تشخیص خطای خودکار شبکه های کامپیوتری بر اساس ترکیبی ازخوشه بندی فازی و یادگیری با شبکه ی عصبی

شبکه های کامپیوتری یکی از مهمترین ابعاد و زیرساخت های جهان در عصر حاضر بوده و تشخیص خطای شبکه های کامپیوتری یکی از مهمترین چالش هایی است که امروزه کارشناسان این حوزه با آن مواجه هستند. از این رو طی چندین دهه روشهای مختلف هوش مصنوعی به منظور تشخیص خودکار این خطاها مورد آزمایش و بهره برداری قرار گرفته اند. در این مقاله ابتدا خوشه بندی فازی۱ برای پیش بینی نتایج هر یک از نمونه های ورودی با مجموعه ای از ویژگیهای استخراج شده از یک شبکه ی کامپیوتری، به کار می رود و سپس از نمونه های ورودی همراه با نتایج حاصل از خوشه بندی فازی آنها برای آموزش شبکه ی عصبی توابع پایه ی شعاعی۲ جهت تشخیص خطای خودکار شبکه های کامپیوتری استفاده می شود. همچنین این نمونه های ورودی و نتایج حاصل از خوشه بندی فازی آنها به طور جداگانه در فرآیند آموزش شبکه ی عصبی با الگوریتم پس انتشار۳ با دو روش آموزش Traingda و لونبرگ مارکورآرت۴ به کار برده شده و نتایج حاصل از هر سه فرآیند یادگیری شبکه ی عصبی به منظور تشخیص خطای خودکار شبکه های کامپیوتری، مورد مقایسه قرار خواهند گرفت.

کلیدواژه ها:

شبکه های کامپیوتری ، تشخیص خطا ، شبکه های عصبی مصنوعی ، شبکه ی عصبی توابع پایه ی شعاعی ، الگوریتم پسانتشار ، منطق فازی ، خوشه بندی فازی