dbdb2458

خیلی خیلی خیلی خیلی ممنون
اگه تا یه هفته هم دنبالش میگشم نمی تونستم مفهومش رو بفهمم
راستش من نمیخام زیاد روی این قضه کار کنم فقط مفهومش برام مهم بود
ولی یه سری سوالای دیگه هم دارم میتونم مطرح کنم ؟

dbdb2458

The results suggest that
the proposed Bayesian-LSSVM has stronger generalization
ability than does BP-ANN in small sample data modeling. The
weakness of conventional ERM, on which BP-ANN is based,
was exposed. Values generated using a gradient descent algorithm fell easily into local optimum. However, the proposed
model was equivalent to solving convex quadratic programming with linear constraints, and the solution was unique and
global optimum.

منظور از generalization و gradient descent algorithm fell easily into local optimum چیه؟
ممنونم
ability

raha_hakhamanesh

generalization
روش ارائه شده قدرت تعمیم بیشتری در مدلسازی داده های نمونه کوچک را دارد.
یعنی: روش ارائه شده می تواند نتایج بهتری در داده های با نمونه کم داشته باشه بعبارتی وقتی بر حسب مشکلات، مسئله دچار کمبود نمونه آموزشی است این روش کارآمدتر است.

Values generated using a gradient descent algorithm fell easily into local optimum
مقادیر تولید شده بوسیله الگوریتم Gradient Descent بسادگی در بهینه محلی به دام می افتد.
یعنی این روش توانایی این را ندارد که از بهینه محلی فرار کند دقیقا مثل آن چیزی که در الگوریتم ژنتیک با جهش سعی می کنیم از آن جلوگیری کنیم. بعبارتی در یک رویه تکراری در حال بهبود نتایج هستیم که این بهبود نتایج ممکن است منجر به رسیدن به یک قله محلی شود در حالیکه ما علاقه مندیم به بهینه عمومی برسیم لذا این جمله صریحا بیان می کند که Gradient Descent نمی تواند از به دام افتادن در بهینه محلی جلوگیری کند (که البته بدیهی است چون دانشی ندارد)

موفق باشید

__________________
.
.
.
برای تشکر دکمه مخصوص وجود دارد لطفا پست هرز ایجاد نکنید
.
.
اینقدر از دسترسی نداشتن به مقاله شیون نکنید

مقالات انگلیسی: ایران سای (ISI, IEEE, ACM)
مقالات فارسی: سیویلیکا (کنفرانس داخلی)
مقالات فارسی: مگ ایران (ژورنالهای داخلی)

dbdb2458

چطوری باید دو تا الگوریتم رو با هم مقایسه کرد؟
روش support vector regression رو میشه واسه پیش بینی یه سری زمانی هم استفاده کرد؟
چه فرقی بین SVM و SVR هست؟

(( First, the LSSVM regression machine established a nonlinear mapping function ,
and then the input space was mapped into higher dimensional
feature space-Euclidean space or Hibert space. The input data
were classified by optimal linear transformation, and the decision function could be obtained based on the transformed data
in feature space. Thus, ))

این جمله از مقالست و میشه بگید چرا فضای ویژگی رو میبره به یه فضای با ابعاد بالاتر؟