جلسه دفاع از پایان‌نامه: خانم اکرم محمدي، گروه مهندسی کامپیوتر

خلاصه خبر: یادگیری موازی درخت‌تصمیم وِفقی با استفاده از داده‌های جریانی

  • عنوان: یادگیری موازی درخت‌تصمیم وِفقی با استفاده از داده‌های جریانی
  • ارائه‌کننده: اکرم محمدي
  • استاد راهنما: دکتر قادری
  • استاد ناظر داخلی اول: دکتر مقدم
  • استاد ناظر خارجی اول: حميدرضا شايق بروجني (دانشگاه: دانشگاه شهيد رجايي)
  • استاد مشاور اول: دکتر محمد صنیعی آباده
  • مکان: 601
  • تاریخ: 97/06/27
  • ساعت: 08:20

چکیده امروزه تحلیل و پیش¬بیني داده¬هاي جرياني یکی از مهم‏ترین حوزه‏های یادگیری ماشین است و تکنیک‏های مختلف از جمله الگوریتم‏های موازی برای کاهش زمان پردازش این نوع داده‏ها به وفور مورد استفاده قرار می‏گیرند. از سوی دیگر، آموزش سیستم‏های یادگیرنده مختلف برای داده‏های جریانی همواره با چالش مواجه است زیرا ممکن است ورودی‏های جدید حاوی آمار متفاوتی باشند و بروز رسانی مدل‏های فراگرفته شده مستلزم صرف زمان و هزینه قابل توجه باشد. بنابراین بروزرسانی مدل‏های ایجاد شده به صورت وفقی می‏تواند ضمن کاهش زمان بروزرسانی سیستم‏های هوشمند عملکرد بهتری را هم به ارمغان آورد. از بین روش‏های مختلف، درخت تصميم یکی از محبوب¬ترين روش‏های دسته¬بندي مجموعه¬داده¬ها معرفي¬شده است. با یادگیری افزایشی درخت تصمیم نیاز به ساخت مجدد درخت مبتني بر نمونه ورودي‏های جديد نیست و فقط اين نمونه‏ها در گره مناسب قرار می‏گيرند و در صورت لزوم ساختار درخت متناسب با نمونه‏ها‏ی جدید بروزرسانی می‏شود. الگوريتم VFDT از جمله الگوریتم¬هاي يادگيري افزايشي محسوب مي¬شود که مبتني¬بر الگوريتم درخت هافدينگ است. مدت زمان اجراي اين الگوريتم در داده¬هاي جرياني زمانبر است و مدت زمان اجرا در داده¬هاي با ماهيت برخط ناسازگار است. بخش قابل توجهی از زمان مورد نیاز اجرای این الگوریتم مربوط به محاسبه معيارهاي شکست گره¬ها مي¬باشد. در این پژوهش با استفاده از الگوريتم¬هاي يادگيري افزايشي که شامل ساخت درخت¬تصميم، پيش¬بيني سريع نمونه¬هاي آزمايشي و بروزرساني درخت تصميم است سعی در بهبود عملکرد این درخت شده است. پژوهش انجام شده در حوزه يادگيري افزايشي، يادگيري گروهي، الگوريتم بوستينگ و الگوريتم¬هاي يادگيري ماشين در واحد¬ پردازشي گرافيکي از روش¬¬ پياده¬سازي در مباحث يادگيري ماشين مي¬باشند و با ادغام الگوريتم بوستينگ با درخت هافدينگ سعي بر بهبود زمان محاسبات به منظور يادگيري موازي درخت تصميم وفقي با استفاده از داده¬هاي جرياني است.¬ در اين کار پژوهشي و پياده¬سازي الگوريتم با ارائه يک روش ساده و کارا از پتانسيل موازي¬سازي الگوريتم استفاده شده است و نتایج به دست آمده تایید کننده عملکرد مطلوب این روش است.
کلمات کلیدی يادگيري موازي، داده¬هاي جرياني، درخت تصميم وفقي، الگوريتم درخت هافدينگ، پردازش موازي


31 شهریور 1397 / تعداد نمایش : 2302