طريقة دقيقة لتعظيم المساحة الموجودة أسفل المنحنى المميز لمشغل جهاز الاستقبال للتعلم متعدد المثيلات
| العنوان | طريقة دقيقة لتعظيم المساحة الموجودة أسفل المنحنى المميز لمشغل جهاز الاستقبال للتعلم متعدد المثيلات |
|---|---|
| المؤلف | أتاسوي، جيزم |
| تاريخ النشر: | 2018-08 |
| الموضوع | الهندسة الصناعية والصناعية، تحسين الأعداد الصحيحة المختلطة، مشكلة الترتيب الثنائي، التعلم متعدد المثيلات، المنطقة أسفل المنحنى، دعم آلات المتجهات |
| النوع | وثيقة |
| اللغة | الإنجليزية |
| رقمي | نعم |
| مخطوط | لا |
| المكتبة: | جامعة اوزيجين |
| رقم السجل | b7bee7b1-ccf1-45dd-8d3d-06470c22b352 |
| موقع المكتبة | قسم الهندسة الصناعية |
| التاريخ | 2018-08 |
| نص عينة | الغرض من هذه الدراسة هو حل مشكلة التصنيف متعدد المثيلات عن طريق تعظيم المساحة الواقعة تحت منحنى خصائص تشغيل المستقبِل (ROC) (أي AUC). نحن نشتق نموذج برمجة خطية مختلطًا ينتج أفضل تصنيف ممكن قائم على المستوى الفائق للتصنيف متعدد المثيلات. تلقي دراستنا الضوء على إمكانات الأساليب القائمة على المستوى الفائق، مما يعكس نتائج التحقق من الصحة (CV) للحالات المعيارية. نظرًا لأننا نقوم بتعظيم AUC بشكل مباشر، فإن المصنف المعتمد على المستوى الفائق لا يمكن أن يوفر إلا عن طريق الصدفة دقة سيرة ذاتية أفضل من تلك المقدمة في هذه الورقة. أخيرًا، نقدم كيف يمكن تطبيق خدعة Kernel لإنتاج مصنفات غير خطية تزيد من المساحة تحت المنحنى (AUC). الهدف من هذه الدراسة هو حل مشكلة تصنيف العينات المتعددة عن طريق تعظيم المساحة الواقعة تحت منحنى خاصية تشغيل المستقبِل (ROC) مباشرة (أي المساحة تحت المنحنى). يتم اشتقاق نموذج برمجة خطية مكون من عدد صحيح مختلط ينتج أفضل مصنف ممكن قائم على المستوى الفائق للتصنيف متعدد المثيلات. يلقي عملنا الضوء على إمكانات الأساليب القائمة على القشرة الفائقة والتي تعكس نتائج التحقق المتبادل (CV) للعينات القياسية. من خلال تعظيم AUC بشكل مباشر، يمكن للمصنف المعتمد على المستوى الزائد أن يوفر دقة أفضل للسيرة الذاتية من تلك المقدمة في هذه الورقة عن طريق الصدفة فقط. أخيرًا، نعرض كيف يمكن تطبيق خدعة النواة لإنتاج مصنفات غير خطية تعمل على زيادة المساحة المخصصة إلى الحد الأقصى. |
