ترجمه فارسی مقاله رویکرد ترکیبی یادگیری ماشین بدون نظارت، یکپارچه سازی برنامه ریزی خطی در تابع ضرر: یک تکنیک بهینه سازی قوی

چکیده

This paper presents a novel hybrid approach that integrates linear programming (LP) within the loss function of an unsupervised machine learning model. By leveraging the strengths of both optimization techniques and machine learning, this method introduces a robust framework for solving complex optimization problems where traditional methods may fall short. The proposed approach encapsulates the constraints and objectives of a linear programming problem directly into the loss function, guiding the learning process to adhere to these constraints while optimizing the desired outcomes. This technique not only preserves the interpretability of linear programming but also benefits from the flexibility and adaptability of machine learning, making it particularly well-suited for unsupervised or semi-supervised learning scenarios.

چکیده به فارسی (ترجمه ماشینی)

در این مقاله یک رویکرد ترکیبی جدید ارائه شده است که برنامه نویسی خطی (LP) را در عملکرد از دست دادن یک مدل یادگیری ماشین بدون نظارت ادغام می کند.این روش با استفاده از نقاط قوت هر دو تکنیک بهینه سازی و یادگیری ماشین ، یک چارچوب قوی برای حل مشکلات بهینه سازی پیچیده را در جایی که ممکن است روشهای سنتی کوتاه باشد ، معرفی می کند.رویکرد پیشنهادی محدودیت ها و اهداف یک مشکل برنامه نویسی خطی را مستقیماً در عملکرد ضرر قرار می دهد و روند یادگیری را راهنمایی می کند تا ضمن بهینه سازی نتایج مورد نظر ، به این محدودیت ها پایبند باشد.این تکنیک نه تنها تفسیر برنامه نویسی خطی را حفظ می کند بلکه از انعطاف پذیری و سازگاری یادگیری ماشین نیز بهره می برد ، و آن را به ویژه برای سناریوهای یادگیری بدون نظارت یا نیمه تحت نظارت مناسب می کند.