چکیده مقاله
مساله تفکیک پذیری از مهمترین مسائل علوم کاربردی است، که توسط ابزارهای یادگیری ماشین حل میشود این ابزارها باشناسایی نوع داده ها در مجموعه نامتجانس درهم ریخته، مساله مورد نظر را تحلیل مینمایند ماشین بردار پشتیبان و مدلهای توسعه یافته حاصل از آن ابزارهایی کارا و از نوع یادگیری بانظارت هستند که در این زمینه معرفی شدهاند ابرکره ی جداکننده یکی از مدلهای توسعه یافته میباشد این ابزار با ایده گرفتن از ماشین بردار پشتیبان دوتایی طراحی و با دو مساله ی برنامه ریزی مقید درجه دوم مدل سازی شده است در این روش دو ابرکره ی متعارف چنان هستند که بیشترین داده های کلاس خود را پوشش داده و از کلاس مقابل تا حد ممکن دور باشند این مساله به دو صورت مدلسازی شده است معمولا هر دو مدل با دوگان گرفتن از مساله حل میشود یکی از روش هایی که اخیرا برای حل این مساله معرفی شده است، حل مساله اولیه می باشد این تکنیک با وجود سرعت بالاتر، دقت قابل قبولی از تفکیک دارد با توجه به اهمیت زمان محاسبات، استفاده از تکنیک حل مساله اولیه منطقی تر خواهد بود تکنیک حل مساله اولیه تا کنون فقط برای یک نوع از مدلهای ابرکره جداکننده دوتاییاستفاده شده است در این مطالعه تکنیک مورد نظر، برای مسائل نوع دوم ابرکره جداکننده دوتایی به کار گرفته شده است؛ همچنین با اعمال تغییری در تکنیک حل مساله اولیه سرعت آن را افزایش داده ایم با پیاده سازی روش در دو مجموعه از داده های تصادفی، مشاهده میشود که با بهکارگیری روش حل مساله اولیه فضای جواب مساله به فضایی با ابعاد کمتر انتقال یافته و موجب افزایش سرعت الگوریتم میگردد
کلیدواژهها
نویسندگان
شیوه ارجاع
نجاتی، سارا و نویدی، حمیدرضا و رزاقی، محمد،1398،تسریع عملکرد ابرکره جداکننده دوتایی ماشین بردار پشتیبان،سومین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی،اهواز
ارائهشده در
مجموعه مقالات چهارمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی15 بهمن 1399 · اهواز