دانلود فایل با شمار فاکتور
لطفا شماره فاکتور خود را درج نمایید
جدیدترین لغات واژه‌نامه
کشورهای شمال اروپا
آتش سوزی های جنگلی
دوسویه
نادیده گرفتن، دست انداخ
اجتناب ناپذیر، بی شفقت،
آمار بازدیدکنندگان
بازدید امروز :47
بازدید روز گذشته :70
بازدید این هفته :377
بازدید این ماه :1120
مجموع آمار بازدید ها :800745
بازدید روز گذشته :70
بازدید این هفته :377
بازدید این ماه :1120
مجموع آمار بازدید ها :800745
عنوان محصول: کشف دانش در پایگاه داده مبتنی بر شبکه‌های عصبی عمیق
|
توضیحات مختصر:
کشف دانش در پایگاه داده‌ها (KDD)، در سال‌های اخیر پیشرفت بسیار زیادی به‌منظور استخراج دانش مفید از اطلاعات همیشه رو به رشد، پیدا کرده است. رشد و توسعه تکنولوژی‌های یادگیری ماشین منجر به ایجاد روش‌های KDD کارا در فرآیند استخراج ویژگی‌ها و دسته‌بندی داده‌ها شده است. این مقاله چارچوبی را معرفی می‌کند ک...
|
| کشف دانش در پایگاه داده مبتنی بر شبکه‌های عصبی عمیق |
قیمت : 33000 تومان
تخفیف: 3000 تومان
تخفیف ویژه : 10 درصد
قیمت نهایی: 26700 تومان
557 بازدید
کد مقاله: TTC-
3434
نوع فایل : docx
خرید و دانلود
لینک دانلود فایل خریداری شده بلافاصله بعد از خرید موفق فعال خواهد شد.
Abstract
Abstract—Knowledge discovery in databases (KDD) has received
great progress in recent years for the need of mining
useful knowledge in the ever growing information. The advances
in machine learning technologies effectively promote KDD in the
procedures of feature extraction and data categorization. This
paper introduces a framework that combines feature extraction
and categorization of the collected data in order to recognize
useful structured patterns that underlies the raw data. This frame
work consists of three modules: data pre-processing module,
feature extraction module, and feature classification module.
We propose a four-layered deep neural network as the feature
extraction architecture. Each layer is trained in an unsupervised
way as one auto-encoder with sparsity constraint. We employ a
softmax classifier to assign a label to the extracted feature. The
supervised and unsupervised training strategies are discussed at
the end of this paper to disambiguate the training procedure of
the entire model.
چکیده
کشف دانش در پایگاه داده‌ها (KDD)، در سال‌های اخیر پیشرفت بسیار زیادی به‌منظور استخراج دانش مفید از اطلاعات همیشه رو به رشد، پیدا کرده است. رشد و توسعه تکنولوژی‌های یادگیری ماشین منجر به ایجاد روش‌های KDD کارا در فرآیند استخراج ویژگی‌ها و دسته‌بندی داده‌ها شده است. این مقاله چارچوبی را معرفی می‌کند که استخراج ویژگی‌ها و دسته‌بندی داده‌های جمع‌آوری‌شده را برای شناسایی الگوهای ساختاریافته مفید که از داده‌های خام سرچشمه گرفته شده‌اند ترکیب می‌کند. این چارچوب شامل سه ماژول است: ماژول پیش‌پردازش داده، ماژول استخراج ویژگی‌ها و ماژول دسته‌بندی ویژگی‌ها. در این مقاله ما یک شبکه عصبی عمیق با 4 لایه را به‌صورت معماری استخراج ویژگی‌ها در نظر گرفته‌ایم. هر لایه از یک راه غیر نظارتی به‌صورت یک رمزگذار خودکار و با استفاده از محدودیت‌های پراکندگی، آموزش داده می‌شود. ما از دسته‌بند softmax برای تخصیص یک برچسب به ویژگی استخراج‌شده استفاده می‌شود. استراتژی‌های نظارتی و غیر نظارتی در انتهای این مقاله برای رفع ابهام فرآیند آموزش تمامی مدل‌ها شرح داده شده‌اند.
تعداد صفحات انگلیسی:
تعداد صفحات فـارسـی:
- آدرس: تبریز، آبرسان، مهرگان چهارم
- تلفن تماس: 09016347107
- تلفن ثابت : 35250068-041
- Mailttcenterاین آدرس ایمیل توسط spambots حفاظت می شود. برای دیدن شما نیاز به جاوا اسکریپت دارید : آدرس ایمیل
- @zoodyab :آدرس تلگرام
مرکز تخصصی تلاش ترجمه از سال 1385 شروع به کار نموده است و تا کنون بیش از ده هزار ترجمه در رشته ها و زمینه های مختلف توسط متخصصین این مرکز انجام شده است.
تمامی ترجمه‌های انجام شده توسط موسسه تخصصی تلاش ترجمه، به صورت دستی (غیرماشینی) بوده و توسط مترجمین با سابقه انجام می‌شوند. ترجمه‌های انجام شده توسط موسسه تلاش ترجمه در قالب فایل Word و به صورت کاملا روان و بازخوانی شده و با ضمانت بازگشت وجه 72 ساعته (در صورت عدم رضایت از ترجمه) خدمت مشتریان محترم ارائه می‌شود.