برق. قدرت. کنترل. الکترونیک. مخابرات. تاسیسات.

دایره المعارف تاسیسات برق (اطلاعات عمومی برق)

ماشین بردار پشتیبانی
از ویکی‌پدیا، دانشنامهٔ آزاد

ماشین بردار پشتیبانی (Support vector machines - SVMs) یکی از روش‌های یادگیری باناظر[۱] است که از آن برای طبقه‌بندی[۲] و رگرسیون[۳] استفاده می‌کنند.

این روش از جملهٔ روش‌های نسبتاً جدیدی است که در سال‌های اخیر کارایی خوبی نسبت به روش‌های قدیمی‌تر برای طبقه‌بندی از جمله شبکه‌های عصبی پرسپترون نشان داده است. مبنای کاری دسته‌بندی کنندة SVM دسته‌بندی خطی داده‌ها است و در تقسیم خطی داده‌ها سعی می‌کنیم خطی را انتخاب کنیم که حاشیه اطمینان بیشتری داشته باشد. حل معادلة پیدا کردن خط بهینه برای داده‌ها به وسیله روش‌های QP که روش‌های شناخته شده‌ای در حل مسائل محدودیت‌دار هستند صورت می‌گیرد. قبل از تقسیمِ خطی برای اینکه ماشین بتواند داده‌های با پیچیدگی بالا را دسته‌بندی کند داده‌ها را به وسیله‌ی تابعِ phi به فضای با ابعاد خیلی بالاتر[۴] می‌بریم. برای اینکه بتوانیم مساله ابعاد خیلی بالا را با استفاده از این‌ روش‌ها حل کنیم از قضیه دوگانی لاگرانژ[۵] برای تبدیلِ مسالهٔ مینیمم‌سازی مورد نظر به فرم دوگانی آن که در آن به جای تابع پیچیده‌ی phi که ما را به فضایی با ابعاد بالا می‌برد، تابعِ ساده‌تری به نامِ تابع هسته که ضرب برداری تابع phi است ظاهر می‌شود استفاده می‌کنیم. از توابع هسته مختلفی از جمله هسته‌های نمایی، چندجمله‌ای و سیگموید می‌توان استفاده نمود.

یکی از معروفترین خودآموزها مربوط به [۶] است.
[ویرایش]
پانوشته‌ها
↑ Supervised learning
↑ Classification
↑ Regression
↑ High dimensional space
↑ Lagrange Duality Theorems
↑ A Tutorial on Support Vector Machines
[ویرایش]
جستارهای وابسته
یادگیری ماشینی
کاوش‌های ماشینی در داده‌ها
یادگیری باناظر
[ویرایش]
منابع

Christopher J. C. Burges. "A Tutorial on Support Vector Machines for Pattern Recognition". Data Mining and Knowledge Discovery 2:121 - 167, 1998 (http://research.microsoft.com/~cburges/papers/SVMTutorial.pdf




ارزیابی پایداری و امنیت سیستم قدرت با شبكه عصبی و SVM - پروژه برق

ارزیابی پایداری و امنیت سیستم قدرت با شبكه عصبی و SVM - پروژه  برق

دسته نرم افزار آموزشی زیردسته دانشگاهی

پروژه: ارزیابی پایداری و امنیت سیستم قدرت با شبكه عصبی و SVM

موضوع: شبكه های انتقال و توزیع و سیستمهای قدرت
تعداد كل صفحات: 112

كلمات كلیدی: امنیت استاتیكی، سیستم قدرت، شبكه های عصبی، انرژی رسانی، نرم افزار SUPPORT VECTOR MACHINES - SVM

فهرست

فصل اول: مفهوم امنیت شبكه قدرت
1-1 انرژی رسانی و مفهوم امنیت
1-2 ارزیابی امنیت
1-3 آنالیزهایی برای ارزیابی امنیت
1-4 ارزیابی امنیت استاتیكی
1-4-1 روش وقایع قطعی
1-4-2 روش احتمالات اتفاقی

فصل دوم: شبكه های عصبی
مقدمه
2-1 تاریخچه شبكه عصبی
2-2 مدل نرون
2-2-1 مدل تك ورودی
2-3 توابع محرك
2-3-1 تابع محرك خطی
2-3-2 تابع محرك آستانه دو مقدار حدی
2-3-3 تابع محرك زیگموئیدی
2-4 مدل چند ورودی
2-5 فرم خلاصه شده
2-6 شبكه تك لایه
2-7 شبكه های چند لایه
2-8 شبكه های پسخور یا برگشتی
2-9 معرفی سه شبكه عصبی
2-9-1 پرسپترون تك لایه

فصل سوم: SVM
چكیده
3-1 تئوری یادگیری آماری
3-2 بعد vc
3-3 ابر صفحه جداساز
3-4 ابر صفحه جداساز بهینه
3-5 ابر صفحه جداساز بهینه تعمیم یافته
3-6 تعمیم به فضای دارای ویژگی ابعادی بالا
3-7 بررسی اجمالی
3-8 توابع كرنل
3-8-1 كرنل خطی
3-8-2 polynomial
3-8-3 rbf
3-8-4 erbf
3-8-5 MLP
3-8-6 سری های فوریه
3-8-7 چند جمله ای ها
3-8-8 چند جمله ای b
3-8-9 كرنل های جمع پذیر
3-8-10 كرنل های چند بعدی
3-9 سنجش عملكرد
3-10 انتخاب كرنل مناسب
3-11 مقایسه بین شبكه های عصبی مصنوعی و svm
فصل چهارم: نرم افزار SVM
4-1 نرم افزار SVM
4-2 خصوصیات نرم افزار SVM
فصل پنجم: انتخاب حالت مناسب
5-1 تعریف حالت
5-2 استفاده از PSAT (روش اول)
5-3 نرم افزار PSAT
5-4 استفاده از PSAT (روش دوم)
5-5 روش بدست آوردن حالت n بعدی
5-6 بدست آوردن حالت به كمك power world simulator
منابع

صفحات جانبی

نظرسنجی

    لطفاً نظرات خود را درمورد وبلاگ با اینجانب در میان بگذارید.(iman.sariri@yahoo.com)نتایج تاکنون15000مفید و 125غیرمفید. با سپاس


  • آخرین پستها

آمار وبلاگ

  • کل بازدید :
  • تعداد نویسندگان :
  • تعداد کل پست ها :
  • آخرین بازدید :
  • آخرین بروز رسانی :