Die zufällige Projektion ist eine bekannte KI-Berechnung, die von neuronalen Organisationen ausgeführt und auf effektive Weise trainiert werden kann. Adaptive Regularize Parameter Selection reguliert die Merkmale, die wichtig sind, und wählt das am besten geeignete Merkmal für ein bestimmtes Problem aus. Das Hauptziel besteht darin, die Rechenkosten sowohl für Klassifizierungs- als auch für Regressionsaufgaben durch die Verwendung eines Randomisierungsalgorithmus zu reduzieren. Er liefert das bestmögliche Ergebnis bei der hochdimensionalen Optimierung. Es verwendet ein mehrschichtiges neuronales Netz für die Ausführung linearer und nicht linearer Funktionen.