تبلیغات شما تبلیغات شما

آمار سایت

    آمار مطالب
    کل مطالب : 3993
    آمار کاربران
    افراد آنلاین : 10

    کاربران آنلاین

    آمار بازدید
    بازدید امروز : 1,828
    باردید دیروز : 2,701
    گوگل امروز : 24
    گوگل دیروز : 35
    بازدید هفته : 21,133
    بازدید ماه : 52,268
    بازدید سال : 811,559
    بازدید کلی : 6,383,082

آخرین فروش های موفق

مقاله-ترجمه-شده--روش-جدید-پیش-بینی-پیوند-سری-های-زمانی-روش-اتوماتای-یادگیر
مقاله ترجمه شده: روش جدید پیش بینی پیوند سری های زمانی: روش اتوماتای یادگیر
فرمت فایل دانلودی: .docx
فرمت فایل اصلی: PDF + Doc
تعداد صفحات: 27
حجم فایل: 13 کیلوبایت

دانلود رایگان مقاله انگلیسی


عنوان ترجمه فارسي
روش جدید پیش بینی پیوند سری های زمانی: روش اتوماتای یادگیر
نویسنده/ناشر/نام مجله :
Physica A: Statistical Mechanics and its Applications
سال انتشار : 2017
تعداد صفحات انگليسي : 16
تعداد صفحات فارسي : 27
نوع فایل های ضمیمه : Pdf+Word

عنوان مقاله انگليسي
A novel time series link prediction method: Learning automata approach

چکیده

پیش­بینی پیوند یک چالش بزرگ در شبکه­ های اجتماعی است که از ساختار شبکه ­ای برای پیش­بینی پیوندهای آتی استفاده می­کند. روش­های رایج پیش­بینی پیوند برای پیش­بینی پیوندهای مخفی از نمایش گراف ایستا استفاده می­کنند که در آن تصویری از شبکه برای یافتن پیوندهای آتی یا مخفی مورد استفاده قرار می­گیرد. برای مثال، پیش­بینی پیوند مبتنی بر معیار تشابه، روش سنتی رایجی است که معیار تشابه را برای تمامی پیوندهای غیرمتصل محاسبه نموده، پیوندها را براساس معیارهای تشابه آنها مرتب نموده و پیوندهای با امتیاز تشابه بالاتر را به عنوان پیوندهای آتی برچس ب­گذاری می­کند. از آنجاکه فعالیت­های افراد در شبکه­ های اجتماعی، پویا و غیرقطعی است، و ساختار شبکه­ ها با گذشت زمان تغییر می­کند، استفاده از گراف­ های قطعی برای مدلسازی و تحلیل شبکه­ ی اجتماعی نمی­تواند روش مناسبی باشد. در مسأله­ ی پیش­بینی پیوند سری­ های زمانی، احتمال وقوع پیوند سری­ های زمانی برای پیش­بینی پیوندهای آتی مورد استفاده قرار می­گیرد. ما در این مقاله یک روش پیش­بینی پیوند سری­ های زمانی مبتنی بر اتوماتای یادگیر را پیشنهاد می­کنیم. در الگوریتم پیشنهادی برای هر پیوندی که قرار است پیش­بینی شود، یک اتوماسیون یادگیری داریم و هر اتوماسیون یادگیری در تلاش است وجود یا عدم وجود پیوند متناظر را پیش­بینی کند. برای پیش­بینی احتمال وقوع پیوند در زمان T، یک دنباله­ ی متشکل از مراحل 1 تا T-1 داریم و اتوماسیون یادگیری این مراحل را می­پیماید تا وجود یا عدم وجود پیوند مربوطه را بیاموزد. زمانیکه احتمال وقوع پیوند سری­ های زمانی را در نظر بگیریم، آزمایشات اولیه­ ی پیش­بینی پیوند با شبکه­ های ایمیل و نویسندگی مشترک، نتایج رضایت ­بخشی را فراهم می­ آورد.

1-مقدمه

پیش­بینی ایجاد پیوند بین اشیاء داده، کار جالبی در حوزه ­ی پژوهشی داده ­کاوی است. پیش­بینی ایجاد هایپرلینک وب، پیش­بینی ژنتیکی، برهم­کنش­ های پروتئین-پروتئین، و مسأله­ ی ایجاد پیوند بین داده ­ها، مثال­ هایی از این حوزه هستند. در مسأله­ ی پیش­بینی پیوند، نمود داده ­ها به صورت نمایش شبکه/گراف است. این داده ­ها را می­توان به شکل گراف تجسم نمود، در این گراف، هر رأس متناظر با یک فرد بوده و هر پیوند، فرمی از تناظر بین افراد مرتبط را نشان می­دهد [1، 2]. مفهوم پیوند در شبکه­ ی اجتماعی معمولاً یک تقاطع مشترک از شبکه­ ی اجتماعی متناظر است...

میتوانید از لینک ابتدای صفحه، مقاله انگلیسی را رایگان دانلود فرموده و چکیده انگلیسی و سایر بخش های مقاله را مشاهده فرمایید.

دانلود فایل

برچسب ها

مطالب پیشنهادی ما

دیدگاه های شما

ارسال نظر

نام
ایمیل (منتشر نمی‌شود) (لازم)
وبسایت
:) :( ;) :D ;)) :X :? :P :* =(( :O @};- :B /:) :S
نظر خصوصی
مشخصات شما ذخیره شود ؟ [حذف مشخصات] [شکلک ها]
کد امنیتیرفرش کد امنیتی

تبلیغات شما تبلیغات شما

دسترسی سریع

کدهای اختصاصی