شریف پژوه

برخی از موارد قابل پیاده سازی:

• بررسی تاثیر استفاده از الگوریتم تکامل تفاضلی بر روی پارامترهای مختلف شبکه عصبی، نظیر، تعداد لایه، وضعیت بایاس، تعداد نورون های هر لایه، تابع فعالیت و ... .
• بررسی تاثیر استفاده از زیرمجموعه ای از داده ها بر روی عملکرد روش تلفیقی شبکه ی عصبی و الگوریتم تکامل تفاضلی. انتخاب زیرمجموعه مناسب از داده ها به کمک روش تکامل تفاضلی انجام می شود.
• بررسی تاثیر استفاده از روش های تجمعی نظیر بگینگ(bagging) و بوستینگ(boosting) بر روش تلفیقی شبکه ی عصبی و الگوریتم تکامل تفاضلی.
• امکان ارائه ی ارزیابی به کمک روش های مختلف، نظیر Cross Validation
• مقایسه با سایر الگوریتم ها، نظیر انواع درخت تصمیم(decision tree) نظیر CHAID، CART، C5.0 و ...، ماشین بردار پشتیبان(support vector machine)، شبکه ی عصبی(Neural Net)، جنگل تصادفی(Random Forest)، استخراج قوانین(Rule Induction) 

• روش های مختلف پاکسازی (این بخش با نرم افزارهای جانبی نظیر رپیدماینر، وکا و ... انجام می شود.)
• حذف مقادیر گم شده (missing values)، 
• حذف داده های پرت، 
• حذف نویز، 
• گسسته سازی، 
• ایجاد ویژگی های جدید، 
• نرمال سازی، 
• انتخاب زیرمجموعه ای مناسب از ویژگی ها و...
• روش های مختلف تصویر سازی (این بخش با نرم افزارهای جانبی نظیر رپیدماینر، وکا و ... انجام می شود.)
• نمودارهای هیستوگرام(histogram) 
• هیستوگرام رنگی
• پراکندگی(Scatter) و...
• موارد و الگوریتم های قید شده، تنها نمونه ای از فعالیت های قابل تحویل است. انواع مختلف روش های داده کاوی و هوش مصنوعی با توجه به درخواست شما، قابل ارائه است.