پایان نامه مقطع کارشناسی ارشد رشته حقوق

دانشـكده مهندسـي

پايان‌نامه كارشناسي ارشد در رشته مهندسي کامپيوتر (هوش مصنوعی)

عنوان:

ارائه یک مدل جدید یادگیری به مقصود آموزش طبقه‌بندی‌کننده‌های سریال

استاد راهنما:

دکتر رضا بوستانی

بهمن 1392

 

برای رعایت حریم خصوصی نام نگارنده درج نمی گردد

تکه هایی از متن به عنوان نمونه :

 

چکيده

ارائه یک مدل جدید یادگیری به مقصود آموزش طبقه‌بندی‌کننده‌های سریال

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 می باشد. با رشد روز افزون در حجم و سرعت تولید داده، نیاز به تولید دسته‌بندی‌کننده‌های دقیق و سریع بیش از پیش حس می گردد و در واقع یک چالش به شمار می رود. روش‌های یادگیری جمعی طی سالیان اخیر اثبات کرده‌اند که برای رفع معضلات 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 پیدا نمود. این روش‌ها زمانی که از الگوریتم‌های تقویتی در ساختار سریال بهره می‌برند، کارایی به مراتب بالاتری از خود نشان می‌دهند.

بهره گیری 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 می گردد و در دور‌های آتی این مرز پالایش شده و موارد سخت‌تر را در بر خواهد گرفت. عملکرد مدل کلاسیک ساختار سريال، در روبرو شدن با مسائل دوکلاسه، به این شکل می باشد که نمونه‌های غیر هدف که در لایه‌های اولیه یاد گرفته می شوند از سیستم حذف شده و با نمونه‌های سخت‌تر جایگزین می شوند؛ که می‌توان از این استراتژی با نام bootstrapping دانست. با این طریقه، یادگیری بهینه کلان-به-جزیی یا همان learning coarse-to-fine حاصل می گردد.

در این مطالعه، یک مدل جدید برای آموزش طبقه‌بندی‌کننده‌های سريال ارایه شده می باشد که از روش وارسی اعتبار در ساختار آن بهره گیری شده می باشد. در روش پیشنهادی، درصدی از داده‌های درست دسته‌بندی‌شده در لایه‌ نخست ساختار به مقصود حفظ عمومیت سیستم، برای آموزش به لایه بعدی فرستاده می گردد و این طریقه برای لایه‌های بعدی ادامه خواهد پیدا نمود. بدین ترتیب، مدل ارائه شده پیش روی داده‌های نویزی بسیار مقاوم بوده و انحراف معیار نرخ خطای آزمایش آن، از روش‌های رقیب کمتر می گردد.

واژه­های کلیدی: یادگیری ماشین، الگوریتم­های یادگیری جمعی، coarse-to-fine learning، یادگیر‌های جمعی سريال، separate-and-conquer

 

شما می توانید تکه های دیگری از این مطلب را در شماره بندی انتهای صفحه بخوانید              

 

فهرست مطالب

 

عنوان                                                                                                                صفحه

فصل اول  

مقدمه  

  1. مقدمه…………………………………………………………………………………………………………………………………1

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 پژوهش.. 5

1-6. نگاهی کلی به فصول رساله. 6

فصل دوم  

پیشینه پژوهش   

  1. پیشینه پژوهش …………………………………………………………………………………………………………………..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-پیش روی-همه(OAA). 15

یکی-پیش روی-یکی(OAO). 16

روش P پیش روی 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. اختصار. 31

فصل سوم  

راهکارهای پیشنهادی

  1. 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 – نزدیک‌ترین‌همسایه. 39

3-4. اختصار. 41

فصل چهارم  

سیاق آزمایش‌ها 

  1. سیاق آزمایش‌‌ها ………………………………………………………………………………………………………………..43

4-1. مقدمه. 43

4-2. دسته‌بندی‌کننده‌های مورد بهره گیری برای مقایسه. 43

4-2-1. علت های 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. اختصار. 52

فصل پنجم  

نتایج   

  1. نتایج……………………………………………………………………………………………………………………………….54

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. اختصار. 63

فصل ششم  

نتیجه‌گیری و کارهای آینده

  1. 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

 

فهرست جداول

 

عنوان                                                                                                                صفحه

 

جدول 2-1.مثال از یک ماتریس کد گذاری به روش ECOC برای یک مساله چهار کلاسه   17

جدول 3-1.ترکیب پارامتری بهره گیری شده در راستای تحلیل تاثیر پارامترهای موجود در الگوریتم پیشنهادی اول…….. 39

شما می توانید مطالب مشابه این مطلب را با جستجو در همین سایت بخوانید                     

جدول 4-1.     جزییات مجموعه داده‌‌های چندکلاسه.. 49

جدول 4-2.     جزییات مجموعه داده‌های دوکلاسه.. 50

جدول 5-1.      مشخصات مجموعه داده‌های بهره گیری شده برای مطالعه تاثیر پارامترها در روش پیشنهادی اول……. 55

جدول 5-2.مقادیر آزمایشی ترکیبات مختلف پارامترها برای روش پیشنهادی اول   55

جدول 5-3.نرخ خطا و انحراف معیار به‌دست آمده از ترکیبات مختلف پارامترها برای روش پیشنهادی اول   ………………………………………………………………………………………….55

جدول 5-4.میانگین رتبه بندی برای 7 ترکیب پارامتری مقایسه شده بر 11 مجموعه داده چندکلاسه………. 58

جدول 5-5.تست فریدمن و تست تعقیبی Bonferroni-Dunn. برای  7 ترکیب پارامتری ، اختلافات معنادار با فونت توپر نمایش داده شده می باشد. 58

جدول 5-6.نتایج حاصل از اعمال روش‌‌ پیشنهادی اول و روش‌های رقیب، در قالب نرخ خطای آزمایش و انحراف معیار  59

جدول 5-7.میانگین رتبه بندی برای 5 روش مقایسه شده بر 11 مجموعه داده چندکلاسه   60

جدول 5-8.نتایج تست فریدمن و تست تعقیبی Bonferroni-Dunn. برای روش پیشنهادی اول، اختلافات معنادار با فونت توپر نمایش داده شده می باشد. 60

جدول 5-9. نتایج اعمال روش پیشنهادی دوم و روشKNN  به ازای مقادیر مختلف k، در قالب نرخ خطای آزمایش و انحراف معیار  61

جدول 5-10.میانگین رتبه بندی برای 4 روش بر روی 12 مجموعه داده دوکلاسه   62

جدول 5-11.نتایج تست فریدمن و تست تعقیبی Bonferroni-Dunn. برای روش پیشنهادی دوم، اختلافات معنادار با فونت توپر نمایش داده شده می باشد. 62

 

فهرست الگوریتم‌ها

عنوان                                                                                                                صفحه

الگوریتم 1.…….. شبه کد مربوط به روش AdaBoost. 14

الگوریتم 2.…….. شبه کد مربوط به روش AdaBoost.M2. 19

الگوریتم 3.…….. شبه کد مربوط به روش AdaBoost.OC. 21

الگوریتم 4.…….. شبه کد مربوط به روش AdaBoost.ECC. 23

الگوریتم 5.…….. ساختار سريال Viola-Jones. 25

الگوریتم 6.…….. شبه کد مربوط به فاز آموزش ساختار سریال پیشنهادی اول   38

الگوریتم 7.…….. شبهکد مربوط به الگوریتم LogitBoost برای مسائل چندکلاسه  46

 

 

فهرست شکل ها

 

عنوان                                                                      صفحه

شکل 2-1.         ساختار سريال Viola-Jones [42] 26

شکل 2-2.         ساختار دسته‌بندی‌کننده‌ سريال همزمان.. 29

شکل 2-3.         ساختار درختی ارائه شده توسط لینهارت… 31

شکل 3-1.         ساختار کلی روش دسته‌بندی‌ سريال پیشنهادی اول.. 35

شکل 3-2.         مکانیزم انتقال داده از یک لایه به لایه بعدی در روش پیشنهادی اول.. 37

شکل 3-3.         ساختار سريال پیشنهادی دوم.. 40

***ممکن می باشد هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد

یا بعضی نمادها و اشکال درج نشود اما در فایل دانلودی همه چیز مرتب و کامل و با فرمت ورد موجود می باشد***

متن کامل را می توانید دانلود نمائید

زیرا فقط تکه هایی از متن پایان نامه در این صفحه درج شده (به گونه نمونه)

اما در فایل دانلودی متن کامل پایان نامه

 با فرمت ورد word که قابل ویرایش و کپی کردن می باشند

موجود می باشد

تعداد صفحه :101 صفحه

قیمت : چهارده هزار و هفتصد تومان

 

 

***

—-

پشتیبانی سایت :        ———-        serderehi@gmail.com

در صورتی که مشکلی با پرداخت آنلاین دارید می توانید مبلغ مورد نظر برای هر فایل را کارت به کارت کرده و فایل درخواستی و اطلاعات واریز را به ایمیل ما ارسال کنید تا فایل را از طریق ایمیل دریافت کنید.

***  ***

دسته بندی : حقوق