نظم بخشیدن به ترک تحصیل در ترکیب سلسله مراتبی خبرگان

عنوان نظم بخشیدن به ترک تحصیل در ترکیب سلسله مراتبی خبرگان
نویسنده آلپایدین، احمد ابراهیم اثم
تاریخ انتشار: 2021-01-02
محل انتشار - الزویر
موضوع انصراف، مدل های سلسله مراتبی، ترکیب خبرگان، منظم سازی
نوع دوره ای
زبان انگلیسی
دیجیتال بله
نسخه خطی خیر
کتابخانه: دانشگاه اوزیغین
شناسه دارایی کتابخانه 0925-2312
شماره ثبت ac1faa23-e384-4c11-94da-01238a514c35
محل کتابخانه علوم کامپیوتر
تاریخ 2021-01-02
متن نمونه Dropout یک روش بسیار مؤثر در جلوگیری از بیش‌برازش است و در سال‌های اخیر به یک منظم‌کننده برای شبکه‌های عصبی چند لایه تبدیل شده است. مخلوط سلسله مراتبی متخصصان یک مدل دردار سلسله مراتبی است که یک درخت تصمیم گیری نرم را تعریف می کند که در آن برگ ها با کارشناسان و گره های تصمیم مطابق با مدل های دروازه ای هستند که به آرامی بین فرزندان خود انتخاب می کنند و به این ترتیب، مدل یک پارتیشن بندی سلسله مراتبی نرم فضای ورودی را تعریف می کند. در این کار، ما یک نوع انصراف را برای ترکیب سلسله‌مراتبی از متخصصان پیشنهاد می‌کنیم که به سلسله مراتب درختی تعریف‌شده توسط مدل وفادار است، برخلاف داشتن یک کاربرد مسطح و مستقل از انصراف که با پرسپترون‌های چند لایه وجود دارد. ما نشان می‌دهیم که در داده‌های رگرسیون مصنوعی و مجموعه داده‌های MNIST، CIFAR-10، و SSTB، مکانیسم حذف پیشنهادی ما از برازش بیش‌ازحد روی درخت‌هایی با سطوح مختلف که تعمیم‌یابی را بهبود می‌بخشد و تناسب نرم‌تری ارائه می‌کند، جلوگیری می‌کند.
DOI 10.1016/j.neucom.2020.08.052
Cilt 419
مشاهده در منبع دانشگاه اوزیغین دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات
دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات دانشگاه اوزیغین

نظم بخشیدن به ترک تحصیل در ترکیب سلسله مراتبی خبرگان

نویسنده آلپایدین، احمد ابراهیم اثم
تاریخ انتشار 2021-01-02
محل انتشار - الزویر
موضوع انصراف، مدل های سلسله مراتبی، ترکیب خبرگان، منظم سازی
نوع دوره ای
زبان انگلیسی
دیجیتال بله
نسخه خطی خیر
کتابخانه دانشگاه اوزیغین
شناسه دارایی کتابخانه 0925-2312
شماره ثبت ac1faa23-e384-4c11-94da-01238a514c35
محل کتابخانه علوم کامپیوتر
تاریخ 2021-01-02
متن نمونه Dropout یک روش بسیار مؤثر در جلوگیری از بیش‌برازش است و در سال‌های اخیر به یک منظم‌کننده برای شبکه‌های عصبی چند لایه تبدیل شده است. مخلوط سلسله مراتبی متخصصان یک مدل دردار سلسله مراتبی است که یک درخت تصمیم گیری نرم را تعریف می کند که در آن برگ ها با کارشناسان و گره های تصمیم مطابق با مدل های دروازه ای هستند که به آرامی بین فرزندان خود انتخاب می کنند و به این ترتیب، مدل یک پارتیشن بندی سلسله مراتبی نرم فضای ورودی را تعریف می کند. در این کار، ما یک نوع انصراف را برای ترکیب سلسله‌مراتبی از متخصصان پیشنهاد می‌کنیم که به سلسله مراتب درختی تعریف‌شده توسط مدل وفادار است، برخلاف داشتن یک کاربرد مسطح و مستقل از انصراف که با پرسپترون‌های چند لایه وجود دارد. ما نشان می‌دهیم که در داده‌های رگرسیون مصنوعی و مجموعه داده‌های MNIST، CIFAR-10، و SSTB، مکانیسم حذف پیشنهادی ما از برازش بیش‌ازحد روی درخت‌هایی با سطوح مختلف که تعمیم‌یابی را بهبود می‌بخشد و تناسب نرم‌تری ارائه می‌کند، جلوگیری می‌کند.
DOI 10.1016/j.neucom.2020.08.052
Cilt 419
دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات
دانشگاه اوزیغین شما در حال هدایت مجدد هستید...

لطفاً صبر کنید