فهرست نشریات علمی دسترسی آزاد ایران

در بسیاری از مسائل دنیای واقعی، داده، پویا و دارای نویز است. در چنین شرایطی تشخیص ناهنجاری باید با یک مدل برخطی که در مقابل نویز استوار است، انجام شود. در سال‌های اخیر شبکه‌های عصبی بازگشتی بر روی توالی داده‌ها مورداستفاده قرار گرفته‌ و نتایج خوبی در این حوزه بدست آورده‌اند. اما راهکارهای موجود، استواری کافی در مقابل نویز ندارند. این مقاله، به ارائه راهکاری برای تشخیص ناهنجاری در داده گرافی پویا با استفاده از شبکه‌های عصبی بازگشتی می‌پردازد که در مقابل نویز استوار بوده و با تغییرات داده‌ها تطبیق‌پذیری کافی را دارند. نسخه استوار ارائه شده از شبکه عصبی بازگشتی، به هدف مدیریت نویز، همزمان با یادگیری الگوی اصلی و تطبیق با تغییرات، ناهنجاری‌ها را استخراج و معرفی می‌کند. برای بررسی صحت ﻋﻤﻠﮑﺮد روش پیشنهادی، آزمایش‌هایی ارائه شده که قدرت ﺗﺸﺨﯿﺺ ﻧﺎﻫﻨﺠﺎری و توان ﺗﻄﺒﯿﻖ یادگیرنده را در مقایسه با راهکارهای موجود می‌سنجد. نتایج، برتری روش پیشنهادی را تصدیق کرده اﺳت.