سامانه همایش های دانشگاه آزاد اسلامی واحد نجف آباد

صفحه اصلی / سومین کنفرانس بین المللی مهندسی و علوم کامپیوتر و اولین کنفرانس ملی سامانه های هوشمند، کلان داده و رایانش پیشرفته

مروری جامع بر مدل‌های هوش مصنوعی و توسعه مدل‌های یادگیری کم نمونه برای تشخیص رویدادهای نادر و آنومالی‌ها

نویسندگان :

احسان صالحی¹ فرزانه کاویانی باغبادرانی²

1- دانشگاه آزاد اسلامی واحد اصفهان 2- دانشگاه آزاد اسلامی واحد اصفهان

کلمات کلیدی :

هوش مصنوعی،تشخیص ناهنجاری،یادگیری کم نمونه،نظارت ضعیف،رویدادهای نادر

چکیده :

تشخیص ناهنجاری (Anomaly Detection) و پیش‌بینی رویدادهای نادر (Rare Event Prediction) از چالش‌برانگیزترین مسائل در حوزه هوش مصنوعی هستند. رویکردهای سنتی یادگیری عمیق اغلب نیازمند داده‌های آموزشی انبوه هستند که در بسیاری از کاربردهای حیاتی (مانند تشخیص کلاهبرداری، امنیت سایبری و تشخیص‌های پزشکی) در دسترس نیستند. این مقاله به بررسی گذار از روش‌های بدون نظارت (Unsupervised) به سمت مدل‌های «نظارت ضعیف» (Weakly-supervised) و «یادگیری کم نمونه» (Few-Shot Learning) می‌پردازد. تمرکز ویژه بر مدل‌های نوین مانند DevNet (شبکه‌های انحراف) و توسعه قابلیت تفسیرپذیری در آن‌هاست. همچنین، استراتژی‌های مقابله با داده‌های نامتوازن و کاربردهای نوآورانه مانند استفاده از تشخیص شیء (Object Detection) در فیزیک ذرات بررسی می‌شود.