افزایش سرعت کلاسه بندی عکس ها در پایگاه داده اوراکل با استفاده ازالگوریتم های یادگیری عمیق

کلاسه بندی داده در پردازش سریع تحلیل اطلاعات اهمیت فراوانی دارد. بنابراین، در این پژوهش به جست و جویراهکارهایی که به طور موثر و سریع داده ها را بسته بندی می کنند، خواهیم پرداخت. با توجه به اینکه در یک سیستم پایگاهداده، حجم اطلاعات به صورت روزافزون افزایش می یابد؛ استفاده از الگوریتم های یادگیری عمیق به عنوان یک روشدقیق و قابل اعتماد برای کلاسه بندی دیتا در اوراکل مطرح می باشد. هدف اصلی از این پایان نامه، افزایش سرعتکلاسه بندی عکس ها در پایگاه داده اوراکل با استفاده از الگوریتم های یادگیری عمیق است . در این پژوهش از ازAttention layer نیز استفاده می شود که این لایه به شبکه عصبی امکان می دهد تا در فرایند بازسازی داده ها، بر روی ویژگی های مهمتر تمرکز کند و از آنها بهره وری کند. رویکرد پیشنهادی برای افزایش سرعت کلاسه بندی داده بااستفاده از الگوریتم خودرمزنگار۱ در نظر گرفته شده است. خودرمزنگار یک روش یادگیری بدون نیاز به نظارت استکه با استفاده از شبکه های عصبی مصنوعی داده ها را به صورت فشرده تری نمایش می دهد

کلیدواژه ها:

یادگیری عمیق ، پایگاه داده اوراکل ، کلاسه بندی عکس ها ، خودرمزنگار