ارزیابی عملکرد ماشین یادگیر نهایی در قطعه بندی تصاویر

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 ارزیابی عملکرد ماشین یادگیر نهایی در قطعه بندی تصاویر دارای ۸ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد ارزیابی عملکرد ماشین یادگیر نهایی در قطعه بندی تصاویر  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 ارزیابی عملکرد ماشین یادگیر نهایی در قطعه بندی تصاویر،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن ارزیابی عملکرد ماشین یادگیر نهایی در قطعه بندی تصاویر :

تعداد صفحات :۸

چکیده مقاله:

ماشین یادگیر نهایی (ELM) از جمله جدیدترین ابزارهای یادگیری ماشین است که استفاده های روزافزونی در کاربردهای متعددحوزه یادگیری ماشین پیدا کرده است. مزیت اصلی این روشنسبت به شبکه عصبی پرسپترون چند لایه (MLP)، کم بودن زمان آموزش آن نسبتبه این شبکه عصبی معروف است. در بسیاری از مقالات اصلی ماشین یادگیر نهایی، دقت این سیستم بیشتر از MLP گزارش شده است.در این مقاله برای ارزیابی این ادعا، دو نسخه از ماشین یادگیر نهایی در کاربرد قطعه بندی تصاویر با شبکه عصبی پرسپترون چند لایه موردمقایسه قرار گرفته اند. آزمایشات مختلف بر روی پایگاه داده BSD و با درنظر گرفتن تعداد نورون های متفاوت در لایه پنهان انجام شده است. نتایج آزمایشات با معیارهای مختلف حاکی از آن بوده است که در حالت میانگین، خطای طبقه بندی شبکه عصبی پرسپترون چند لایه از ماشین یادگیر نهایی کمتر است؛ با این حال آموزش ماشین یادگیر نهایی بسیار سریعتر از MLP می باشد. با تعداد ۱۰۰ نورون در لایه پنهان، MLP؛ ۲.۵ درصد صحت بیشتری از ELM دارد. در حالیکه زمان آموزش MLP؛ ۱۵۵ برابر زمان آموزش ELM است.