لطفا منتظر بمانید ...
0% Complete
صفحه اصلی
/
اولین همایش بین المللی هوش مصنوعی
بهبود عملکرد پیشبینی دادههای IOT با رویکرد ترکیبی شبکه عصبی و الگوریتم ژنتیک
نویسندگان :
محمد هادی امینی
1
خدیجه نعمتی
2
صفورا عاشوری
3
1- دانشکده ملی مهارت میرزاکوچک صومعه سرا
2- دانشکده ملی مهارت میرزا کوچک صومعه سرا
3- دانشکده ملی مهارت میرزا کوچک صومعه سرا
کلمات کلیدی :
شبکه عصبی مصنوعی،الگوریتم ژنتیک،طبقه بندی
چکیده :
با توجه به رشد سریع و افزایش حجم دادههای ناشی از اینترنت اشیا، نیاز به روشهای مؤثر برای پیشبینی و طبقهبندی دقیق این دادهها امری ضروری به نظر میرسد. در این پژوهش، عملکرد چهار روش مختلف طبقهبندی دادههای اینترنت اشیا، شامل الگوریتم ژنتیک، شبکه عصبی چندلایه، الگوریتم ترکیبی جنگل تصادفی و ژنتیک، و مدل هیبریدی شبکه عصبی و الگوریتم ژنتیک مورد ارزیابی قرار گرفته است. نتایج حاصل نشان میدهد که ترکیب الگوریتم ژنتیک با شبکه عصبی چندلایه بهطور قابل ملاحظهای بهبود کارایی طبقهبندی را به همراه داشته است. این رویکرد ترکیبی موفق شده است در مقایسه با سایر روشهای مورد بررسی، بهبود قابل توجهی در معیارهای دقت، فراخوانی و امتیاز F1 به دست آورد. یافتههای این پژوهش نشان میدهد که استفاده از روشهای ترکیبی مانند GA-MLP میتواند بهطور مؤثر در بهینهسازی و ارتقاء مدلهای طبقهبندی دادههای حجیم اینترنت اشیا نقش بسزایی ایفا کند.
لیست مقالات
لیست مقالات بایگانی شده
Automated Recognition of Marine Thermal Patterns Using Deep Learning
Alireza Sharifi - Alireza Vafaeinejad
Stacked Interaction Module for Refining Subject Object Dynamics in Video Captioning
Mahdi Khourishandiz - Abdollah Amirkhani
Technical Analyst Attention Network (TAAN): An Interpretable Deep Learning Model for Algorithmic Trading in Crypto and Forex Markets
Ali Tavassolian - Fatemeh Yousefloei - Mojtaba Vahidi Asl - Monireh Abdoos
Enhanced Diffusion Policy for Robust Multimodal Stock Trading through the Integration of Technical Indicators and Fundamental News
Amirali Vakili - Mahdi Shahbazi Khojasteh - Mahan Veisi - Armin Salimi-Badr
Personalized Serious Games for ADHD: A Systematic Review and Evidence Synthesis
Mohammad Cheraghi - Milad Hassani - Niloofar Mirzaei Chahardeh
Creating a Foundation for Dynamic Difficulty Adjustment within PCG of games using Imitation Learning
Navid Siamakmanesh - Arian Ganji - Monireh Abdoos - Mojtaba Vahidi-Asl
Divide and Conquer: A Cascaded Architecture for Relation Extraction on Long-Tailed Datasets
Parham Rahimi - Behrouz Minaei-Bidgoli
Simultaneous representation of decision variable and saccade direction in the parietal cortex
Zahra Naghdabadi - Amirreza Bahramani
An Efficient Training-Free Resume Matching System with NLP-Based Extraction and Custom Scoring for Enhanced Candidate Selection
Reyhane Salehbeigi - Noushin Riahi
PerSHOP: A Multi-Domain Persian Dataset for Shopping Dialogue Systems
Keyvan Mahmoudi - Heshaam Faili
بیشتر
ثمین همایش، سامانه مدیریت همایش ها و جشنواره ها - نگارش 45.0.3