|
Title
|
ارائه یک مدل جدید تعبیه گراف برای دسته بندی گره ها با استفاده از شبکه های عصبی
|
|
Type of Research
|
Thesis
|
|
Keywords
|
گراف، گره، یال، تعبیه گراف، شبکه های عصبی، دسته بندی گره ها
|
|
Abstract
|
گراف ها داده های انتزاعی مفید و کاربردی می باشند که می توانند برای مدل کردن موجودیت هایی نظیر شبکه های عصبی و شبکه های کامپیوتری استفاده شوند. در همین راستا مساله هایی در نظریه گراف وجود دارند که توسط شبکه های عصبی قابل حل هستند و این مدل سازی را با چالش های جدی مواجه می کنند[1]. دسته بندی گراف ها یکی از چالش های مهم هست که امروزه تحقیقات زیادی را به خود اختصاص داده است. مساله های دسته بندی گراف ها شامل دسته بندی نظارت شده و دسته بندی نیمه نظارت شده است که این روند ها شامل ایجاد یک ساختار برای ورودی شبکه های عصبی و یادگیری توسط انها است. برای ایجاد این ساختار دو دلیل زیر ذکر می شود: 1) در شبکه های عصبی فرض می شود رکورد های داده ای مستقل از یک دیگر بوده و تاثیر بر یکدیگر ندارند. 2) فرض می شود داده ها به صورت یکسان توزیع می شود[2]. این دو دلیل باعث می شود مدل سازی و حل مساله های گراف توسط شبکه های عصبی با چالش همراه شود. مساله ای که در این تحقیق دنبال می شود، دسته بندی گره های گراف با استفاده از شبکه های عصبی می باشد. این نوع دسته بندی می تواند نسبت به اقتضای گراف ورودی به صورت نظارت شده یا نیمه نظارت شده انجام شود. در این تحقیق از رشته های شبیه DNA برای این منظور استفاده می شود. یک رشته DNA شامل چهار نوع باز آدنین (A)، تیمین (T)، گوانین (G)، سیتوزین(C) می باشد. برای هر کدام از این حروف ها ویژگی هایی را فرض خواهیم کرد و با استفاده از این ویژگی ها گراف را تبدیل به این چهار حروف خواهیم کرد و سپس با استفاده از اینها یک مدل برای ورودی شبکه های عصبی خواهیم ساخت. در این تحقیق تلاشمان بر روی پیاده سازی این ایده بر روی مساله دسته بندی نود ها خواهد بود.
|
|
Researchers
|
(Student)، Mohsen Heydarian (Primary Advisor)، Hossein Abbasimehr (Advisor)
|