طبقه بندی داده توسط الگوریتم یادگیری افراطی با استفاده از پردازنده گرافیکی

چکیده مقاله

طبقه بندی یکی از وظایف یادگیری ماشین 1 است که سعی میکند بر اساس مشاهدات گذشته داده های آموزشی بهترین کلاس را به یک 2بردار ورودی نامشخص، اختصاص دهد بسیاری از الگوریتم های طبقه بندی مانند، ماشین بردار پشتیبان ، شبکه های عصبی عمیق برای طبقه بندی مجموعه داده های بزرگ بسیار زمانبر هستند ماشین یادگیری افراطی ELM یک الگوریتم طبقه بندی است که دارای کیفیت بالایی می باشد و در سالهای اخیر محبوبیت زیادی را کسب کرده است این مقاله نشان میدهد که سرعت یادگیری این الگوریتم میتواند با استفاده از بسترGPU بهبود یابد نتایج آزمایشها گویای آن است که روشهای پیشنهادی بسیار سریع و همزمان دارای دقتی مشابه با الگوریتم اصلی ELM است

کلیدواژه‌ها

نویسندگان

آرزو مرادی چگنی

دانشجوی کارشناسی ارشد بخش مهندسی کامپیوتر، دانشگاه شهید باهنر کرمان، کرمان، ایران

بهنام قوامی

عضو هیئت علمی بخش مهندسی کامپیوتر، دانشگاه شهید باهنر کرمان، کرمان، ایران

مهدی افتخاری

عضو هیئت علمی بخش مهندسی کامپیوتر، دانشگاه شهید باهنر کرمان، کرمان، ایران

مرادی چگنی، آرزو و قوامی، بهنام و افتخاری، مهدی،1398،طبقه بندی داده توسط الگوریتم یادگیری افراطی با استفاده از پردازنده گرافیکی،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