مروری بر داده کاوی و بررسی کاربرد آن در شبکه های عصبی مصنوعی

با گسترش سیستم های پایگاهی و حجم بالای داده های ذخیره شده در این سیستم ها، نیاز به ابزاری است که بتوان داده های ذخیره شده را پردازش کرد و اطلاعات حاصل از این پردازش را در اختیار کاربران قرار داد. با توجه به حجم بالای داده ها، کاربران هر چقدر حرفه ای و باتجربه باشند به روش سنتی و با استفاده از آنالیز داده ای دستی نمی توانند الگوهای مفید را در میان حجم انبوه داده ها تشخیص دهند حتی اگر قادر به چنین کاری باشند هزینه انجام آن از نظر نیروی انسانی و مالی بسیار بالا خواهد بود. بنابراین بهترین ابزار برای انجام چنین کاری استفاده از روش داده کاوی است که به وسیله آن الگوهای مفید در داده ها با حداقل دخالت کاربران شناخته می شوند و اطلاعاتی را در اختیار کاربران و تحلیل گران قرار می دهند تا براساس آن تصمیمات در سازمان ها گرفته شود. استخراج و کشف داده ها به منظور تصمیم گیری بهتر می باشد فلسفه داده کاوی این است که با شناخت درست گذشته آینده را می توان پیش بینی کرد. امروزه داده کاوی در بسیاری از صنعت ها از جمله پزشکی، آموزش، ورزش و ... مورد استفاده قرار می گیرد. شبکه های عصبی مصنوعی که تحت عنوان شبکه های عصبی نیز خوانده می شود یک الگوی ریاضی مبنی بر سیستم زیستی است. سیستم های عصبی یک الگوریتم برای بهینه سازی و یادگیری آزادانه بر اساس مفاهیم الهام گرفته از تحقیق در ماهیت مغز می باشند.

مروری بر داده کاوی و بررسی کاربرد آن در شبکه های عصبی مصنوعی Keywords:

داده کاوی , شبکه های عصبی , خوشه بندی , رگرسیون , نورون