شبیه سازی مقاله : بردار پشتیبان با کمک روش آموزش دیکشنری
پروژه ۱۳۰۴: شبیه سازی مقاله در متلب
خلاصه:
هدف از روش آموزش دیکشنری ، یادگیری یک دیکشنری برای نمونه های آموزشی به منظور افزایش قابلیت بردار برنامه نویسی اشان می باشد. چندین رویکرد، قابل پیش بینی بوده (به عنوان مثال، رگرسیون لجستیک) یا معیار شکاف طبقاتی (به عنوان مثال، معیار تبعیض فیشر) روی بردارها برنامه نویسی ارائه شده است. در این مقاله، ما یک بینش جدید در آموزش دیکشنری را فراهم نموده ایم. به طور خاص، ما ترم تمایز را به عنوان جمع وزنی فاصله مربع بین هر جفت بردار برنامه نویسی تدوین و فرموله سازی نموده ایم. اصطلاح تمایز در آموزش دیکشنری فیشر (FDDL) می تواند به عنوان یک مورد خاص از مدل ما، که در آن وزن ها به سادگی با تعداد نمونه هر طبقه تعیین می شود ، به کار رود. پس از آن ما یک روش پارامتری انطباقی تعیین وزن هر جفت بردار برنامه نویسی پیشنهاد نموده ایم ، که منجر به یک مدل بردار پشتیبانی از مدل یادگیری دیکشنری (SVGDL) گردیده است. در مقایسه SVGDL ، FDDL انطباقی می توانید وزن های مختلف را به جفت های مختلف از بردار برنامه نویسی اختصاص دهد. برای اطلاع بیشتر ، اصل مقالات لاتین را از لینک زیر دانلود نمایید. شبیه سازی مربوط برای خرید گذاشته شده است.
paper title:
Support Vector Guided Dictionary Learning
دانلود: دانلود اصل مقاله لاتین
شما می توانید برای دریافت اطلاعات بیشتر از این مقاله ، مقاله لاتین را از لینک بالا دریافت کرده و در صورت تمایل اقدام به خرید این شبیه سازی نمایید. این شبیه سازی در متلب انجام شده و برخی از نتایج آن در شکل های پایین آورده شده است.
در صورت سوال در مورد محصول می توانید از بخش تماس با ما (منوی بالا)، با شماره تلفن مورد نظر مکاتبه نمایید.
سورس برنامه در ۶ بخش زیب شده ، لازم است بعد از دانلود روی یکی از آنها extract نمایید.
برخی نتایج:
Iteration: 12,
Iteration: 13,
Iteration: 14,
Iteration: 15,
Iteration: 16,
Iteration: 17,
Iteration: 18,
Iteration: 19,
Iteration: 20,
SVGDL Model Training Is Completed
——————————–Testing——————————–
The Recognition Rate on the Extended Yale B dataset is 0.971
++++++++++++++++++++++++++++++++
دیگر مقالات شبیه سازی شده مرتبط با این موضوع :(به لینک مربوطه بروید)
مجموعه: مهندسی کامپیوتر, یادگیری ماشین