يادگيري عميق اطمينان محور

اصفهان : دانشگاه صنعتي اصفهان

مهندسي صنايع و سيستم ها

كارشناسي ارشد

با رشد روزافزون داده‌ها استفاده از مدل‌هاي قوي‌تر در تحليل داده ها گسترش يافته است. در اين بين شبكه‌هاي عصبي عميق با تعداد لايه‌هاي زياد، كه به روش‌هاي يادگيري عميق مشهور شده‌اند، مورد استقبال زيادي قرار گرفته‌اند. يادگيري عميق در واقع نگرشي جديد به ايده‌ي شبكه هاي عصبي مي باشد كه ساليان زيادي است وجود داشته و هر چند سال يكبار در قالبي جديد خود را نشان مي دهد. از مهم ترين فاكتور هاي تاثيرگذار در عملكرد مدل‌ها اطمينان و تعميم پذيري است به همين علت مدل مورد نظر بايد علاوه بر داشتن دقت مناسب، مدلي مورد اطمينان نيز باشد. با توجه به اينكه كيفيت تصميمات با كيفيت پيش‌بيني هاي انجام شده رابطه مستقيمي دارد، محققان در تلاشند تا با بهره‌گيري از داده‌ها، دانش و اطلاعات موجود از تجربيات گذشته بتوانند در مدلسازي الگوهاي پنهان در داده‌ها به طور مناسبي عمل كنند. به همين علت لازم است كه پيش‌بيني هاي ارائه شده توسط مدل‌ها از دقت قابل قبولي برخوردار باشند. بنابراين امروزه يكي از موضوعات مورد توجه مديران و متخصصان بهبود دقت پيش‌بيني و تشخيص در جهت افزايش كيفيت تصميمات مي‌باشد. بر اين اساس، بهبود قابليت تعميم پذيري مدل ها در ادبيات پيش بيني و مدل سازي به يكي از چالش برانگيزترين زمينه هاي تحقيقاتي تبديل شده است. در اين راستا، مي‌توان گفت اطمينان دقت عملكردي، يكي از عوامل تأثيرگذار بر قابليت تعميم پذيري مدل است كه در مدل‌هاي موجود مورد توجه قرار نگرفته است. اساس منطق رويكرد پيشنهادي در اين مطالعه اين است كه يادگيري عميق با حداقل كردن تغييرات دقت در مواجهه با داده هاي اعتبار سنجي، به نتايج نهايي مورد اطمينان‌تري دست يابد. به عبارت ديگر، هرچه ميزان نوسانات دقت عملكرد در داده هاي اعتبارسنجي كمتر باشد، مي توان از ثبات عملكرد در داده ها يا آزمايشات غيرقابل دسترس اطمينان بيشتري حاصل كرد. در اين مطالعه با ارائه يك شاخه‌اي جديد از مدلسازي به نام مدل‌هاي اطمينان محور قصد داريم در فرآيند يادگيري عميق مدلي با اطمينان و تعميم پذيري بيشتر بدست آوريم. به همين منظور در اين پژوهش به منظور ارزيابي و اعتبار سنجي رويكرد پيشنهادي در يادگيري عميق و همچنين اثبات كارايي آن در بهبود كيفيت تصميم‌گيري در حوزه‌هاي مهم مانند حوزه پزشكي، روي مجموعه داده‌هاي معيار در تشخيص سرطان بررسي و نتايج آن مقايسه و تحليل شد. نتايج حاكي از برتري توانايي قابليت تعميم رويكرد پيشنهادي اطمينان محور نسبت به رويكرد كلاسيك دقت محور در مسائل حوزه تشخيص سرطان مي‌باشد. از اين رو مي‌توان رويكرد پيشنهادي را به عنوان يك جايگزين مناسب در زمينه‌هاي مدلسازي به ويژه در مواقعي كه قدرت تعميم‌پذيري از اهميت زيادي برخوردار است، در نظر گرفت.

212852

سيستم هاي كلان اقتصادي اجتماعي

مهندسي صنايع و سيستم ها

دانشگاه صنعتي اصفهان

مهدي بيجاري، صبا صارمي نيا

علي زينل همداني، مهدي خاشعي