بهبود تشخیص ناهنجاری داده ها با یادگیری عمیق

دلیل اصلی که باعث شد داده­کاوی، مورد توجه صنعت اطلاعات قرار بگیرد، مسئله در دسترس بودن حجم وسیعی از داده­ها و استخراج اطلاعات و دانش سودمند از آن ها است. در عملیات پاک­سازی داده، مشکل کیفیت داده­ها برطرف می­شود. یکی از مشکلاتی که بر کیفیت داده­ها تاثیر می­گذارد، داده­های برون هشته هستند. این نمونه­ها رکوردهایی هستند که مقادیر مشخصه آن­ها با رکوردهای دیگر بسیار تفاوت دارد. در این تحقیق از یک روش مبتنی بر یادگیری عمیق و شبکه عصبی عمیق ۱۴ لایه­ای بر روی پکیج تنسورفلو و کراس برای تشخیص برون هشته ای و بهبود عملکرد آن استفاده شده است. مجموعه داده مورد استفاده در این تحقیق مجموعه ای با ۲ درصد برون هشته ای است. میزان صحت روش پیشنهادی مقدار ۰۸/۹۷ را نشان داد و معیارهای بازخوانی و دقت نیز ۹۷ درصد محاسبه شده است. روش پیشنهادی با ۵ مدل دیگر مبتنی بر شبکه عصبی کانولوشن و شبکه بازگشتی LSTM نیز مقایسه شدند. مقدار معیارهای ارزیابی کلاس­بندها نشان از بهبود بسیار خوب روش پیشنهادی در مقابل روش­های سنتی و حتی روش­های مبتنی بر یادگیری عمیق را داده است.

بهبود تشخیص ناهنجاری داده ها با یادگیری عمیق Keywords:

تشخیص برون هشته ای , شبکه عصبی عمیق , شبکه عصبی کانولوشن , کراس