-
بهبود نرخ دقت شبکههای عصبی مصنوعی در آموزش دادههای دنبالهای زمانی نامتوازن
-
- تاریخ انتشار 1403/06/19
- تعداد صفحات 18
- زبان مقاله فارسی
- حجم فایل 809 کیلو بایت
- تعداد مشاهده چکیده 93
- قیمت 29,000 تومان
- تخفیف 0 تومان
- قیمت با احتساب تخفیف: 29,000 تومان
- قیمت برای کاربران عضو سایت: 23,200 تومان
- محل انتشار چهارمین همایش بین المللی مهندسی الکترونیک ، برق و رایانه
-
نویسندگان مقاله
- محمدجواد متولی کسمایی دانشجوی کارشناسی ارشد برق-الکترونیک دیجیتال، دانشگاه گیلان
- منوچهر نحوی دانشیار، دانشگاه گیلان دانشکده فنی، گروه برق، دانشگاه گیلان
-
چکیده مقاله
با ظهور یادگیری عمیق و پیشرفتهای شگرفی که در زمینههای مختلف علوم داده، هوش مصنوعی و پردازش سیگنال به وجود آمده، شبکههای عصبی عمیق به یکی از ابزارهای اصلی برای حل مسائل پیچیده طبقهبندی، تشخیص و بازشناسی تبدیل شدهاند. اما یکی از چالشهای اصلی در فرآیند آموزش شبکههای عصبی عمیق، وجود دادههای نامتوازن در پایگاههای داده مورد استفاده است. نامتوازن بودن دادهها به این معنا است که تعداد نمونههای موجود در برخی کلاسها بسیار بیشتر از تعداد نمونههای موجود در سایر کلاسها است. در چنین شرایطی، کلاسهایی که تعداد کمتری از نمونهها دارند، کمتر توسط مدل یاد گرفته میشوند و مدل تمایل بیشتری به شناسایی کلاسهایی دارد که نمونههای بیشتری دارند. در این پژوهش، با توجه به پایگاه داده در دسترس که از جنس توالیهای زمانی تصاویر دوبعدی کلمات اشاره مستقل و پویای فارسی میباشد، معماری شبکه عصبیای توسعه داده شد که در دفعات متعدد آموزش آن، تاثیر استفاده از تابع خطای آنتروپی متقابل طبقهای کانونی در مقابل تابع آنتروپی متقابل طبقهای مقایسه گردید. برای ارزیابی نرخ دقت تشخیص این شبکهها، از تکنیک ارزیابی متقابل k باره به ازای k برابر 4 استفاده شد. شبکهای که با تابع خطای آنتروپی متقابل طبقهای کانونی آموزش دیده بود توانست به نرخ دقت تشخیص 95/36% در مرحله ارزیابی دست یابد که در مقایسه با نرخ دقت تشخیص 93/16 درصدی شبکه دیگر، مقداری بیشتر است.
-
کلید واژه
یادگیری عمیق/تابع خطا/بهینه سازی شبکه عصبی/آموزش شبکه عصبی
-
راهنمای خرید و دانلود
- اگر در مجموعه Confpaper عضو نیستید، به راحتی می توانید از طریق دکمه زیر اصل این مقاله را خریداری نمایید .
- با عضویت در Confpaper می توانید اصل مقالات را با حداقل 20 درصد تخفیف دریافت نمایید .
- برای عضویت به صفحه ثبت نام مراجعه نمایید .
- در صورتی که عضو این پایگاه هستید،از قسمت بالای صفحه با نام کاربری خود وارد سایت شوید .
- لینک دانلود فایل خریداری شده به ایمیل شما ارسال میگردد .
نظرات کاربران
برای ارسال نظر، لطفا وارد حساب کاربری خود شوید.