1 / 17

مفهوم یادگیری و مرتب سازی فضای فرضیه ها

مفهوم یادگیری و مرتب سازی فضای فرضیه ها. مدرس : علی فروتن راد گروه مهندسی کامپیوتر دانشگاه آزاد اسلامی زنجان & Mitchell Ch. 2. با تشکر از دکتر سعید شیری و دکتر فریبز محمودی گروه مهندسی کامپیوتر و فناوری اطلاعات دانشگاه صنعتی امیرکبیر و دانشگاه آزاد قزوین.

Download Presentation

مفهوم یادگیری و مرتب سازی فضای فرضیه ها

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. مفهوم یادگیری و مرتب سازی فضای فرضیه ها مدرس: علی فروتن راد گروه مهندسی کامپیوتر دانشگاه آزاد اسلامی زنجان & Mitchell Ch. 2 با تشکر از دکتر سعید شیری و دکتر فریبز محمودی گروه مهندسی کامپیوتر و فناوری اطلاعات دانشگاه صنعتی امیرکبیر و دانشگاه آزاد قزوین

  2. یادگیری استقرایی یک شیوه یادگیری با ناظر است. • یادگیری یک مفهوم کلی از روی چند مثال (جزء). • به عبارت دیگر یادگیری تعمیم جزء به کل است. • در این فصل هدف محدود کردن فضای عمومی فرضیه ها از یک حالت عمومی به یک فضای معین است که نهایتا بتوان فرضیه سازگار با مثالها را یافت. مرتب سازی فضای فرضیه ها

  3. ایجاد و یا تنظیم تابع hبه نحوی که روی مجموعه آموزشی با f تطابق داشته باشد. • تابع hیک تابع سازگار(consistent)خواهد بود اگر با f روی تمام مثالها تطابق داشته باشد. • مشابه روش برازاندن منحنى (Curve fitting) روش یادگیری استقرایی

  4. ایجاد و یا تنظیم تابع hبه نحوی که روی مجموعه آموزشی با f تطابق داشته باشد. • تابع hیک تابع سازگار(consistent)خواهد بود اگر با f روی تمام مثالها تطابق داشته باشد. • مشابه روش برازاندن منحنى (Curve fitting) روش یادگیری استقرایی

  5. ایجاد و یا تنظیم تابع hبه نحوی که روی مجموعه آموزشی با f تطابق داشته باشد. • تابع hیک تابع سازگار(consistent)خواهد بود اگر با f روی تمام مثالها تطابق داشته باشد. • مشابه روش برازاندن منحنى (Curve fitting) روش یادگیری استقرایی

  6. ایجاد و یا تنظیم تابع hبه نحوی که روی مجموعه آموزشی با f تطابق داشته باشد. • تابع hیک تابع سازگار(consistent)خواهد بود اگر با f روی تمام مثالها تطابق داشته باشد. • مشابه روش برازاندن منحنى (Curve fitting) روش یادگیری استقرایی

  7. ایجاد و یا تنظیم تابع hبه نحوی که روی مجموعه آموزشی با f تطابق داشته باشد. • تابع hیک تابع سازگار(consistent)خواهد بود اگر با f روی تمام مثالها تطابق داشته باشد. • مشابه روش برازاندن منحنى (curve fitting) روش یادگیری استقرایی

  8. ایجاد و یا تنظیم تابع hبه نحوی که روی مجموعه آموزشی با f تطابق داشته باشد. • تابع hیک تابع سازگار(consistent)خواهد بود اگر با f روی تمام مثالها تطابق داشته باشد. • مشابه روش برازاندن منحنى (curve fitting) • اصل Ockham: ساده‌ترین فرضیه سازگار مورد ترجیح است. روش یادگیری استقرایی

  9. هدف یادگیری مفهوم زیر از روی مثالها می باشد. • ” دوست من در چه روزهایی از ورزش آبی لذت می برد؟ ” • یک فرضیه از فضای فرضیه ها را با یک بردار 6 عضوی نشان می دهیم. • ? یعنی هر مقدار قابل قبول است. • Ø یعنی هیچ مقداری قابل قبول نیست. • در غیراین صورت یک مقدار معین برای صفت معین می شود. • یک فرضیه نمونه: < ?, Cold, High, ?, ?, ? > مثالی از مفهوم یادگیری

  10. مثالی از مفهوم یادگیری

  11. مرتب‌سازی فرضیه‌ها از عمومی به معین

  12. یک روش مرتب سازی فضای فرضیه هاست. • مزیت این روش ارائه یک فرضیه سازگار(consistent) روی تمامی مثالهای آموزشی است. • تعریف فضای نسخه Version Space: این فضا که با VSH,D نمایش داده می‏شود زیر مجموعه‏ای از فضای فرضیه‏های H را معین می‏کند که با همه مثالهای مجموعه D سازگار است. • در حقیقت الگوریتم از هر دو سمت عمومی‏ترین و معین‏ترین فرضیه‏ها به سمت یافتن فضای نسخه حرکت می‏کند. الگوریتم CANDIDATE-ELIMINATION

  13. الگوریتم CANDIDATE-ELIMINATION

  14. الگوریتم CANDIDATE-ELIMINATION

  15. الگوریتم CANDIDATE-ELIMINATION

  16. الگوریتم CANDIDATE-ELIMINATION

  17. الگوریتم CANDIDATE-ELIMINATION فضای نسخه VSH,D محدود شده بین S4 و G4

More Related