به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت
جستجوی مقالات مرتبط با کلیدواژه

rule learning algorithm

در نشریات گروه ریاضی
تکرار جستجوی کلیدواژه rule learning algorithm در نشریات گروه علوم پایه
تکرار جستجوی کلیدواژه rule learning algorithm در مقالات مجلات علمی
  • روح الله آل شیخ
    مبحث بهینه سازی و یادگیری ماشین به صورت گسترده ای به هم مرتبط هستند و بهینه سازی در مسایل مختلف منجر به استفاده از روش های یادگیری ماشین می گردد. الگوریتم های یادگیری ماشین برای کلاس های ویژه ای از مسایل در یک زمان محاسباتی منطقی کار می کنند و نقش مهمی در استخراج دانش از حجم انبوهی از داده ها دارند. در این مقاله یک روش برای بهینه سازی دقت تشخیص نقص قطعه های بتنی بر اساس ازریابی کیفی آن ها به کار گرفته شده است. بر این اساس، چند الگوریتم یادگیری ماشین از جمله درخت تصمیم گیری C4.5 ، روش یادگیری قاعده ریپر و شبکه بیزین، برای بررسی نقص در بتن مورد مطالعه قرار گرفته اند تا یک سیستم تصمیم گیری برای سرعت بخشیدن به فرآیند تشخیص نقص مهیا گردد. نتایج آزمایش ها نشان می دهد که میزان تشخیص نقص 93 درصد با استفاده از الگوریتم یادگیری قاعده ارائه شده به همراه روش استخراج ویژگی تبدیل فوریه در مقایسه با سایر الگوریتم های یادگیری ماشین حاصل شده است.
    کلید واژگان: درخت تصمیم گیری، شبکه بیزین، روش یادگیری قاعده، بهینه سازی، محاسبات نرم
    Rohollah Alesheykh
    The field of optimization and machine learning are increasingly interplayed and optimization in different problems leads to the use of machine learning approachesý. ýMachine learning algorithms work in reasonable computational time for specific classes of problems and have important role in extracting knowledge from large amount of dataý. ýIn this paperý, ýa methodology has been employed to optimize the precision of defect detection of concrete slabs depending on their qualitative evaluationý. ýBased on this ideaý, ýsome machine learning algorithms such as C4.5 decision treeý, ýRIPPER rule learning method and Bayesian network have been studied to explore the defect of concrete and to supply a decision system to speed up the defect detection processý. ýThe results from the examinations show that the proposed RIPPER rule learning algorithm in combination with Fourier Transform feature extraction method could get a defect detection rate of 93% as compared to other machine learning algorithms.
    Keywords: decision tree, Bayesian network, rule learning algorithm, Optimization, Soft Computing
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال