شماره ركورد كنفرانس :
5391
عنوان مقاله :
كاهش بعد غيرخطي مبتني بر روش پيش‌تعليم لايه به لايه شبكه‌هاي عميق همراه با حفظ اطلاعات برچسب داده
پديدآورندگان :
ثابت‌بيرجندي زهرا zahra.sabetbirjandi@gmail.com گروه مهندسي پزشكي، دانشكده پيراپزشكي، علوم پزشكي تهران، دانشگاه آزاد اسلامي، تهران، ايران , مودبي‌پور زهره Zohremoadabipoor@gmail.com گروه مهندسي پزشكي، دانشكده پيراپزشكي، علوم پزشكي تهران، دانشگاه آزاد اسلامي، تهران، ايران , سيدصالحي زهره z.seyyedsalehi@iautmu.ac.ir گروه مهندسي پزشكي، دانشكده پيراپزشكي، علوم پزشكي تهران، دانشگاه آزاد اسلامي، تهران، ايران
كليدواژه :
تعليم باسرپرست , پيش‌تعليم , دو تكليفه , شبكه عصبي گلوگاه , كاهش بعد غيرخطي
عنوان كنفرانس :
دهمين كنفرانس بين المللي هوش مصنوعي و رباتيك
چكيده فارسي :
يكي از ضعف‌هاي مطرح براي بسياري از روش‌هاي كاهش بعد غيرخطي، عدم توجه به حفظ تمايزپذيري بين طبقات يا به‌عبارتي قابليت تفكيك و تمايز بين داده‌ها در فضاي با بعد پايين است؛ لذا با حفظ اطلاعات برچسب‌ها، تمايزپذيري بهتري بين داده‌ها با برچسب‌هاي مختلف انجام مي‌پذيرد. در اين مقاله، شبكه عصبي گلوگاه باسرپرست عميق (SBDNN) كه يك ساختار شبكه عصبي دو تكليفه مي‌باشد، پيشنهاد شده‌است. همچنين جهت تعليم اين ساختار، روش پيش‌تعليم لايه به لايه با سرپرست كه توسعه يافته روش پيش‌تعليم لايه به لايه است نيز ارائه شده است. بدين وسيله در طي مراحل پيش‌تعليم، اطلاعات برچسب‌ها براي جهت‌دهي به نحوه كاهش بعد در لايه‌هاي شبكه عميق استفاده مي‌شود. اين شبكه با هدف كاهش بعد تصاوير و سپس بازسازي مجدد آن‌ها مورد تعليم قرارگرفته به‌گونه‌اي كه براي تفكيك طبقات دادگان بهينه باشد. در مرحله بازسازي، اطلاعات اصلي و مرتبط با نمونه‌ها درصورت استفاده از اين شبكه حفظ مي‌شود. آزمايشات انجام شده نشان مي‌دهد براي دادگان MNIST، تعليم شبكه با پيش‌تعليم لايه به لايه باسرپرست در مقايسه با روش پيش‌تعليم لايه به لايه بدون برچسب داده، از درصد صحت بالاتري برخوردار بوده و مولفه‌هاي متمايزكننده بهتري را استخراج مي‌نمايد.
