ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > تحسين تنبؤ التعلم الآلي باستخد...>الوصف

تحسين تنبؤ التعلم الآلي باستخدام خوارزمية الفراولة

العنوان بلغة أخرى: Improving Machine Learning Prediction Using Strawberry Algorithm
المصدر: المجلة العراقية للعلوم الإحصائية
الناشر: جامعة الموصل - كلية علوم الحاسوب والرياضيات
المؤلف الرئيسي: حاوا، نورا سهيل إسماعيل (مؤلف)
مؤلفين آخرين: جرجيس، صالح مؤيد شاكر (م. مشارك)
المجلد/العدد: ع35
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2022
الصفحات: 1 - 22
ISSN: 1680-855X
رقم MD: 1318095
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EcoLink
مواضيع:
الذكاء الاصطناعي | التحليل الإحصائي | الخوارزميات الرياضية | مرضى ضغط الدم
كلمات المؤلف المفتاحية:
انحدار المتجه الداعم | التعليم الآلي | الخوازميات | خوارزمية الفراولة | Support Vector Regression | Machin Learning | Algorithms | Strawberry Algorithm
رابط المحتوى:

الناشر لهذه المادة لم يسمح بإتاحتها.
صورة الغلاف QR قانون
حفظ في:
المستخلص: في هذا البحث تم استخدام نموذج انحدار المتجه الداعم (SVR ((Support Vector Regression حيث يعرف بانه خوارزمية أو نموذج خطي يستخدم للتنبؤ بنموذج معين. يعتمد كفاءة أداء أسلوب SVR على اختيار معلماته الفائقة. تم في هذا البحث استخدام أسلوب SVR مع خوارزمية الفراولة (Algorithm Strawberry) وهي الخوارزمية المقترحة للحصول على أفضل توليفة للمعلمات الفائقة. وتم استخدام معيار جذر متوسط مربعات الخطأ Root Mean Squares Error (RMSE) لمقارنة النتائج التي تم الحصول عليها باستخدام الخوارزمية المقترحة مع بعض الخوارزميات الشائعة وهي خوارزمية البحث الشبكة (Grid Search)، الخوارزمية الجينية (Genetic Algorithm)، خوارزمية سرب الطيور (Particle swarm optimization)، وخوارزمية التلدين (Simulated Annealing) algorithm. كما تم استخدام ثلاثة طرائق للاختيار في خوارزمية الفراولة وهي طريقة اختيار عجلة الروليت (The roulette wheel) اختيار النخبة (Elite) واختيار عجلة الروليت مع النخبة معا (Roulette &Elite). وتم اختبار أداء الخوارزمية من خلال بيانات تجريبية وحقيقية. وقد أظهرت النتائج تفوق خوارزمية الفراولة على الخوارزميات الشائعة في اختيار أفضل توليفة للمعلمات الفائقة. كما أظهرت النتائج أن طريقة اختيار عجلة الروليت (the roulette wheel) أفضل الطرائق التي أعطت نتائج جيدة مقارنة بالطرائق الأخرى في الجانبين التجريبي والتطبيقي.

In this paper, the Support Vector Regression (SVR) model was used, which is defined as an algorithm or a linear model used to predict a specific model. The performance efficiency of the SVR method depends on the selection of its hyper parameters. In this paper, the SVR method was used with the Strawberry Algorithm, which is the proposed algorithm to obtain the best combination of hyper parameters. The Root Mean Squares Error (RMSE) criterion was used to compare the results obtained using the proposed algorithm with some common algorithms, namely, Grid Search, Genetic Algorithm, Particle swarm optimization, and an annealing algorithm (Simulated Annealing algorithm. Three methods of selection were also used in the strawberry algorithm, roulette wheel selection, elite selection, and roulette wheel with the elite selection method together. The performance of the algorithm was tested through experimental and real data. The results showed that the strawberry algorithm was superior to the common algorithms in choosing the best combination of hyper parameters. The results also showed that the method of choosing the roulette wheel is the best method that gave good results compared to other methods on the experimental and applied sides.
ISSN: 1680-855X

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.