کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
6854957 | 1437601 | 2018 | 23 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Robust Semi-Supervised Growing Self-Organizing Map
ترجمه فارسی عنوان
قوی و نیمه تحت نظارت رشد سازماندهی نقشه
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
یادگیری نیمه نظارتی، یادگیری آنلاین، شبکه سازمان خود پویا، یادگیری سازگار، نیمی درجه دوم،
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
هوش مصنوعی
چکیده انگلیسی
Semi-Supervised Growing Self Organizing Map (SSGSOM) is one of the best methods for online classification with partial labeled data. Many parameters can affect the performance of this method. The structure of GSOM network, activation degree and learning approach are the most important factors in SSGSOM. In this paper, a comprehensive robust mathematical formulation of the problem is proposed and then half quadratic (HQ) is used to solve it. Furthermore, an adaptive method is proposed to adjust activation degree optimally to improve the performance of SSGSOM. The results are reported on a variety of synthetic and UCI datasets and in the noisy conditions, which show superiority and robustness of the proposed method compared with the state of the art approaches.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Expert Systems with Applications - Volume 105, 1 September 2018, Pages 23-33
Journal: Expert Systems with Applications - Volume 105, 1 September 2018, Pages 23-33
نویسندگان
Ali Mehrizi, Hadi Sadoghi Yazdi, Amir Hossein Taherinia,