Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

یادگیری نیمه نظارتی با استفاده از دانشجویان نویزدار

پنجمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی
سال انتشار: 1400
کد COI مقاله: CEITCONF05_053
زبان مقاله: فارسیمشاهده این مقاله: 87
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 10 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله یادگیری نیمه نظارتی با استفاده از دانشجویان نویزدار

راشد اکبری - دانشجوی کارشناسی ارشد دانشگاه صنعتی قم
عبدالرضا رسولی کناری - دکتری واستادیار دانشگاه صنعتی قم
مرتضی محجل کفشدوز - دکتری و استادیار دانشگاه صنعتی قم

چکیده مقاله:

برای موفقیت یادگیری عمیق وجود منابع داده های بزرگی که توسط متخصص وبا صرف هزینه برچسب گذاری شده اند. ضروری هستند. اما زمانی که برچسب زنی دادگان، هزینه بر است. آموزش شبکه های عمیق با یک مجموعه کوچک برچسب دار، معمولا منجر به عملکرد قابل قبولی نمی شود. هدف از یادگیری نیمه نظارتی به کارگیری داده های بدون برچسب رها شده ای است که به راحتی می توان آنها را گردآوری کرد. الگوریتم های نیمه نظارتی جدید که مبتنی بر افزون سازی داده ها هستند توانسته اند به پیشرفت های جدیدی در این عرصه دست یابند. در این مقاله، با استفاده از الگوریتم دانشجویان نویزدار بر روی داده های کم با استفاده از داده های بدون برچسب دقت مدل رابالا برده و با مشکلات ناشی از داده های کم فایق آمد. روش پیشنهادی، مدل را تشویق می کند با آموزش دانشجویان مختلف خطای کلاس بندی را کاهش داده و با انجام این عمل به صورت متوالی، به واسطه خودآموزی بر روی داده ها بدون برچسب عملکرد مدل تقویت می شود. روش پیشنهادی نتایج جدیدی در چهار مجموعه داده بدست آورده است. در حالی که در مجموعه داده های stl۱۰ مدل تمام نظارتی بادر اختیار داشتن ۵۰۰۰ نمونه برچسب دار، دقت ۶۳.۶ درصدی دارد. مدل پیشنهادی تنها با در اختیار داشتن ۵۰۰۰ نمونه برچسب دار و ۱۰۰۰۰۰ نمونه غیر برچسب دار توانسته است به دقت ۹۴.۳ درصد برسد. آزمایشات مختلف مقیاس پذیری قدرت تعمیم روش پیشنهادی را چه در راستای افزایش اندازه مجموعه داده های برچسب دار و چه در راستای افزایش اندازه مدل نشان می دهد.

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا CEITCONF05_053 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/1428857/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
اکبری، راشد و رسولی کناری، عبدالرضا و محجل کفشدوز، مرتضی،1400،یادگیری نیمه نظارتی با استفاده از دانشجویان نویزدار،پنجمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی،اهواز،https://civilica.com/doc/1428857

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1400، اکبری، راشد؛ عبدالرضا رسولی کناری و مرتضی محجل کفشدوز)
برای بار دوم به بعد: (1400، اکبری؛ رسولی کناری و محجل کفشدوز)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: 851
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات مرتبط جدید

طرح های پژوهشی مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره 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.

پشتیبانی