آخرین اخبار : 

الگوریتم جدید مبتنی بر آتاماتای یادگیر توزیع شده توسعه یافته برای یادگیری پارامتری شبکه بیزی

الگوریتم جدید مبتنی بر برای یادگیری پارامتری

قیمت :   ۹۰۰۰  تومان ( نه هزار تومان )

تخفیف برای خرید این پروژه: زیر دکمه خرید، در پایین همین صفحه

تعداد صفحات:

۸۸  ( هشتاد و هشت )

دسته :

کامپیوتر و IT

نوع فایل:

Word

توضیحات:

مناسب جهت پروژه پایانی

فهرست مطالب :

مقدمه

فصل اول- شناخت و بررسی

۱-تاریخچه اتوماتای یادگیر

۱-۱اتوماتای یادگیر تصادفی

۱-۲ اتوماتای قطعی

۱-۳ معیار‌های رفتار اتوماتای یادگیر

 

فصل دوم- آشنایی با شبکه‌های بیزی

۲- شبکه بیزی

۲-۱ خصوصیات

۲-۲ جملات مستقل

۲-۳ ساختار

۲-۴ استنتاج با استفاده از توزیع توام کامل

۲-۵ مشکلات استنتاج با توزیع توام کامل و راه‌حل آنها

۲-۶ شبکه‌های بیزی و گراف ها

۲-۷ مفاهیم شبکه‌های بیزی

۲-۷-۱ نمایش توزیع توام کامل

۲-۸ رابطه‌های استقلال شرطی در شبکه‌های بیزی

۲-۹ نمایش کارآمد توزیع‌های شرطی

۲-۱۰ یادگیری شبکه‌های بیزی

۲-۱۱ استنتاج دقیق در شبکه‌های بیزی

۲-۱۲ استنتاج بوسیله محاسبه تک‌تک عناصر احتمالی

۲-۱۳ الگوریتم حذف متغیر

۲-۱۴ استنتاج تقریبی در شبکه‌های بیزی

۲-۱۴-۱ روش‌های نمونه‌گیری مستقیم

۲-۱۴-۲ نمونه‌گیری با رد کردن

۲-۱۴-۳ نمونه‌گیری وزن‌دار

۲-۱۴-۴ نمونه‌گیری زنجیره مارکوفی

۲-۱۵- جمع‌بندی و مطالعات بیشتر

 

فصل سوم-

۳- پارامترها

۳-۱ پارامترهای خاص و متغیرها

۳-۲ انواع متغیر

۳-۳ بسط پارامتر

مراجع

 

چکیده :

 در این مقاله یک آتاماتای توزیع شده جدید به نام آتاماتای یادگیر توزیع شده توسعه یافته برای یادگیری توزیع توام مجموعه ای از متغیرهای تصادفی معرفی خواهد شد. این شبکه از آتاماتا، در محیط هایی که پاسخ محیط به مجموعه ای از اقدامات انجام شده توسط آتاماتا ، مستقل از یکدیگر نبوده و نوعی وابستگی شرطی میان این پاسخ ها حاکم باشد ، کاربرد دارد. نشان داده شده که این آتاماتای جذدید قادر است تخمینی از توزیع شرطی اقدام ها را فرا بگیرد.
در ادامه چارچوبی مبتنی بر آتاماتای یادگیر توزیع شده جدید پیشنهادی برای حل مسئله یادگیری بر خط پرامترهای یک شبکه بیزی ارائه شده است. این چارچوب با داده ها و شواهد جدید منتبق شده و عملیات بروز رسانی پارامترها را انجام می دهد. با بررسیهای ریاضی و آزمایشهای عملی روی شبکه های نمونه، نشان داده ایم که این مدل جدید قادر است با تخمینی با دقت برابر با EM، یادگیری پارامترهای یک شبکه بیزی را انجام دهد. علاوه بر ویژگی افتراقی بودن و یادگیری بر خط ، این ساختار جدید با شرایطی که داده ها ناکامل باشند نیز سازگار است و بدلیل استفاده از روابط یادگیری خطی و مبتنی بر آتاماتای یادگیر، سربار محاسباتی کمی نیاز دارد.

کلید واژه: آتاماتای یادگیر، شبکه بیزی،

 

مقدمه :

یادگیری ساختار شبکه بیزی از داده، در سالهای اخیر توجه بسیاری از محققین را به خود جلب کرده است. از طرفی یافتن شبکه بیز از داده کامل خود یک مساله چند جمله ای است و پیچیدگی مساله زمانی که داده ناقص است بیشتر می شود. در این مقاله سعی بر آن است تا پارامترهای بهینه را برای یک شبکه بیزی با ساختار مشخص از داده حاوی مقادیر گم شده بیابیم. برای این منظور مفهوم پارامتر موثر را معرفی نمودیم، به طوری که درست نمایی ساختار شبکه به شرط داده کامل شده بیشینه گردد. این روش می تواند به الگوریتمی همچون بیشینه سازی امید ساختاری که به پارامترهای بهینه برای یافتنن ساختار شبکه بیز نیاز دارد متصل شود. در این مقاله ثابت کردیم که روش پیشنهادی از دیدگاه تابع درست نمایی به پارامترهای بهینه شبکه دست می یابد. سرعت روش در مقایسه با روش های شناخته شده قبلی بهتر است و نیز این که به پارامترهای بهتری نسبت به آنها دست می یابد.

 

(فایل کامل این پروژه ۸۸ (هشتاد و هشت ) صفحه word همراه با منابع و ماخذ می باشد.)

در تمامی ساعات شبانه روز >> پرداخت آنلاین و دانلود آنی فایل پس از پرداخت. 


الگوریتم جدید مبتنی بر آتاماتای یادگیر توزیع شده توسعه یافته برای  

تخفیف بسیار ویژه ۳۰ درصدی : دوست عزیز سعی ما این بوده که پروژه ها را با کمترین قیمت ممکن (مقایسه کنید با قیمت سایر سایتها) در اختیار شما قرار دهیم اما اگر دوستی هست که واقعا این مبلغ نیز برایش مقدور نیست می توانید از طریق دکمه پرداخت زیر به مقدار ۳۰ درصد از وجه این پروژه یا مقاله را محاسبه و کسر کنید و سپس آن را از طریق لینک زیر پرداخت کنید. (با توجه به هزینه های زیاد سرور و نگهداری سایت برای ما، خود شما و وجدانتان را قاضی کرده ایم/ پس دوست من با قضاوت وجدان خودت اگر واقعا از عهده مبلغ قید شده بر نیامدید از لینک تخفیف ویژه استفاده کنید!) متشکرم.پاسخگویی از ۸ صبح لغایت ۳۰: ۲۳ شب.

============

Related posts

, , , , , , , , , , , , , , , , , , , , , , ,

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

Translate »