دانش رسان |
مرکز علم و دانش کشور بهبود الگوریتم آدابوست ناهمگن با استفاده از الگوریتم بهینه سازی کلونی مورچگان
در حال بارگذاری
توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد
بهبود الگوریتم آدابوست ناهمگن با استفاده از الگوریتم بهینه سازی کلونی مورچگان دارای ۱۴ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد بهبود الگوریتم آدابوست ناهمگن با استفاده از الگوریتم بهینه سازی کلونی مورچگان کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.
توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی بهبود الگوریتم آدابوست ناهمگن با استفاده از الگوریتم بهینه سازی کلونی مورچگان،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن بهبود الگوریتم آدابوست ناهمگن با استفاده از الگوریتم بهینه سازی کلونی مورچگان :
تعداد صفحات :۱۴
چکیده مقاله:
کاربردهای مختلف یادگیری ماشین در علوم و حوزه های مختلف، آن را به یکی از پرطرفدارترین شاخه های هوش مصنوعی تبدیل کرده است. به جرات می توان گفت دسته بندی داده هایی که توسط الگوریتم های بینایی ماشین آموزش دیده و به یک مدل تبدیل شده اند در بیشتر نرم افزارهای کنونی استفاده می گردد. بدیهی است وجود روش های متفاوت در مدل سازی نمونه ها، منجر به تولید درصدی متفاوت از تشخیص بر روی داده های یک دیتاست مشترک خواهد شد که هرقدر این درصد بیشتر باشد، روش پیشنهادی نیز اعتبار بیشتری خواهد داشت. ممکن است خروجی الگوریتم های دسته بندی به گونه ای باشد که تداخل زیادی در تشخیص آن ها مشاهده گردد. علت این تداخل می تواند داده های نویز و یا نمونه هایی باشد که کمتر در فاز آموزش داده ها پدیدار گردیده اند. جهت تقویت خروجی این روش ها از فرا الگوریتم هایی استفاده می گردد که با تعیین میزان خطا در فرضیه های از پیش تعیین شده؛ طی دورهای متمادی نسبت به تقویت نمونه های درست کلاسه بندی نشده اقدام می کنند. یکی از این روش ها آدابوست است که مشکل اساسی آن عدم حساسیت به نویز و بیش برازش است. بر اساس روش پیشنهادی با بهره گیری از الگوریتم فرا ابتکاری کلونی مورچگان، این حساسیت به نویز را کاهش داده و مشکل بیش برازش در داده های کم تکرار دیتاست را به گونه ای برطرف نماییم که احتمال عدم کلاسه بندی صحیح داده های پرت به طور قابل توجهی کاهش یابد.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.
