Syst. người đàn ông Cybern., B, Cybern., doi: 10.1109/TCYB.2013.2266336.[40] G. sinh hoàng, Q. Y. Zhu, và C. K. Siew, "cực học tập máy: một chương trình học tập mới của mạng nơ-ron feedforward," ở Proc. IEEE Int. chung Conf. thần kinh năng., vol. 2. Tháng 07 năm 2004, pp. 985-990.[41] Z. Huang, H. Chen, C. J. HSU, W. H. Chen, và S. Wu, "tín dụng đánh giá phân tích với máy vectơ hỗ trợ và mạng nơron: một nghiên cứu so sánh thị trường," quyết định hỗ trợ Syst., vol. 37, số 4, pp. 543-558, tháng chín năm 2004. [42] J. Cao, Z. Lin và G. AB. Hoàng, "Composite hoạt động mạng nơ-ron bề mặt với máy cực học tập," Neurocomputing, vol. 73, Phi đội 7-9, pp. 1405-1416, tháng 03 năm 2010.[43] F. Fernández-Navarro, C. Hervás-Martínez, J. Sánchez-Monedero, vàP. A. Gutierrez, "MELM-GRBF: một phiên bản sửa đổi của máy cực học tập cho ge

Kết quả (Việt) 2:

[16] K. người rèn luyện và Y. Singer, "bảng xếp hạng trực tuyến bằng cách chiếu," Neural
comput., Vol. 17, không có. 1, pp. 145-175, 2005.
[17] J. Cheng, Z. Wang, và G. Pollastri, "Một cách tiếp cận mạng lưới thần kinh để hồi quy tự", trong Proc. IEEE IJCNN, Tháng 6 năm 2008, pp. 1279-1284.
[18] G.-B. Huang, L. Chen, và C.-K. Siew, "Universal xấp xỉ sử dụng các mạng feedforward xây dựng gia tăng với các nút ẩn ngẫu nhiên", IEEE Trans. Neural Netw., Vol. 17, không có. 4, pp. 879-892, tháng bảy năm 2006.
[19] G.-B. Huang, H. Châu, X. Ding, và R. Zhang, "máy học cực cho hồi quy và phân loại nhiều lớp," IEEE Trans. Syst., Man, Cybern., B, Cybern., Vol. 42, không có. 2, pp. 513-529, tháng tư năm 2012.
[20] W.-Y. Deng, Q.-H. Zheng, S. Lian, L. Chen, và X. Wang, "Ordi- nal học máy cực đoan," Neurocomputing, vol. 74, nos. 1-3, pp. 447-456, 2010.
[21] TF Coleman và Y. Li, "Một phương pháp Newton phản chiếu để giảm thiểu một đối tượng hàm bậc hai để giới hạn trên một số biến," SIAM J. Optim., Vol. 6, không có. 4, pp. 1040-1058, năm 1996.
[22] MA Hanson, "On túc các điều kiện Kuhn-Tucker," J. Math.
Anal. Appl., Vol. 80, không có. 2, pp. 545-550, 1981.
[23] G.-B. Huang, Q.-Y. Zhu, và C.-K. Siew, "máy học cực: Lý thuyết và ứng dụng", Neurocomputing, vol. 70, nos. 1-3, pp. 489-501, 2006.
[24] GB Huang và L. Chen, "dựa incremen- tal học máy cực Tăng cường tìm kiếm ngẫu nhiên," Neurocomputing, vol. 71, nos. 16-18, pp 3460-3468, 2008..
[25] Y. Miche, A. Sorjamaa, P. Bas, O. Simula, C. Jutten, và A. Lendasse, "OP-ELM: Tối ưu tỉa học máy cực , "IEEE Trans. Neural Netw., Vol. 21, không có. 1, pp. 158-162, tháng mười hai năm 2010.
[26] X. Hu và J. Wang, "Thiết kế của mạng lưới thần kinh chiếu chung cho việc giải quyết đơn điệu tuyến tính bất đẳng thức biến và tuyến tính và các vấn đề tối ưu hóa bậc hai", IEEE Trans. Syst., Man, Cybern., B, Cybern., Vol. 37, không có. 5, pp. 1414-1421, tháng mười năm 2007.
[27] H. Chen, Y. Luân Công, và X. Hồng, "mô hình trực tuyến với mạng RBF du dương", IEEE Trans. Syst., Man, Cybern., B, Cybern., Vol. 43, không có. 3, trang 935-947, Jun 2012...
[28] JS Cardoso và JF Pinto da Costa, "Học để phân loại dữ liệu thứ tự: Các phương pháp sao chép dữ liệu," J. Mach. Học. Res., Vol. 8, không có. 1, pp. 1393-1429, 2007.
[29] K. người rèn luyện và Y. Singer, "pranking với bảng xếp hạng," trong tiến bộ trong hệ thống xử lý thông tin thần kinh, vol. 14. Cambridge, MA, USA: MIT Press, 2001, pp 641-647..
[30] EF Harrington, "bảng xếp hạng trực tuyến / hợp tác lọc bằng cách sử dụng thuật toán ceptron trọng", trong Proc. 20. ICML, 2003, tr. 1-8.
[31] J. Basilico và T. Hofmann, "Thống nhất hợp tác và dựa trên nội dung chọn lọc," trong Proc. 21. ICML, 2004, tr 1-9..
[32] EL Allwein, RE Schapire, và Y. Singer, "Giảm nhiều lớp để nhị phân: Một cách tiếp cận thống nhất để phân loại quỹ," J. Mach. Học. Res., Vol. 1, pp. 113-141, tháng mười hai năm 2001.
[33] M. Costa, "giải thích xác suất của kết quả đầu ra mạng feedforward, với các mối quan hệ để dự đoán thống kê về số lượng thứ tự," Int. J. Neural Syst., Vol. 7, không có. 5, pp. 627-638, tháng Mười Một năm 1996.
[34] JF Pinto da Costa và J. Cardoso, "Phân loại dữ liệu thứ tự sử dụng các mạng thần kinh", trong Proc. 16. ECML, Tháng 10 năm 2005, pp. 690-697.
[35] JF Pinto da Costa, H. Alonso, và JS Cardoso, "Mô hình đơn thức để phân loại các dữ liệu thứ tự," Neural Netw., Vol. 21, không có. 1, pp. 78-91, tháng một năm 2008.
[36] J. Sánchez-Monedero, PA Gutiérrez, P. Tino, và C. Hervás-Martínez, "Khai thác các khoảng cách lớp cặp phân loại thứ tự," Neural comput., vol. 25, không có. 9, pp. 1-36, tháng bảy năm 2013.
[37] C.-W. Seah, I. Tsang, và Y.-S. Ong, "học tập nhãn Chuyển thứ tự", IEEE Trans. Neural Netw. Học. Syst., Vol. 24, không có. 11, pp. 1863-1876, tháng Mười Một năm 2013.
[38] F. Fernandez-Navarro, P. Gutierrez, C. Hervas-Martinez, và X. Yao, "Âm tính quần tương quan học tập cho hồi quy tự", IEEE Trans. Neural Netw. Học. Syst., Vol. 24, không có. 11, pp. 1836-1849, tháng Mười Một năm 2013.
[39] M. Pérez-Ortiz, PA Gutiérrez, và C. Hervás-Martínez, "chiếu bộ quần áo đồng học tập dựa trên hồi quy tự", IEEE Trans. Syst. Man Cybern, B, Cybern, doi:.. 10,1109 / TCYB.2013.2266336.
[40] GB Huang, QY Zhu, và CK Siew, "máy học cực: Một kế hoạch học tập mới của các mạng truyền thẳng," trong Proc. IEEE Int. Conf doanh. Neural Netw., Vol. 2. Tháng 7 năm 2004, pp. 985-990.
[41] Z. Huang, H. Chen, C.-J. Hsu, W.-H. Chen, S. và Wu, "phân tích xếp hạng tín dụng với máy vector hỗ trợ và mạng lưới thần kinh: Một nghiên cứu so sánh thị trường," Quyết định hỗ trợ Syst, vol.. 37, không có. 4, pp. 543-558, tháng chín năm 2004. [42] J. Cao, Z. Lin, và G.-B. Huang, "Composite chức năng mạng lưới thần kinh wavelet với máy học cực đoan," Neurocomputing, vol. 73, nos. 7-9, pp. 1405-1416, tháng ba năm 2010. [43] F. Fernández-Navarro, C. Hervás-Martínez, J. Sánchez-Monedero, và P. A. Gutierrez, "MELM-GRBF: Một phiên bản sửa đổi của các học máy cực cho ge