بهبود کارایی الگوریتم فرایادگیری مبتنی بر بهینه ساز با پیشگیری از بیش برازش

  • سال انتشار: 1402
  • محل انتشار: اولین کنفرانس ملی هوش مصنوعی و مهندسی نرم افزار
  • کد COI اختصاصی: AISOFT01_003
  • زبان مقاله: فارسی
  • تعداد مشاهده: 32
دانلود فایل این مقاله

نویسندگان

داریوش کمالی

گروه مهندسی کامپیوتر ، واحد شیراز ، دانشگاه آزاد اسلامی ، شیراز ، ایران

محمدامین شایگان

گروه مهندسی کامپیوتر ، واحد شیراز ، دانشگاه آزاد اسلامی ، شیراز ، ایران

چکیده

بر خلاف پیشرفت های موجود در حوزه فرایادگیری باناظر، این الگوریتم ها به دلیل ماهیت استفاده از مجموعه داده محدود با مشکل بیش برازش مواجه هستند. در یادگیری باناظر اقدامات چشمگیری برای پرداختن به مسئله بیش برازش انجام شده است. با این وجود، این روش ها غالبا در فرایادگیری باناظر موثر نیستند. جهت فائق آمدن به مشکل بیش برازش در فرایادگیری مبتنی بر بهینه ساز، سعی بر این است تا با ایجاد تغییرات تصادفی در محاسبه پارامترهای شبکه عصبی در حلقه درونی فرایادگیر، اثر بیش برازش را کاهش داد. در این مقاله یک روش موثر جهت پیشگیری از بیش برازش در فرایادگیری مبتی بر بهینه ساز ارایه شده است. دراین روش با استفاده از یک توزیع گوسی استاندارد با انحراف معیار متغیر به صورت تصادفی، مقادیر بردار گرادیان در بهینه ساز حلقه درونی فرایادگیری تغییر می کند. روش پیشنهادی بوسیله مجموعه داده های استاندارد مورد آزمایش قرار گرفت و مشاهده گردید که دقت مدل بهبود و قدرت تعمیم پذیری و سرعت همگرایی مدل افزایش می یابد.

کلیدواژه ها

بهینه سازی، بیش برازش، شبکه های عصبی، فرایادگیری، فرایادگیری همه منظوره، گرادیان کاهشی

مقالات مرتبط جدید

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.