یادگیری چند نمونه ای با استفاده از اتوماتای یادگیر سلولی
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,214
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IPRIA01_157
تاریخ نمایه سازی: 11 مرداد 1393
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.
Keywords:
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 :