[صفحه اصلی ]   [ English ]  
بخش‌های اصلی
درباره دانشکده::
مدیریت دانشکده::
اعضای هیات علمی ::
معرفی افراد::
امور آموزش::
امور فرهنگی::
امور پژوهشی::
آموزش الکترونیکی::
پردیس شماره 2::
اخبار و رویدادها::
فضاهای آموزشی و تحقیقاتی ::
تسهیلات پایگاه::
تماس با ما::
::
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 خزایی - 1398/04/04 ::
 | تاریخ ارسال: ۱۳۹۸/۴/۴ | 

ارائه­ دهنده:

مریم خزایی

  استاد راهنما:

 دکتر عین الله خنجری


  استاد ممتحن خارجی :  دکتر علیرضا هاشمی
استاد ممتحن داخلی: دکتر محمدرضا کنگاوری

  زمان :  دوشنبه  10  تیر ماه 1398

ساعت 11:00
 
مکان: دانشکده مهندسی کامپیوتر- طبقه سوم- اتاق 304


خانم مریم خزایی دانشجوی کارشناسی ارشد آقای دکتر عین الله خنجری دو شنبه 10 تیر ماه ساعت   11:00 در اتاق 304 واقع در طبقه سوم دانشکده کامپیوتر از پروژه کارشناسی ارشد خود تحت عنوان بهبود سیستم ­های پیشنهاد دهنده مبتنی بر پالایش گروهی با استفاده از الگوریتم ­های یادگیری عمیق و تجزیه ی ماتریس
دفاع خواهند نمود.

چکیده پایان نامه:

اینترنت به عنوان ابزاری در دسترس همگان، حجم فراوانی از داده ها را پیش روی کاربران خود قرار داده است. به طوری که امروزه با توجه به حجم روزافزون داده و اطلاعات،نیاز به سیستم­هایی که توانایی هدایت کاربران به سمت کالا و سرویس مورد نظر را داشته باشند بیش از پیش احساس می­شود. سیستم ­های پیشنهاددهنده از طریق تحلیل این داده­ ها به کاربران، کالا یا خدماتی را توصیه (پیش­ بینی) می­کنند. از مهم­ترین وب­سایتی که از سیستم­ های پیشنهاددهنده استفاده می­کند آمازون با بیش از صد میلیون کاربر است.روش پالایش گروهی یکی از کارآمدترین و پرکاربردترین روش های مورد استفاده در بسیاری از سیستم­ های پیشنهاددهنده است. روش های اولیه پالایش گروهی ویژگی های نهان کاربران و گزینه ها را با استفاده از تجزیه ماتریس امتیازات به دست می آوردند، اما این روش ها با مشکل شروع سرد و تنک بودن ماتریس امتیازات مواجه می شوند. در سال های اخیر استفاده از اطلاعات اضافه موجود، در کنار ماتریس امتیازات برای به دست آوردن ویژگی های نهان مورد توجه قرار گرفته است. از طرف دیگر، مدل های یادگیری عمیق، توانایی بالایی در استخراج ویژگی­ های نهان، به خصوص در مواقعی که با داده های خام بسیاری سروکار داریم از خود نشان داده است. هدف ما استفاده از شبکه های عمیق و تجزیه ماتریس برای استخراج ویژگی­ های محتوایی گزینه ها و کاربران و تخمین درایه ­های نامشخص ماتریس رتبه در سیستم­های پیشنهاددهنده می باشد. نتایج به ­دست آمده روی مجموعه دادگان Movielense  نشان می­دهد مدل پیشنهادی نسبت به مدل­ های مورد مقایسه دارای کمترین خطا و بالاترین دقت می­باشد
 


  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: 285 بار   |   دفعات چاپ: 22 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 0.2 seconds with 52 queries by YEKTAWEB 3937