استواری در برابر دادههای پرت در رویکرد دسته بندیSVM
- سال انتشار: 1401
- محل انتشار: بیست و سومین کنفرانس بین المللی پژوهش های نوین در علوم و فناوری
- کد COI اختصاصی: EMAA23_018
- زبان مقاله: فارسی
- تعداد مشاهده: 365
نویسندگان
گرایش ریاضی کاربردی تحقیق در عملیات
چکیده
رویکرد ماشین بردار پشتیبان (SVM) با تابع زیان هینگ یک روش شناخته شده و موفق برای حل مسائل دسته بندی است اما ضعف این رویکرد حساسیت آن نسبت به دادههای پرت است در راستای برطرف نمودن این ضعف در ادبیات موجود دو تابع زیان جدید به نام زیان رمپ و زیان حاشیه سخت مطرح و مدل SVM بر اساس آنها توسعه داده شده و در قالب دو مدل برنامه ریزی عدد صحیح آمیخته غیر خطی (MINLP) فرمول بندی شده است. مدلهای جدید نه تنها برای دسته بندهای خطی قابل استفاده اند بلکه امکان لحاظ کردن کرنل در آنها فراهم است در این مقاله به بررسی این مدلها میپردازیم امکان لحاظ کردن کرنل را در آنها تحقیق میکنیم و آنها را روی طیف گسترده ای از دادههای تولید شده با شبیه سازی و نیز دادههای واقعی برگرفته از ادبیات پیاده سازی می نماییم و در مقایسه با تابع زیان ،هینگ اهمیت توابع زیان رمپ و حاشیه سخت را در رویارویی با دادههای پرت ارزیابی مینماییم ،همچنین با توجه به آن که اندازه مدلهای MINLP با افزایش تعداد ویژگیها و تعداد داده ها به شدت زیاد میشود برای حل نمونه های بزرگ این مسائل به ارائه روش حل می پردازیم.کلیدواژه ها
ماشین بردار پشتیبان زیان ،رمپ زبان حاشیه سخت برنامه ریزی عدد صحیح آمیخته درجه دوم، کرنلمقالات مرتبط جدید
- Resource Optimization in Large Language Model Deployment Using Reinforcement Learning and Adaptive Software Engineering
- کاربرد یادگیری ماشین در پیشبینی خطاهای نرم افزاری در مراحل اولیه توسعه سیستم های پیچیده
- A review of the application of silver nanoparticles in improving the performance of ultrathin silicon solar cells
- نگرشی برنانو و نقش آن در تصفیه آب در نیروگاه های برق
- The Biomechanical Effect of Knee Flexion Angles on Squat Lifting with a Flat Back Position
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.