یادگیری ماشین و تشریح الگوریتم های مهم آن

سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 12,794

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICEEE04_129

تاریخ نمایه سازی: 6 مهر 1391

چکیده مقاله:

یادگیری در فرهنگ لغت عبارت است از بدست آوردن دانش و یا فهم آن از طریق مطالعه، آموزش و یا تجربه. همچنین گفته شده است که یادگیری عبارت است از بهبود عملکرد از طریق تجربه. اما یادگیری ماشین عبارت است از اینکه چگونه می توان برنامه ای نوشت که از طریق تجربه یادگیری کرده و عملکرد خود را بهتر کند. یادگیری ممکن است باعث تغییر در ساختار برنامه و یا داده ها شود. در این مقاله به معرفی و تشریح الگوریتم های یادگیری ماشین مهم خواهیم پرداخت.

کلیدواژه ها:

یادگیری ماشین ، ماشین های بردار پشتیبان ، شبکه های عصبی مصنوعی ، درخت های تصمیم گیری ، نزدیکترین K همسایه ، یادگیری ترکیبی

نویسندگان

سعید باقری گلزار

دانشگاه آزاد اسلامی واحد قزوین، دانشکده مهندسی برق رایانه و فناوری

فریبا کرمی سرخه چقایی

دانشگاه آزاد اسلامی واحد قزوین، دانشکده مهندسی برق رایانه و فناوری

امیر مسعود افتخاری مقدم

عضو هیئت علمی دانشگاه آزاد اسلامی واحد قزوین، دانشکده مهندسی برق رای

علی برومندنیا

عضو هیئت علمی دانشگاه آزاد اسلامی واحد تهران جنوب

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Ch. Tsai, C. Hung, "Automatically Annotating Images with Keywords: A ...
  • V. Vapik, ،The Nature of Statistical Learning Theory", S pringer-Verleg, ...
  • J. Burges. "A tutorial _ support vector machines for pattern ...
  • Machines" , Cambridge University Press, 2000. ...
  • C. Sutton, "Classification and regression trees, bagging, and boosting", Rao, ...
  • L. Breiman, J. Friedman, R. Olshen, C. Stone, "Classification and ...
  • D. Hand, H. Mannila, P. Smyth, "Principles of Data Mining", ...
  • L. Breiman, "Bagging predictors", Machine Learning, Vol. 24, pp.123-140, 1996. ...
  • Y. Freund, "Boosting a weak learning algorithm by majority", Inform. ...
  • Y. Freund, R. Schapire, "Experiments with a new boosting algorithm", ...
  • International Conference. Morgan Kaufmann, San Francisco, CA, 1996. ...
  • S. Tulyakov, S. Jaeger, V. Govindaraju, D. Doermann, "Review of ...
  • نمایش کامل مراجع