تعلم نواة لا حصر له من خلال خوارزمية متعددة محلية
| العنوان | تعلم نواة لا حصر له من خلال خوارزمية متعددة محلية |
|---|---|
| المؤلف | أوزوغور أكيوز، إس.، أوستونكار، جوركان، ويبر، جي دبليو. |
| تاريخ النشر: | 2016-05 |
| مكان النشر | - الشركة العالمية للنشر العلمي |
| الموضوع | تعلم النواة اللانهائية، أجهزة المتجهات الداعمة، التحسين، الإجراء المحلي المتعدد، تعلم النواة المتعددة، محاكاة التلدين |
| النوع | دورية |
| اللغة | الإنجليزية |
| رقمي | نعم |
| مخطوط | لا |
| المكتبة: | جامعة اوزيجين |
| معرف أصل المكتبة | 1793-6381 |
| رقم السجل | d89fd08e-ba26-4217-afe4-ec2bbaee161f |
| التاريخ | 2016-05 |
| ملاحظات | نظرًا لقيود حقوق الطبع والنشر، فإن الوصول إلى النص الكامل لهذه المقالة متاح فقط عبر الاشتراك. |
| نص عينة | يعد التفاعل بين التعلم الآلي (ML) وأساليب التحسين مجالًا ناشئًا في الذكاء الاصطناعي. يهتم كل من ML والتحسين بنمذجة الأنظمة المتعلقة بمشاكل العالم الحقيقي. يعد اختيار المعلمات لنماذج التصنيف مهمة مهمة لخوارزميات تعلم الآلة. في نظرية التعلم الإحصائي، يمكن أن يستغرق التحقق المتبادل (CV) وهو أكثر طرق اختيار النماذج شهرة وقتًا طويلاً بالنسبة لمجموعات البيانات الكبيرة. تعتمد إحدى تقنيات اختيار النماذج الحديثة التي تم تطويرها لأجهزة ناقل الدعم (SVMs) على هوامش نقاط الاختبار المرصودة. في هذه الدراسة، تم دمج استراتيجية الهامش الملحوظ في خوارزمية التعلم اللامتناهي للنواة (IKL) الجديدة مع الإجراء المحلي المتعدد (MLP) وهو أسلوب تحسين لإيجاد حل عالمي. تظهر النتائج التجريبية تحسينات في الدقة والسرعة عند مقارنتها بالتعلم متعدد النواة (MKL) والبرمجة الخطية شبه اللانهائية (SILP) مع السيرة الذاتية. |
| DOI | 10.1142/S0218001416510046 |
| Cilt | 30 |
