استفاده از شبکه باور عمیق و مدل مارکوف مخفی برای آشکارسازی غیر معمولها در دادههای با بعد بالا
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 358
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CEPS04_161
تاریخ نمایه سازی: 11 مرداد 1396
چکیده مقاله:
در حوزه دادههایی با بعد بالا، چالشهای بزرگی در زمینه آشکارسازی غیرمعمولها وجود دارد. حضور ویژگیهای غیرمرتبط میتواند وجود غیرمعمولها را پنهان کند. این مساله در اصطلاح تحت عنوان مشقت چند بعدی مطرح میشود.ساخت یک مدل آشکارسازی قوی برای غیرمعمولها در حضور دادههایی با بعد بالا، نیازمند یک روش ترکیبی ازاستخراجکنندههای ویژگی بدون نظارت و یک آشکارساز غیر معمول میباشد. در این مقاله یک روش ترکیبی برایآشکارسازی غیرمعمولها در دادههای با بعد بالا ارایه میشود. ابتدا یک شبکه باور عمیق برای استخراج ویژگیهای با بعدپایین آموزش میبیند. و سپس این ویژگیهای استخراج شده توسط شبکه باور عمیق برای آموزش یک مدل مارکوفمخفی استفاده میشود. از مدل مارکوف مخفی برای بهدست آوردن مدلهای رفتاری معمول استفاده میشود. سپس یکروش آشکارساز غیرمعمول با استفاده از این مدلهای رفتاری معمول برای آشکارسازی غیرمعمولها مورد استفاده قرارمیگیرد. نتایج آزمایشی نشان میدهد که روش پیشنهادی در قبال کاهش زمان مرحله آموزش و آزمایش منجر به نتایجقابل قبولی میشود.
کلیدواژه ها:
نویسندگان
اصغر فیضی
عضو هیات علمی گروه مهندسی برق دانشگاه دامغان
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 :