ارائه­ دهنده:
مرتضی فائزی نیا

 استاد راهنما:
دکتر بهروز مینایی بیدگلی

هیات داوری: 
 دکتر حسین رحمانی
دکتر محمود نشاطی

زمان:
 ۱۴۰۱/۰۷/۲۳

ساعت ۱۵:۰۰
 

آقای مرتضی فائزی نیا دانشجوی کارشناسی ارشد آقای دکتر بهروز مینایی بیدگلی روز شنبه  ۲۳ مهرماه ساعت ۱۵:۰۰ از پروژه کارشناسی ارشد خود تحت عنوان "ﺗﺸﺨﯿﺺ ﻧﺎﻫﻨﺠﺎری ﺗﺤﺖ راﻧﺶ ﻣﻔﻬﻮم در داده ﻫﺎی ﭘﻮیا ﺑﺎ اﺳﺘﻔﺎده از یادﮔﯿﺮی ﻋﻤﯿﻖ" دفاع خواهند نمود.

چکیده پایان نامه:
دوﻟﺖﻫﺎ و ﺷﺮﮐﺖﻫﺎ در  ﻃﻮل زﻣﺎن در  ﺣﺎل ﺗﻮﻟﯿد ﻣﻘﺎدیر  ﻓﺮاواﻧﯽ، داده  ﻫﺴﺘﻨﺪ.  ﺑﻬﺮهﮔﯿﺮی  از این دادهﻫﺎ، ﻧﯿﺎزﻣﻨﺪ ﺗﺠﺰیه وﺗﺤﻠﯿﻞ  ﮐﺎرآﻣﺪ   و  ﻫﻤﭽﻨﯿﻦ   اﺳﺘﺨﺮاج اﻃﻼﻋﺎت ارزﺷﻤﻨﺪ دارد. اﻟﮕﻮﻫﺎ در ﭼﻨﯿﻦ  دادهﻫﺎیی ﺑﺎﮔﺬﺷﺖ  زﻣﺎن  ﺑﻪ ﻣﺮور  ﺗﻐﯿﯿﺮ  ﮐﺮده و ﺑﺎﻋﺚ ﮐﺎﻫﺶ ﮐﺎرایی ﻣﺪلﻫﺎی  ﻣﻮﺟﻮد  در  ﺳﯿﺴﺘﻢﻫﺎی یادﮔﯿﺮﻧﺪه  ﻣﯽﺷﻮد. ﺑﺮای  ﻣﻮاﺟﻬﻪ ﺑﺎ این ﭼﺎﻟﺶ،  بایستی  ﺑﺎﮔﺬﺷﺖ  زﻣﺎن  ﻣﺪلﻫﺎی ﻓﻌﻠﯽ ﻗﺎﺑﻠﯿﺖ  ﺗﻄﺒﯿﻖﭘﺬیری را داﺷﺘﻪ ﺑﺎﺷﻨﺪ و ﺑﺎ ﺗﻐﯿﯿﺮ  ﺧﺼﻮﺻﯿﺎت  آﻣﺎری و ﺑﺮوز اﻟﮕﻮﻫﺎی ﺟﺪید  ﺗﻄﺒﯿﻖ یاﻓﺘﻪ  و ﻣﺎﻧﻊ  ﺑﺮوز  ﭘﯿﺶﺑﯿﻨﯽﻫﺎ  و ﻧﺘﺎیج  ﺿﻌﯿﻒ ﺑﺮای ﺗﺼﻤﯿﻢﮔﯿﺮی  ﺷﻮﻧﺪ . ﺟﺰء ﻣﻬﻤﯽ  از این  ﺗﺠﺰیه وﺗﺤﻠﯿﻞﻫﺎ ﺗﺸﺨﯿﺺ ﻧﺎﻫﻨﺠﺎری اﺳﺖ.  ﺷﻨﺎﺳﺎیی رﻓﺘﺎرﻫﺎی ﻧﺎﻫﻨﺠﺎر در ﺳﯿﺴﺘﻢﻫﺎ و  ﻓﺮایندﻫﺎ،  ﺑﺎﻋﺚ ﺟﻠﻮﮔﯿﺮی از آﺳﯿﺐﻫﺎ، ﻧﻔﻮذﻫﺎ و اﻧﺠﺎم اﻗﺪاﻣﺎت ﻣﻘﺘﻀﯽ در زﻣﺎن  ﮐﻤﺘﺮی ﻣﯽﮔﺮدد.  در ویکردﻫﺎی  ﻣﺘﺪاول،  یادﮔﯿﺮی  ﻣﺪل  ﻣﻌﻤﻮﻻً  ﺑﻪﺻﻮرت  ﺑﺮونﺧﻂ  و  ﺑﺎ اﺳﺘﻔﺎده از دادهﻫﺎی  ﮔﺬﺷﺘﻪ اﺳﺖ.  این اﺗﻔﺎق  در ﺷﺮایﻂ  ﭘﻮیﺎ و ﻏﯿﺮﺛﺎﺑﺖ ﮐﻪ در آن ﺗﻌﺮیف  رﻓﺘﺎر ﻃﺒﯿﻌﯽ  ﺑﺎﮔﺬﺷﺖ زﻣﺎن  ﺗﻐﯿﯿﺮ  ﮐﺮده  و ﮐﺎرایی ﻣﺪل ﻣﻮﺟﻮد را  ﮐﺎﻫﺶ ﻣﯽدﻫﺪ .
این  ﭘﺎیانﻧﺎﻣﻪ در ﻣﺴﺌﻠﻪ ﺗﺸﺨﯿﺺ ﻧﺎﻫﻨﺠﺎری  راﻫﮑﺎرﻫﺎیی  را ﺑﺮای ﺳﻪ  ﭼﺎﻟﺶ  ﭘﻮیایی داده، اﺳﺘﻮاری در ﺑﺮاﺑﺮ ﻧﻮیز و ﺗﻄﺒﯿﻖ ﺑﺎ ﺗﻐﯿﯿﺮ  اﻟﮕﻮ را  ﺑﺎ اﺳﺘﻔﺎده از  روشﻫﺎی  یادگیری  ژرف  و ﺑﺎﺗﻮﺟﻪ ﺑﻪ  ﭘﺮدازش  ﭘﻮیای  داده  ﭘﯿﺸﻨﻬﺎد ﻣﯽدﻫﺪ .  این راﻫﮑﺎرﻫﺎ  ﺑﺎ  ﺗﻐﯿﯿﺮ  رﻓﺘﺎر داده، ﺗﻄﺒﯿﻖ یافته و ﻗﺎﺑﻠﯿﺖ ﺗﺸﺨﯿﺺ و ﺗﻄﺒﯿﻖ  ﺻریح ﺑﺎ ﻧﺎﻫﻨﺠﺎری را دارﻧﺪ . رویکردﻫﺎی  ﭘﯿﺸﻨﻬﺎدی ﺑﺎ ﻣﺠﻤﻮﻋﻪداده واﻗﻌﯽ ﺑﺮرﺳﯽ و ارزیابی ﺷﺪه  اﺳﺖ و  ﻋﻤﻠﮑﺮد  آﻧﻬﺎ  از ﺟﻨﺒﻪﻫﺎی ﻗﺪرت ﺗﺸﺨﯿﺺ ﻧﺎﻫﻨﺠﺎری، ﻫﻤﮕﺮایی و ﺗﻄﺒﯿﻖ ﻣﺪل یادﮔﯿﺮﻧﺪه در ﻣﻘﺎﺑﻞ دادهﻫﺎی ﺟدید ﺗﺼدیق ﺷﺪه اﺳﺖ.
واژهﻫﺎی ﮐﻠﯿﺪی:  ﺗﺸﺨﯿﺺ ﻧﺎﻫﻨﺠﺎری، ﺗﻐﯿﯿﺮ اﻟﮕﻮ، ﭘﻮیایی داده، یادﮔﯿﺮی ژرف.




 

دانشکده مهندسی کامپیوتر مدیریت تحصیلات تکمیلی