logo
دوره 23، شماره 1 - ( 3-1405 )                   جلد 23 شماره 1 صفحات 0-83 | برگشت به فهرست نسخه ها

XML English Abstract Print

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Gholizadeh M, Soltanizadeh H, RahmaniManesh M. Multi-Source Transfer Learning Based on Pre-Trained Models: A Fuzzy Rule-Based Approach. JSDP 2026; 23 (1) : 6
URL: http://jsdp.rcisp.ac.ir/article-1-1471-fa.html
قلی زاده معصومه، سلطانی زاده هادی، رحمانی منش محمد. یادگیری انتقالی چندمنبعی با تکیه بر مدل‌های از پیش آموزش‌دیده: رویکردی مبتنی بر قواعد فازی. پردازش علائم و داده‌ها. 1405; 23 (1) :83

URL: http://jsdp.rcisp.ac.ir/article-1-1471-fa.html

یادگیری انتقالی چندمنبعی با تکیه بر مدل‌های از پیش آموزش‌دیده: رویکردی مبتنی بر قواعد فازی
معصومه قلی زاده ، هادی سلطانی زاده* ، محمد رحمانی منش
دانشگاه سمنان
چکیده:   (12 مشاهده)
در دنیای واقعی، اغلب با محدودیت در دسترسی به داده‌های منابع مختلف مواجه هستیم که فرآیند یادگیری را دشوار می‌سازد. این مقاله به چالش یادگیری انتقالی چندمنبعی در شرایطی می‌پردازد که دسترسی کامل به داده‌های برخی منابع امکان‌پذیر نیست و تنها مدل‌های از پیش آموزش‌دیده‌شده در دسترس هستند. برای مقابله با این محدودیت، روشی نوین ارائه شده است که با ترکیب شبکه‌های عصبی، خوشه‌بندی فازی و قواعد فازی تاکاگی-سوگنو، به انتقال دانش و مدیریت عدم قطعیت کمک می‌کند. استفاده از قواعد فازی امکان شناسایی الگوهای پیچیده و بهبود دقت پیش‌بینی‌ها در دامنه هدف را فراهم می‌سازد. این روش بر روی چهار مجموعه داده رگرسیونی ارزیابی شده و نتایج نشان می‌دهد که در شرایط دانش ناکافی و همراه با عدم قطعیت، عملکرد بهتری نسبت به سایر روش‌های پیشرفته دارد. یافته‌ها حاکی از اثربخشی روش پیشنهادی در بهره‌برداری از اطلاعات محدود منابع مختلف برای کاربردهای واقعی است.
شماره‌ی مقاله: 6
واژه‌های کلیدی: یادگیری انتقالی چند منبعی، قواعد فازی، تطبیق دامنه، مدل‌های از پیش آموزش‌دیده، قواعد فازی تاکاگی-سوگنو
     
نوع مطالعه: كاربردي | موضوع مقاله: مقالات پردازش داده‌های رقمی
دریافت: 1404/3/10 | پذیرش: 1404/11/19 | انتشار: 1405/6/25 | انتشار الکترونیک: 1405/6/25
ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA
ارسال پیام به نویسنده مسئول

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.