کاربرد یادگیری چندمتر در بهبود کارایی الگوریتم پیش بنی توسط ماشین بردار پشتیبان
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 557
فایل این مقاله در 10 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:
REGCMAES02_090
تاریخ نمایه سازی: 30 دی 1394
چکیده مقاله:
یکی از مسائل مهم در یادگیری ماشین، پیش بینی است. در سالیان اخیر الگوریتم های گوناگونی برای پیش بینی داده ها استفاده شده اند. از جمله این الگوریتمها، ماشین های بردار پشتیبان هستند. الگوریتم های ماشین بردار پشتیبان معمولی از یک متر معمولی استفاده می کنند که در فضای اقلیدسی عمل می نمایند. در انیجا روشی ارائه خواهد شد که با یادگیری چند متری موضعی، قابلیت پیش بینی الگوریتم پیش بینی به وسیله ماشین بردار پشتیبان را افزایش خواهد داد. روش کار به این صورت است که پس از یادگیری تانسورها متری موضعی مربوط به ساختار منیفلد ریمانی از طریق داده های آموزشی، ژئودزیک ها محاسبه خواهند شد. سپس با استفاده از نگاشت لگاریتمی مناسب، داده ها از فضای منیفلید ریمانی به قضای مماس آن برده خواهند شد و از ماشین بردار پشتیبان در این فضا استفاده خواهد شد. این کار باعث می شود تا بتوان از خاصیت یادگیری چند متری توسط ماشین بردار پشتیبان بهره برد. پس از آن نشان داده خواهد شد که روش مذکور قابلیت یادگیری بهتری نسبت به روش تک متری معمولی ماشین بردار پشتیبان خواهد داشت.
کلیدواژه ها:
نویسندگان
نسرین محمدی
دانشگاه شهید باهنر کرمان، مجتمع آموزش عالی زرند
مهدی نخعی
پژوهشگاه علوم و فناوری اطلاعات ایران
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 :