light box
امتیاز 2.93 یادگیری چند برچسبی انتقالی از طریق انتشار مجموعه برچسب">

نوع فایل : word
تعداد صفحات : 33
تعداد کلمات : 8300
مجله : Transactions on Knowledge and Data Engineering
انتشار : 2013
ترجمه متون داخل جداول : ترجمه شده است
درج جداول در فایل ترجمه : درج شده است
منابع داخل متن : به صورت فارسی درج شده است
کیفیت ترجمه : طلایی
دسته بندی :
برچسب ها : ، ، ، ، ، ، ، ، ، ، ، ، ، ، ، ،

عنوان فارسی مقاله:یادگیری چند برچسبی انتقالی از طریق انتشار مجموعه برچسب

 چکیده  

مسئله طبقه بندی چند برچسبی توجه زیادی را در دهه اخیر به خود جلب کرده است به طوری که هر نمونه می‌تواند دارای یک مجموعه‌ای از چندین برچسب به طور هم زمان باشد. این طبقه بندی دارای طیف وسیعی از کاربردها در شرایط واقعی است. برای مثال حاشیه یابی تصویر خودکار و تحلیل عملکرد ژن تحقیقات فعلی بر روی طبقه بندی چند برچسبی بر شرایط نظارت شده تاکید دارد که وجود مقدار زیادی از داده‌های آموزشی برچسب زده شده را فرض می‌کند. با این حال، در بسیاری از شرایط، برچسب زنی داده‌های چند برچسبی بسیار پر هزینه و زمان بر استفو این در حالی است که داده‌های بدون برچسب زیادی وجود دارد. در این مقاله، ما به بررسی مسئله یادگیری چند برچسبی انتقالی پرداخته و یک راه حل جدید موسوم به TRAM را برای تخصیص مؤثر برچسب‌های چند گانه برای هر نمونه پیشنهاد می‌کنیم. جدا از روش‌های یادگیری چند برچسبی نظارت شده، مجموعه‌های برچسب نمونه‌های بدون برچسب با استفاده از اطلاعات از هر دو داده‌های برچسب زنی شده و بدون برچسب ارائه شده‌اند. ما در ابتدا به بررسی یادگیری چند برچسبی انتقالی به عنوان یک مسئله بهینه سازی برآورد ترکیب مفهوم برچسب می پردزایم. سپس از راه حل شکل بسته برای حل مسئله استفاده کرده و یک الگوریتم مؤثر را برای تخصیص مجموعه‌های برچسب به موارد بدون برچسب استفاده می‌کنیم. مطالعات تجربی بر روی یادگیری چند برچسبی نشان می‌دهند که روش TRAM قادر به بهبود عملکرد مؤثر طبقه بندی چند برچسبی با استفاده از داده‌های دارای برچسب و بدون برچسب است(انتقالی از طریق انتشار مجموعه برچسب).

Title: Transductive Multi-Label Learning via Label Set Propagation

Abstract

The problem of multi-label classification has attracted great interest in the last decade, where each instance can be assigned with a set of multiple class labels simultaneously. It has a wide variety of real-world applications, e.g., automatic image annotations and gene function analysis. Current research on multi-label classification focuses on supervised settings which assume existence of large amounts of labeled training data. However, in many applications, the labeling of multi-labeled data is extremely expensive and time-consuming, while there are often abundant unlabeled data available. In this paper, we study the problem of transductive multi-label learning and propose a novel solution, called TRAM, to effectively assign a set of multiple labels to each instance. Different from supervised multi-label learning methods, we estimate the label sets of the unlabeled instances effectively by utilizing the information from both labeled and unlabeled data. We first formulate the transductive multi-label learning as an optimization problem of estimating label concept compositions. Then we derive a closed-form solution to this optimization problem and propose an effective algorithm to assign label sets to the unlabeled instances. Empirical studies on several real-world multi-label learning tasks demonstrate that our TRAM method can effectively boost the performance of multilabel classification by using both labeled and unlabeled data.

    ثبت دیدگاه

      • دیدگاه های ارسال شده توسط شما، پس از تایید توسط تیم مدیریت در وب منتشر خواهد شد.
      • پیام هایی که حاوی تهمت یا افترا باشد منتشر نخواهد شد.
      • پیام هایی که به غیر از زبان فارسی یا غیر مرتبط باشد منتشر نخواهد شد.

    برای ارسال دیدگاه شما باید وارد سایت شوید.

    محصولات مشابه
    المپیای اواسط قرن بیستم: گزارشی در زمینه تاریخ محلی و معماری مدرن، ۱۹۴۵-۱۹۷۵
    خـریـد محـصـول
    مقاله مربوط به یاتاقان
    خـریـد محـصـول
    مروری بر کمپرسورها
    خـریـد محـصـول
    اثر میانجی استرس شغلی بر تأثیر فشار زمان ، تضاد خانواده- کار
    خـریـد محـصـول
    مزایای عاطفه مثبت:آیا خوشبختی و خوشحالی منجر به موفقیت می شود؟
    خـریـد محـصـول
    بی عدالتی استعماری: آیا حقوق بین الملل مقصر است و جبران کننده؟
    خـریـد محـصـول
    “اقدامات حفاظتی به منظور تصرف” در دادگاه کیفری بین المللی
    خـریـد محـصـول
    تأثیر تفسیر آنلاین در حقوق کیفری بین المللی: پیگیری بیهوده ایده آل سقراطی؟
    خـریـد محـصـول
    توسعه حقوق بین الملل برای تنظیم و کنترل بهتر اثرات متنوع قرارداد های آتش بس
    خـریـد محـصـول
    نان رفولمان: (اصل عدم اخراج پناهندگان) و صلاحیت برون سرزمینی: حاکمیت دولت
    خـریـد محـصـول
    ثبت اختراع یا انتشار مقاله

    در اولین مرحله از شروع یک تحقیق جدید نیاز است منابع مختلفی جستجو شود تا جدید بودن ایده مورد بررسی قرار گیرد. یکی از بهترین منابع جهت جستجو، لیست اختراع های ثبت شده است. پایگاه های جستجوی پتنت به محقق کمک میکند پیشینه تحقیق خود را مورد بررسی قرار دهد تا مطمئن شود کار تکراری انجام نمیدهد. لیست اختراعات ثبت شده در اداره ثبت اختراعات ایران دارای طبقه بندی های متفاوتی است. در طبقه بندی بین المللی B که شامل اختراعات حوزه نیاز ها بشری شامل عملیات اجرایی، حمل و نقل شامل: کشتیرانی، ترابری و دیگر موارد را میتوانید در پایگاه جستجوی دارایی های فکری دارکوب مشاهده کنید.

    ثبت اختراع یا انتشار مقاله کدام اول باید انجام شود؟ پژوهشگران منابع مالی و غیر مالی بسیاری را صرف انجام تحقیقات و پژوهش ها میکنند و امکان دارد تعدادی از آنها تبدیل به دستاوردها و فناوری های نو گردد. محققان این نتایج را به سرعت در مقالات علمی ملی و بین المللی منتشر و به آن افتخار میکنند. اما باید مد نظر داشت، چنانچه دستاورد پژوهشی امکان تبدیل شدن به یک محصول یا فرآیند قابل استفاده و تولید در صنعت را داشته باشد، هر گونه انتشار عمومی از جمله مقاله باعث از دست رفتن شرط جدید بودن و در نتیجه عدم امکان ثبت فناوری به عنوان اختراع خواهد شد.

    در نتیجه محققان و پژوهشگران باید پیش از هرگونه افشاء عمومی آن دسته از نتایج تحقیقاتی که شرایط ثبت اختراع را دارا می باشد به صورت اظهارنامه اختراع در اداره مربوطه ثبت و سپس نسبت به انتشار آنها اقدام کنند. امکان دارد مراحل ثبت اختراع چندین ماه به طول بیانجامد که انتشار مقاله (و مانند آن) پس از تاریخ ثبت اظهارنامه اختراع مشکلی را در فرآیند ثبت اختراع بوجود نمی آورد.

    از آنجا که برخی دستاورد ها مانند روشهای تشخیص بیماری و نوآوری های مدیریتی قابلیت ثبت اختراع بین المللی و ملی را ندارند، محققان بدون نگرانی میتوانند انتشار در مقالات داخلی و خارجی را به عنوان اولین گزینه جهت کسب افتخار دست یابی به این قبیل پژوهشها انتخاب کنند.

     
    برو بالا