[صفحه اصلی ]   [ English ]  
بخش‌های اصلی
درباره دانشکده::
مدیریت دانشکده::
اعضای هیات علمی ::
معرفی افراد::
امور آموزش::
امور پژوهشی::
آموزش الکترونیکی::
پردیس شماره 2::
اخبار و رویدادها::
فضاهای آموزشی و تحقیقاتی ::
تسهیلات پایگاه::
::
ورود به سایت دروس

AWT IMAGE

نام کاربری
کلمه عبور

AWT IMAGE
رمز ورود را فراموش کرده‌اید؟

..
دفاعیه کارشناسی ارشد

دفاعیه کارشناسی ارشد

..
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
:: مریم رهنما 05/09/96 ::
 | تاریخ ارسال: ۱۳۹۶/۹/۳۰ | 

خانم مریم رهنما دانشجوی کارشناسی ارشد جناب آقای دکتر عین اله خنجری روز‏ شنبه 05 آبان ماه ساعت 17:30 در اتاق سمینار واقع در طبقه سوم دانشکده کامپیوتر از پروژه کارشناسی ارشد خود تحت عنوان طراحی و پیاده‌سازی الگوریتمی با معماری چندلایه جهت تشخیص سرقت علمی در متون فارسی خواهند نمود.
 

  چکیده پایان نامه:

به اقتباس از آثار علمی دیگران بدون ارجاع صحیح به اسناد اصلی، سرقت علمی اطلاق می‌گردد. اگرچه این عمل دارای قدمتی طولانی است اما پیشرفت رسانه‌ها و دسترسی آسان به وسایل ارتباطی در طی سال‌های اخیر باعث رشد سریع سرقت علمی گشته است. سرقت علمی در حوزه متن رایج‌تر از سایر فرمت‌های محتوایی ست و مقاله‌ها و پایان‌نامه‌هایی که با سرقت علمی جمع‌بندی می‌شوند یکی از مشکلات جدی در جوامع دانشگاهی به شمار می‌رود.
هدف از این پایان‌نامه ارائه‌ی الگوریتمی برای تشخیص سرقت علمی در حجم بالای متون فارسی می‌باشد به‌گونه‌ای که بتوان اصالت نوشتاری یک مقاله‌ی علمی را با دقت کافی تعیین نمود. رویه‌ی معمول در اغلب روش‌های موجود استخراج یک سری ویژگی‌های از قبل تعریف‌شده از متن و دسته‌بندی متون بر اساس آن‌ها می‌باشد، ولی این ویژگی‌ها نمی‌توانند به‌صورت کامل تمام پارامترهای متن را مدل‌سازی نمایند. روش ارائه‌شده در این پایان‌نامه برخلاف روش‌های سنتی، با در نظر گرفتن داده‌های آموزشی، سعی در یادگیری بهترین ویژگی بر اساس داده‌های موجود می‌نماید. بدین منظور یک معماری چندلایه مبتنی بر شبکه‌های بازگشتی طراحی و پیاده‌سازی شده است که با دریافت داده‌های آموزشی و تجزیه‌وتحلیل خودکار آن‌ها، ساختارهای موجود در متون را بدون ناظر آموزش می‌بیند. در معماری پیشنهادی از یک خود رمز کننده برای یادگیری ویژگی‌ها سراسری (مستقل از محل قرارگیری) و از یک شبکه‌ی عصبی بازگشتی به نام حافظه‌ی کوتاه بلندمدت برای یادگیری ویژگی‌های محلی (وابسته به محل قرارگیری) استفاده‌شده است. قابلیت یادگیری بالای بازنمایی کلمات توسط خود رمز کننده و توانایی مدل کردن موقعیت قرارگیری کلمات در کنار هم در یک متن توسط شبکه‌ی عصبی بازگشتی می‌تواند موارد سرقت علمی را به نحو مناسبی تشخیص دهد. روش ارائه‌شده بر روی مجموعه داده‌ی محک سمیم مورد آموزش و آزمون قرارگرفته است و نتایج نشان می‌دهد در موارد سرقت علمی غیر تصادفی از کارایی بالاتری نسبت به سایر روش‌های موجود برخوردار می‌باشد

 

  ارائه­ دهنده:

مریم رهنما

  استاد راهنما:

   آقای دکتر عین اله خنجری
 

  استاد ممتحن داخلی : جناب آقای دکتر بهروز مینایی

  استاد ممتحن خارجی :جناب آقای دکتر سعید فرضی

  زمان : شنبه 05 آبان ماه

  ساعت 17:30

  مکان: دانشکده مهندسی کامپیوتر- طبقه سوم- اتاق 304

  از اساتید بزرگوار، دانشجویان گرامی و دیگر متخصصان و علاقه مندان به موضوع دفاعیه دعوت
می شود با حضور خود موجبات غنای علمی و ارتقای کیفی را فراهم سازند.

  دانشکده مهندسی کامپیوتر مدیریت تحصیلات تکمیلی

دفعات مشاهده: 206 بار   |   دفعات چاپ: 14 بار   |   دفعات ارسال به دیگران: 0 بار   |   0 نظر
سایر مطالب این بخش سایر مطالب این بخش نسخه قابل چاپ نسخه قابل چاپ ارسال به دوستان ارسال به دوستان
School of Computer Engineering
Persian site map - English site map - Created in 0.189 seconds with 962 queries by yektaweb 3525