ترجمه فارسی مقاله ارزیابی عملکرد مبتنی بر POD پیشرفته طبقه‌بندی‌کننده‌های اعمال شده در پیش‌بینی تغییر مسیر راننده انسانی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Advanced POD-Based Performance Evaluation of Classifiers Applied to Human Driver Lane Changing Prediction
عنوان مقاله به فارسی ارزیابی عملکرد مبتنی بر POD پیشرفته طبقه‌بندی‌کننده‌های اعمال شده در پیش‌بینی تغییر مسیر راننده انسانی
نویسندگان Zahra Rastin, Dirk Söffker
فرمت مقاله انگلیسی PDF
تعداد صفحات 8
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Systems and Control,Artificial Intelligence,Machine Learning,سیستم ها و کنترل , هوش مصنوعی , یادگیری ماشین ,
توضیحات Submitted 28 August, 2024; originally announced August 2024. , Comments: Manuscript: 8 pages, 6 figures, 4 tables
توضیحات به فارسی ارسال شده 28 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: نسخه خطی: 8 صفحه ، 6 شکل ، 4 جدول
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Machine learning (ML) classifiers serve as essential tools facilitating classification and prediction across various domains. The performance of these algorithms should be known to ensure their reliable application. In certain fields, receiver operating characteristic and precision-recall curves are frequently employed to assess machine learning algorithms without accounting for the impact of process parameters. However, it may be essential to evaluate the performance of these algorithms in relation to such parameters. As a performance evaluation metric capable of considering the effects of process parameters, this paper uses a modified probability of detection (POD) approach to assess the reliability of ML-based algorithms. As an example, the POD-based approach is employed to assess ML models used for predicting the lane changing behavior of a vehicle driver. The time remaining to the predicted (and therefore unknown) lane changing event is considered as process parameter. The hit/miss approach to POD is taken here and modified by considering the probability of lane changing derived from ML algorithms at each time step, and obtaining the final result of the analysis accordingly. This improves the reliability of results compared to the standard hit/miss approach, which considers the outcome of the classifiers as either 0 or 1, while also simplifying evaluation compared to the â versus a approach. Performance evaluation results of the proposed approach are compared with those obtained with the standard hit/miss approach and a pre-developed â versus a approach to validate the effectiveness of the proposed method. The comparison shows that this method provides an averaging conservative behavior with the advantage of enhancing the reliability of the hit/miss approach to POD while retaining its simplicity.

چکیده به فارسی (ترجمه ماشینی)

طبقه بندی کننده های یادگیری ماشین (ML) به عنوان ابزاری اساسی برای تسهیل طبقه بندی و پیش بینی در حوزه های مختلف عمل می کنند.عملکرد این الگوریتم ها باید برای اطمینان از کاربرد قابل اعتماد آنها شناخته شود.در زمینه های خاص ، ویژگی های عملکردی و منحنی های ضبط دقیق اغلب برای ارزیابی الگوریتم های یادگیری ماشین بدون حساب کردن تأثیر پارامترهای فرآیند استفاده می شوند.با این حال ، ممکن است ارزیابی عملکرد این الگوریتم ها در رابطه با چنین پارامترهایی ضروری باشد.به عنوان یک معیار ارزیابی عملکرد قادر به در نظر گرفتن اثرات پارامترهای فرآیند ، این مقاله برای ارزیابی قابلیت اطمینان الگوریتم های مبتنی بر ML از یک روش اصلاح شده از تشخیص (POD) استفاده می کند.به عنوان نمونه ، از رویکرد مبتنی بر POD برای ارزیابی مدل های ML مورد استفاده برای پیش بینی رفتار در حال تغییر خط راننده وسیله نقلیه استفاده می شود.زمان باقی مانده به رویداد پیش بینی شده (و در نتیجه ناشناخته) در حال تغییر خط به عنوان پارامتر فرآیند در نظر گرفته می شود.رویکرد HIT/MISS به POD در اینجا انجام می شود و با در نظر گرفتن احتمال تغییر خط تغییر یافته از الگوریتم های ML در هر مرحله زمانی ، و به دست آوردن نتیجه نهایی تجزیه و تحلیل بر این اساس اصلاح می شود.این باعث افزایش قابلیت اطمینان نتایج در مقایسه با رویکرد استاندارد HIT/MISS می شود ، که نتیجه طبقه بندی ها را به عنوان 0 یا 1 می داند ، و در عین حال ارزیابی را نیز در مقایسه با رویکرد â در مقابل یک روش ساده می کند.نتایج ارزیابی عملکرد رویکرد پیشنهادی با نتایج به دست آمده با رویکرد استاندارد HIT/MISS و یک روش از پیش توسعه یافته در مقابل یک رویکرد برای اعتبارسنجی اثربخشی روش پیشنهادی مقایسه می شود.این مقایسه نشان می دهد که این روش با استفاده از افزایش قابلیت اطمینان رویکرد هیت/Miss به POD ضمن حفظ سادگی ، یک رفتار محافظه کارانه را ارائه می دهد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.