طبقه بندی نیمه نظارتی

طبقه بندی نیمه نظارتی

عنوان پایان نامه:  یادگیری ماشین

قالب بندی :  PDF

قیمت :   رایگان

شرح مختصر :  : یکی از موضوعاتی که بسيار به زمينه هوش نزديک است يادگيری می باشد . در واقع بدون وجود يادگيری هوش نمی تواند وجود داشته باشد زيرا يادگيری ابزار دريافت دانش های جديد است. يادگيری شما را قادر می سازد ازتجارب ووقايعی که برای خودتان پيش آمده استفاده کنيد . ازين رو توانايی يادگيری يک ابزار قدرتمند محسوب می شود و هيچ تعجبی ندارد که بسياری از برنامه نويسان می خواهند برنامه ای بسازند که بتواند اين ابزاررا به همان ترتيبی که انسانها استفاده می کنند بکارگيرد برنامه هايی که بتوانداين عمل را انجام دهد ازلحاظ تئوری برای هميشه آخرين برنامه ای است که نوشته می شود زيرا اين برنامه می تواند وظايف مختلف خودش را به سادگی و با فکر کردن ياد بگيرد. فن آوری جديد اطلا عات که سالانه باعث توليد تعداد زيادی کامپيوترهای قدرتمند تر و جديد تر می شود امروزه امکان جمع آوری، انتقال، ترکيب و ذخيره حجم زيادی از اطلا عات را با هزينه زياد، عملی ساخته است.افزايش مستندات و تصاوير،صداها و جداول و….ما را به سمت استخراج اطلاعات از اين داده ها رهنمون می سازد و با يک نگاه دقيق به داده ها در می يابيم که داده ها به تنهايی اگرچه زياد هم باشند کافی نيستند. . يک روش برای استخراج داده ها با حجم زياد داده کاوی می باشد که ماشينهای يادگيرنده يکی از کاربردهای ان است اين ماشينها دانش مربوط به نمونه ها و مستندات که داده های ما هستند را استخراج می کنند. اين سيستم ها به عبارتي رفتار يادگيري انسان را در سيستم هاي هوشمند شبيه سازي مي کند. ماشين هاي يادگيرنده در سيستم هاي هوشمند براي افزايش دانش و تغيير آن، افزايش كارآيي و تصحيح اتوماتيك خطا مورد استفاده قرار مي گيرند.

فهرست :

مقدمه

یادگیری ماشین

بررسی سیستم های طبقه کننده بر اساس آموزش ماشین سود بخشنده

چرا یادگیری؟

کیو – یادگیری

چالش های حوزه یادگیری ماشین

داده کاوی با استفاده از اتوماتای یادگیر

دستاوردهای حدید گوگل در زمینه یادگیری ماشین

یادگیری سارسا فازی با توزیع محلی پاداش

روش جدید K نزدیکترین همسایه فازی و ناهموار برای طبقه بندی نیمه نظارتی

منابع