بهبود تشخیص ناهنجاری داده ها با یادگیری عمیق
عنوان مقاله: بهبود تشخیص ناهنجاری داده ها با یادگیری عمیق
شناسه ملی مقاله: JR_DTJ-2-2_006
منتشر شده در در سال 1400
شناسه ملی مقاله: JR_DTJ-2-2_006
منتشر شده در در سال 1400
مشخصات نویسندگان مقاله:
امیر اصل تقی وند - دانش آموخته کارشناسی ارشد نرم افزار، دانشگاه آزاد بناب، بناب، ایران
احسان امین وش - دانشجوی دکتری، دانشگاه تبریز، تبریز، ایران
خلاصه مقاله:
امیر اصل تقی وند - دانش آموخته کارشناسی ارشد نرم افزار، دانشگاه آزاد بناب، بناب، ایران
احسان امین وش - دانشجوی دکتری، دانشگاه تبریز، تبریز، ایران
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.
کلمات کلیدی: تشخیص برون هشته ای, شبکه عصبی عمیق, شبکه عصبی کانولوشن, کراس
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1534998/