مروری بر تجزیه و تحلیل داده کاوی براساس الگوریتم شبکه های عصبی

شبکه های عصبی مصنوعی نوعی سیستم شبکه ای هستند که براساس تحقیقات مدرن نوروبیولوژی توسعه یافته اند و مکانیزم پردازش اطلاعات مغز انسان را شبیه سازی می کنند. این شبکه علاوه بر توانایی پرداختن به محاسبه کلی داده های عددی، دارای قابلیت تفکر برای پردازش دانش و توانایی یادگیری حافظه است. فرایند داده کاوی بر اساس شبکه عصبی شامل آماده سازی داده ها، استخراج قوانین و ارزیابی است. با توسعه مداوم فناوری پایگاه داده ها و کاربرد گسترده سیستم مدیریت پایگاه داده، میزان داده های ذخیره شده در پایگاه داده ها به سرعت افزایش می یابد. علاوه بر این مقدار زیاد داده ها، تعدادی از اطلاعات نیز پنهان هستند. اگر ما بتوانیم این اطلاعات را از پایگاه داده ها استخراج کنیم، سود و ارزش های بالقوه زیادی را برای صاحبان داده ها ایجاد خواهیم کرد و این نوع فناوری برای استخراج اطلاعات از پایگاه داده های بزرگ، داده کاوی نامگذاری می شود. ما در این مقاله به بررسی یک روش جایگزین برای تجزیه شبکه های چندلایه ای به صورت یک مجموعه از شبکه های یک لایه ای خواهیم پرداخت. برای این منظور از الگوریتم Trepan برای استخراج داده های جامع از شبکه های عصبی آموزش دیده با استفاده از یک درخت تصمیم استفاده می کنیم.

کلیدواژه ها:

داده کاوی ، شبکه عصبی ، الگوریتم Trepan درخت تصمیم ، شبکه عصبی آموزش دیده