خلاصة:
اختلاط خبره یکی از پرکاربردترین معماری ها در ترکیب خبره هاست. دراین ساختار فضای مسئله به صورت پویا بین تعدادی از خبره ها بخش بندی می شود و در نهایت با ترکیب خروجی های هر خبره، جواب نهایی به دست می آید. در این مقاله برای حل مسئله باز شناسی چهره، با اعمال روش خوشه بندی فازی بر روی چهره های مجموعه آموزش، علاوه بر سعی در نزدیک شدن به تعداد بهینه خبره ها، الگویی برای اعمال روش آموزش با معلم -در هدایت بخش بندی پویا توسط اختلاط خبره ها- ارایه شده است. نتایج به دست آمده نشان می دهد با به کارگیری این الگو می توان با استفاده ترکیب تعدادی خبره با پیچیدگی پایین به نرخ بازشناسی بالاتری دست یافت.
Expert mixing is one of the most widely used architecture in combination of
experts. In this structure, the problem spaces dynamically divided between
several categories of experts and finally with the combination of outputs for
each expert, the final answer is obtained. In this paper for solving of face
recognition problem, with the phase clustering method on the faces of training
set, in addition to being closing of the optimal number of experts, a model for
teacher training methods - leading in dynamic division by the incorporation of
experts - is presented. The obtained results show that using this model can with
aiding of the combination a number of experts with low complexity, to achieve
a higher recognition rate.
ملخص الجهاز:
"در این مقاله با استفاده از خوشه بندی فازی بدون سرپرست به عنوان پیش پردازشبا تحلیل فضای مسئله سعی در نزدیک شدن به تعداد بهینه خبره های مورد نیاز است.
همچنین با توجه به خوشهها و درجه عضویت هر عنصر به هر خوشه روشی برای اعمال آموزش با معلم در هدایت بخش بندی اختلاط خبره ها ارایه شده است.
در اختلاط خبره ها با تعریف تابع هزینه و یا تابع خطای جدید -معادله (1)- و اعمال گرادیان نزولی روشی برای آموزش با مربی در ترکیب شبکه ها پویا ارایه شده است [Jac 1991].
شکل2: نمودار بلوکی اختلاط خبره ها در مدل پیشنهادی همان طور که در شکل 3 آورده شده است بعد از نگاشت فضای چهره های ورودی به فضای ویژگی، با تعداد مشخصی از خوشهها، دادهها بر اساس خوشهبندی فازی یا C-Mean Clustring به دسته هایی خوشهبندی میشوند [Bez 1981, Ber 2000, Goo 2006].
این الگو با ارایه الگوریتمی با استفاده از درجه عضویت هر داده به هر خوشه و افزایش متناوب تعداد خوشه ها و با اعمال شیوه آموزش با معلم، سعی در نزدیک شدن به تعداد بهینه خبره ها و همچنین ارایه روشی برای ساخت عمومی ماتریس مربوط به آموزش با معلم، در مسایل بازشناسی چهره دارد.
3. ماتریس TDL و داده ها به عنوان ورودی جهت آموزش به یک اختلاط خبره با c خبره داده میشود و با استفاده از داده های آزمون از پیش تعیین شده مورد آزمایش قرار گرفته و کمترین مربعات خطا برای آن محاسبه می شود."