CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

بهبود میزان افزونه در مدل سازی افزونه ای با استفاده از سیستم تشخیص ایمنی مصنوعی

عنوان مقاله: بهبود میزان افزونه در مدل سازی افزونه ای با استفاده از سیستم تشخیص ایمنی مصنوعی
شناسه ملی مقاله: CSCG02_182
منتشر شده در دومین کنفرانس ملی محاسبات نرم در سال 1396
مشخصات نویسندگان مقاله:

مسیح زعمری - دانش آموخته کارشناسی ارشد، اصفهان - دانشگاه شیخ بهایی
مهدی باطنی - استادیار، اصفهان - دانشگاه شیخ بهایی

خلاصه مقاله:
مدل سازی افزونه ای 1 برای تشخیص زیرگروه هایی در جمعیت استفاده میشود که نسبت به کنشی خاص، واکنش مشخص میدهند. این نوع مدلسازی از دومجموعه داده آموزشی جداگانه با نامهای مجموعه آزمایشی و کنترل استفاده میکند. اشیایی که در مجموعه آزمایشی هستند، تحت تاثیر یک کنش مانند کمپین تبلیغاتی یا درمان پزشکی قرار گرفته اند ولی اشیاء مجموعه کنترل تحت تاثیر آن کنش قرار نگرفته اند. با داشتن مجموعه کنترل میتوان تاثیر علی کنش را بررسی و افراد را با توجه به آن به صورت زیر گروه هایی از جمعیت استخراج کرد. در این پژوهش سعی بر ارایه یک راهکار جدید مبتنی بر محاسبات نرم در راستای بهبود کارایی مدلسازی افزونه ای است. به این منظور با بکارگیری طبقه بندی کنندهAIRS 3، سیستمی به نام سیستم ایمنی مصنوعی افزونه ای طراحی شد که توانایی حل مساله مدلسازی افزونهای را دارا میباشد. برای ارزیابی کارایی روش پیشنهادی، آزمایشهایی بر روی مجموعه دادهHillstorm انجام گرفت. نتایج حاصل بیانگر بهبود حداقل 131.5 درصدی در سطح زیر نمودار افزونه )معیار کارایی مدلسازی افزونه ای( است

کلمات کلیدی:
مدلسازی افزونه ای، سیستم تشخیص ایمنی مصنوعی، سیستم ایمنی مصنوعی افزونه ای

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/696811/