[صفحه اصلی ]    
بخش‌های اصلی
درباره دانشکده::
مدیریت دانشکده::
اعضای هیات علمی ::
معرفی افراد::
امور آموزش::
امور فرهنگی::
امور پژوهشی::
اخبار و رویدادها::
فضاهای آموزشی و تحقیقاتی ::
تسهیلات پایگاه::
تماس با ما::
::
ورود به سایت دروس
دانشجویان روزانه و پردیس
دانشجویان مرکز آموزش الکترونیکی
..
اطلاعیه ها
AWT IMAGE اطلاعیه های آموزشی
..
دفاعیه‌ها

دفاعیه های دکتری

۱۴۰۰/۷/۲۶ - محمد شیری
۱۴۰۰/۷/۲۶ - کاوه کدخدا


دفاعیه های کارشناسی ارشد

..
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
:: محمد جواد سعیدی زاده ::
 | تاریخ ارسال: 1400/6/25 | 

ارائه­ دهنده:

محمد جواد سعیدی زاده

  اساتید راهنما:

 دکتر بهروز مینایی

هیات داوران:

دکتر مرتضی آنالویی
دکتر سعیده ممتازی

زمان:
سه شنبه ۱۴۰۰/۰۶/۲۹


آقای محمد جواد سعیدی زاده دانشجوی کارشناسی ارشد جناب آقای دکتر بهروز مینایی روز دوشنبه ۲۹ شهریور ماه ساعت ۱۷:۰۰ از پروژه کارشناسی ارشد خود تحت عنوان "تخصیص منابع به زیروظایف در محیط گرید با در نظر گرفتن کیفیت سرویس" دفاع خواهند نمود

چکیده پایان نامه:
گراف‌های دانش یکی از زمینه‌های در حال گسترش در هوش مصنوعی هستند. این گراف‌ها در سیستم‌های پردازش اطلاعات استفاده می‌شوند. در حال حاضر گراف‌های دانش کامل نیستند و تکمیل گراف‌های دانش یکی از زمینه‌های تحقیق بر روی ساختارهای دانش است. وظیفه پیش‌بینی پیوند در گراف‌های دانش، اضافه کردن اطلاعات به گراف دانش فعلی با استفاده از استنتاج از روی حقیقت‌های موجود در آن می‌باشد. تکنیک‌های پیش‌بینی پیوند در سال‌های اخیر با استفاده از جانمایی گراف دانش دقت‌های قابل توجهی داشتند. تکنیک‌هایی در سال‌های اخیر پیشنهاد شده‌اند، از روش‌های یادگیری عمیق که پیچیدگی محاسباتی بالایی دارند استفاده کرده‌اند. این روش‌ها در گراف‌های کوچک بسیار سریع عمل می‌کنند اما در گراف‌های بزرگ سرعت پایین و فضای بزرگی از حافظه اصلی را لازم دارند.
در سال‌های ۲۰۱۳ تا ۲۰۱۹ مدل‌های انتقالی (که سریع با پیچیدگی کمی هستند) معرفی شده بودند. دقت مدل‌های انتقالی به میزان قابل توجهی کمتر از تکنیک‌های یادگیری عمیق است و این مدل‌ها از سال ۲۰۱۹ کنار گذاشته شدند. در این پژوهش ما دقت این مدل‌های انتقالی را به میزان قابل توجهی افزایش دادیم تا دقتشان به تکنیک‌های یادگیری عمیق نزدیک شود. اهمیت این پژوهش به پایداری روش‌های انتقالی و سرعت بسیار بالا آن‌ها در کنار بی‌نیاز بودنشان به سخت افزارهای قوی است. روش پیشنهادی معیارهای p۱۰ و MRR را روی مدل TransH را که به ترتیب ۲۱.۱ و ۳۸.۶ بودند را به ترتیب ۱۰.۳ و ۹.۱ روی گراف دانش انگلیسی فری بیس بهبود داد. همچنین، این روش دو معیار p۱۰ و MR را در مدل RotatE را که به ترتیب ۵۴.۷ و ۴۲۷۴ بودند را برای گراف دانش کلمات انگلیسی (وردنت) به ترتیب ۲.۳ و ۳۵۹۱ رتبه بهبود داد.
 
واژه‌های کلیدی: گراف دانش، پیش‌بینی پیوند، بازنمایی گراف دانش


"دفاع به‌صورت آنلاین برگزار می‌شود"
  دانشکده مهندسی کامپیوتر مدیریت تحصیلات تکمیلی
دفعات مشاهده: 459 بار   |   دفعات چاپ: 29 بار   |   دفعات ارسال به دیگران: 0 بار   |   0 نظر
سایر مطالب این بخش سایر مطالب این بخش نسخه قابل چاپ نسخه قابل چاپ ارسال به دوستان ارسال به دوستان

Persian site map - English site map - Created in 0.11 seconds with 54 queries by YEKTAWEB 4331