تحقیق شبکه های عصبی در داده کاوی  بصورت فایل ورد 49 صفحه

مختصری از فایل :

چکیده

استفاده از شبکه های عصبی در داده کاوی گسترده تر شده است. اگر چه شبکه های عصبی ممکن است ساختار پیچیده، زمان آموزش طولانی، و بازنمایی uneasily قابل فهم از نتایج داشته باشد ، شبکه های عصبی به دلیل توانایی پذیرش بالا برای داده های نویز دار و دقت بالا در داده کاوی ترجیح داده شده است. در این مقاله داده کاوی مبتنی بر شبکه های عصبی به طور مفصل مورد تحقیق قرار گرفته ، و تکنولوژی های کلیدی و راه هایی برای دستیابی به داده کاوی مبتنی بر شبکه های عصبی نیز مورد تحقیق قرار گرفته است

مقدمه

با توسعه مداوم تکنولوژی های پایگاه داده و برنامه های کاربردی گسترده ای از سیستم مدیریت پایگاه داده، حجم داده های ذخیره شده در پایگاه داده را به سرعت افزایش می دهد و در حجم بزرگی از داده ها اطلاعات بسیار مهم پنهان است. اگر اطلاعات را بتوان از پایگاه داده استخراج آنها خواهد شد بسیاری از سود بالقوه برای شرکت های ایجاد، و فن آوری اطلاعات استخراج شده از بانک اطلاعاتی عظیم است که به عنوان داده کاوی شناخته شده است .

ابزارهای داده کاوی می توانند روند و فعالیت های آینده پیش بینی برای حمایت از تصمیم گیری مردم است. به عنوان مثال، از طریق تجزیه و تحلیل کل سیستم پایگاه داده این شرکت از ابزار داده کاوی می تواند مشکلات مانند “کدام مشتری است به احتمال زیاد برای پاسخ دادن به ایمیل فعالیت های بازاریابی شرکت ما، به همین دلیل”، و دیگر مسائل مشابه پاسخ دهد . بعضی از ابزارهای داده کاوی نیز می تواند برخی از مشکلات سنتی که مصرف زمان زیادی برطرف کند ، دلیل این است که آنها به سرعت می تواند جستجو کل پایگاه داده و پیدا کردن برخی از کارشناسان اطلاعات مفید مورد توجه قرار نمی گیرد.

شبکه های عصبی شبکه های پردازش موازی که با شبیه سازی تصویر تفکر شهودی انسان، بر اساس تحقیق از شبکه های عصبی بیولوژیکی، با توجه به ویژگی های سلول های عصبی بیولوژیکی و شبکه های عصبی و با ساده کردن، خلاصه و تصفیه تولید شده است. ان از این ایده از نگاشت غیر خطی، از روش پردازش موازی و ساختار شبکه عصبی به خودی خود برای بیان دانش در ارتباط ورودی و خروجی استفاده می کند . در ابتدا، استفاده از شبکه های عصبی در داده کاوی خوشبین نیست، و دلیل اصلی این است که شبکه های عصبی دارای نقص از ساختار پیچیده،  interpretability ضعیف و زمان آموزش طولانی است. اما مزایای آن از جمله توانایی تهیه بالا برای داده های نویز و میزان خطای پایین، به طور مداوم در حال پیشروی و بهینه سازی الگوریتم های آموزش شبکه های مختلف، به ویژه مداوم پیشرفت و بهبود شبکه الگوریتم های هرس گوناگون و قوانین استخراج الگوریتم، بهترین استفاده را استفاده از شبکه عصبی در داده کاوی به طور فزاینده ای توسط اکثریت قریب به اتفاق از کاربران مورد علاقه. در این مقاله داده کاوی مبتنی بر شبکه های عصبی به طور مفصل تحقیق شده.

شبکه عصبی

شبکه‌ی عصبی یا شبکه عصبی مصنوعی به مجموعه‌ای از سلول‌های عصبی (نورون) می‌گویند که در یک معماری ویژه‌ای برای حل مساله‌ای خاص به هم متصل شده‌اند و هر کدام محاسبات ساده‌ای به انجام می‌رسانند. فرایندی که درون شبکه‌ی عصبی مصنوعی دنبال می‌شود به این صورت است که نورون‌ها با توجه به اتصال‌هایی که با دیگر نورون‌ها دارند، داده‌هایی را دریافت می‌کنند و به دیگر نورون‌های متصل به خود می‌دهند. همچنین اتصال‌های موجود میان نورون‌ها متغیر می‌باشند و این نوید قابلیت یادگیری در آن شبکه را به ما می‌دهد. هدف کلی شبکه‌های عصبی

….