استخراج دانش در محیط های آشوب (رهیافت ساختار یادگیری هیجانی مغز)
نویسنده:
چکیده:
یکی از دغدغه های امروز دانشمندان درحوزه یادگیری ماشین، تحلیل داده های مربوط به سیستم های آشوب گونه است. توانایی طبقه بندی و استخراج دانش نهفته در این نوع داده ها ما را قادر می سازد تا سیستم های پیش بینی کننده قدرتمندی برای حوزه های مختلف مهندسی و اقتصاد فراهم آوریم.تاکنون روش های گوناگونی برای پردازش این نوع داده ها به کار گرفته شده اند که از آن جمله می توان به الگوریتم های تکاملی، شبکه های عصبی و... اشاره کرد. با این وجود هنوز به راه حلی کامل و ایده آل برای پردازش داده های آشوب گونه نرسیده ایم. در این شرایط پرداختن به الگوریتم هایی جدید که بتوانند ما را در این مسیر یاری کنند ضروری به نظر می رسد. به همین دلیل ما دراین مقاله یک روش جدید محاسباتی بر گرفته از سیستم یادگیری هیجانی مغز ارائه می کنیم. این روش با استفاده از ساختار یادگیری تقویتیبه خوبی قادر است تا با دینامیک حاکم بر داده ها کنار آمده و نظم و دانش موجود در داده های آشوب گونه را کشف کند. در این راستا، الگوریتم پیشنهادی خود را برای طبقه بندی سیگنال های مغزی که یکی از انواع سیستم های آشوب گونه هستند به کار گرفتیم و در نهایت با مقایسه نتایج آن با دو الگوریتم مطرح دیگر موفقیت آن را به اثبات رساندیم.
کلیدواژگان:
زبان:
فارسی
انتشار در:
صفحات:
57 تا 81
لینک کوتاه:
magiran.com/p1658237
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!