بهبود تشخیص ناهنجاری داده ها با یادگیری عمیق
محل انتشار: دانشنامه تحول دیجیتال، دوره: 2، شماره: 2
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 138
فایل این مقاله در 20 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_DTJ-2-2_006
تاریخ نمایه سازی: 19 مهر 1401
چکیده مقاله:
دلیل اصلی که باعث شد دادهکاوی، مورد توجه صنعت اطلاعات قرار بگیرد، مسئله در دسترس بودن حجم وسیعی از دادهها و استخراج اطلاعات و دانش سودمند از آن ها است. در عملیات پاکسازی داده، مشکل کیفیت دادهها برطرف میشود. یکی از مشکلاتی که بر کیفیت دادهها تاثیر میگذارد، دادههای برون هشته هستند. این نمونهها رکوردهایی هستند که مقادیر مشخصه آنها با رکوردهای دیگر بسیار تفاوت دارد. در این تحقیق از یک روش مبتنی بر یادگیری عمیق و شبکه عصبی عمیق ۱۴ لایهای بر روی پکیج تنسورفلو و کراس برای تشخیص برون هشته ای و بهبود عملکرد آن استفاده شده است. مجموعه داده مورد استفاده در این تحقیق مجموعه ای با ۲ درصد برون هشته ای است. میزان صحت روش پیشنهادی مقدار ۰۸/۹۷ را نشان داد و معیارهای بازخوانی و دقت نیز ۹۷ درصد محاسبه شده است. روش پیشنهادی با ۵ مدل دیگر مبتنی بر شبکه عصبی کانولوشن و شبکه بازگشتی LSTM نیز مقایسه شدند. مقدار معیارهای ارزیابی کلاسبندها نشان از بهبود بسیار خوب روش پیشنهادی در مقابل روشهای سنتی و حتی روشهای مبتنی بر یادگیری عمیق را داده است.
کلیدواژه ها:
نویسندگان
امیر اصل تقی وند
دانش آموخته کارشناسی ارشد نرم افزار، دانشگاه آزاد بناب، بناب، ایران
احسان امین وش
دانشجوی دکتری، دانشگاه تبریز، تبریز، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :