Open AccessАналіз парадигми Semi-supervised learning для класифікації мультимодальних даних
Author(s) -
Nataliia Boiko
Publication year - 2021
Publication title -
naukovij vìsnik užgorodsʹkogo unìversitetu. serìâ matematika ì ìnformatika
Language(s) - Ukrainian
Resource type - Journals
eISSN - 2708-9568
pISSN - 2616-7700
DOI - 10.24144/2616-7700.2021.39(2).125-144
Subject(s) - supervised learning , semi supervised learning , artificial intelligence , computer science , machine learning , pattern recognition (psychology) , artificial neural network
У роботі розглядаються алгоритми машинного навчання. Увага зосереджена на напівконтрольному навчанні, яке здається балансом між точністю навчання з учителем та витратами методів навчання без учителя. Розглядаються приклади ретельного опрацювання мічених наборів даних, для яких навчання під наглядом може бути дуже ефективним. Порівнюються підходи semi-supervised та supervised та проаналізована ефективність кожного. В роботі розглядаються підходи S3VM та TSVM. Метою роботи було дослідити чи можуть напівконтрольовані підходи конкурувати з контрольованими або навіть їх перевершити. Описується застосування даних підходів до запропонованого датасету для визначення більш точної класифікації даних, а саме на опорній межі.