Home / Luận văn thạc sĩ / Luận văn thạc sĩ ngành QTKD / Luận án: Một số phương pháp ngẫu nhiên cho bài toán cực đại hóa xác suất hậu nghiệm không lồi trong học máy

Luận án: Một số phương pháp ngẫu nhiên cho bài toán cực đại hóa xác suất hậu nghiệm không lồi trong học máy

MỞ ĐẦU 1. Bối cảnh nghiên cứu Nghiên cứu về học máy, nghiên cứu sinh nhận thấy quá trình giải một bài toán trong học máy thường gồm ba bước chính: bước mô hình hóa, bước học và bước suy diễn. Trong đó, mô hình hóa là tìm một mô hình thích hợp cho bài toán cần giải quyết, học là quá trình tối ưu các tham số của mô hình và suy diễn là bước dự đoán kết quả đầu ra của mô hình dựa trên các tham số đã huấn luyện. Ký hiệu x là tập các tham số của mô hình, khi đó bước học chính là quá trình ước lượng tham số, tức là tìm tham số x sao cho dữ liệu sẵn có và mô hình khớp với nhau nhất. Việc tối ưu tham số, hay còn gọi là quá trình học tham số, là ý tưởng chính của các bài toán học máy nhằm tìm được mối tương quan giữa các đầu vào và đầu ra dựa trên dữ liệu huấn luyện. Một phương pháp ước lượng tham số thông dụng được sử dụng trong học máy thống kê chính là phương pháp ước lượng hợp lý cực đại MLE (Maximum Likelihood Estimation) [1, 2]. MLE thực hiện chủ yếu dựa trên các dữ liệu quan sát và thường làm việc tốt trên các mô hình có dữ liệu huấn luyện đủ lớn [3, 4, 5, 6]. Giả sử x là tập các tham số của mô hình và D là tập dữ liệu quan sát, khi đó ước lượng MLE chính là quá trình tối ưu tham số x theo xác suất: x∗ = arg max x P(D|x) (0.1) trong đó xác suất P(D|x) được gọi là likelihood của tham số x. Phương pháp MLE được xây dựng dựa trên hàm likelihood và tìm kiếm giá trị tối ưu của x để xác suất P(D|x) đạt cực đại. Như đã đề cập, MLE chính là tìm cách giải thích hợp lý cho các dữ liệu quan sát được. Do xác suất P(D|x) thường nhỏ, để tránh sai số tính toán, người ta thường dùng logarit tự nhiên của hàm likelihood để đưa hàm mục tiêu về dạng thuận tiện hơn. Khi đó, bài toán MLE đưa về dạng sau: x∗ = arg max x log P(D|x) (0.2) Nếu chúng ta xem xét bài toán MLE (0.1) dưới góc độ của bài toán tối ưu với hàm mục tiêu P(D|x) thì bài toán MLE (0.1) có thể được giải bằng các phương pháp tối ưu thông dụng như phương pháp nhân tử Lagrange [7], 1

 

MÃ TÀI LIỆU: 52088

  • PHÍ TÀI LIỆU: 50.000
  • ĐỊNH DẠNG: WORD+PDF
  • THANH TOÁN QUA MOMO, CHUYỂN KHOẢN, THẺ CÀO ĐIỆN THOẠI (X2)
  • NỘI DUNG: MÃ TÀI LIỆU – EMAIL NHẬN
  • CHECK EMAIL (1-15 PHÚT)

  • Đăng nhập MOMO
  • Quét mã QR
  • Nhập số tiền
  • Nội dung: Mã Tài liệu – Email 
  • Check mail (1-15p)

  • Mua thẻ cào chỉ Viettel,  Vinaphone
  • Mệnh giá gấp 2 phí tài liệu (vì phí nhà mạng 50%) 
  • Add Zalo 0932091562
  • Nhận file qua zalo, email

  • Đăng nhập Internet Mobile
  • Chuyển tiền
  • Nhập số tiền
  • Nội dung: Mã Tài liệu – Email
  • Check mail (1-15p)

NẾU CHỜ QUÁ 15 PHÚT CHƯA THẤY MAIL VUI LÒNG NHẮN ZALO: 0932091562

 

NHẬP TÀI LIỆU BẠN CẦN TÌM VÀO ĐÂY


Notice: Undefined index: hide_title in /home/cdmhewql/tailieumau.vn/wp-content/plugins/wp-google-search/wgs-widget.php on line 26

Notice: Undefined index: title in /home/cdmhewql/tailieumau.vn/wp-content/plugins/wp-google-search/wgs-widget.php on line 28

 

 

About admin

Check Also

30 đề tài đạt điểm cao ngành kế toán xác định kết quả kinh doanh

Bạn là sinh viên chuyên ngành kế toán, bạn muốn làm đề tài kế toán …

Trả lời

Email của bạn sẽ không được hiển thị công khai. Các trường bắt buộc được đánh dấu *