مجموعه محتوای دانشجویی، علمی و آموزشی

مقاله شبکه های عصبی در داده کاوی آماده دانلود است.

فرمت: pdf

تعداد صفحات: 8

چکیده

وجود اطلاعات صحیح و منسجم، یکی از ملزومات موفقیت در تجارت مدرن محسوب می شود. اطلاعات شامل دو بخش داده و دانش است که چگونگی جمع آوری، ذخیره و بازیابی داده ها در نظریه پایگاه داده ها مورد مطالعه قرار می گیرد. در مهندسی دانش، توجه اصلی به دانش، روش های فرمول بندی و بکارگیری آن در علوم مختلف است. دانش استنباطی از زمینه ها و عرصه های مورد علاقه کارشناسان و متخصصان یا استنتاجی از مجموعه داده ها می باشد. استنتاج دانش از مجموعه داده های معمولا ذخیره شده در پایگاه داده های بزرگ، داده کاوی نامیده می شود. روش های آماری جزء روشهای کلاسیک استنتاج دانش بشمار میایند. در داده کاوی روشهای جدید در کنار روشهای آماری مورد استفاده قرار می گیرند. خاستگاه روش های جدید هوش مصنوعی است. در واقع این روش ها با اکتشاف داده ها از پایگاه داده، روابط پیش بینی نشده و ناشناخته ی میان آنها را مشخص می کنند. در این مقاله، سودمندی روشهای جدید بخصوص روشهای مبتنی بر شبکه های عصبی، مزایا و معایب کاربردهای شبکه های عصبی پیشرو چند لایه و طرح های خود سازماندهی کوهونن مورد بحث قرار گرفته است.طرح های خود سازماندهی کوهونن، بهترین الگوریتم داده کاوی عصبی برای متصور ساختن حجم داده ای بالا می باشد.