شماره ركورد كنفرانس :
5286
عنوان مقاله :
طبقه‌بندي احتمالي از طريق برآورد چگالي با استفاده از مدل آميخته گاوسي و جريان اتورگرسيو ماسك‌شده
عنوان به زبان ديگر :
Probabilistic Classification by Density Estimation Using Gaussian Mixture Model and Masked Autoregressive Flow
پديدآورندگان :
ترابي حمزه hamzehtorabi@gmail.com دانشگاه يزد , مقامي مهر آسيه asimaghami@yahoo.com دانشگاه يزد
تعداد صفحه :
13
كليدواژه :
يادگيري ماشين , جريان اتورگرسيو ماسك‌شده , مدل آميخته گاوسي
سال انتشار :
1402
عنوان كنفرانس :
پنجمين كنفرانس بين‌المللي محاسبات نرم
زبان مدرك :
فارسي
چكيده فارسي :
برآورد چگالي كه توزيع داده‌ها را برآورد مي‌كند، يكي از مباحث مهم در يادگيري ماشين احتمالاتي است. مدل‌هاي آميخته مانند مدل آميخته گاوسي(GMM) بيشينه‌سازي انتظار يكي از خانواده‌هاي از برآورد‌گرهاي چگالي، محسوب مي‌شوند. مدل‌هاي مولد يكي ديگر از خانواده‌هاي برآوردگرهاي چگالي هستند كه داده‌ها را از روي متغيرهاي پنهان ورودي توليد مي‌كنند. جريان اتورگرسيو ماسك‌شده(MAF) يكي از مدل‌هاي مولد است كه از روش جريان‌هاي نرمال‌سازي و شبكه‌هاي اتورگرسيو، استفاده مي‌كند. در اين مقاله، از برآوردگرهاي چگالي براي طبقه‌بندي استفاده شده‌است؛ اگرچه آن‌ها اغلب براي برآورد توزيع داده‌ها به كار برده مي‌شوند. همچنين احتمال طبقه‌بندي داده‌ها توسط برآورد چگالي به‌ويژه با استفاده از GMM و MAF مدل‌سازي مي‌شوند. طبقه‌بندي‌كننده‌هاي پيشنهادي در مقايسه با طبقه‌بندي‌كننده‌هاي ساده‌تر مانند تحليل تفكيك‌كننده خطي(LDA) كه احتمال را تنها با استفاده از يك توزيع گاوسي مدل مي‌كنند، داراي عملكرد بهتري هستند. اين مطالعه يك مسيري را براي پژوهش هاي بعدي باز مي‌كند تا ديگر انواع طبقه‌بندي‌كننده‌هاي احتمالاتي براساس برآورد چگالي توام نيز مطرح شوند.
كشور :
ايران
لينک به اين مدرک :
بازگشت