مدل سازی داده محور مبتنی بر فانتوم برای شبیه سازی، تحلیل و تبیین رفتار سیستم های هوشمند

افزایش به کارگیری سامانه های هوشمند در حوزه های حساس و پرریسک، نیاز به چارچوب هایی قابل اعتماد برای شبیه سازی، تحلیل و تبیین رفتار این سامانه ها را بیش از پیش برجسته کرده است. وابستگی مستقیم مدل های یادگیرنده به داده های واقعی که اغلب با محدودیت هایی نظیر مسائل حریم خصوصی، عدم توازن، نویز و عدم قطعیت همراه اند چالش های جدی در ارزیابی و اعتبارسنجی آن ها ایجاد می کند. در این پژوهش، یک چارچوب نوین مدل سازی فانتوم دیجیتال مبتنی بر داده پیشنهاد می شود که در آن داده های فانتوم به عنوان بازنمایی های مصنوعی، کنترل پذیر و قابل تبیین از رفتار داده های واقعی معرفی می گردند. این فانتوم ها ضمن حفظ ویژگی های آماری و ساختاری داده های واقعی، امکان شبیه سازی سناریوهای اخلال هدفمند شامل تزریق نویز، القای سوگیری و داده های گمشده را فراهم می کنند. ارزیابی های تجربی انجام شده بر روی چندین مدل یادگیری ماشین نشان می دهد که چارچوب پیشنهادی به طور میانگین ۱۸ درصد بهبود در تبیین پذیری، حدود ۱۲ درصد افزایش پایداری در شرایط نویزی و نزدیک به ۲۵درصد کاهش حساسیت نسبت به داده های ناقص را به همراه دارد. همچنین، همبستگی رفتاری بیش از ۰٫۸۵ میان مدل های آموزش دیده با داده های واقعی و فانتوم، دقت بالای بازتولید رفتار را تایید می کند. نتایج نشان می دهد که مدل سازی فانتوم دیجیتال می تواند ابزاری ایمن و کارآمد برای توسعه و اعتبارسنجی سامانه های هوشمند در حوزه هایی مانند سلامت، مالی و صنایع پرریسک باشد.

کلیدواژه ها:

مدل سازی داده محور ، فانتوم داده ، سیستم های هوشمند ، شبیه سازی داده ، تبیین پذیری مدل