دانلود شبیه سازی مقاله الگوریتم یادگیری ماشین دقیق و پایدار

عنوان فارسی

الگوریتم یادگیری ماشین دقیق و پایدار: طبقه بندی ارزش ویژه (EigenClass)

عنوان انگلیسی

A precise and stable machine learning algorithm: eigenvalue classification (EigenClass)

کلمات کلیدی

طبقه بندی داده؛ مقادیر ویژه؛ الگوریتم یادگیری؛ یادگیری ماشین؛ یادگیری نظارت شده

درسهای مرتبط

مهندسی کامپیوتر؛ یادگیری ماشین

تعداد صفحات انگلیسی : 12 نشریه : Springer
سال انتشار : 2020 تعداد رفرنس مقاله : 42
فرمت مقاله انگلیسی : PDF نوع مقاله : ISI
اشپرینگر
قیمت دانلود مقاله
89,000تومان
دانلود رایگان مقاله انگلیسی
آیا این مقاله برای بیس پایان نامه مناسب است؟ : بله آیا این مقاله برای ارائه کلاسی مناسب است؟ : بله
برنامه ای که در آن مقاله شبیه سازی شده است : این مقاله در محیط متلب پیاده سازی شده است نام مجله مقاله : Neural Computing and Applications (رایانش عصبی و کاربردها)
ترجمه: ندارد گزارشکار : ندارد شبیه سازی : دارد (فایل های شبیه سازی در نرم افزار متلب با فرمت .m)

این مقاله در محیط متلب به صورت کامل شبیه سازی شده و در صورت خرید و دانلود مقاله شما به راحتی قادر خواهید بود از برنامه مربوطه استفاده نمایید. در صورت بروز هر گونه مشکل در نحوه ی اجرای برنامه سایت سیگمالند به مدت 24 ساعت بعد از خرید محصول، پشتیبانی آن را تا اجرای کامل برعهده دارد.

توضیحات و مشاهده مقاله انگلیسی

پروژه متلب الگوریتم یادگیری ماشین

در این مطالعه، یک الگوریتم یادگیری ماشینی مبتنی بر مقدار ویژه دقیق و کارآمد، که علی الخصوص به آن «دسته بندی مقدار ویژه» (EigenClass) گفته می شود، برای حل مسائل دسته بندی ارائه شده اند. الگوریتم EigenClass با بکارگیری یک محاسبه نزدیکی مبتنی بر مقدار ویژه، ساخته می شود. برای مشخص سازی عملکرد دسته بندی EigenClass، با الگوریتم های مشهور مانند k نزدیکترین همسایه، k نزدیکترین همسایه فازی، درخت تصادفی (RF) و ماشین های بردار پشتیبانی چندگانه، مقایسه می شود. تعداد 20 مجموعه داده مختلف با صفات و کلاس های مختلف جهت مقایسه استفاده می شوند. هر کدام از الگوریتم ها به اندازه 30 تکرار از طریق اعتباریابی متقابل 5 برابر، آموزش  داده می شود و سپس مورد آزمون قرار می گیرند. سپس، نتایج با همدیگر از نظر پراستفاده ترین معیارها، مانند دقت، صحت، یادآوری، ریز معیار F و درشت معیار F، مقایسه می شوند. نشان داده می شود که EigenClass، بهترین عملکرد دسته بندی را برای 15 مجموعه داده از نظر هر معیار از خود نشان می دهد و در یک مقایسه جفت به جفت، عملکرد بهتری نسبت به الگوریتم های دیگر به اندازه حداقل 16 مجموعه داده برای ملاحظه هر معیار، حاصل می کند. علاوه بر آن، این الگوریتم ها همچنین از طریق تحلیل آماری و پیچیدگی محاسباتی با هم مقایسه می شوند. بنابراین، نتایج حاصل شده نشان می دهند که EigenClass یک الگوریتم دقیق و پایدار است و همچنین موفق ترین الگوریتم با توجه به عملکرد دسته بندی کلی می باشد.

در مطالعه حاضر، یک الگوریتم یادگیری ماشینی نوین، یعنی EigenClass، که براساس مفهوم مقدار ویژه ساخته شده، برای مسائل دسته بندی پیشنهاد شده است. EigenClass، براساس قابلیت ارزیابی نزدیکی قابل توجه مقدار ویژه است. عملکرد دسته بندی EigenClass، از طریق مقایسه موثر با چندین الگوریتم یادگیری ماشینی اثبات شده و تایید شده، یعنی kNN، kNN  فازی، RF و MSVM، ارزیابی می شود. این الگوریتم ها به میزان 30 دور با استفاده از اعتباریابی متقابل 5 لایه برروی 20 عدد از پراستفاده ترین مجموعه داده ها، آموزش داده می شود و سپس مورد آزمون قرار می گیرند. سپس نتایج با استفاده از چندین معیار مشهور، مانند دقت، صحت، یادآوری، ریزمعیار F و درشت معیار F، ارزیابی می شوند. الگوریتم EigenClass به نحو دقیق تری اکثر مجموعه داده های ارزیابی شده را دسته بندی می کند. این الگوریتم بهترین نتایج را برای 15 مجموعه داده از نظر هر معیار فراهم می کند، هنگامی که هر کدام با دیگری مقایسه می شود و در حداقل 16 مجموعه داده برای هر معیار در یک مقایسه جفت به جفت، مقایسه می گردد. تحلیل های آماری و پیچیدگی محاسباتی برای بیشتر بررسی کردن دقت و زمان پردازش الگوریتم ها با مقایسه آنها با همدیگر، انجام می شوند. بنابراین، عموماً EigenClass عملکرد بهتری نسبت به الگوریتم ها با استفاده از مقایسه با توجه به نتایج، دارد. بنابراین، این مطالعه، اولین مطالعه ای است که یک الگوریتم یادگیری ماشینی مبتنی بر مقدار ویژه را توسعه می دهد که دقیق و کارآمد است. نتایج حاصل شده که برای تعدادی مسئله دسته بندی در نظر گرفته شده اند برای اثبات موفقیت EigenClass کافی هستند، با اینکه با بهینه سازی مراحل و کدنویسی الگوریتم می توان آنرا بیشتر بهبود داد.

این مقاله مربوط به سال 2020 بوده و شبیه سازی آن نیز در محیط نرم افزار متلب (MATLAB) انجام شده است.

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “دانلود شبیه سازی مقاله الگوریتم یادگیری ماشین دقیق و پایدار”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

هفت + 14 =

آموزش برنامه نویسی

پشتیبانی

ارتباط با ما

  • شماره تماس : 09360147484
  • ایمیل : info@sigmaland.ir

نماد اعتماد الکترونیکی

لوگو طلایی

logo-samandehi
تمامی حقوق مادی و معنوی برای سایت سیگمالند محفوظ است.