سمیرا اشراقی - دانشگاه صنعتی اصفهان، دانشکده برق و کامپیوتر

یادگیری چند نمونه ای نوع خاصی از یادگیری با نظارت است که درمواردی استفاده می شود که بر چسب همه داده ها مشخص نیست بلکه داده های آموزشی بسته های (کیف های) برچسب داری است که هر کدام دارای چندیننمونه بدون بر چسب است. کیف مثبت، کیفی است که در آن حداقل یک نمونه مثبت وجود داشته باشد اما در یک کیف منفی هیچ نمونه مثبتی وجود ندارد. وظیفه یادگیر یافتن مفهومی است که بتوان به وسیله آن کلاس کیف های جدید راتعیین کرد. در این مقاله از روش اتوماتای یادگیر سلولی برای حل مسئله یادگیری چند نمونه ای استفاده می کنیم. وظیفه اتوماتای یادگیر تعیین علامت نمونه های بدونعلامت است. برای این کار طبق تعریف کیف مثبت در یادگیری چند نمونه ای، صحیح یا غلط بودن عمل انتخاب شده توسط اتوماتا تعیین و متناسب با آن پاداش یا جریمه می گیرد و در مرحله بعد با توجه به این پاداش یا جریمه اتوماتابروز رسانی می شود. آزمایشات انجام شده روی داده های موجود در این زمینه نشان داده که این روش از نظر دقت کلاس بندی با روش های موجود قابل مقایسه است.

یادگیری چند نمونه ای، کیف های آموزشی، اتوماتای یادگیرسلولی