دوره 8، شماره 2 - ( 12-1390 )                   جلد 8 شماره 2 صفحات 114-101 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Mohammadzadeh J, Masoudnia S, Araani A. Improving classification performance using combination features of different neural network ensemble methods. JSDP 2012; 8 (2) :101-114
URL: http://jsdp.rcisp.ac.ir/article-1-704-fa.html
محمدزاده جواد، مسعودنیا سعید، آرانی علی. افزایش نرخ کارایی طبقه بندی با استفاده از تجمیع ویژگی های موثر روش های مختلف ترکیب شبکه های عصبی. پردازش علائم و داده‌ها. 1390; 8 (2) :101-114

URL: http://jsdp.rcisp.ac.ir/article-1-704-fa.html


دانشگاه ازاد واحد کرج
چکیده:   (3429 مشاهده)

روش¬های یادگیری همبستگی منفی و اختلاط خبره¬ها ، به عنوان دو روش معروف ترکیب شبکه¬های عصبی، از توابع خطای منحصر به فرد و البته متفاوتی برای آموزش شبکه¬های پایه به صورت هم زمان استفاده کرده، که شبکه¬هایی با همگرایی منفی تولید می¬کنند. در این مقاله ویژگی¬های مختلف این دو روش را مرور و نقاط قوت و ضعف آن¬ها را در مقایسه با یکدیگر بررسی می¬کنیم. آنالیز خصوصیات این دو روش در مقایسه با یکدیگر نشان داد که آن¬ها ویژگی¬های متفاوت و البته مکملی نسبت به هم دارند؛ به نحوی که اگر بتوان سیستمی ترکیبی شامل ویژگی های مثبت هر دو روش طراحی کرد، احتمالاً کارایی بهتری از روش¬های پایه خود داشته باشد. در این مقاله ایده¬ای برای ترکیب ویژگی¬های این دو روش پیشنهاد کرده¬ایم. در این روش، قابلیت پارامتر کنترلی روش یادگیری همبستگی منفی به تابع خطای روش اختلاط خبره¬ها افزوده شده، که این روش را قادر می¬سازد که تعادل بهینه¬ای را در توازن بایاس¬ـ واریانس¬ـ¬کوواریانس ایجاد و کارایی را افزایش دهد. روش ترکیبی پیشنهاد شده، در چند مسأله¬ی آزمون پیش¬بینی و طبقه¬بندی با روش¬های پایه¬ی اختلاط خبره¬ها و یادگیری همبستگی منفی مورد مقایسه قرار گرفته است. نتایج آزمایشات نشان داده است که روش ترکیبی پیشنهاد شده، با حفظ نقاط قوت و کاهش ضعف¬های روش های پایه، توانسته کارایی را به طور قابل ملاحظه¬ای نسبت به آن¬ها افزایش دهد.

متن کامل [PDF 3791 kb]   (796 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: مقالات پردازش گفتار
دریافت: 1390/12/29 | پذیرش: 1396/11/30 | انتشار: 1396/11/30 | انتشار الکترونیک: 1396/11/30

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.

کلیه حقوق این تارنما متعلق به فصل‌نامة علمی - پژوهشی پردازش علائم و داده‌ها است.