چکیده مقاله
هدف از یادگیری انتقالی، آموزش طبقه بند بهینه برای طبقه بندی دامنه هدف با تعداد کم یا بدون داده برچسب دار با استفاده از داده های دامنه منبع با تعداد کافی داده برچسب دار است برای عملکرد بهینه طبقه بند از دو دامنه منبع و هدف با توزیع مشابه یا یکسان استفاده می شود اغلب مواقع در مسائل دنیای واقعی، یافتن دو دامنه منبع و هدف با توزیع یکسان کار سختی است بنابراین برای کاهش اختلاف توزیع دو دامنه از انطباق دامنه بهره گرفته می شود در این مقاله، یک روش جدید دو مرحله ای برای یادگیری انتقالی به صورت بدون نظارت با عنوان یادگیری طبقه بند بهینه با میانگین هندسی وزن دار و تطبیق توزیع تعادلی پویا CGMD پیشنهاد می شود روش CGMD در مرحله ی اول، برای انطباق دامنه های منبع و هدف، از میانگین هندسی وزن دار آمار مرتبه دوم دامنه های منبع و هدف استفاده می کند در مرحله دوم، CGMD یک طبقه بند بهینه با استفاده از حداقل کردن ریسک ساختاری و تطبیق توزیع تعادلی پویا در فضای منیفلد ریمنین یاد می گیرد کارایی روش پیشنهادی روی دیتاست آفیس کلتک 11 ارزیابی شده و نتایج حاکی از بهبود قابل توجه عملکرد طبقه بند روی دامنه هدف در مقایسه با روش های جدید در زمینه یادگیری انتقالی است
کلیدواژه‌ها
نویسندگان
شیوا نوری سرای
دانشجوی کارشناسی ارشد، دانشکده مهندسی فناوری اطلاعات و کامپیوتر دانشگاه صنعتی ارومیه
جعفر طهمورث نژاد
استادیار، دانشکده مهندسی فناوری اطلاعات وکامپیوتر دانشگاه صنعتی ارومیه
شیوه ارجاع
نوری سرای، شیوا و طهمورث نژاد، جعفر،1398،یادگیری طبقه بند بهینه با میانگین هندسی وزن دار و تطبیق توزیع تعادلی پویا،سومین کنفرانس بین المللی محاسبات نرم،رودسر
ارائه‌شده در
مجموعه مقالات سومین کنفرانس بین المللی محاسبات نرم29 آبان 1398 · رودسر