الگوریتم های یادگیری تجمعی [Fre 1997, Mei 2003, Hay 1998] که ماشین های مشاور نیز نامیده می شوند، یک دسته از الگوریتم های یادگیری به شیوه با سرپرست هستند. این روش ها از تقسیم و حل استفاده می کنند. در روش های مبتنی بر تقسیم و حل یک کار بزرگ به تعدادی کار کوچک شکسته می شود. سپس هر کار کوچک حل شده و در آخر به وسیله ترکیب کردن جواب های هر قسمت، جواب نهایی بدست می آید. در یادگیری تجمعی این ایده از طریق توزیع فرایند آموزش در میان تعدادی خبره صورت می گیرد. ایده این الگوریتم ها به نیلسون (1965) بر می گردد که از یک ساختار شامل یک لایه پرسپترون به همراه یک سیستم رای گیری ساده در لایه دوم تشکیل شده بود.
الگوریتم های تجمعی را می توان از لحاظ ساختاری به دو دسته کلی تقسیم نمود:
الف) ساختارهای ایستا: در این دسته از روش ها، پاسخ طبقه بندها (خبره ها) به وسیله مکانیزمی ترکیب می شوند که شامل سیگنال ورودی نمی باشد. این دسته خود شامل دو زیر دسته است:
• میانگین گیری دسته جمعی : نتیجه نهایی به صورت یک ترکیب خطی از خروجی-های عوامل یادگیر بدست می آید.
• تقویتی : در این ساختار با استفاده از یک مکانیزم، فضای نمونه ای به تعدادی زیر فضا شکسته می شود و هر عامل یادگیر، تنها با تعدادی از داده ها آموزش داده می شود. در حقیقت فرآیند آموزش در میان عوامل یادگیر تقسیم می گردد.
ب) ساختارهای پویا: در این دسته، سیگنال ورودی به صورت مستقیم در فرآیند ترکیب جواب خروجی طبقه بندها تاثیر دارد. مدل اختلاط خبره ها و اختلاط خبره سلسله مراتبی از جمله این ساختارها به حساب می آیند.
در ادامه این ساختارها را به همراه الگوریتم های مطرح شده در هر دسته به تفصیل مورد بررسی قرار می دهیم.
الگوریتم های تجمعی با وجود نوظهور بودن در بین روش های یادگیری از استقبال بسیار خوبی برخوردار شده اند. علت این امر را نیز می توان نیاز به ترکیب روش های مختلف از یکسو و تبدیل کردن مسایل با حجم و پیچیدگی بالا به مسایل ساده تر از سوی دیگر دانست.
فهرست مطالب:
الگوریتم های یادگیری تجمعی 1
2-1 مقدمه 2
2-2 مدل ایستا 3
2-2-1 روش میانگین گیری دسته جمعی 3
2-2-2 روش تقویتی 4
2-3 مدل پویا 9
2-3-1 مدل اختلاط خبره ها 10
2-3-2 مدل اختلاط خبره سلسله مراتبی 11
2-4 جمع بندی 12
منابع و ماخذ 13
واژه نامه فارسی به انگلیسی
واژه نامه انگلیسی به فارسی
فایل Microsoft Word
تعداد صفحات: 14