سجاد قاسمی - دانش آموخته دانشگاه آزاد اسلامی- شهرکرد- ایران

این پژوهش، روشی برای تحلیل ابعاد مکانی و زمانی داده های ترکیبی و مدیریت سیستم های مبتنی بر داده های کلان ارائه می نماید، در این روش ابتدا ماتریس تصویری مکانی-زمانی تشکیل می شود و بر اساس تکنیک های مختلف یادگیری ماشین، عملکرد و رفتار زیر داده ها بررسی و روش ارزیابی نیز بر شبکه های عصبی پیچشی و حافظه ی کوتاه مدت ماندگار متمرکز است، که در آن با استفاده از شبکه های عصبی پیچشی-حافظه ی کوتاه مدت ماندگار متوالی، شبکه های عصبی پیچشی-حافظه ی کوتاه مدت ماندگار موازی، شبکه های عصبی پیچشی-حافظه ی کوتاه مدت ماندگار متوالی افزوده نیز داده های کلان بررسی می شوند و تمام مدل ها برمبنای اثرات ثابت رگرسیون کمترین مربع معمولی آزمایش شدند. نتایج ارزیابی نشان داد که پیش بینی های انجام شده توسط مدل شبکه های عصبی پیچشی- حافظه ی کوتاه مدت ماندگار، بهترین عملکرد را دارد و این یافته حاکی از آن است که روش پیشنهادی ما را می توان در برنامه های کاربردی که مستلزم مدل سازی دقیق هستند، به کار برد؛ فرآیند افزایش توصیفی شبکه های عصبی پیچشی-حافظه ی کوتاه مدت ماندگار متوالی را می توان برای معرفی متغیرهای برون زا در این مدل استفاده کرد که نتایج نشان داد این روش در محیط های زندگی واقعی قابلیت تبیین و پابرجایی بیشتری دارد.

یادگیری ماشین، شبکه های عصبی پیچشی، شبکه های عصبی حافظه ی کوتاه مدت ماندگار، شبکه های عصبی