یادگیری چند نمونه ای با بهره گیری از یک الگوریتم بازگشتی مبتنی بر بخش بندی فضای ویژگی
Publish place: 14th Iranian Conference on Electric Engineering
Publish Year: 1385
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,719
This Paper With 6 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:
ICEE14_187
تاریخ نمایه سازی: 25 تیر 1387
Abstract:
بطورکلی سه راهبرد یادگیری متفاوت در مجموعه روش ها ی ارائه شده در حوزه یادگیری ماشین وجود دارد. این راهبردها عبارتند از یادگیری با نظارت، یادگیری بدون نظارت و یادگیری تقویتی. اگرچه این راهبردهای سه گانه پاسخگوی بسیاری از حوزه های کاربردی هستند اما در برآوردن نیاز برخی حوزه ها با چالش های جدی مواجه می باشند. در این حوزه ها برچسب الحاقی به مثال ها دارای ابهام می باشد، این ابهام یادگیری با نظارت را در این حوزه ها با مشکلات زیادی مواجه می نماید. یادگیری چند نمونه ای راهبرد جدیدی است که در سال های اخیر در پاسخ به این نیاز مطرح گردیده است. در این مقاله علاوه بر معرفی و بررسی روش های مختلف مطرح شده برای حل مساله یادگیری چند نمونه ای، الگوریتمی بازگشتی مبتنی بر بخش بندی فضا برای حل این مساله ارائه می شود. این الگوریتم از ساختاری سلسله مراتبی جهت بخش بندی فضا بهره می برد. الگوریتم پیشنهادی %80 پیاده سازی شده و بر روی مجموعه ای متنوع از داده ها مورد آزمون قرار گرفته است. .بر اساس این آزمون، الگوریتم پیشنهادی با دقت بیش ازعمل می کند.
Keywords:
Authors
نصراله مقدم چرکری
دانشگاه تربیت مدرس ، گروه 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 :