Напівкерований граничний бустинг
Вантажиться...
Дата
2023
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
Анотація
Дипломна робота: 92 сторінки, 33 рисунки, 13 таблиць, 1 додаток, 17
джерел.
Об’єкт дослідження – напівкерований граничний бустинг.
Під час створення систем підтримки прийняття рішень, нейронних мереж
та інших систем машинного навчання, виникає проблема збору та правильної
класифікації тренувальних даних. Залежно від типу даних, процес класифікації
може бути складним, повільним або вартісним. Наприклад, класифікація
медичних знімків вимагає глибокої медичної експертизи і значних ресурсів часу.
Існує ризик помилкової класифікації, що вносить шум у тренувальні дані.
З метою вирішення цих викликів, були розроблені алгоритми напів-
керованого навчання, що потребують меншого обсягу відмічених даних та здатні
використовувати невідмічені дані. Одним з таких алгоритмів є напівкерований
граничний бустинг, який дозволяє покращувати точність моделі бінарної
класифікації через ітеративне навчання, використовуючи відмічені та
невідмічені дані. Це дозволяє зекономити на попередній класифікації
навчальних даних, не втрачаючи при цьому якості моделі.
Мета роботи – розробити покращення існуючих підходів до реалізації
алгоритму напівкерованого граничного бустингу.
Практичне значення роботи полягає в отриманні високоефективного
алгоритму для класифікації даних при невеликій кількості міток.
Опис
Ключові слова
штучний інтелект, машинне навчання, класифікація, бінарна класифікація, бустинг, напівкероване машинне навчання, напівкерований граничний бустинг, artificial intelligence, machine learning, classification, binary classification, boosting, semi-supervised machine learning, semi-supervised margin boosting
Бібліографічний опис
Вітковський, Д. О. Напівкерований граничний бустинг : дипломна робота ... бакалавра : 122 Комп'ютерні науки / Вітковський Данило Олександрович. – Київ, 2023. – 96 с.