تشخیص داده پرت با استفاده از ماشین یادگیری مفرط مبتنی بر فازی c-Means کوانتومی
- سال انتشار: 1401
- محل انتشار: فصلنامه مهندسی برق و الکترونیک ایران، دوره: 20، شماره: 1
- کد COI اختصاصی: JR_JIAE-20-1_010
- زبان مقاله: فارسی
- تعداد مشاهده: 310
نویسندگان
Department of Computer Engineering, Mashhad Branch, Islamic Azad University, Mashhad
Department of Computer Engineering, Mashhad Branch, Islamic Azad University, Mashhad
Department of Computer Engineering, Mashhad Branch, Islamic Azad University, Mashhad
چکیده
همواره یکی از مهم ترین دغدغه های داده کاوان در اختیار داشتن داده هایی صحیح و عاری از خطاست. داده هایی که اشتباهات انسانی در آن وجود نداشته باشد و رکوردهای آن تماما پر و حاوی داده هایی صحیح باشند. در این مقاله یک مدل یادگیری جدید مبتنی بر شبکه عصبی ماشین یادگیر مفرط برای تشخیص داده پرت پیشنهاد می شود. عملکرد شبکه های عصبی وابسته به پارامترهای مختلفی از قبیل ساختار آن، وزن های اولیه، تعداد نورون های لایه پنهان و نرخ یادگیری است. محاسبات کوانتومی یک روش جدید پردازش اطلاعات بر مبنای مکانیک کوانتومی است که امروزه مفاهیم آن در کاربردهای هوش مصنوعی نیز مورد استفاده قرار می گیرد. در روش پیشنهادی، شبکه عصبی ماشین یادگیری مفرط با استفاده از مفهوم خوشه بندی فازی c-Means کوانتومی، بهبود می یابد. این خوشه بندی به پیدا کردن وزن بهینه اتصالات لایه ورودی به لایه پنهان شبکه عصبی کمک می کند. همچنین باعث می شود، معماری شبکه در لایه پنهان به شکل سازنده ای شکل بگیرد و یادگیری بهبود یابد. عملکرد روش پیشنهادی از لحاظ صحت، نرخ صحیح مثبت و نرخ صحیح منفی نشان دهنده برتری روش پیشنهادی در تشخیص داده پرت نسبت به روشهای دیگر است.کلیدواژه ها
Outlier, Neural Networks, Fuzzy c-Means, Quantum computing, Extreme Learning Machine, داده پرت, شبکه عصبی, فازی c-Means, محاسبات کوانتومی, ماشین یادگیری مفرطاطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.