دانلود آموزش یادگیری نیمه نظارتی مبتنی بر گراف
در علوم کامپیوتر، یادگیری نیمه نظارتی کلاسی از تکنیک های یادگیری ماشین می باشد که از داده های برچسب دار و بدون برچسب استفاده می کند. به طور سنتی، یادگیری در نمونه های بدون ناظر که در آن همه داده ها بدون برچسب بودند یا در نمونه های با ناظر که همه داده ها برچسب داشتند صورت می گرفته است. هدف از یادگیری نیمه نظارتی فهمیدن این است که ترکیب داده های برچسب دار و غیر برچسب دار چگونه ممکن است رفتار یادگیری را تغییر دهد و الگوریتم هایی را طراحی کند که از فواید این ترکیب ها استفاده کند.
در این مقاله که توسط آقای محمدرضا ذوالفقاری گردآوری شده، به معرفی روش های یادگیری نیمه نظارتی پرداخته می شود. سپس چالش ها و آینده پیش روی آن بیان شده و در بخش بعد افراد و آزمایشگاه های برجسته در این زمینه معرفی شده و در آخر پیاده سازی هایی ار این روش ها نام برده می شوند.
تعداد صفحات مقاله : ۳۴ صفحه
اندازه فایل : ۱٫۷۹MB