CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

مدل سازی پراکنده سلسله مراتب اشتراکی

عنوان مقاله: مدل سازی پراکنده سلسله مراتب اشتراکی
شناسه ملی مقاله: JR_KHRBA-6-23_008
منتشر شده در شماره 23 دوره 6 فصل بهار در سال 1398
مشخصات نویسندگان مقاله:

مهران کریمیان ریزی
مریم فریور

خلاصه مقاله:
مدل سازی انعطاف پذیر یک چارچوب قدرتمند برای تجزیه و تحلیل داده ها و پردازش داده ها است. به طور سنتی،کدگذاری در این چارچوب با حل یک مشکل رگرسیون خطی حلقوی L-1، معمولا Lasso نامیده می شود. در این کار ما ابتدا خواص القا کننده مدل Lasso را در سطح ویژگی فردی با خصوصیات انعکاسی بلوک مدل گروه Lasso ترکیب می کنیم، جایی که گروه های پراکنده از ویژگی ها به صورت مشترک کدگذاری می شوند و یک الگوریتم اسپارسیتی را که سلسله مراتبی ساختار یافته را به دست می اورد.این نتیجه در سلسله مراتبی Lasso است که نشان می دهد مزایای مدل سازی عملی مهم است. سپس این رویکرد را به مورد مشارکتی گسترش می دهیم، جایی که مجموعه ای از سیگنال های به طور همزمان کدگذاری یک الگوی اسپارسیتی(ریزش)مشابه در سطح بالاتر (گروهی) دارند، اما نه لزوما در پایین تر. سپس سیگنال ها گروه های فعال یا گروه ها را به اشتراک میگذارند اما لزوما همان مجموعه فعال نیستند. این برای برنامه های کاربردی مانند جداسازی منبع بسیار مناسب است. یک روشبهینه سازی کارآمد، که همگرایی را به بهینه ی جهانی تضمین می کند، برای این مدل های جدید طراحی شده است. ارایهپایه چارچوب جدید و رویکرد بهینه سازی با نمونه های تجربی و نتایج نظری اولیه تکمیل می شود.

کلمات کلیدی:
؛Lasso، سلسه مراتب اشتراکی، اسپارسیتی

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/993810/