«Տրանսդուկտիվ ուսուցում»–ի խմբագրումների տարբերություն

Content deleted Content added
No edit summary
No edit summary
Տող 1.
'''Տրանսդուկտիվ ուսուցում''' ({{lang-en|անգլերեն transductive learning}}), - կիսահսկվող ուսուցում (մասնակի ուսուցում) կամ ուսուցում ուսուցչի մասնակի ներգրավմամբ, երբ կանխատեսումը ենթադրվում է միայն թեստի նմուշի նախադեպերի համար:
{{Անաղբյուր էջ|2021,11,11}}
'''Տրանսդուկտիվ ուսուցում''' ({{lang-en|transductive learning}}), կիսահսկվող ուսուցում (մասնակի ուսուցում) կամ ուսուցում ուսուցչի մասնակի ներգրավմամբ, երբ կանխատեսումը ենթադրվում է միայն թեստի նմուշի նախադեպերի համար:
 
=== '''Ինչ է տրանսդուկտիվ ուսուցումը''' ===
Transduction կամ transductive ուսուցումն օգտագործվում է վիճակագրական ուսուցման տեսության ոլորտում `վկայակոչելով որոշակի օրինակներ, որոնք տրված են որոշակի տիրույթի օրինակներից: Այն հակադրվում է ուսուցման այլ տեսակների հետ, ինչպիսիք են ինդուկտիվ և դեդուկտիվ ուսուցումը:
 
Տող 9 ⟶ 8՝
Տարբերությունն ամենահետաքրքիրն է այն դեպքերում, երբ տրանսդուկտիվ մոդելի կանխատեսումները անհասանելի են որևէ ինդուկտիվ մոդելի միջոցով:Առաջանում են իրավիճակներ, երբ տարբեր փորձարկման նմուշների վրա փոխարկիչ եզրակացության արդյունքում ստացվում են փոխադարձ հակասական կանխատեսումներ:
 
=== '''Պատմություն''' ===
Փոխակերպումը ներդրեց Վլադիմիր Վապնիկը 1990 -ականներին: Նրա կարծիքով, փոխարկումը գերադասելի է [[Ինդուկցիա|ինդուկցիայից]], քանի որ ինդուկցիան պահանջում է ավելի ընդհանուր խնդրի լուծում (գործառույթի վերականգնում) ավելի կոնկրետ խնդիր լուծելուց առաջ (արդյունքների հաշվարկ նոր դեպքերի համար)։«… հետաքրքրող խնդիրն լուծելիս մի լուծեք ավելի ընդհանրական խնդիր ՝ որպես միջանկյալ քայլ: Փորձեք ստանալ այն պատասխանը, որն իսկապես անհրաժեշտ է, բայց ոչ ավելին »:Ավելի վաղ նմանատիպ դիտարկում էր արել [[Բերտրան Ռասել|Բերտրան Ռասելը]].
 
«... մենք կգանք այն եզրակացության, որ [[Սոկրատես|Սոկրատեսը]] մահկանացու է ՝ ավելի հստակ մոտեցմամբ, եթե մեր փաստարկը դարձնենք զուտ ինդուկտիվ, քան եթե գնանք« բոլոր մարդիկ մահկանացու են »ճանապարհով և ապա օգտագործենք [[Դեդուկցիա|դեդուկցիան]]<nowiki/>»:
 
=== '''Պատճառներ''' ===
Ուսուցման ոչ ինդուկտիվ օրինակ կարողն է լինել երկուական դասակարգման դեպքը, երբ մուտքագրված տվյալները սովորաբար խմբավորված են երկու խմբի։Մասնավորապես թեստային մուտքային տվյալների մեծ փաթեթը կարող է օգնել մի քանի միատարր տարրերի որոնմանը, որոնք դիտարկվում են որպես անկախ միավոր, ապահովելով անհրաժեշտ տեղեկատվություն դասակարգման նշանների վերաբերյալ:Նույն կանխատեսումները չեն բխի մի մոդելից, որն առաջացնում է գործառույթ ՝ հիմնված միայն ուսուցման դեպքերի վրա, ինչը կարող է թվալ կիսահսկվող ուսուցման օրինակ, սակայն Վապնիկի մոտիվացիան այլ էր: Այս կատեգորիայի ալգորիթմի օրինակ է Transductive Support Vector Machine TSVM- ը:Երրորդ պատճառը, որը տանում է դեպի փոխակերպում, առաջանում է մոտարկման, մոտարկման անհրաժեշտությունից: Եթե ​​ճշգրիտ եզրակացությունը հաշվարկային առումով անհնար է, կարելի է փորձել համոզվել, որ պարզեցումները հարմար են կոնկրետ դեպքերի համար:
 
=== '''Ալգորիթմները''' ===
== Ալգորիթմներ ==
Փոխակերպման [[Ալգորիթմ|ալգորիթմները]] կարող են լայնորեն բաժանվել երկու կատեգորիայի. Նրանք, ովքեր ձգտում են դիսկրետ պիտակներ նշանակել չպիտակավորված կետերին, և նրանք, ովքեր ձգտում են հետընթաց կատարել չպիտակավորված կետերի համար: Ալգորիթմները, որոնք ձգտում են կանխատեսել պիտակները, հակված են ստացվել ՝ կլաստերային ալգորիթմին մասնակի վերահսկողություն ավելացնելով: Ալգորիթմների երկու դաս կարող է օգտագործվել ՝ հարթ կլաստերացում և հիերարխիկ կլաստերացում: Վերջիններս կարող են հետագայում բաժանվել երկու կատեգորիայի ՝ նրանք, որոնք հավաքվում են բաժանման միջոցով և նրանք, որոնք խմբավորվում են ագլոմերացիայի միջոցով:Ալգորիթմները, որոնք ձգտում են կանխատեսել շարունակական պիտակներ, հակված են դառնալու ՝ մասնակի վերահսկողություն ավելացնելով բազմազան ուսուցման ալգորիթմին։
 
=== Գրականություն ===
* [https://books.google.am/books?id=Asq5BQAAQBAJ&lpg=PP1&dq=transductive%20learning%20book&hl=ru&pg=PP1#v=onepage&q&f=false Partially Supervised Learning: Second IAPR International Workshop, PSL 2013 Nanjing, China, May 2013 Revised Selected Papers]
* [https://books.google.am/books?id=A3ISEAAAQBAJ&lpg=PP1&dq=transductive%20learning%20book&hl=ru&pg=PP1#v=onepage&q=transductive%20learning%20book&f=false Semi-supervised Learning]
* [https://books.google.am/books?id=3Hi8BAAAQBAJ&lpg=PP1&dq=transductive%20learning%20book&hl=ru&pg=PP1#v=onepage&q=transductive%20learning%20book&f=false Empirical Inference: Festschrift in Honor of Vladimir N. Vapnik]
* [https://books.google.am/books?id=W8ED2Yw3SfYC&lpg=PR2&dq=transductive%20learning%20book&hl=ru&pg=PR2#v=onepage&q&f=false Machine Learning and Knowledge Discovery in Databases]
* [https://books.google.am/books?id=nxflBwAAQBAJ&lpg=PP1&dq=transductive%20learning%20book&hl=ru&pg=PP1#v=onepage&q=transductive%20learning%20book&f=false Learning to Classify Text Using Support Vector Machines]
 
* [https://books.google.am/books?id=A3ISEAAAQBAJ&lpg=PP1&dq=transductive%20learning%20book&hl=ru&pg=PP1#v=onepage&q=transductive%20learning%20book&f=false Semi-supervised Learning]
== Աղբյուրներ ==
* [https://intellect.icu/transduktivnoe-obuchenie-transduction-122 «Transduction(machine learning)»]
* [https://www.ncbi.nlm.nih.gov/books/NBK21760/ «Transduction»]
* [https://www.news-medical.net/life-sciences/What-is-Viral-Transduction.aspx «Viral Transduction»]
* [https://towardsdatascience.com/inductive-vs-transductive-learning-e608e786f7d «Inductive vs transductive learning»]
* [[arxiv:2109.07812|«Transductive learning»]]
* [https://codesachin.wordpress.com/2016/07/03/a-small-and-easy-introduction-to-transductive-learning/amp/ «Introduction to Transductive learning»]
 
* [https://books.google.am/books?id=3Hi8BAAAQBAJ&lpg=PP1&dq=transductive%20learning%20book&hl=ru&pg=PP1#v=onepage&q=transductive%20learning%20book&f=false Empirical Inference: Festschrift in Honor of Vladimir N. Vapnik]
== Արտաքին հղումներ ==
 
* [https://codesachin.wordpress.com/2016/07/03/a-small-and-easy-introduction-to-transductive-learning/ «A small and easy introduction to Transductive Learning»]
* [https://books.google.am/books?id=W8ED2Yw3SfYC&lpg=PR2&dq=transductive%20learning%20book&hl=ru&pg=PR2#v=onepage&q&f=false Machine Learning and Knowledge Discovery in Databases]
* [https://opencv.org/understanding-transductive-few-shot-learning/ «Understanding Transductive Few-shot Learning»]
 
* [http://www.gabormelli.com/RKB/Transductive_Learning_Task «Transductive Learning Task»]
* [https://books.google.am/books?id=nxflBwAAQBAJ&lpg=PP1&dq=transductive%20learning%20book&hl=ru&pg=PP1#v=onepage&q=transductive%20learning%20book&f=false Learning to Classify Text Using Support Vector Machines]
[[Կատեգորիա:Մեքենայական ուսուցում]]
 
=== Աղբյուրներ ===
* [https://intellect.icu/transduktivnoe-obuchenie-transduction-122 «<<Transduction(machine learning)»>>]
 
* [https://www.ncbi.nlm.nih.gov/books/NBK21760/ «<<Transduction»>>]
 
* [https://www.news-medical.net/life-sciences/What-is-Viral-Transduction.aspx «<<Viral Transduction»>>]
 
* [https://towardsdatascience.com/inductive-vs-transductive-learning-e608e786f7d «<<Inductive vs transductive learning»>>]
 
* [[arxiv:2109.07812|«<<Transductive learning»>>]]
 
* [https://codesachin.wordpress.com/2016/07/03/a-small-and-easy-introduction-to-transductive-learning/amp/ «<<Introduction to Transductive learning»>>]
 
[[arxiv:2108.03679|<<Inductive and Transductive Learning>>]]
 
[https://www.cs.cornell.edu/people/tj/publications/joachims_03a.pdf <<Transductive Learning via Spectral Graph Partitioning>>]
 
[https://openaccess.thecvf.com/content_ECCV_2018/papers/Weiwei_Shi_Transductive_Semi-Supervised_Deep_ECCV_2018_paper.pdf <<Transductive Semi-Supervised Deep Learning>>]
 
[https://ieeexplore.ieee.org/document/6252494 <<Transductive learning algorithms>>]
 
[https://www.ijcai.org/proceedings/2021/369 <<Graph-based Transductive Learning>>]
 
=== Արտաքին հղումներ ===
* [https://codesachin.wordpress.com/2016/07/03/a-small-and-easy-introduction-to-transductive-learning/ «<<A small and easy introduction to Transductive Learning»>>]
 
* [https://opencv.org/understanding-transductive-few-shot-learning/ «<<Understanding Transductive Few-shot Learning»>>]
 
* [http://www.gabormelli.com/RKB/Transductive_Learning_Task «<<Transductive Learning Task»>>]