Monthly Archives: June 2014

Unjuk kerja optimal dari Pattern Classifier

Generalisasi umum Unjuk kerja dari pattern(pola) classifier diperoleh ketika kapasitas dari fungsi klasifikasi cocok dengan ukuran training set. Classifier dengan sejumlah besar parameter yang bisa disesuaikan dan oleh karena itu kapasitas besar sepertinya mempelajari training set tanpa error, namun melakukan generalisasi yang buruk. Sebaliknya, sebuah classifier dengan kapasitas yang tidak mencukupi mungkin tidak bisa mempelajari tugas sam sekali. Di antara keduanya, terdapat kapasitas optimal dari classifier yang meminimalkan kesalahan generalisasi yang diharapkan untuk sejumlah data training yang diberikan. Baik bukti percobaan dan kajian teoretis, menghubungkan generalisasi dari sebuah classifier pada error pada contoh training dan kompleksitas classifier. Metode seperti minimasi resiko struktural memberikan perbedaan kompleksitas dari fungsi klasifikasi untuk mengoptimalkan generalisasi.

Gambar 1

Sebuah Algoritma Training untuk Pengklasifikasi Margin Optimal

Boser, Bernhard E., Isabelle M. Guyon, and Vladimir N. Vapnik.

Sebuah algoritma  training yang memaksimalkan batas antara pola training dan batasan keputusan disajikan. Teknik tersebut bisa diterapkan pada sejumlah luas fungsi klasifikasi, termasuk perseptron, polinomial, dan fungsi basis radial. Jumlah parameter efektif disesuaikan secara otomatis agar cocok dengan kompleksitas permasalahan. Solusi disajikan sebagai sebuah kombinasi linear dari pola penunjang. Pola tersebut merupakan himpunan bagian dari pola latihan yang paling dekat dengan batasan keputusan.

Gambar 1

Gambar 1

Continue reading

Gambar 1

Pembelajaran Bayesian Renggang dan Relevance Vector Machine

Karya ini memperkenalkan sebuah framework Bayesian umum untuk memperoleh solusi renggang untuk tugas regresi dan klasifikasi yang menggunakan linear model dalam parameter. Walaupun framework ini sepenuhnya umum, kami menggambarkan pendekatan kita dengan sebuah spesialisasi yang kami nyatakan dengan ‘relevance vector machine’(RVM), sebuah model dari bentuk fungsional identik pada SVM yang populer terkini.

Gambar 1

Gambar 1

Kami mendemonstrasikan bahwa dengan menggunakan framework pembelajaran probabilistik Bayesian, kami bisa menurunkan model prediksi akurat yang manan secara khusus menggunakan lebih sedikit fungsi basis secara dramatis dari pada sebuah SVM yang bisa dibandingkan sambil menawarkan sejumlah sejumlah keuntungan tambahan. Hal ini termasuk keuntungan prediksi probabilistik, estimasi otomatis dari parameter ‘nuisance’ , dan fasilitas untuk menggnakan fungsi basis sembarang (misal kernel non-‘Mercer’).

Continue reading

Q-LEACH pada WSN

Jaringan sensor nirkabel dengan aplikasi dinamisnya telah memperoleh sebuah perhatian besar dari para peneliti. Pengawasan instan dari situasi kritis yang telah menarik peneliti untuk menggunakan WSN pada platform yang luas. Fokus utama dalam WSN adalah untuk meningkatkan umur hidup jaringan sepanjang mungkin, untuk penggunaan sumber daya yang optimal dan efisien. Pendekatan berbeda yang berdasar pada pengklasteran diusulkan untuk fungsionalitas optimum. Umur-hidup jaringan selalu berhubungan dengan energi dari node sensor yang disebarkan pada area terpencil untuk pengawasan konstan dan tahan kegagalan. Dalam pekerjaan ini, kami mengusulkan Quadrature-LEACH (Q-LEACH) untuk jaringan homogen yang mana meningkatkan stabilitas periode, umur hidup jaringan dan throuhput dengan cukup signifikan.