Skip Navigation Linksلیست مقالات ترجمه شده / مقالات ترجمه شده مهندسی كامپيوتر /

عنوان ترجمه شده مقاله: بکار گیری ساختار مجموعه‌ی داده‌ای به عنوان اطلاعات پیشین، برای منظم سازیِ بدون پارامترِ ماشین‌های یادگیری سریع ( ماشین‌های یادگیری با انعطاف‌پذیری حداکثری)

در این مقاله، یک روش جدید منظم سازی برای ماشین های یادگیری با انعطاف حداکثری ( یا ماشین یادگیری سریع- یکی از مدل‌های شبکه‌های عصبی )پیشنهاد می‌گردد. فرآیند منظم سازی، با استفاده از اطلاعات فضای پیشین که به وسیله‌ی یک ماتریس وابستگی ( یا به عبارتی ماتریس میل) نمایش داده می‌شود، صورت می‌گیرد
Abstract

This paper proposes a novel regularization approach for Extreme Learning Machines. Regularization is performed using a priori spatial information expressed by an affinity matrix. We show that the use of this type of a priori information is similar to perform Tikhonov regularization. Furthermore, if a parameter free affinity matrix is used, like the cosine similarity matrix, regularization is performed without any need for parameter tuning. Experiments are performed using classification problems to validate the proposed approach

چکیده

در این مقاله، یک روش جدید منظم سازی برای ماشین های یادگیری با انعطاف حداکثری (یا ماشین یادگیری سریع- یکی از مدل‌ های شبکه‌ های عصبی) پیشنهاد می ‌گردد. فرآیند منظم سازی، با استفاده از اطلاعات فضای پیشین که به وسیله ‌ی یک ماتریس وابستگی (یا به عبارتی ماتریس میل) نمایش داده می ‌شود، صورت می ‌گیرد. نشان داده‌ ایم که استفاده از این نوع اطلاعات پیشین، مشابه با انجام فرآیند منظم سازی تیخانوف می‌ باشد. علاوه بر این، در صورتی که از یک ماتریس وابستگیِ بدون پارامتر (مشابه با ماتریس شباهت کسینوسی) استفاده شود، فرآیند منظم سازی بدون نیاز به تنظیم پارامترها صورت می‌گیرد. آزمایش ‌هایی نیز با استفاده از مسائل دسته ‌بندی صورت گرفته تا به ارزیابی روش پیشنهادی پرداخته شود.

1-مقدمه

مدل‌ های یادگیری نظارت‌ شده، به وسیله ‌ی یک مجموعه‌ ی داده ‌ای که به وسیله ‌ی مشاهدات yi)، (xiبه دست آمده است تشکیل می ‌شود. هدف از یادگیری، به دست آوردن یک تابع تقریب عمومیِ ناشی از اتصالات زوجی می ‌باشد. برچسب گذاری در این فرآیند یادگیری، به وسیله ‌ی یک عامل اد هاک اکسترنال (خارجی) و آن‌ هم با در نظر گرفتن توزیع و ساختار نمونه ‌های ورودی xi صورت می ‌گیرد...


موسسه ترجمه البرز اقدام به ترجمه مقاله " مهندسی كامپيوتر " با موضوع " بکار گیری ساختار مجموعه‌ی داده‌ای به عنوان اطلاعات پیشین، برای منظم سازیِ بدون پارامترِ ماشین‌های یادگیری سریع ( ماشین‌های یادگیری با انعطاف‌پذیری حداکثری) " نموده است که شما کاربر عزیز می توانید پس از دانلود رایگان مقاله انگلیسی و مطالعه ترجمه چکیده و بخشی از مقدمه مقاله، ترجمه کامل مقاله را خریداری نمایید.
عنوان ترجمه فارسی
بکار گیری ساختار مجموعه‌ی داده‌ای به عنوان اطلاعات پیشین، برای منظم سازیِ بدون پارامترِ ماشین‌های یادگیری سریع ( ماشین‌های یادگیری با انعطاف‌پذیری حداکثری)
نویسنده/ناشر/نام مجله :
Neurocomputing
سال انتشار
2015
کد محصول
1008687
تعداد صفحات انگليسی
7
تعداد صفحات فارسی
19
قیمت بر حسب ریال
665,000
نوع فایل های ضمیمه
Pdf+Word
حجم فایل
1 مگا بایت
تصویر پیش فرض


این مقاله ترجمه شده را با دوستان خود به اشتراک بگذارید
سایر مقالات ترجمه شده مهندسی كامپيوتر را مشاهده کنید.
کاربر عزیز، بلافاصله پس از خرید مقاله ترجمه شده مقاله ترجمه شده و با یک کلیک می توانید مقاله ترجمه شده خود را دانلود نمایید. مقاله ترجمه شده خوداقدام نمایید.
جهت خرید لینک دانلود ترجمه فارسی کلیک کنید
جستجوی پیشرفته مقالات ترجمه شده
برای کسب اطلاعات بیشتر، راهنمای فرایند خرید و دانلود محتوا را ببینید
هزینه این مقاله ترجمه شده 665000 ریال بوده که در مقایسه با هزینه ترجمه مجدد آن بسیار ناچیز است.
اگر امکان دانلود از لینک دانلود مستقیم به هر دلیل برای شما میسر نبود، کد دانلودی که از طریق ایمیل و پیامک برای شما ارسال می شود را در کادر زیر وارد نمایید


این مقاله ترجمه شده مهندسی كامپيوتر در زمینه کلمات کلیدی زیر است:




Regularization
Extreme learning machines
Affinity matrices

تاریخ انتشار در سایت: 2016-07-19
جستجوی پیشرفته مقالات ترجمه شده

خدمات ترجمه تخصصی و ویرایش مقاله مهندسی كامپيوتر در موسسه البرز

نظرتان در مورد این مقاله ترجمه شده چیست؟

ثبت سفارش جدید