هوش مصنوعی و شناسایی الگوهای منفی کارآمد

الگوهایی متوالی منفی(مثل از دست دادن درمان های پزشکی)، ابزاری مهم برای شناسایی الگوهای های رفتاری، و در برخی موارد اساسی تر از الگوهای مثبت(PSP)1 هستند. آنها دربسیاری از سیستم ها و کاربردهای هوشمند مثل سیستم های حمل ونقل هوشمند،مراقبت بهداشت و مدیریت ریسک پذیر و همچنین رفتارهای غیر رخ دادنی کاربرد دارند. کشف الگوهای منفی دشوار است اما الگوهای مثبت به دلیل پیچیدگی مسائل معنادار وقت گیر و دارای هزینه بالای محاسباتی است. این مقاله به بررسی چارچوب نظری بسیار نوآورانه و کارآمد مجموعه معادلات NSP مبتنی بر نظریه (ST-NSP) و یک الگوریتم متناظر e-NSP برای شناسایی NSP با استفاده از تنها شناسایی PSP بدون بازنشانی پایگاه داده می پردازد. در ابتدا محدودسازی منفی تعریف می شود تا تعیین کند توالی داده شامل توالی منفی براساس مجموعه تئوری است.و سپس یک فرآیند کارآمد ارائه شده تا مساله محدودسازی مثبت تبدیل کند.سپس پشتیبانان nsc فقط براساس الگوی متوالی مثبت مربوطه محاسبه می شود. این نه تنها مانع نیاز به بررسی های پایگاه داده می شود بلکه استفاده ازالگوریتم های استخراج psp موجود را به منظوربررسی nsp فراهم می کند.

Keywords:

الگوهای منفی , الگوهای مثبت , الگوهای رفتاری