یادگیری چند نمونه ای با استفاده از اتوماتای یادگیر سلولی
Publish Year: 1391
Type: Conference paper
Language: Persian
View: 1,360
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
IPRIA01_157
Index date: 2 August 2014
یادگیری چند نمونه ای با استفاده از اتوماتای یادگیر سلولی abstract
یادگیری چند نمونه ای نوع خاصی از یادگیری با نظارت است که درمواردی استفاده می شود که بر چسب همه داده ها مشخص نیست بلکه داده های آموزشی بسته های (کیف های) برچسب داری است که هر کدام دارای چندیننمونه بدون بر چسب است. کیف مثبت، کیفی است که در آن حداقل یک نمونه مثبت وجود داشته باشد اما در یک کیف منفی هیچ نمونه مثبتی وجود ندارد. وظیفه یادگیر یافتن مفهومی است که بتوان به وسیله آن کلاس کیف های جدید راتعیین کرد. در این مقاله از روش اتوماتای یادگیر سلولی برای حل مسئله یادگیری چند نمونه ای استفاده می کنیم. وظیفه اتوماتای یادگیر تعیین علامت نمونه های بدونعلامت است. برای این کار طبق تعریف کیف مثبت در یادگیری چند نمونه ای، صحیح یا غلط بودن عمل انتخاب شده توسط اتوماتا تعیین و متناسب با آن پاداش یا جریمه می گیرد و در مرحله بعد با توجه به این پاداش یا جریمه اتوماتابروز رسانی می شود. آزمایشات انجام شده روی داده های موجود در این زمینه نشان داده که این روش از نظر دقت کلاس بندی با روش های موجود قابل مقایسه است.
یادگیری چند نمونه ای با استفاده از اتوماتای یادگیر سلولی Keywords:
یادگیری چند نمونه ای با استفاده از اتوماتای یادگیر سلولی authors
سمیرا اشراقی
دانشگاه صنعتی اصفهان، دانشکده برق و کامپیوتر
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :