بررسی توابع زیان یادگیری ماشین
- سال انتشار: 1403
- محل انتشار: اولین کنفرانس بین المللی دوسالانه هوش مصنوعی و علوم داده
- کد COI اختصاصی: DSAI01_014
- زبان مقاله: فارسی
- تعداد مشاهده: 311
نویسندگان
استادیار، گروه آمار و اپیدمیولوژی، دانشکده بهداشت، دانشگاه علوم پزشکی کاشان، کاشان، ایران
دانشجوی کارشناسی ارشد، گروه مهندسی برق، دانشکده مهندسی سیستم های هوشمند و علوم داده، دانشگاه خلیج فارس، بوشهر، ایران
چکیده
تابع زیان به عنوان یکی از موضوعات مهم در یادگیری ماشینی، نقش مهمی در ساخت الگوریتم های یادگیری ماشین و بهبود عملکرد آنها ایفا میکند.شناخت این توابع به درک و اجرای الگوریتم های یادگیری ماشین کمک شایانی میکند. در این مقاله ما توابع زیان را به ترتیب از جنبه های یادگیری ماشینسنتی و یادگیری عمیق دسته بندی میکنیم. یادگیری ماشین سنتی به مسائل طبقه بندی، رگرسیون و یادگیری بدون نظارت تقسیم می شود و یادگیری عمیقبر اساس نوع کاربرد مانند تشخیص اشیاء و تشخیص چهره تقسیم بندی می شود. در این مقاله توابع زیان مربوط به طبقه بندی در یادگیری ماشین سنتی رامعرفی میکنیم و به تجزیه و تحلیل هر تابع زیان از نظر فرمول، شکل تابع و الگوریتم مربوط به آن می پردازیم تا درک عمیق تری نسبت به آنها ایجاد شود وکمکی برای انتخاب و بهبود عملکرد توابع زیان باشد.کلیدواژه ها
تابع زیان؛ یادگیری ماشینی؛ یادگیری عمیقمقالات مرتبط جدید
- طراحی یک شبکه هوشمند مبتنی بر بلاکچین و ارزیابی مزایای آن در صنعت فولاد
- تفکیک حالات صورت با استفاده از سیگنال الکترومایوگرافی تک کاناله و شبکه عصبی مصنوعی
- بررسی اثر سینامالدهید بر انعقاد خون با استفاده از داکینگ مولکولی
- طراحی و ساخت دستگاه تنفسی هوشمند چندمنظوره نانواسپیرو با قابلیت پایش، تحلیل هوش مصنوعی و اکسیژن درمانی پیوسته
- طراحی مدل ریاضی برای زنجیره تامین گردشگری کشاورزی مطالعه موردی استانهای شمالی ایران
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.