جستجوی مقالات مرتبط با کلیدواژه "شبکه های عصبی تکاملی" در نشریات گروه "آمار"
تکرار جستجوی کلیدواژه «شبکه های عصبی تکاملی» در نشریات گروه «علوم پایه»جستجوی شبکه های عصبی تکاملی در مقالات مجلات علمی
-
یک روش آماری رایج برای دسته بندی، استفاده از مدل های رگرسیون لوژستیک است. این روش با درنظرگرفتن اثرات خطی از ویژگی های افراد یا اشیا به مدل سازی احتمالات پسین عضویت در هر دسته می پردازد. در عمل این گمان وجود دارد که اثرات غیرخطی ویژگی ها می توانند نقش موثری در دسته بندی صحیح مشاهدات داشته باشند. اما مسئله ای که در پی ورود اثرات غیرخطی به مدل لوژستیک مطرح می شود، برآوردیابی پارامترها است. تحقیقات در سال های اخیر با فرض اثرات غیرخطی مانند اثرات متقابل و توابع پایه شعاعی گاوسی در مدل، برای پاسخ به مسئله برآوردیابی، استفاده ترکیبی از ابزارهایی مانند شبکه های عصبی تکاملی و روش های برآوردیابی ماکسیمم درستنمایی را پیشنهاد کرده اند. در این مقاله نوعی از توابع پایه شعاعی با نام توابع چندربعی معکوس به عنوان اثرات غیرخطی در مدل لوژستیک در نظر گرفته می شود و با روش ترکیبی، پارامترهای مدل برآورد می شوند. آزمایشات تجربی برای مقایسه مدلهای پیشنهادی در این مقاله، با استفاده از داده های پزشکی و داده های واقعی مربوط به یک کارخانه تولید فولاد انجام گرفته است. نتایج نشان می دهد که حضور توابع چندربعی معکوس نسبت به توابع گاوسی در مدل، میتواند باعث افزایش دقت دسته بندی شودکلید واژگان: دسته بندی, رگرسیون لوژستیک, توابع چندربعی معکوس, شبکه های عصبی تکاملیLogistic regression models in classification problems by assuming the linear effects of covariates is a modeling for class membership posterior probabilities. The main problem that includes nonlinear combinations of covariates is maximum likelihood estimation (MLE) of the model parameters. In recent investigations، an approach of solving this problem is combination of neural networks، evolutionary algorithms and MLE methods. In this paper، another type of radial basis functions، namely inverse multiquadratic functions and hybrid method، are considered for estimating the parameters of these models. The experimental results of comparing the proposed models show that the inverse multiquadratic functions compared to the Gaussian functions have better precision in classification problems.Keywords: Classification, Logistic regression, Inverse multiquadratic functions, Evolutionary neural networks
نکته
- نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
©2000-2025 magiran.com All Rights Reserved.