نصرتعلی اشرفی پیامن - استادیار گروه آموزشی مهندسی برق و کامپیوتر، دانشکده فنی و مهندسی، دانشگاه خوارزمی
بهراد مظاهری - دانشجوی کارشناسی مهندسی نرم افزار، دانشکده فنیومهندسی، دانشگاه خوارزمی

ناهنجاری ها به رویدادها، مشاهدا ت یا داده های نادری گفته میشود که به طور قابل توجهی با آنچه که به عنوان هنجار شناخته میشوند؛متفاوتاند. ناهنجاری ها اگرچه در اندازه های بسیار کوچک نسبت به داده های هنجار، یافت میش وند اما به طور بالقوه میتوانندخسارت های زیادی به همراه داشته باشند. تشخیص ناهنجاری به یک نقطه مهم در داده کاوی تبدیل شده است و هدف آن شناساییویژگی های غیرعادی داده است. در میان بسیاری از رویکردها و استراتژی هایی که تاکنون توسعه یافته اند؛ روش خودرمزگذار جالبتوجه است. خودرمزگذار یک شبکه عصبی با قابلیت یادگیری ویژگی ها است. در این پژوهش ضمن بررسی رفتار و قابلیت هایخودرمزگذار در تشخیص ناهنجاری و داده های پرت، برخی از انواع ساده آن با استفاده از چارچوب های برنامه نویسی یادگیری عمیقپیاده سازی شده و با مجموعه داده های حوزه پردازش تصویر آزمایش شده اند. نتایج پژوهش حاضر نشان میدهد که مدل پیاده سازیشده روی مجموعه داده استفاده شده که در آن نمونه های ناهنجار اندک هستند دارای عملکرد خوبی می باشد.

خودرمزگذار، ناهنجاری، رمزگذار، یادگیری عمیق، شبکه عصبی