หลอดแก้ว, ธนวัฒน์ (2019) Hybrid Loss for Learning Imbalanced Data Bachelor thesis, King Mongkut's Institute of Technology Ladkrabang
ปัญหาความไม่สมดุลของข้อมูลเป็นเรื่องที่ถูกหยิบขึ้นมาศึกษาอย่างแพร่หลาย แบบจําลองโครงข่าย ประสาทเทียมเชิงลึกสามารถให้ผลการทํางานที่ย่ําแย่เมื่อมันเรียนรู้จากชุดข้อมูลที่ไม่สมดุลกัน งานวิจัยนี้ได้นําเสนอ ฟังก์ชันสูญเสียแบบผสมผสานที่จะช่วยให้แบบจําลองสามารถเรียนรู้ข้อมูลที่ไม่สมดุลอย่างมีประสิทธิภาพ ฟังก์ชัน สูญเสียนี้เป็นการผสมผสานกันระหว่างแนวคิดการคํานวณค่าสูญเสียของสองฟังก์ชันสูญเสีย ที่ซึ่งทั้งสองฟังก์ชันเป็น ฟังก์ชันสูญเสียที่ถูกออกแบบมาเพื่อจัดการกับปัญหาความไม่สมดุลของข้อมูลอยู่แล้ว และมีแนวคิดการแก้ปัญหาที่ ต่างกันและน่าสนใจ ผู้วิจัยจึงได้เสนอที่จะรวมแนวคิดของทั้งสองฟังก์ชันดังกล่าวเข้าด้วยกัน เพื่อที่จะทําให้ ประสิทธิภาพของการเรียนรู้ของแบบจําลองนั้นดีขึ้น ฟังก์ชันสูญเสียแบบผสมผสานที่นําเสนอถูกทดสอบกับชุดข้อมูล ที่หลากหลาย และผลการทดลองแสดงให้เห็นว่าฟังก์ชันสูญเสียที่นําเสนอสามารถเพิ่มประสิทธิภาพของแบบจําลอง ได้เหนือกว่าฟังก์ชันสูญเสียอื่น
Thai title:
Item Type:
Thesis (Bachelor)
Deposited by:
ระบบ อัตโนมัติ
Date Deposited:
2021-09-06 03:38:07
Last Modified:
2021-09-06 03:38:07