|
Title
|
مبدلي با ورودي هاي متفاوت و رمزگشاي فوق شبكه جهت تكميل نمودار دانش
|
|
Type
|
Presentation
|
|
Keywords
|
پيش بيني پيوند؛ نمودار دانش؛ تكميل نمودار دانش؛ يادگيري عميق؛ مبدل ها
|
|
Abstract
|
از بين كاربرد هاي پيش بيني پيوند مساله تكميل نمودار دانش به دليل دامنه گسترده مسائل دنياي واقعي مورد اهميت است. نمودار دانش در مقياس بزرگ از تعداد زيادي موجوديت و روابط بين آنها تشكيل مي شود. مشكل عمده نمودارهاي دانش ساختار و محتواي ناقص آنها است. در نمودارهاي دانش واقعي بسياري از روابط ضمني بين موجوديت ها به طوركامل كشف نشده است. در اين مقاله با استفاده از رويكرد تعبيه نمودار دانش، يك روش جديد بر پايه مبدل ها براي حل مساله تكميل نمودار دانش ارائه مي گردد.در مدل پيشنهادي بردارهاي ورودي رمزگذار نسبت به مبدل پايه تغيير كرده است. همچنين رمزگشاي مبدل يك معماري فوق شبكه بر پايه تحقيقات قبلي است. نتايج بدست آمده نشان مي دهد روش پيشنهادي بر روي مجموعه داده هاي -237k15FB و RR18WN عالوه بر كاهش ابعاد بردار تعبيه، نسبت به روش هاي قبلي عملكرد بهتري دارد.
|
|
Researchers
|
MOHAMMAD kazemi (First researcher) , Ebrahim Sahafizadeh (Second researcher) , Habib Rostami (Third researcher)
|