استخراج قوانین مکرر در داده های جریانی با استفاده از یادگیری تقویتی
Publish Year: 1396
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 649
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
DCBDP03_018
تاریخ نمایه سازی: 14 شهریور 1396
Abstract:
مدیریت دادههای خام و تبدیل دادههای خارجی و داخلی سازمان به اطلاعات و دانش با استفاده از تکنیکهای گوناگون بسیار مورداهمیت میباشد. از تکنیکهای معروف در این زمینه دادهکاوی است، که میتواند بر روی بانکهای اطلاعاتی و دادههای جریانی انجام شود و دانش مورد نیاز را بدست آورد. دادههای جریانی یکی از پدیدههای نو ظهور در دنیای اطلاعات و دادهکاوی میباشند کهدنبالهای از نمونههای n,...,x1x است، که باید به ترتیب مورد دسترسی قرار گرفته و میتوان تنها یکبار یا تعداد بسایار کمی آن را خواند. کاوش قوانین و الگوهای مکرر یکی از موضوعات بسیار مهم و مورد تمرکز در پژوهشهای انجام شده در حوزه داده کاوی درطول یک دهه اخیر بوده است . در این مقاله برای رسیدن به اهدافمان از یادگیری تقویتی که نوعی یادگیری ماشین است استفاده کردهایم که اگر بخواهیم تعریفی برای آن ارایه دهیم باید بگوییم: یادگیری ماشین عبارت است از برنامهریزی کامپیوترها به منظور بهبود یک معیار کاراییتعریف شده با استفاده از دادههای موجود یا تجارب گذشته . یادگیری تقویتی: نوعی یادگیری ماشین اسات که در آن عامل هوشمند با استفاده از تعامل با محیط پویا، رفتار خود را بهبود میبخشد .در آخر مشاهده میشود که : 1 دادههای جریانی به دلیل ماهیت پیوستگی آنها میتوانند با روش یادگیری تقویتی بهتر مورد کاوش - قرار میگیرند. 2 روش یادگیری تقویتی میتواند قوانین تکراری را در دادههای جریانی با دقت بالاتری تشخیص دهد
Keywords:
Authors
محمد آقاجانی
دانشجوی کارشناسی ارشد، گروه کامپیوتر، واحد اراک، دانشگاه آزاد اسلامی، اراک، ایران
منصور اسماعیل پور
استادیار، گروه کامپیوتر، واحد همدان، دانشگاه آزاد اسلامی، همدان، ایران
محمدمهدی شیرمحمدی
مربی، گروه کامپیوتر، واحد همدان، دانشگاه آزاد اسلامی، همدان، ایران