TY - JOUR ID - 158266 TI - بهبود تشخیص ناهنجاری داده ها با یادگیری عمیق JO - دانشنامۀ تحول دیجیتال JA - DTJ LA - fa SN - AU - اصل تقی وند, امیر AU - امین وش, احسان AD - دانش آموخته کارشناسی ارشد نرم افزار، دانشگاه آزاد بناب، بناب، ایران AD - دانشجوی دکتری، دانشگاه تبریز، تبریز، ایران Y1 - 2021 PY - 2021 VL - 2 IS - 2 SP - 105 EP - 124 KW - تشخیص برون هشته‌ای KW - شبکه عصبی عمیق KW - شبکه عصبی کانولوشن KW - کراس DO - 10.22034/dtj.2022.334747.1053 N2 - 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. UR - https://dtj.mehralborz.ac.ir/article_158266.html L1 - https://dtj.mehralborz.ac.ir/article_158266_3a01ff06cfb1a2a8390a541cf6056cb6.pdf ER -