دانلود پایان نامه با موضوع تحقیق ارائه یک مدل جدید یادگیری به منظور آموزش طبقه‌بندی‌کننده‌های سریال،در قالب Word و 93 صفحه و قابل ویرایش.========================================================
تمامی فایل های سیستم، توسط کاربران آن آپلود می شود. اگر در فایلی تخلفی مشاهده کردید و یا مالک پروژه ای بودید که از وجود آن در سایت رضایت نداشتید با ما تماس بگیرید، در اسرع وقت به گزارش شما رسیدگی می شود.
neginfile.ir@gmail.com info@neginfile.ir
========================================================
قسمتهایی کوتاه از متن:
چکيده
امروزه ایجاد و آموزش بهینه دسته‌بندی‌کننده های مستحکم و سریع به یکی از مهمترین دغدغه‌های علم هوش مصنوعی و به ویژه حوزه یادگیری ماشین بدل شده است. با رشد روز افزون در حجم و سرعت تولید داده، نیاز به تولید دسته‌بندی‌کننده‌های دقیق و سریع بیش از پیش حس می شود و در واقع یک چالش محسوب می شود. روشهای یادگیری جمعی طی سالیان اخیر اثبات کرده‌اند که برای رفع مشکلات یاد شده گزینه‌های مناسبی هستند.
روشهای یادگیری جمعی، گروهی از مدل های ضعیف را تولید می‌کنند که با تلفیق مناسب و هوشمندانه خروجی آنها می توان به یک دسته‌بندی‌کننده قوی دست یافت. این روش‌ها زمانی که از الگوریتمهای تقویتی در ساختار سریال بهره می‌برند، کارایی به مراتب بالاتری از خود نشان می‌دهند.
استفاده از شیوه تقسیم و تسخیر یا همان separate-and-conquer در زمان آموزش هر لایه از ساختار سریال، دلیل قدرت یادگیر‌های جمعی سریال می‌باشد؛ علاوه بر آن، تعیین مرزهای تصمیم موارد جزیی در دور‌های نخست ساختار سریال انجام می‌شود و در دور‌های آتی این مرز پالایش شده و موارد سخت‌تر را در بر خواهد گرفت. عملکرد مدل کلاسیک ساختار سريال، در مواجهه با مسائل دوکلاسه، به این صورت است که نمونه‌های غیر هدف که در لایه‌های اولیه یاد گرفته می‌شوند از سیستم حذف شده و با نمونه‌های سخت‌تر جایگزین می‌شوند؛ که می‌توان از این استراتژی با نام bootstrapping یاد کرد. با این روند، یادگیری بهینه کلان به جزیی یا همان learning coarse-to-fine حاصل می‌شود.
در این مطالعه، یک مدل نوین برای آموزش طبقه‌بندی‌کننده‌های سريال ارایه شده است که از روش وارسی اعتبار در ساختار آن استفاده شده است. در روش پیشنهادی، درصدی از دادههای درست دسته‌بندی‌شده در لایه نخست ساختار به منظور حفظ عمومیت سیستم، برای آموزش به لایه بعدی فرستاده می‌شود و این روند برای لایه‌های بعدی ادامه خواهد یافت. بدین ترتیب، مدل ارائه شده در مقابل دادههای نویزی بسیار مقاوم بوده و انحراف معیار نرخ خطای آزمایش آن، از روشهای رقیب کمتر می‌شود.
مقدمه
امروزه شاهد رشد عظیمی در تولید داده هستیم. فعالیت‌ها و تعامل‌های روزانه انسان‌ها، حجم چشمگیری از دادهها و اطلاعات را به وجود می‌آورد؛ به عنوان مثال در ارتباطات از راه دور، تراکنش های‌مالی و بانکی، شبکه‌های اجتماعی، فعالیت‌های اینترنتی عام، امور مربوط به بهداشت و درمان، پایش اطلاعات امنیتی، اطلاعات و دادههای آماری مانند سرشماری نفوس و بسیاری موارد دیگر [1,2]. با پیشرفت چشمگیر تجهیزات سخت افزاری، هزینه ذخیره داده کم شده است؛ این در حالی است که آنالیز صحیح و استخراج اطلاعات مفید از این حجم از داده به یک دغدغه تبدیل شده است. هوش مصنوعی و به ویژه حوزه یادگیری ماشین ، به دنبال یافتن روش‌ها و ابزار‌های موثر جهت رفع این مشکل می باشد.
فهرست مطالب:
فصل اول
1. مقدمه1
1-1. مقدمه 1
1-2. یادگیری ماشین 1
1-3. الگوریتمهای یادگیری جمعی 3
1-4. دسته بندی کننده های سریال 4
1-5. ایده اصلی تحقیق 5
1-6. نگاهی کلی به فصول رساله 6
فصل دوم
2. پیشینه تحقیق 8
2-1. مقدمه 8
2-2. اهمیت مسائل چندکلاسه 8
2-3. روشهای BOOSTING 11
2-3-1. مسائل دوکلاسه 13
2-3-2. مسائل چندکلاسه 14
تکنیک های تجزیه کلاسی 15
یکی-در مقابل-همه(OAA) 15
یکی-در مقابل-یکی(OAO) 16
روش P در مقابل Q 17
روشهای Boosting چندکلاسه 18
روش AdaBoost.M2 18
روش AdaBoost.OC 21
روش AdaBoost.ECC 22
2-4. روشهای جمعی سريال 23
2-4-1. دسته‌بندی‌‌کننده‌ی سريال 24
دسته‌بندی‌کننده‌های سريال همزمان 28
ساختار‌های سريال درختی 30
2-5. خلاصه 31
فصل سوم
3. راهکارهای پیشنهادی 33
3-1. مقدمه 33
3-2. روش LogitBoost سريال تودرتو 34
کلیات روش 34
جزییات روش 34
3-3. ساختار سریال پایش دادهها به کمک الگوریتم -kنزدیک‌ترینهمسایه 39
3-4. خلاصه 41
فصل چهارم
4. روال آزمایشها 43
4-1. مقدمه 43
4-2. دسته‌بندی‌کننده‌های مورد استفاده برای مقایسه 43
4-2-1. دلایل انتخاب روشهای رقیب 43
4-2-2. جزییات پیاده‌سازی روشهای رقیب 44
4-3. معیار‌های ارزیابی 46
4-4. مجموعه دادههای به‌کار رفته در آزمایشها 48
مجموعه دادههای مربوط به مسائل چندکلاسه 48
مجموعه دادههای مربوط به مسائل دوکلاسه 49
4-5. تست آماری فریدمن 50
4-6. خلاصه 52
فصل پنجم
5. نتایج54
5-1. مقدمه 54
5-2. نتایج حاصل از آزمایش هفت ترکیب مختلف از پارامترها برای روش پیشنهادی اول 54
5-2-1. تحلیل نتایج حاصل از آزمایش هفت ترکیب مختلف از پارامترها برای روش پیشنهادی اول 56
5-3. نتایج حاصل از آزمایش روش پیشنهادی اول و روشهای رقیب 58
5-4. نتایج حاصل از آزمایش روش پیشنهادی دوم 61
5-5. خلاصه 63
فصل ششم
6. نتیجه‌گیری و کارهای آینده 65
6-1. نتیجه‌گیری 65
6-2. کارهای آینده 66
اختصارات 67
واژه نامه فارسی به انگلیسی 68
واژه نامه انگلیسی به فارسی 72
فهرست منابع 76
توجه:هدف ما در سايت نگين فايل کمک به دانشجويان و دانش پژوهان عزيز براي بالا بردن سطح بار علمي آنها مي باشد پس لطفا نگران نباشيد و با اطمينان خاطر اقدام به خريد بفرماييد.
پشتیبانی: 09392158693 (لطفا فقط عنوان فایل، نام خریدار و مشکل خود را پیامک و یا در تلگرام عنوان بفرمایید تا سوال و مشکل شما به متخصص مربوطه ارجاع شود).
نحوه دانلود : بلافاصله پس از پرداخت آنلاین قادر به دانلود فایل خواهید بود و همچنین یک نسخه از “لینک دانلود” نیز برای شما ایمیل می شود.
