مشخصات پژوهش

عنوان	ارتقا رگرسیون بر پایه هسته با به کارگیری یک تابع زیان استوار تعمیم‌یافته و تکنیک کمترین مربعات بازموزن تکراری: یک مطالعه تطبیقی
نوع پژوهش	پایان نامه
کلیدواژه‌ها	رگرسیون استوار، ماشین بردار پشتیبان، ماشین یادگیری سریع، حداقل مربعات بازموزون تکراری
چکیده	روش‌های مبتنی بر حداقل مربعات هسته به دلیل اجرای ساده و عملکرد تعمیم‌دهی مناسب، به‌طور گسترده در مسائل رگرسیون مورد استفاده قرار گرفته‌اند. از میان این روش‌ها، رگرسیون حداقل مربعات بردار پشتیبان و ماشین یادگیری سریع از محبوب‌ترین تکنیک‌ها به‌شمار می‌روند. با این حال، حساسیت بالای این روش‌ها به داده‌های پرت یک چالش اساسی است. برای رفع این مشکل، در این پایان‌نامه یک تابع زیان تعمیم‌یافته به نام ell_s-زیان مورد بررسی قرار گرفته است. با تکیه بر این تابع زیان جدید، دو رگرسیون مبتنی بر هسته با جایگزینی ell_2-زیان در LS-SVR و ELM با ell_s-زیان، به‌منظور افزایش استحکام در برابر داده‌های پرت توسعه یافته‌اند. ویژگی‌های کلیدی تابع ell_s-زیان، شامل استحکام، عدم تقارن، و رفتارهای تقریب مجانبی آن، از نظر تئوری اثبات شده‌اند. علاوه بر این، بهینه‌سازی و تفسیر روش‌های مذکور از طریق حداقل مربعات بازموزون تکراری، با توجه به موزون‌سازی داده‌ها، صورت گرفته است.
پژوهشگران	کورش دادخواه (استاد راهنما)، شادیه محمدی (Shadie Mohammadi) (دانشجو)