بهبود یادگیری ترارسان تدریجی SVMمبتنی بر تنظیم با کاهش مقادیر ویژه

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

 بهبود یادگیری ترارسان تدریجی SVMمبتنی بر تنظیم با کاهش مقادیر ویژه دارای ۱۷ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد بهبود یادگیری ترارسان تدریجی SVMمبتنی بر تنظیم با کاهش مقادیر ویژه  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 یادگیری ترارسان تدریجی SVMمبتنی بر تنظیم با کاهش مقادیر ویژه،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن بهبود یادگیری ترارسان تدریجی SVMمبتنی بر تنظیم با کاهش مقادیر ویژه :

تعداد صفحات :۱۷

چکیده مقاله:

یادگیری نیمه نظارت شده از دادههای برچسبدار و بدون برچسب به صورت همزمان برای ساخت طبقه بنداستفاده میکند تا دقت یادگیری را بهبود بخشد.یکی از مشکلاتی که در آموزش طبقه بندها رخ میدهد بیشازحد منطبق شدن میباشد. روش رگولاریزیشن کاهش مقادیر ویژه در شبکههای عصبی در یادگیرینیمه نظارتی (TNN (از جمله روشهایی است که از مسیله بیشازحد منطبق شدن دادهها اجتناب مینماید، همچنین با استفاده از کاهش مقادیر ویژه افزایش حاشیه طبقه بندی ممکن میشود که باعث بهبود قابلیت تعمیم شبکههای عصبی میشود. ماشین بردار پشتیبان ترارسان بهبودیافته (PTSVM (بهبودیافته، نسخهنیمه نظارت شده از SVM است که از یک روند تکراری برای ساخت طبقه بند با انتخاب نمونههای ترارسان مناسبتر استفاده مینماید.این پژوهش با بهرهگیری از تابع هدف TNN و یک روند تکراری مشابه با PTSVMبهبودیافته یک روش ترارسان برای یادگیری نیمه نظارتی پیشنهاد مینماید. در روش پیشنهادی با درنظرگرفتن تابع هدفTNN ، در هر تکرار از فرآیند یادگیری تعدادی از نمونههای بدون برچسب را به عنوان نمونههای ترارسان انتخاب نموده و براساس آنها وزنها و بایاس شبکه عصبی را تنظیم کردیم.روش پیشنهادی در این مقاله با روش TNN مقایسه شد. نتایج بهدست آمده از آزمایش نشان داد که روش ارایه شده دقت طبقهبندی بهتر در مقایسه با سایر روشها را در مجموعه دادههای در نظر گرفته شده دارد.