عدالت‌یار هوشمند با استفاده از شبکه‌های عصبی بازگشتی

این مقاله، با بسط مفهوم تمرکز بر ویژگی‌ها، در استفاده از شبکه حافظه کوتاه ماندگار دوطرفه (bil-stm)، یک معماری جدید برای مسائل کاربردی پیشنهاد می‌دهد. bil-stm، فرایند گذشته و آینده ویژگی‌ها را به‌طور کامل می‌تواند منعکس کند. سیستم پیشنهادی به مطالعه موردی در مسائل قضایی اعمال‌شده است. در سیستم عدالت‌یار هوشمند پیشنهادشده، برای تصمیم موثرتر بعد از bil-stm از دو رمزگذار استفاده‌شده است و دارای لایه‌ای مبتنی بر دانش خبرگان  می‌باشد. در این روش با مشاهده اجزای پرونده ابتدا نوع مولفه‌ها بررسی می‌شود، سپس کلیدی بودن مولفه در اصلاح وزن‌ها موردتوجه قرار می‌گیرد. روش پیشنهادی در دو طرح مختلف ارائه‌شده است، در هر دو طرح ابتدا bil-stm هم بر روی مولفه‌های پرونده و هم بر روی حکم که دو بخش تبرئه و محکوم است اعمال می‌شود. دقت عملکرد بر اساس تمرکز بر روی مولفه‌های موثرتر مشخص می‌شود. طراحی این معماری بر اساس اشتراک‌گذاری وزن‌ها در زمان آموزش توسط رمزگذارها می‌باشد در طرح اول ابتدا مفهوم تمرکز بر ویژگی‌ها اعمال می‌شود و سپس در لایه‌های بعد هوش جمعی اعمال می‌شود. در طرح دوم هوش جمعی خبرگان در قالب یک تابع عضویت فازی به آن اعمال می‌شود. نتایج سیستم مشاور پیشنهادی در مورد مطالعاتی قضایی با روش‌های دیگر مقایسه شده‌اند که برتری روش پیشنهادی مشخص‌شده است. روش پیشنهادی با طراحی یک الگوی مناسب و به‌کارگیری اکثر عامل‌های دخیل و شناخت تاثیرگذاری آن‌ها درگرفتن یک تصمیم درست‌تر در زمان کوتاه‌تر می‌تواند بسیار کمک‌کننده باشد و متعاقباً هزینه‌های تشکیل دادگاه‌های تجدیدنظر و اطاله دادرسی را کاهش می‌دهد و حس اعتماد جامعه به سیستم قضا را افزایش می‌دهد.