بهینه سازی روش های وزن دهی ویژگی مستندات نیمه ساخته یافته درحوزه شبکه های عصبی چند لایه
محل انتشار: همایش مشترک مهندسی کامپیوتر و مکانیک
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 636
فایل این مقاله در 5 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:
JCCEM01_063
تاریخ نمایه سازی: 25 اسفند 1392
چکیده مقاله:
امروزه، دستیابی به اطلاعات ارزش بالائی دارند .باافزایش حجم اطلاعات دردسترس اینترنت،نیازفوق العاده به ابزارهای یکه بتواننددرجستجو،فیلترنمودنومدیریتمنابعموثر باشند،کاملااحساس می شود. طبقه-بندی متون،فرآیندیاست کهدرآن متن هادریکیاچند طبقه ازقبل تعریف شده براساس محتوای ازبان نگارش متن قرار می گیرند. طبقه بندی ایمیل ها،تشخیص موضوع،فیلترنمودن متون ازجمله مواردکاربردسیستم طبقه بندیخودکارمتونمی باشند.برای همین تمرکز بر روی تکنیک های پیش پردازش مستندات و به گونه ویژه روش های وزن دهی ویژگی را به دقت مورد بررسی و تحلیل قرار داده و یکی از روش ها(TFCRF) برای وزن دهی به مستنداتی که به عنوان ورودی شبکه عصبی مورد مطالعه است، بکار رفته است. در نهایت شبکه عصبی انتخاب شده را با مراحل آموزش که به تفسیر درباره آن بحث خواهد شد مورد تست و ارزیابی قرار گرفته است
کلیدواژه ها:
نویسندگان
حسین چاره سازجرستانی
کارشناسی ارشد
اکرم شیدایی بوانلو
دانشجوی کارشناسی ارشد
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 :