وفقی کردن عرض کرنل و تنک سازی برخط در شبکه عصبی حداقل میانگین مربعات مبتنی بر کرنل
thesis
- وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهد - دانشکده مهندسی
- author زهرا خندان خادم الرضا
- adviser هادی صدوقی یزدی
- Number of pages: First 15 pages
- publication year 1391
abstract
یادگیری را می توان به دو دسته کلی یادگیری دسته ای و یادگیری برخط تقسیم کرد. یادگیری برخط معمولا در مسائلی که کلیه داده ها موجود نباشد و به پاسخی مناسب در زمانی کم نیاز باشد، کاربرد دارد. روش های مختلفی برای یادگیری برخط ارائه شده است که هر یک سعی دارند تا به بهترین جواب برسند. اما هنگامی که داده ها ساختاری غیرخطی و نامحدب داشته باشند، روش های کلاسیک یادگیری قادر به افراز صحیح داده ها نمی باشند. یادگیری مبتنی بر کرنل، یک راه حل مناسب برای چنین مسائلی می باشد. اما مشکلاتی که این روش ها با آن درگیرند، نیاز به تنظیم مناسب پارامترهای به کار رفته در کرنل مربوطه و وابستگی مرتبه پیچیدگی مسئله با تعداد نمونه ها می باشد. در این پایان نامه، سعی شده است تا در ابتدا، مسئله انتخاب بهترین پارامتر کرنل (که در اینجا پارامتر عرض کرنل گوسی می باشد)، به روشی برخط و به منظور کاهش خطا، در شبکه عصبی حداقل میانگین مربعات (خطا) مبتنی بر کرنل ارائه و حل شود. سپس از معیاری کارا، درجهت ممانعت از رشد پیچیدگی منطبق بر داده ها، استفاده شده تا این روش مبتنی بر کرنل، به معنای واقعی به روشی کارا و برخط تبدیل شود. نتایج آزمایش ها روی مجموعه داده های واقعی و مصنوعی نشان از برتری روش پیشنهادی دارند.
similar resources
پیاده سازی سخت افزاری هسته حذف نویز وفقی مبتنی بر الگوریتم حداقل میانگین مربعات با کمترین منابع مصرفی
در این مقاله پیاده سازی سخت افزاری هسته حذف نویز فعال ارائه میگردد. فیلترهای وفقی در زمینههای مختلفی مانند پردازش سیگنال، رادار، سونار، شناسایی کانال و غیره مورد استفاده قرار میگیرند. فیلترهای وفقی با پاسخ ضربه محدود به دلیل حجم کم محاسبات و فاز خطی بسیار محبوب میباشند. الگوریتم حداقل میانگین مربعات برای آموزش ضرایب این فیلترها مورد استفاده قرار میگیرد. پیشرفتهای چشمگیر در زمینه قطعات نیمه...
full textپیاده سازی سخت افزاری هسته حذف نویز وفقی مبتنی بر الگوریتم حداقل میانگین مربعات با کمترین منابع مصرفی
در این مقاله پیاده سازی سخت افزاری هسته حذف نویز فعال ارائه میگردد. فیلترهای وفقی در زمینههای مختلفی مانند پردازش سیگنال، رادار، سونار، شناسایی کانال و غیره مورد استفاده قرار میگیرند. فیلترهای وفقی با پاسخ ضربه محدود به دلیل حجم کم محاسبات و فاز خطی بسیار محبوب میباشند. الگوریتم حداقل میانگین مربعات برای آموزش ضرایب این فیلترها مورد استفاده قرار میگیرد. پیشرفتهای چشمگیر در زمینه قطعات نیمه...
full textبهینهسازی وزنها در کرنل مرکب برای طبقهبند مبتنی بر نمایش تنک کرنلی
طبقهبند مبتنی بر نمایش تنک (SRC)یکی از الگوریتمهای موفق در ترکیب مفاهیم مطرح در دو حوزه نمونهبرداری فشرده و آموزش ماشین است. در SRC، هر نمونه بر اساس ترکیب خطی تنکی از نمونههای آموزشی نمایش داده میشود. با توجه به موفقیتهای اولیه این الگوریتم، فرم کرنلیزه آن (KSRC) نیز ارائه شده که در آن دادهها با استفاده از تابع کرنل به طور غیر صریح به فضای ویژگی جدیدی با ابعاد بالاتر نگاشت یافته و سپسSR...
full textوفقی سازی شعاع کرنل در تخمین موقعیت اجسام متحرک بر اساس الگوریتم بازنمونه برداری فیلترذره
تعیین مناسب شعاع کرنل یکی از پارامترهای بحرانی ردیابی مبتنی بر چگالی کرنل می باشد، که تاکنون راهکار کامل و بی عیبی برای آن بیان نشده است. در این مقاله از یک روش لبه یابی با الگوریتم ردیاب مبتنی بر کرنل برای وفقی سازی شعاع آن استفاده می شود و از ترکیب آن با الگوریتم بازنمونه برداری فیلترذره، به یک الگوریتم ردیابی مقاوم و با دقت دست می یابد. بعد از تخمین چگالی کرنل مناسب، هیستوگرام وزندارشده مدل...
full textپیاده سازی سخت افزاری هسته حذف نویز وفقی مبتنی بر الگوریتم حداقل میانگین مربعات با کمترین منابع مصرفی
در این مقاله پیاده سازی سخت افزاری هسته حذف نویز فعال ارائه می گردد. فیلترهای وفقی در زمینه های مختلفی مانند پردازش سیگنال، رادار، سونار، شناسایی کانال و غیره مورد استفاده قرار می گیرند. فیلترهای وفقی با پاسخ ضربه محدود به دلیل حجم کم محاسبات و فاز خطی بسیار محبوب می باشند. الگوریتم حداقل میانگین مربعات برای آموزش ضرایب این فیلترها مورد استفاده قرار می گیرد. پیشرفتهای چشمگیر در زمینه قطعات نیمه...
full textیک شبکة عصبی جدید مبتنی بر کرنل با کاربرد در آشکارسازی اهداف دریایی
آشکارسازی اهداف دریایی در ناوبری و کاربردهای نظامی حائز اهمیت است. نویز محیطی و درهم ریختگی دریا دو مشکل عمده در آشکارسازی اهداف دریایی است. یک شبکة عصبی جدید در فضای کرنل (NNKS) برای دستهبندی داده ارائه میشود که همراه با یک سیستم عصبی کرنلی برای آشکارسازی اهداف دریایی (KNNS) است. این سیستم بهطور ویژه در تصاویر نویزی، تصاویر دارای برهم ریختگی و تصاویر با پس زمینه پیچیده که روشهای معمول عملک...
full textMy Resources
document type: thesis
وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهد - دانشکده مهندسی
Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023