یادگیری رتبه بندی که یکی از روش های یادگیری ماشین برای مدل کردن رتبه بندی است، امروزه کاربردهای بسیاری به خصوص در بازیابی اطلاعات، پردازش زبان طبیعی و داده کاوی دارد. فعالیت یادگیری رتبه بندی را می توان به دو بخش تقسیم کرد. یکی سیستم یادگیری مورد استفاده و دیگری سیستم رتبه بندی. در سیستم یادگیری، یک مدل رتبه بندی بر اساس داده های ورودی ساخته می شود. در بخش سیستم رتبه بندی، از این مدل ساخته شده ...

هدف این تحقیق بررسی این موضوع است که آیا می توان مدیریت سود را براساس مدل های مبتنی بر یادگیری ماشین کشف کرد. در این تحقیق برای پیش بینی مدیریت سود از مدل های مبتنی بر یادگیری ماشین (الگوریتم کلونی مورچه ها و غذایابی باکتری) استفاده شده است. برای این منظور 143 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی دوره زمانی 1388 تا 1392 مورد مطالعه قرار گرفتند. در این تحقیق با استفاده از الگوریتم حرکا...

پژوهش حاضر بر اساس ارزیابی الگوی یادگیری الگوریتم لورنبرگ مارکوات، گرادیان نزولی و الگوی آریما به مقایسه و توانایی پیش‌بینی کنندگی در بازار سرمایه می‌پردازد. بدین منظور داده‌های بازار در سال‌های 1394 تا 1397 مورد استفاده قرار گرفت و بیش از 75 درصد از این داده‌ها تا قبل از سال 1397 به عنوان داده‌های آموزشی استفاده شد و داده‌های یک سال پایانی نیز به عنوان داده‌های آزمایشی مورد استفاده قرار گرفته ...

مقدمه: بهبود تصمیم گیری بالینی دانشجویان، یکی از مهم ترین چالش های آموزش پزشکی می باشد و روش های متعددی برای ارتقاء این مهارت وجود دارد. هدف این مطالعه تعیین اثربخشی یادگیری مبتنی بر الگوریتم بر توانایی تصمیم گیری بالینی دانشجویان فوریت پزشکی بود. روش بررسی: در این مطالعه تجربی، 25 دانشجوی فوریت پزشکی به صورت تصادفی به دو گروه یادگیری مبتنی بر الگوریتم  (13=n) و کنترل  (12=n) تخصیص یافتند. دانش...

انتخاب ویژگی تمرکز بسیاری از حوزه¬های تحقیقاتی در سال¬های اخیر را به خود جلب کرده است. با پیشرفت سریع فنّاوری کامپیوتری، پایگاه¬ داده¬هایی با صدها و هزاران ویژگی در شناسایی الگو، داده کاوی، یادگیری ماشین و… به وجود آمده است. به¬طوری¬که پردازش مجموعه داده¬های بزرگ، یک کار چالش برانگیز شده است. انتخاب ویژگی این مشکل را با از بین بردن داده¬های بی¬ربط، زائد یا نویزی حل می¬کند. این عمل کارایی الگوریت...

مشکل تنگنای ابعاد، یکی از چالش هایی است که کاربرد الگوریتم های یادگیری تقویتی گسسته را در مورد مسائل کنترلی واقعی که دارای فضای حالت و عمل بزرگ و یا پیوسته می باشند محدود نموده است. ترکیب روش های آموزشی گسسته با تقریب زننده های تابعی برای حل این مشکل چندی است مورد توجه محققان قرارگرفته است. در همین راستا در این مقاله یک الگوریتم جدید یادگیری تقویتی عصبی (NRL) بر مبنای معماری نقاد- تنها معرف...

طراحی یک سیستم آموزشی، کار وقت­گیر و پر هزینه­ای است. از این رو ایجاد یک درس الکترونیکی مطابق با ویژگی­های هر فراگیر به منظور کاهش زمان یادگیری و افزایش بهره­وری آموزشی از اهمیت بسیاری برخوردار است. هدف از این پژوهش، تولید درس الکترونیکی مطابق با ویژگی­های یادگیری هر دانش­آموز، با استفاده از برخی استانداردهای آموزش الکترونیک، تئوری­های آموزشی و الگوریتم ممتیک و همچنین ارزیابی نتایج آموزشی این ر...

امروزه استفاده از ابزارهای یادگیری ماشین در حوزه‌های مختلف ازجمله تشخیص بیماری‌ها در حال گسترش است. علت این امر را می‌توان عملکرد متغیر و متمایل به خطای انسان در مقابل عملکرد ثابت ابزارهای یادگیری ماشین در زمینه تشخیص و طبقه‌بندی دانست. حیاتی بودن تشخیص در حوزه‌هایی مانند پزشکی، نیاز به بهبود تشخیص با روش‌های یادگیری ماشین را توجیه می‌کند. ازجمله روش‌های افزایش دقت در این زمینه، الگوریتم‌های کا...