پیش بینی ریزش مشتریان با الگوریتم های یادگیری در شبکه های عصبی اسپایکی

همانطور که میدانیم، در سالهای اخیر محبوبیت شبکه های عصبی اسپایکی(SNN)1، بدلیل کاربردهای متنوع آنها در انجام یکسری وظایف از قبیل شناخت الگو2، خوشه بندی3و انجام پیش بینی افزایش یافته است.یکی از این پیش بینی ها، پیش بینی از دست دادن مشتریان می باشد که ابزار مهمی برای شرکت هامی باشد و می تواند در جهت شناسایی علل کاهش وفاداری مشتریان در یک بازار رقابتی در حال رشدبه شرکت ها کمک نماید. بنابراین ما در این مقاله روش جدیدی برای پیش بینی ریزش مشتریان ارایه می دهیم که در این روش پیشنهادی از شبکه های عصبی اسپایکی (SNN)،برای شناسایی اینگونه مشتریان استفاده می کنیم. در طی فرآیند یادگیری، وزن ها بصورت پویا توسط الگوریتم یادگیری به روزرسانی می شود. مدل پیشنهادی ما با ترکیب روش خطای انتشار رو به عقب4 با الگوریتم یادگیری بدون نظارت STDP5 دقت بالایی را به اثبات رسانیده است. نتایج ارزیابی نشان می دهد که SNN آموزش دیده با روش پیشنهادی ما از طریقداده های آموزشی برای شناسایی برچسب های کلاس، عملکرد بهتری در مقایسه با مدل های ارایه شده قبلی دارد.

Keywords:

شبکه های عصبی اسپایکی , نورون های اسپایکی , وزن سیناپس , ریزش مشتریان , آستانه6