%0 Journal Article %T بهبود تشخیص ناهنجاری داده ها با یادگیری عمیق %J دانشنامۀ تحول دیجیتال %I دانشگاه مهر البرز %Z 2783-1256 %A اصل تقی وند, امیر %A امین وش, احسان %D 2021 %\ 08/23/2021 %V 2 %N 2 %P 105-124 %! بهبود تشخیص ناهنجاری داده ها با یادگیری عمیق %K تشخیص برون هشته‌ای %K شبکه عصبی عمیق %K شبکه عصبی کانولوشن %K کراس %R 10.22034/dtj.2022.334747.1053 %X دلیل اصلی که باعث شد داده­کاوی، مورد توجه صنعت اطلاعات قرار بگیرد، مسئله در دسترس بودن حجم وسیعی از داده­ها و استخراج اطلاعات و دانش سودمند از آن‌ها است. در عملیات پاک­سازی داده، مشکل کیفیت داده­ها برطرف می­شود. یکی از مشکلاتی که بر کیفیت داده­ها تأثیر می­گذارد، داده­های برون‌هشته هستند. این نمونه­ها رکوردهایی هستند که مقادیر مشخصه آن­ها با رکوردهای دیگر بسیار تفاوت دارد. در این تحقیق از یک روش مبتنی بر یادگیری عمیق و شبکه عصبی عمیق 14 لایه­ای بر روی پکیج تنسورفلو و کراس برای تشخیص برون‌هشته‌ای و بهبود عملکرد آن استفاده شده است. مجموعه داده مورد استفاده در این تحقیق مجموعه‌ای با 2 درصد برون‌هشته‌ای است. میزان صحت روش پیشنهادی مقدار 08/97 را نشان داد و معیارهای بازخوانی و دقت نیز 97 درصد محاسبه شده است. روش پیشنهادی با 5 مدل دیگر مبتنی بر شبکه عصبی کانولوشن و شبکه بازگشتی LSTM نیز مقایسه شدند. مقدار معیارهای ارزیابی کلاس­بندها نشان از بهبود بسیار خوب روش پیشنهادی در مقابل روش­های سنتی و حتی روش­های مبتنی بر یادگیری عمیق را داده است. %U https://dtj.mehralborz.ac.ir/article_158266_3a01ff06cfb1a2a8390a541cf6056cb6.pdf