مقاله ترجمه شده ردگیری مصور تطبیقی با استفاده از الگوریتم اولویت بندی شده یادگیری Q : روش یادگیری پارامتری مبتنی بر MDP

ردگیری مصور تطبیقی با استفاده از الگوریتم اولویت بندی شده یادگیری Q : روش یادگیری پارامتری مبتنی بر MDP

چکیده :

این مقاله به تشریح و تعریف متد ردگیری مصور انطباقی می پردازد که در آن ظهور تطبیقی و قابلیت بهینه سازی پروسه تصمیم گیری مارکو با هم ترکیب شده است . اکثر الگوریتم های ردگیری به علت تغییراتی که در ظهور اشیاء در موادری نظیر تغییرات به وجود آمده در شفافیت ، زاویه دید ، مقیاس شیء و شکل شیء دارند ، محدویتهایی را به همراه دارند . ترغیب و انگیزش این مقاله در واقع ناشی از تنزل کارایی ردگیری بوده است که می تواند به عللی نظیر تغییرات در نحوه ظهور اشیاء و کنترل های غیر انعطاف پذیر پارامترهای ردگیری کننده باشد . به منظور درک بهتر این حوزه پژوهشی ، بهینه سازی پارامترهای ردگیری کننده ، علی رغم تاثیرات شگرف آنها بر کارایی ردگیری به خوبی بررسی و ارزیابی نشده اند . در اینجا پالش پیش رو ، تجهیز الگوریتم ردگیری منطبق با قابلیت بهینه سازی است تا بتواند مدل مقاوم تر و منعطف تری را نتیجه دهد . در این مقاله پروسه تصمیم گیری مارکو ، که به صورت موفقعیت آمیزی در بسیاری از سیستم های پویا به کار گرفته شده است ، به منظور بهینه سازی الگوریتم ردگیری مبتنی بر مدل ظهور تطبیقی به کار گرفته شده است . ردگیری مصور تطبیقی به صورت مسئله بهینه سازی پارامتر دینامیک مبتنی بر پروسه تصمیم گیری مارکو با اطلاعات ناکامل و غیر قطعی فرموله سازی شده است . نیازمندی محاسباتی بالا فرموله سازی پروسه تصمیم گیری مارکو نیز از طریق روش اولویت بندی شده یادگیری Q حل شده است . همچنی ماآزمایشاتی را با استفاده از مجموعه ویدیوهای مختلفی انجام داده ایم و نتایج رقابتی و شگفت انگیزی را نیز به دست آورده ایم .

تعداد صفحات ترجمه شده :41

تعداد صفحات انگلیسی:12

• مشخصات محصول
• دسته‌بندی محصول
• برچسب‌ها
• دیدگاه‌ها