دوره 20، شماره 1 - ( مجله مهندسی برق و الکترونیک ایران - جلد 20 شماره 1 1402 )                   جلد 20 شماره 1 صفحات 87-79 | برگشت به فهرست نسخه ها

XML English Abstract Print

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Adabi S A, Houshmand M, Hosseini S A. Outlier Detection Using Extreme Learning Machines Based on Quantum Fuzzy C-Means. Journal of Iranian Association of Electrical and Electronics Engineers 2023; 20 (1) :79-87
URL: http://jiaeee.com/article-1-1382-fa.html
ادبی سیدامیر، هوشمند محبوبه، حسینی سیدعابد. تشخیص داده پرت با استفاده از ماشین یادگیری مفرط مبتنی بر فازی c-Means کوانتومی. نشریه مهندسی برق و الکترونیک ایران. 1402; 20 (1) :79-87

URL: http://jiaeee.com/article-1-1382-fa.html

تشخیص داده پرت با استفاده از ماشین یادگیری مفرط مبتنی بر فازی c-Means کوانتومی
سیدامیر ادبی ، محبوبه هوشمند* ، سیدعابد حسینی
گروه مهندسی کامپیوتر، واحد مشهد، دانشگاه آزاد اسلامی
چکیده:   (852 مشاهده)
همواره یکی از مهم‌ترین دغدغه‌های داده‌کاوان در اختیار داشتن داده‌هایی صحیح و عاری از خطاست. داده‌هایی که اشتباهات انسانی در آن وجود نداشته باشد و رکوردهای آن تماماً پُر و حاوی داده‌هایی صحیح باشند. در این مقاله یک مدل یادگیری جدید مبتنی بر شبکه‌ عصبی ماشین یادگیر مفرط برای تشخیص داده پرت پیشنهاد می‌شود. عملکرد شبکه‌های عصبی وابسته به پارامترهای مختلفی از قبیل ساختار آن، وزن‌های اولیه، تعداد نورون‌های لایه پنهان و نرخ یادگیری است. محاسبات کوانتومی یک روش جدید پردازش اطلاعات بر مبنای مکانیک کوانتومی است که امروزه مفاهیم آن در کاربردهای هوش‌مصنوعی نیز مورد استفاده قرار می‌گیرد. در روش پیشنهادی، شبکه عصبی ماشین یادگیری مفرط با استفاده از مفهوم خوشه‌بندی فازی c-Means کوانتومی، بهبود می‌یابد.  این خوشه‌بندی به پیدا کردن وزن بهینه اتصالات لایه ورودی به لایه پنهان شبکه عصبی کمک می‌کند. همچنین باعث می‌شود، معماری شبکه در لایه پنهان به شکل سازنده‌ای شکل بگیرد و یادگیری بهبود یابد. عملکرد روش پیشنهادی از لحاظ صحت، نرخ صحیح مثبت و نرخ صحیح منفی نشان‌دهنده برتری روش پیشنهادی در تشخیص داده پرت نسبت به روش­های دیگر است.
واژه‌های کلیدی: داده پرت، شبکه عصبی، فازی c-Means، محاسبات کوانتومی، ماشین یادگیری مفرط
متن کامل [PDF 805 kb]   (457 دریافت)    
نوع مقاله: پژوهشي | موضوع مقاله: کنترل
دریافت: 1400/7/24 | پذیرش: 1401/8/7 | انتشار: 1401/10/6
چکیده مبسوط [PDF 324 KB]  (0 دریافت)
ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA
ارسال پیام به نویسنده مسئول

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License (CC BY NC 4.0) قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به نشریه مهندسی برق و الکترونیک ایران می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 CC BY-NC 4.0 | Journal of Iranian Association of Electrical and Electronics Engineers

Designed & Developed by : Yektaweb