معرفی الگوریتم PEFMM: استفاده از تکنیک جایگشت برای بهینه سازی تعداد ابر قالب ها درالگوریتم بهینه شده عصبی فازی EFMM با رویکرد طبقه بندی الگو
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 547
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICTCK02_124
تاریخ نمایه سازی: 8 آبان 1395
چکیده مقاله:
در این مقاله بهبودی بر روش ترکیبی عصبی فازی EFMM ارائه شده است که هدف اصلی آن بهبود تعداد ابرقالبهای چند بعدی تولید شده در این روش می باشد که به طور مطلوبی بر کارایی الگوریتم در طبقه بندی الگوها از نظرسرعت و پیچیدگی کمتر محاسبات در حال اجرا، تاثیر گذار خواهد بود. نکته کلیدی در این بهبود، استفاده از یکمرحله اضافی در فرایند آموزش این روش است، بنحوی که با اجرای آن می توان تاثیر ترتیب توالی نمونه های آموزشاین روش را که بصورت آنلاین انجام می پذیرد تا حد زیادی بی اثر نمود و در نهایت تعداد بهینه شده ای از ابرقالب هارا در هنگام تست الگوریتم استفاده کرد. تعداد کمتر ابرقالب ها به سرعت بهتر تشخیص در طبقه بندی الگوها و افزایشدقت آن کمک خواهد نمود. نام این روش بهبود یافته PEFMM قرار داده شده است و کارآیی این روش با استفاده ازبانکهای داده استاندارد در مقایسه با EFMM معمول بررسی شده است.
کلیدواژه ها:
نویسندگان
یاسر آبروشن
دانشگاه آزاد اسلامی واحد مشهد، دانشکده مهندسی، گروه هوش مصنوعی
محمدرضا اکبرزاده توتونچی
دانشگاه آزاد اسلامی واحد مشهد، دانشکده مهندسی، گروه هوش مصنوعی
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 :