{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "Q141",
        "title": "بهبود دقت قوانین استخراج شده توسط شبکه‌های عصبی چند لایه با بهره‌گیری از الگوریتم تکاملی در آموزش و هرس کردن شبکه",
        "publisher": "دانشگاه صنعتی شاهرود",
        "owner": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "license": "CC-BY-4.0",
        "license_url": "https://creativecommons.org/licenses/by/4.0/",
        "license_text": "استفاده، بازنشر، تحلیل، پردازش و بهره برداری پژوهشی، آموزشی و صنعتی با ذکر منبع دانشگاه صنعتی شاهرود مجاز است.",
        "publication_date": "1397",
        "last_update": "2026-07-11",
        "language": "fa",
        "format": "application/json",
        "contact": "thesis@shahroodut.ac.ir",
        "access": {
            "fulltext_available": "true",
            "public_access": "true"
        }
    },
    "data": {
        "thesis_id": "Q141",
        "title": "بهبود دقت قوانین استخراج شده توسط شبکه‌های عصبی چند لایه با بهره‌گیری از الگوریتم تکاملی در آموزش و هرس کردن شبکه",
        "degree": null,
        "faculty": "مهندسی کامپیوتر ",
        "year": 1397,
        "authors": [
            {
                "name": "یاسر ایرانی",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "حمید حسن پور",
                "role": "استاد راهنما"
            }
        ],
        "keywords": [
            "استخراج قانون",
            "الگوریتم ژنتیک",
            "شبکه‌عصبی مصنوعی",
            "کشف روابط بین داده‌ای",
            "هرس‌سازی شبکه‌عصبی",
            "کشف دانش"
        ],
        "abstract": "امروزه شاهد جمع‌آوری داده‌های فراوانی در زمینه‌های مختلفی از جمله پزشکی، تجاری و صنعتی هستیم. این داده‌ها برای مقاصد گوناگونی گردآوری می‌شوند. یکی از اهداف مهم جمع آوری داده‌ها، تحقیق روی آن‌ها برای بدست آوردن نتایج و الگوهای مفید موجود در آن‌ها است. پیچیدگی و حجم زیاد داده‌ها، موجب سردرگمی در تحلیل این داده‌ها شده است. از این رو، روش‌های داده‌کاوی متعددی برای تجزیه و تحلیل داده‌ها ارائه شده است. استخراج قانون یکی از کاربردهای مهم داده‌کاوی برای کشف دانش و روابط بین داده‌ها است. استخراج قانون به کمک ابزارهای مختلفی مانند شبکه‌عصبی، درخت تصمیم و ماشین بردار پشتیبان انجام می‌شود. شبکه‌عصبی، به دلیل عدم نیاز به دانش اولیه در مورد داده‌ها و داشتن دقت بالا، بیشتر مورد توجه قرار گرفته است. \r\nاغلب روش‌های ارائه شده برای استخراج قانون متکی بر هرس‌سازی شبکه هستند، هرس‌سازی باعث کاهش دقت و کارایی شبکه‌عصبی و در نتیجه ضعف در قوانین استخراج شده می‌شود. در این پژوهش روش نوینی ارائه می‌شود که با بهره‌گیری از الگوریتم ژنتیک، وزن‌های نرون‌های شبکه‌عصبی را به گونه‌ای تنظیم می‌کند که خسارت ناشی از مرحله هرس‌سازی را به میزان قابل توجهی تقلیل دهد. این روش در مرحله اول، به هنگام آموزش شبکه‌عصبی و به شکل سراسری و در مرحله بعد، پس از اتمام آموزش به صورت محلی با بررسی وزن‌های هر نرون از لایه میانی و خروجی، به اصلاح وزن‌های اتصالات شبکه می‌پردازد. آزمایشات انجام شده بر روی چند پایگاه‌داده استاندارد نشان می‌دهد که قوانین استخراج شده به کمک روش پیشنهادی از نظر سادگی بهتر از روش‌های موجود و از نظر دقت بطور متوسط دو درصد بهبود می‌یابد.",
        "repository": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "note": "حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.",
        "download_url": "https://shahroodut.ac.ir/fa/thesis/files/somefiles/sf_Q141.pdf"
    },
    "dictionary": {
        "thesis_id": "شناسه پایان نامه",
        "title": "عنوان پایان نامه",
        "degree": "مقطع تحصیلی",
        "faculty": "دانشکده",
        "year": "سال دفاع",
        "authors": "پدیدآورندگان",
        "keywords": "کلیدواژه ها",
        "abstract": "چکیده",
        "repository": "محل نگهداری",
        "note": "یادداشت",
        "download_url": "آدرس فایل پایان نامه"
    }
}