بهبود دقت شبکه عصبی با استفاده از انتخاب ویژگی
Publish place: The Second National Conference on New Approaches in Computer and Electrical Engineering
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 564
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
BPJ02_202
تاریخ نمایه سازی: 11 آبان 1395
Abstract:
پیشرفت های بوجود آمده در جمع آوری داده و قابلیت های ذخیره سازی در طی دهه های اخیر باعث شده در بسیاری از علوم با حجم بزرگی از اطلاعات روبرو شویم. این موضوع باعث ایجاد چالش های جدیدی در تحلیل داده شده است. یکی از این مشکلات که از اهمیت بالایی برخوردار است افزایش تعداد ویژگی های مربوط به یک مشاهده می باشد. مقاله های علمی روش های مختلفی برای کاهش ابعاد مجموعه ویژگی ارائه نموده اند، شبکه های عصبی، قوانین منطقی و الگوریتم های مختلف یادگیری ماشین از آن جمله اند. ایده اصلی در این مطالعه انتخاب بهترین ویژگی ها با بهره گیری از ارزیابی کننده های مختلف ویژگی می باشد. هدف از این مطالعه کاهش زمان آموزش، آزمایش و تصمیم گیری الگوریتم است. نتایجی که با استفاده از متدهای مختلف ارزیابی ویژگی ها به دست آمد متفاوت و بهتر از روش های قبلی است، همچنین انتخاب نسبت به اندازه ی مجموعه های آموزش و آزمایش مورد بررسی قرار گرفت و نتایج نهایی نشان داد انتخاب مناسب نسبت نمونه های مجموعه آموزش و آزمایش در کاربردهای مختلف می تواند باعث افزایش دقت گردد. مجموعه داده در این مقاله قارچ های سمی و خوراکی از پایگاه داده ی معتبر UCI می باشد. همچنین جهت دسته بندی از شبکه عصبی استفاده شده است.
Keywords:
Authors
نیره قهرمان
مرکز آموزش علمی کاربردی گروه انتخاب، اصفهان، ایران
مریم محمدی سرپیری
دانشگاه آزاد اسلامی اصفهان (خوراسگان)، اصفهان، ایران
مرجان محمودی
دانشگاه آزاد اسلامی نجف آباد، اصفهان، ایران
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 :