ارزیابی روشهای استقرای سازنده
- سال انتشار: 1386
- محل انتشار: دهمین کنفرانس دانشجویی مهندسی برق ایران
- کد COI اختصاصی: ISCEE10_218
- زبان مقاله: فارسی
- تعداد مشاهده: 1043
نویسندگان
دانشجوی کارشناسی ارشد مهندسی نرمافزار، دانشگاه علم و صنعت ایران، دا
دانشجوی کارشناسی ارشد مهندسی نرمافزار، دانشگاه آزاد اسلامی واحد تهر
چکیده
الگوریتمهای یادگیری ماشین که در حوزه کلاسبندی نمونهها ارائه شدهاند با توجه به مجموعه خصوصیات نمونهها, آنها را در کلاس مربوطه دستهبندی میکنند. به همین دلیل این الگوریتمها وابستگی شدیدی به زبان نمایش نمونهها یا همان مجموعه خصوصیات دارند که در صورت ضعیف بودن این زبان نتایج کلاسبندی از دقت بسیار پایینی برخوردار خواهد بود. برای حل این مشکل روشهای استقرای سازنده در جهت بهبود فضای نمایش نمونهها و در نهایت افزایش دقت یادگیری معرفی شدهاند. این مقاله به بررسی انواع مختلفی از این روشها اختصاص دارد که هدف اصلی آن شناسایی کاستیها و مشکلات موجود در روشهای استقرای سازنده است. برای اینکه بتوانیم ارزیابی درستی از این روشها داشته باشیم چندین معیار مهم و کلی بیان شده است. نتیجه حاصله از بررسی بیانگر این موضوع است که در صورت عمومیت بخشی به روشهای موجود میتوان به روشهای جامعتر و دقیقتری دست یافت.کلیدواژه ها
یادگیری ماشین، کلاسبندی، استقرای سازندهمقالات مرتبط جدید
- مدلسازی و شبیه سازی جبران ساز سری سنکرون استاتیکی توزیع برای حل چالش های شبکه توزیع بر پایه الگوریتم بهینه سازی گرگ خاکستری
- Adaptive Control Strategies for Fast Charging of EVs with Battery Degradation Mitigation
- شناسایی مانع با استفاده از دید استریو برای خودروهای بدون سرنشین
- Multi-Gbest Decomposition for Many-Objective Optimization
- ترکیب منابع انرژی پیزوالکتریک و ترموالکتریک به منظور افزایش کارایی سیستم های برداشت انرژی
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.