سال انتشار: 1396
محل انتشار: نهمین کنفرانس فناوری اطلاعات و دانش (IKT 2017)
کد COI مقاله: ICIKT09_040
زبان مقاله: فارسیمشاهده این مقاله: 291
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 6 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:
مشخصات نویسندگان مقاله بهبود عملکرد طبقه بند زمانی اتصال گرا با یادگیری دینامیک درون برچسبی و استفاده از اطلاعات بخش بندی نادقیق
چکیده مقاله:
امروزه بسیاری از کاربردها نیازمند بازشناسی یک دنباله برچسب از یک داده هستند. یکی از بهترین مدل ها برای پردازش این نوع داده ها شبکه های عصبی بازگشتی است. اما این نوع شبکه ها برای یادگیری نیاز به داده از پیش تقطیع شده دارند. با قرار دادن طبقهب ند زمانی اتصال گرا در قسمت خروجی این شبکه ها میتوان این مشکل را حل کرد. اما طبقه بند زمانی اتصالگرا توانایی یادگیری روابط زمانی را ندارد. همچنین توانایی این مدل در تشخیص محل دقیق برچسب و بازگرداندن آن به ازای قاب های مشخص، با افزایش طول داده، کاهش می یابد. دلیل این مشکل عدم تعیین مکان برچسب ها در طول داده است. هدف ما افزایش کارایی طبقه بند زمانی اتصالگرا است؛ به صورتی که هم دقت یادگیری افزایش یابد و هم خطای بازگشتی به صورت دقیق تری به قابها بازگردانده شود. به همین دلیل ابتدا تعداد حالات مرتبط با هر برچسب را در این مدل افزایش می دهیم تا علاوه بر یادگیری روابط بین برچسبی، روابط درون برچسبی را نیز یاد بگیریم. سپس بجای استفاده از روش نظارتی ضعیف از روش نیمه نظارتی در سطح قاب برای آموزش استفاده میکنیم. یعنی علاوه بر ترتیب برچسبها، از ناحیه تقریبی حضور برچسب ها نیز در آموزش استفاده میکنیم. این کار علاوه بر افزایش قدرت یادگیری، باعث کاهش زمان اجرا در طبقه بندی زمانی اتصال گرا می شود. آزمایش های ما روی مجموعه داده های بازشناسی عمل و متن نشان میدهد که مدل ما در مقایسه با طبقه بند زمانی اتصالگرای استاندارد، بهتر عمل می کند.
کلیدواژه ها:
طبقه بند زمانی اتصال گرا ، حافظه کوتاه مدت بلند چند بعدی ، بازشناسی عمل ، بازشناسی متن ، یادگیری نیمه نظارتی ، یادگیری نظارتی ضعیف
کد مقاله/لینک ثابت به این مقاله
کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا ICIKT09_040 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:https://civilica.com/doc/727228/
نحوه استناد به مقاله:
در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:صادقی لطفآبادی، اشکان و غیاثی شیرازی، کمال الدین و هراتی، احد،1396،بهبود عملکرد طبقه بند زمانی اتصال گرا با یادگیری دینامیک درون برچسبی و استفاده از اطلاعات بخش بندی نادقیق،نهمین کنفرانس فناوری اطلاعات و دانش (IKT 2017)،تهران،https://civilica.com/doc/727228
در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1396، صادقی لطفآبادی، اشکان؛ کمال الدین غیاثی شیرازی و احد هراتی)
برای بار دوم به بعد: (1396، صادقی لطفآبادی؛ غیاثی شیرازی و هراتی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.
مدیریت اطلاعات پژوهشی
اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.
علم سنجی و رتبه بندی مقاله
مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.
مقالات مرتبط جدید
- حل مسئله برنامه ریزی خطی کروی فازی
- تشخیص گریه نوزاد از سایر صداهای محیط با استفاده از یادگیری عمیق
- گامی فراتر در پیشگویی پیوند: یک مرور سیستماتیک بر پیشگویی پیوند چندلایه
- بهبود ترافیک شهری در شبکه های بین خودرویی با استفاده از رویکرد پروتکل وضعیت-اتصال و شبکه های عصبی
- تابعی اکتشافی برای بهبود دقت پیش بینی برنامه های جهش یافته آشکار کننده خطا
مقالات فوق اخیرا در حوزه مرتبط با این مقاله به سیویلیکا افزوده شده اند.
طرح های پژوهشی مرتبط جدید
- ملاحظات به کارگیری تصمیم گیری خودکار و هوش مصنوعی در دولت و پارلمان
- درآمدی بر حکمرانی هوش مصنوعی خلاصه راهبردی از: Allan Dafoe, AI Governance: A research agenda , Oxford university, ۲۰۱۸
- هوش مصنوعی در جهان (۶) امارات متحده عربی
- تاملات عقلانی در هوش مصنوعی
- هوش مصنوعی در جهان (۵) (جمهوری هند)
طرح های پژوهشی فوق اخیرا در حوزه مرتبط با این مقاله به سیویلیکا افزوده شده اند.
به اشتراک گذاری این صفحه
اطلاعات بیشتر درباره 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.