تطابق ویژگی‌ها در یادگیری ماشین چیست؟
الگوریتم های یادگیری ماشین بر اساس پیش فرض داده های آموزشی و داده های آزمایشی عمل می کنند و این دو گروه داده را در توزیع و فضای ویژگی یکسان می دانند. اما در بسیاری از موراد فرض یکسان بودن داده های آوزشی و آزمایشی حذف می شود. مهم ترین عامل تفاوت در نمونه های آموزشی و آزمایشی به دلیل شرایط تهیه یا گردآوری داده است.
برای مثال، در حوزه موضوعی بینایی ماشین، تفاوت در زاویه دید، روشنایی، دقت و شرایط تصویر برداری می تواند باعث تغییر در دو مجموعه داده شود.
با این حال، اگر بتوان عملکرد داده های آموزشی که با داده آزمایشی متفاوت است را به گونه ای استفاده کرد تا مدل ایجاد شده را در فضای آزمایش بهبود بخشید. به این راه حل که اخیرا مورد توجه قرار گرفته، انطباق دامنه می گویند.
انطباق دامنه یا domain adaption، یکی از حوزه های موضوعی مهم در یادگیری ماشین و یادگیری انتقالی است. هدف از انطباق دامنه این است که یادگیری طبقه بندی مناسبی داشته باشد با اینکه توزیع داده آوزشی و آزمایشی متفاوت است و بتواند با دقت قابل قبولی روی داده آزمایشی عمل کند. در انطباق دامنه دو محجموعه آموزشی و آزمایشی دارای توزیع متفاوت ولی مرتبط هستند.
تطبیق دامنه در بسیاری از حوزه های موضوعی یادگیری ماشین از جمله بازشناسی الگو، پردازش زبان طبیعی، پردازش گفتار، مکان یابی، بینایی ماشین، آشکار سازی اشیا و بازشناسی رویداد کاربرد دارد. با وجود موفق بودن تطبیق دامنه تلاش ها برای گسترش آن ادامه دارد.
نقش تطابق ویژگی ها در یادگیری ماشین
وبینار نقش تطابق ویژگی ها در یادگیری ماشین به صورت رایگان در تاریخ سه شنبه، 19 اردیبهشت 1402 ساعت 16:30 تا 18:00 برگزار خواهد شد. در وبینار نقش تطابق ویژگی ها در یادگیری ماشین دکتر هدی محمدزاده، دانشیار دانشکده‌ی برق دانشگاه صنعتی شریف حضور خواهد داشت. دکتر هدی محمودزاده در حوزه های موضوعی یادگیری ماشین و بینایی ماشین تخصص دارد و پر استناد مقاله او بر اساس پایگاه گوگل اسکالر Cuffless blood pressure estimation algorithms for continuous health-care monitoring با بیش از 400 استناد است.
علاقه مندان می توانند برای شرکت به صورت مجازی در این وبینار به آدرس https://vc.sharif.edu/ch/jaryan مراجعه کنند.
منبع:
زندی فر، مژده، و طهمورث نژاد، جعفر. (1398). پردازش تصویر بین دامنه ای با استفاده از تحلیل تفکیک خطی و تطبیق دامنه مبتنی بر نمونه. پردازش علایم و داده ها، 16(3 (پیاپی 41) )، 129-148. SID. https://sid.ir/paper/160769/fa