دفاعیه کارشناسی ارشد (برق و کامپیوتر) تشخیص ناهنجاری بر اساس خودرمزگذار Ensembleو شبکه های عصبی تک رده ای
دانشجو: خانم فاطمه دهقان پور
استاد راهنما: دکتر کامبیز بدیع
استاد راهنما: دکتر مریم طایفه محمودی
زمان: یکشنبه ۳۰ بهمن ماه ۱۴۰۱ ساعت: ۱۵:۰۰
مکان: کرج دانشکده فنی و مهندسی کلاس ۲۰۳
استاد راهنما: دکتر کامبیز بدیع
استاد راهنما: دکتر مریم طایفه محمودی
زمان: یکشنبه ۳۰ بهمن ماه ۱۴۰۱ ساعت: ۱۵:۰۰
مکان: کرج دانشکده فنی و مهندسی کلاس ۲۰۳
چکیده:
ﺗﺸﺨﯿﺺ ﻧﺎﺑﻬﻨﺠﺎری، ﻣﺴﺌﻠﻪ ﻣﻬﻤﯽ اﺳﺖ ﮐﻪ ﺑﻪﺧﻮﺑﯽ در زﻣﯿﻨﻪﻫﺎی ﻣﺨﺘﻠﻒ ﺗﺤﻘﯿﻘﺎﺗﯽ و ﺣﻮزهﻫﺎی ﮐﺎرﺑﺮدی ﻣﻮرد ﻣﻄﺎﻟﻌﻪ ﻗﺮار ﮔﺮﻓﺘﻪ اﺳﺖ. یک ﻧﯿﺎز ﻣﺸﺘﺮک ﻫﻨﮕﺎم ﺗﺠﺰیﻪ و ﺗﺤﻠﯿﻞ ﻣﺠﻤﻮﻋﻪ دادهﻫﺎی دﻧﯿﺎی واﻗﻌﯽ، ﺗﻌﯿﯿﻦ این اﺳﺖ ﮐﻪ ﮐﺪام ﻧﻤﻮﻧﻪﻫﺎ ﻣﺘﻔﺎوت از ﻣﻮارد دیگر ﻫﺴﺘﻨﺪ. ﭼﻨﯿﻦ ﻣﻮاردی ﺑﻪﻋﻨﻮان ﻧﺎﺑﻬﻨﺠﺎری ﺷﻨﺎﺧﺘﻪ ﻣﯽﺷﻮﻧﺪ و ﻫﺪف از ﺗﺸﺨﯿﺺ ﻧﺎﺑﻬﻨﺠﺎری ﻫﻢﭼﻨﯿﻦ ﺑﻪ ﻋﻨﻮان ﺗﺸﺨﯿﺺ ﺑﺮون ﻫﺸﺘﻪ ﻧﯿﺰ ﺷﻨﺎﺧﺘﻪ ﻣﯽﺷﻮد ﺗﻌﯿﯿﻦ ﻣﻮاردی اﺳﺖ ﮐﻪ ﺑﻪروش ﻋﺎدی رﻓﺘﺎر ﻧﻤﯽﮐﻨﻨﺪ. ﻓﻌﺎﻟﯿﺖﻫﺎی ﻏﯿﺮﻋﺎدی در ﺷﺒﮑﻪﻫﺎی ﭘﺮداﺧﺖ، ﻧﺸﺎندﻫﻨﺪه ﻓﻌﺎﻟﯿﺖﻫﺎی ﻏﯿﺮﻣﻌﻤﻮل و ﻏﯿﺮﻗﺎﻧﻮﻧﯽ اﺳﺖ ﮐﻪ رﻓﺘﺎرﻫﺎی ﻣﺘﻔﺎوﺗﯽ ﻧﺴﺒﺖ ﺑﻪ ﺳﺎیﺮ رﻓﺘﺎرﻫﺎی ﻣﻮﺟﻮد در ﻫﻤﺎن ﺳﺎﺧﺘﺎر را ﻧﺸﺎن ﻣﯽدﻫﺪ. در ﺗﺸﺨﯿﺺ ﻧﺎﺑﻬﻨﺠﺎری، اوﻟﺎً، دادهﻫﺎی ﻧﺎﺑﻬﻨﺠﺎر ﻣﯽﺗﻮاﻧﻨﺪ ﻋﻤﻠﮑﺮد اﻟﮕﻮریتمﻫﺎی یادﮔﯿﺮی ﻣﺎﺷﯿﻦ را ﻣﺨﺘﻞ ﮐﺮده و ﻣﻤﮑﻦ اﺳﺖ ﻋﻮاﻗﺐ ﺟﺪی را ﺑﻪﻫﻤﺮاه داﺷﺘﻪ ﺑﺎﺷﻨﺪ
ﺛﺎﻧﯿﺎً، ﺗﺸﺨﯿﺺ ﻧﺎﺑﻬﻨﺠﺎری در ﺑﺴﯿﺎری از ﺣﻮزهﻫﺎی ﻣﺮﺑﻮط ﺑﻪ اﻣﻨﯿﺖ، ﮐﺎرﺑﺮدﻫﺎی ﻗﺎﺑﻞ ﺗﻮﺟﻬﯽ دارد؛ از ﺟﻤﻠﻪ، ﮐﺸﻒ ﻣﻌﺎﻣﻠﺎت ﻣﺎﻟﯽ ﻣﺸﮑﻮک، ﻧﻈﺎرت ﺑﺮ ﺗﺮاﻓﯿﮏ و ﺗﻔﮑﯿﮏ ﮐﺎرﺑﺮان ﻣﺨﺮب در ﺷﺒﮑﻪﻫﺎی اﺟﺘﻤﺎﻋﯽ.
در این ﺗﺤﻘﯿﻖ ﺑﻪ ﺑﺮرﺳﯽ ﺷﺒﮑﻪﻫﺎی ﻋﺼﺒﯽ ﻋﻤﯿﻖ و ﻃﺒﻘﻪﺑﻨﺪی ﺟﺪید آنﻫﺎ ﺑﺮ اﺳﺎس ویژﮔﯽﻫﺎی ﻣﺨﺘﻠﻒ ﻣﯽﭘﺮدازیم. یک ﻣﺴﺌﻠﻪ ﻗﺎﺑﻞ ﺗﻮﺟﻪ در ﻣﻮرد ﺷﺒﮑﻪﻫﺎی ﻋﺼﺒﯽ ﻋﻤﯿﻖ این اﺳﺖ ﮐﻪ آنﻫﺎ ﻧﺴﺒﺖ ﺑﻪ دادهﻫﺎی ورودی ﺣﺴﺎس ﻫﺴﺘﻨﺪ. ﺑﻪ ﻣﻨﻈﻮر دﺳﺘﯿﺎﺑﯽ ﺑﻪ ﻧﺘﯿﺠﻪی ﻣﻄﻠﻮب ﺣﺘﯽ در دادهﻫﺎی ﻧﻮیزی، ایده ای ﺑﺮای ﺗﻐﯿﯿﺮ در ﺳﺎﺧﺘﺎر اﺗﺼﺎل ﺧﻮدرﻣﺰﮔﺬار ﻣﻄﺮح ﺷﺪه اﺳﺖ ﺗﺎ ﻋﻤﻠﮑﺮد ﺑﻪ ﻣﺮاﺗﺐ ﺑﻬﺘﺮی ﺑﺪﺳﺖ آید. ﺧﻮدرﻣﺰﮔﺬارﻫﺎی Ensemble را ﺑﺮرﺳﯽ ﻣﯽﮐﻨﯿﻢ. ﺳﭙﺲ ﺗﻌﺪادی از ﺗﮑﻨﯿﮏﻫﺎی ﻃﺒﻘﻪ ﺑﻨﺪی و ﺗﺸﺨﯿﺺ ﻧﺎﺑﻬﻨﺠﺎریﻫﺎ ﺑﻪﻫﻤﺮاه ﻓﺮﺿﯿﺎت ﺑﻨﯿﺎدی و دﻟﺎیل وﺟﻮد ﭼﻨﯿﻦ ﻧﺎﺑﻬﻨﺠﺎری ﻫﺎ را ﻣﺮور ﻣﯽﮐﻨﯿﻢ. ﻫﻢﭼﻨﯿﻦ ﺗﻌﺪادی از روشﻫﺎی داده ﮐﺎوی ﻣﻮرد اﺳﺘﻔﺎده در ﺗﺸﺨﯿﺺ ﻧﺎﺑﻬﻨﺠﺎریﻫﺎ ﺑﺎ اﺳﺘﻔﺎده از ﺷﺒﮑﻪ ﻋﺼﺒﯽ ﺗﮏ ﻃﺒﻘﻪ و ﻣﺎﺷﯿﻦ ﺑﺮدار ﭘﺸﺘﯿﺒﺎن ﺗﮏ ﻃﺒﻘﻪ اراﺋﻪ ﺷﺪه اﺳﺖ.
مطالب مشابه
دفعات مشاهده: 362 بار |
دفعات چاپ: 54 بار |
دفعات ارسال به دیگران: 0 بار |
0 نظر