دانلود مقاله ترجمه شده بکار گیری ساختار مجموعه‌ی داده‌ای به عنوان اطلاعات پیشین، برای منظم سازیِ بدون پارامترِ ماشین‌های یادگیری سریع ( ماشین‌های یادگیری با انعطاف‌پذیری حداکثری)

چکیده

در این مقاله، یک روش جدید منظم سازی برای ماشین های یادگیری با انعطاف حداکثری (یا ماشین یادگیری سریع- یکی از مدل‌ های شبکه‌ های عصبی) پیشنهاد می ‌گردد. فرآیند منظم سازی، با استفاده از اطلاعات فضای پیشین که به وسیله ‌ی یک ماتریس وابستگی (یا به عبارتی ماتریس میل) نمایش داده می ‌شود، صورت می ‌گیرد. نشان داده‌ ایم که استفاده از این نوع اطلاعات پیشین، مشابه با انجام فرآیند منظم سازی تیخانوف می‌ باشد. علاوه بر این، در صورتی که از یک ماتریس وابستگیِ بدون پارامتر (مشابه با ماتریس شباهت کسینوسی) استفاده شود، فرآیند منظم سازی بدون نیاز به تنظیم پارامترها صورت می‌گیرد. آزمایش ‌هایی نیز با استفاده از مسائل دسته ‌بندی صورت گرفته تا به ارزیابی روش پیشنهادی پرداخته شود.

1-مقدمه

مدل‌ های یادگیری نظارت‌ شده، به وسیله ‌ی یک مجموعه‌ ی داده ‌ای که به وسیله ‌ی مشاهدات y_i)، (x_iبه دست آمده است تشکیل می ‌شود. هدف از یادگیری، به دست آوردن یک تابع تقریب عمومیِ ناشی از اتصالات زوجی می ‌باشد. برچسب گذاری در این فرآیند یادگیری، به وسیله ‌ی یک عامل اد هاک اکسترنال (خارجی) و آن‌ هم با در نظر گرفتن توزیع و ساختار نمونه ‌های ورودی x_i صورت می ‌گیرد...