الگوریتم بهینه سازی Bayesian 76 ص

الگوریتم بهینه سازی Bayesian 76 ص - ‏1 ‏الگوریتم بهینه سازی Bayesian‏ ‏مراجع‏‌‏را می‏‌‏توان به عنوان یک ترازوی خوب برای مقایسه روشهای مختلف بک...

کد فایل:15403
دسته بندی: دانش آموزی و دانشجویی » دانلود تحقیق
نوع فایل:تحقیق

تعداد مشاهده: 4152 مشاهده

فرمت فایل دانلودی:.zip

فرمت فایل اصلی: .doc

تعداد صفحات: 76

حجم فایل:960 کیلوبایت

  پرداخت و دانلود  قیمت: 20,000 تومان
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود.
0 0 گزارش
  • لینک دانلود و خرید پایین توضیحات
    دسته بندی : وورد
    نوع فایل :  word (..doc) ( قابل ويرايش و آماده پرينت )
    تعداد صفحه : 76 صفحه

     قسمتی از متن word (..doc) : 
     

    ‏1
    ‏الگوریتم بهینه سازی Bayesian‏
    ‏مراجع‏‌‏را می‏‌‏توان به عنوان یک ترازوی خوب برای مقایسه روشهای مختلف بکار برد. بعنوان مثال: مراجع استراتژی، انتخاب و جایگزینی را بکار گرفتند که با r BOA‏ ها یکسانند. در‏‌‏بین الگوریتم‏‌‏های متنوع‏‌‏دانش سرپرستی برای انجام دادن مدلهای مخلوط، دسته بندی یک کاندیدای مناسب برحسب بازدهی محاسباتی دیده شده است.
    ‏بطور کلی EDA‏ها یک تقریب تقسیمی را بکار می‏‌‏گیرند که تلاش می‏‌‏کند یک مجموعه از اطلاعات‏‌‏چند بعدی را به تعدادی‏‌‏زیر مجموعه دسته بندی کند. مثالهای محتمل شامل الگوریتم K- Means‏ و الگوریتم رهبر تصادفی (RLA‏) است.
    ‏مکانیزم آنها در زیر به صورت مختصر شرح داده شده است:
    ‏الگوریتم K- means‏ نمونه‏‌‏های داده را به K‏ زیر مجموعه غیر تهی تقسیم می‏‌‏کند. مختصات میانگین حسابی گروههای رایج محاسبه می‏‌‏شود و هر نمونه به نزدیکترین تقسیم‏‌‏بندی اشاره می‏‌‏کند. پروسه ادامه می‏‌‏یابد تا زمانیکه گمارش دیگری اتفاق نیافتد. در RLA‏ هر نمونه تصادفی انتخاب شده متعلق به نزدیکترین طبقه بندی که رهبر آن فاصله با نمونه‏‌‏اش زیر حد داده شده قرار دارد. نتیجه پس از فقط یکبار مرور کردن هر نمونه بدست می‏‌‏آید.
    ‏توجه کنید که الگوریتم RLA‏ سریعتر از الگوریتم K- means‏ است. (RLA‏) تا حدودی کمتر دقیق است. علاوه بر این تکرار که در مدلهای مختلف استفاده می‏‌‏شود (در مدل انتخاب) کمتر از مدلهای جاسازی است. بنابراین الگوریتم K- means‏ و RLA‏ (با حدی به میزان 0.3‏) به ترتیب کاندیداهای مناسبی برای مدل انتخاب و مدل جاسازی هستند. مدل جاسازی و مدل نمونه برداری با توجه به کارایی‏‌‏شان برای مسائل بزرگ تجزیه پذیر، براساس اصل حداکثر ترکیب زیر مسئله‏‌‏ها انجام داده می‏‌‏شوند.
    ‏2
    ‏نتایج کارایی r BOA‏
    ‏علاوه بر این توزیع احتمال نرمال به علت فواید ذاتی (خصوصیات ‏تقریب نزدیک و تجزیه مناسب و آسان) آن به کار گرفته شده است. انتخاب کوتاه که نیمه بالای جامعه را انتخاب می‏‌‏کند و BIC‏ با Eq‏، (5،6) که ‏ ‏پارامتر تنظیم آن 0.5 است برای یادگیری یک مدل آماری استفاده نشده بودند. سیاست تجزیه بدترین نیمه جامعه را با نسل جدید تولید شده جایگزین می‏‌‏کند. (یعنی جایگزینی نخبه‏‌‏ها) چون هیچ اطلاعات قدیمی در ساختار مسئله وجود ندارد. ما 1- ‏ را برای تعداد والده‏‌‏های مجاز در نظر می‏‌‏گیریم، هیچ محدودیتی در مدل انتخاب وجود ندارد. هر آزمایش وقتی که بهینه پیدا شود یا تعداد نسلها به دویست برسد پایان داده می‏‌‏شود. همه نتایج بعد از 100 اجرا میانگین گرفته می‏‌‏شود.
    ‏شکل‏ ‏5،7 میانگین تعداد محاسباتی را Rboa‏ انجام می‏‌‏دهد تا بهینه RDP‏ را با‏، ‏ نشان می‏‌‏دهد. همچنین این شکل نتیجه PSNR‏ با ‏ را نشان می‏‌‏دهد.
    .5.7‏ نتایج آزمایشگاهی و مذاکره
    ‏5. بهینه سازی الگوریتم Bayesian‏
    ‏اندازه مسئله n
    ‏(a‏) نتایج برای RDP‏ ‏با
    ‏3
    ‏اندازه مسئله n
    ‏(b‏) نتایج برای RNSP‏ ‏ با
    ‏شکل .5.7‏ موضوع قابل تجزیه درباره کارایی r BOA
    ‏اندازه جمعیت تدارک دیده از روی مشاهده و تجربه معین در کنار روش دو بخشی بطوریکه بهینه برپا گردد.
    ‏نتایج مشاهده برای RDP‏ و RNSP‏ به ترتیب و با دقت ‏ و ‏ (جاسازی) تقریب زده شده است.
    ‏بدینسان r BOA‏ می‏‌‏تواند مسئله قابل تجزیه (افزایشی) محدود سخت بوسیله پیچیدگی Sub- quadratic‏ (به استثنای Near- quadratic‏) رفع کردن.
    ‏به عبارت دیگر رشد عدد تخمین با توجه به اندازه مسئله (یعنی مقیاس پذیری) به نظر می‏‌‏رسد که به Sub- quadratic‏ باشد. جزئیات تحقیق در بخش 3، 7، 5 یافت می‏‌‏شود.
    ‏5
    MBOA‏
    ‏شکل 5،8 مقایسه کارایی Rboa‏ و مشکلات آنرا مطالعه می‏‌‏کند (MBOA‏، m IDEA‏ و EGNA‏). مانند مراجع کاربردی و قابل تجزیه (RNSP‏ و RDP‏).
    ‏از اینرو مسئله قابل تجزیه عبارت است از زیر برنامه m‏، اشکال مسئله قابل اجرا نگهداری کردن همزمان m‏، اشکال مسئله قابل اجرا، مختصر N= r.m‏ در برابر سادگی. شکل (a‏) 5،8 ‏ نسبت صحیح BB‏ها را چنانچه به RDD‏ اعمال می‏‌‏شوند با ‏و تغییر m‏ مقایسه می‏‌‏کند. ترکیب یک RBOA‏ جزء، مختصر K=1‏ برای مدل گزینش بکار گرفته می‏‌‏شود.
    ‏جمعیت تدارک دیده با N= 100m‏، نتیجه نشان داده شده برای یافتن راه حل rAOB ‏و MBOA‏ بهتر کردن محاسبه زیاد آنها بجز mI AED‏ و ANGE‏.
    ‏گرچه MBOA‏ در برابر Rboa‏ تا حدی بالاتر بنظر می‏‌‏آید، با مفهوم آماری آن مخالفت دارد. جدول 5،1 اثبات پشتیبانی آن هست. همچنین بزرگتر شدن اندازه مسئله خراب‏ كردن‏ EGNA‏ و mIDEA‏ کردن از لحاظ دست یافتن کارایی در صورتیکه وضعیت راه حل پایدار بسرعت و Rboa‏ برای آنکه مشاهده گردد. از شکل (a‏) 5،7 و (a‏) 5،8 واضح است.
    ‏افزایش‏ رفتار MBOA‏ و Sub- quadratic Rboa‏ در برابر RDP‏ در صورتیکه m IDEA‏ و EGNA‏ تشریحی مقیاس پذیری دارد. شکل (b‏) 5،8 نشان می‏‌‏دهد BB- wise‏ مقادیر کار برگشت داده شده با الگوریتم‏‌‏ها برای RNSP‏ با ‏ ‏مختلف m‏. ترکیب نمونه‏‌‏ها برای گزینش مدل جزء سه ترکیب (K=3‏) استفاده شده. یک مدل خطی، مختصر، ‏‌‌N= 200m‏ بکار رفته برای جمعیت تدارک دیدن. در نتیجه RDP‏، برای آنکه مشاهده کارایی MBOA‏ و Rboa‏ آثار یکسان صرف نظر از اندازه مسئله. می‏‌‏توانیم در نظر بگیریم آنها یک Sub- quadratic‏ مقیاس پذیر RNSP‏ دارند. با وجود این نتایج نشان می‏‌‏دهد r BOA‏ نسبتا بهتر از MBOA‏ است با توجه به کیفیت مسئله.
    .5.7‏ نتایج آزمایشگاهی و مذاکره
    ‏نتیجه آشکار مشاهده آماری آزمایش جدول 5،1. همچنین m IDEA‏ و EGNA‏ یافتن راه حل غیر قابل قبول وضعیت افزایش اندازه مسئله و مقیاس مشاهده خودشان پذیری بدیهی است تشریح مناسب بودن. از شکل 7، 5 و 8، 5 و جدول 1، 5 می

     



    برچسب ها: الگوریتم بهینه سازی Bayesian 76 ص الگوریتم بهینه سازی Bayesian 76 ص دانلود الگوریتم بهینه سازی Bayesian 76 ص الگوریتم بهینه سازی Bayesian الگوریتم بهینه سازی Bayesian
  • سوالات خود را درباره این فایل پرسیده، یا نظرات خود را جهت درج و نمایش بیان کنید.

  

به ما اعتماد کنید

تمامي كالاها و خدمات اين فروشگاه، حسب مورد داراي مجوزهاي لازم از مراجع مربوطه مي‌باشند و فعاليت‌هاي اين سايت تابع قوانين و مقررات جمهوري اسلامي ايران است.
این سایت در ستاد ساماندهی پایگاههای اینترنتی ثبت شده است.

درباره ما

تمام حقوق اين سايت محفوظ است. کپي برداري پيگرد قانوني دارد.

دیجیتال مارکتینگ   ثبت آگهی رایگان   ظروف مسی زنجان   خرید ساعت هوشمند