• جزئیات بیشتر مقاله
    • تاریخ ارائه: 1399/05/15
    • تاریخ انتشار در تی پی بین: 1399/05/15
    • تعداد بازدید: 189
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس دبیرخانه رویداد: -

    روشی تکاملی برای بهینه سازی طبقه بندی مبتنی بر جمع سپاری

    یادگیری مبتنی بر جمع سپاری یکی از انواع مهم یادگیری است که سعی در کاهش هزینه های برچسب زنی دارد. در بحث یادگیری مبتنی بر جمع سپاری، این امکان را فراهم می کنند که از خرد جمعی برای حل مسائل استفاده کنند. اکثر روشهای مبتنی بر جمع سپاری به دلیل استفاده از الگوریتم em در محاسبه پارامترها، دارای مشکل گیرافتادن در بهینه های محلی ناشی از نقطه شروع نامناسب هستند. در این مقاله روشی مبتنی بر الگوریتم های تکاملی به منظور رفع مشکلات الگوریتم em در محاسبه پارامترهای مدل جمع سپاری ارائه شده است.

    در این روش، مقادیر اولیه پارامترهای مدل طبقه بندی مبتنی بر جمع سپاری، از جمله دقت نظردهندگان و ضرایب خط جداساز از طریق الگوریتم ازدحام ذرات محاسبه می شوند. سپس مقادیر بدست آمده به عنوان نقطه شروع الگوریتم em مورد استفاده قرار گرفته و بهینه سازی می شوند. آزمایشات بر روی مجموعه داده های واقعی با نظردهندگان شبیه سازی شده، و مجموعه داده های واقعی با نظردهندگان واقعی، انجام شده است. نتیجه این آزمایشات برای روش ارائه شده در مقایسه با سایر روشها، نشان دهنده ی برتری روش پیشنهادی از نظرصحت طبقه بندی بر روی داده های آزمون است.

سوال خود را در مورد این مقاله مطرح نمایید :

با انتخاب دکمه ثبت پرسش، موافقت خود را با قوانین انتشار محتوا در وبسایت تی پی بین اعلام می کنم
مقالات جدیدترین رویدادها
مقالات جدیدترین ژورنال ها