بهبود کارایی تکنیکهای دادهکاوی برای مقیاس بزرگی از اطلاعات با ابعاد بالا با ترکیب الگوریتمهای BPN+Som
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 427
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICTI01_137
تاریخ نمایه سازی: 11 مرداد 1396
چکیده مقاله:
دادهکاوی و کشف دانش توجه اکثر پژوهشگران را در دهههای گذشته به خود جلب کرده است. اندازه و پیچیدگی دادههای واقعی در جهان بهطور چشمگیری در حال افزایش است. اگرچه الگوریتمهای کارآمد جدیدی برای مقابله با چنین دادههایی ارایهشده است؛ اما استخراج اطلاعات با ابعاد بالا هنوز هم یک چالش اساسی به شمار میرود. لذا شبکههای عصبی مصنوعی ابزاری قدرتمند هستند که قادرند یک رابطه عمومی بین اطلاعات حجیم و پیچیده ناشی از آزمایشهای تجربی را به دست آورند که در حل مسایل بدون صرف زمان زیادی مفید خواهند بود. در این پژوهش از ترکیب دو الگوریتم شبکه عصبی متشکل از شبکه پس انتشار خطا و شبکه خودسازمانده و اجرای آنها بر روی چندین مجموعه داده نظیر Iris, Glass, Breast Cancer استفاده شد. این الگوریتمها در حوزههای مختلفی مانند نوار قلب، نوار مغز، اطلاعات تشخیص حرکت، دادههای ضبط حرکت، دادههای صوتی، دادههای تصویری، نسخه های خطی و دست نوشته ها و غیره استفاده میشوند
کلیدواژه ها:
نویسندگان
فاطمه خضریزاده
دانشجو کارشناشی ارشد گروه مهندسی کامپیوتر (نرمافزار)، واحدسیرجان، دانشگاه آزاد اسلامی، سیرجان، ایران
عمید خطیبی بردسیری
عضو هیات علمی گروه کامپیوتر، واحد بردسیر، دانشگاه آزاد اسلامی، بردسیر، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :