مقاوم سازی روش های یادگیری متریک در مقابل داده های پرت
- سال انتشار: 1399
- محل انتشار: کنگره مشترک سیستم های فازی و هوشمند ایران(نوزدهمین کنفرانس سیستم های فازی و هفدهمین کنفرانس سیستم های هوشمند)
- کد COI اختصاصی: ICFUZZYS19_007
- زبان مقاله: فارسی
- تعداد مشاهده: 532
نویسندگان
استادیار گروه فناوری اطلاعات دانشکده مهندسی، دانشگاه فناوری نوین سبزوار، سبزوار ایران
استاد گروه مهندسی کامپیوتر دانشکده مهندسی، دانشگاه فردوسی مشهد، ایران
چکیده
در بسیاری از الگوریتم های یادگیری ماشین، شناسایی الگو و دادهکاوی نیازمند آن هستیم که شباهت یا فاصله بین داده ها را به روش مناسب اندازه گیری کنیم. بعنوان مثال کارایی الگوریتم های خوشه بندی و یا طبقه بند k نزدیک ترین همسایه به معیار فاصله/شباهت بستگی دارد. معیارهایی عمومی نظیر فاصله اقلیدسی و شباهت کسینوسی که بدون توجه به مفهوم داده ها میزان شباهت یا فاصله آن ها را مشخص می کنند، در بسیاری از کاربردها کارایی مناسبی ندارند. این مساله ضرورت یادگیری متریک را نشان می دهد. در یادگیری متریک هدف این است که با توجه به داده ها معیار شباهت یا فاصله بهینه به دست آید بطوری که داده هایی که ازنظر مفهومی و منطقی شبیه به هم هستند، به یکدیگر نزدیک می شوند و داده هایی که از نظر مفهومی و منطقی شبیه نیستند از یکدیگر دور شوند. در این زمینه روش های زیادی ارایه شده است، اما همچنان یکی از چالش های مهم و جذاب، کاهش تاثیر داده پرت یا برچسب نویزی می باشد. در روش ارائه شده، مجموعه داده ورودی هم زمان با یادگیری متریک، به دو بخش داده بدون خطا و بخش داده های پرت تقسیم میشود و یادگیری معیار فاصله تنها بر روی بخش بدون خطا انجام می شود. آزمایشات انجام شده بر رویداده های واقعی (در حضور و عدم حضور داده پرت و برچسب نویزی) کارایی الگوریتم ارایه شده را تایید می کند و برتری آن را نسبت به روش های همتا در مرزهای دانش در محیط های دارای نویز برچسب نشان می دهد.کلیدواژه ها
یادگیری متریک، یادگیری متریک مقاوم، یادگیری متریک نزدیک ترین همسایه با حاشیه بزرگ، طبقه بند k نزدیک ترین همسایه، داده های پرت، برچسب نویزیمقالات مرتبط جدید
- مددکاری اجتماعی کودکان محروم از سرپرستی شایسته
- اثربخشی بازی درمانی مبتنی بر رابطه والد - کودک بر بهبود رابطه مادر - کودک، افزایش هوش هیجانی و کاهش مشکلات رفتاری کودکان پیش دبستانی
- پیش بینی افت تحصیلی بر اساس سبک های فرزندپروری والدین و اختلالهای رفتاری در دانش آموزان مقطع ابتدایی شهر شیراز با نقش واسطه ای تاب اوری تحصیلی
- پیشبینی دلزدگی زناشویی بر اساس سرمایه روان شناختی در دانشجویان متاهل
- طراحی و اعتباریابی بسته آموزش مهارت های یادگیری خودتنظیمی مبتنی بر نظریه پنتریج و تاثیر آن بر اهمالکاری تحصیلی ، خودناتوان سازی تحصیلی و دلزدگی تحصیلی در دانش آموزان پسر متوسطه اول
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.