جلسه دفاع از رساله دكتري -گرايش هوش مصنوعي- سیده خدیجه سادات نژاد

يادگيري روي منيفلدهاي ريماني با استفاده از يادگيري هسته مبتني بر هندسه دادهها

 

چكيده : بسياري از كاربردها در حوزههاي بينايي ماشين، پردازش تصاوير و سيگنالهاي پزشكي شامل يادگيري روي مولفه هايي

هستند كه تشكيل فضاي برداري نداده بلكه روي يك منيفلد غير خطي واقع اند. فرموله نمودن اين مولفهها به فرم يك منيفلد ريماني

با الصاق متر مناسب منجر به كسب نتايج برتر نسبت به آناليز آنها در فضاي اقليدسي حاصل از برداري نمودن مولفه ها ميگردد. به

منظور تطبيق تكنيكهاي يادگير كلاسيك با هندسه دادههاي غير خطي، كه مبتني بر پيش فرض اقليدسي بودن فضاي دادههاي

ورودي مي باشند، برداري نمودن فضا با استفاده از نگاشت به صفحات مماسي، تكنيك هاي مبتني بر هسته، و نيز اصلاح ماتريس

شباهت در ارائههاي مبتني بر شباهت/عدم شباهت مطرح ميباشد. در نظر نگرفتن هندسه واقعي دادهها در اين رويكردها مسالهاي

است كه به راه حل هاي زير بهينه منجر ميگردد. در اين رساله، مساله يادگيري هسته با هدف رفع عوامل نامطلوب در كارايي متدهاي كلاسيك يادگير بر دادههاي غيرخطي با رويكرد توجه به توپولوژي واقعي دادهها و اهتمام به حفظ آن مورد بررسي قرار گرفته است.

ارسال کننده خبر: مهندسي کامپيوتر و فن اوري اطلاعات| تاريخ: ۱۳۹۶/۰۵/۳۱