معرفی مدلی جدید مبتنی بر ساختار وابستگی ورودی ها در شبکه های عصبی

الگوریتم های یادگیری ماشین برای شناسایی الگوهای دقیق با کاهش دخالت انسان طراحی شده اند. الگوریتم های شبکه های عصبی ودرختان تصمیم از ابزارهای اساسی در یادگیری ماشین و همچنین علوم داده هستند. در یادگیری ماشین (با نظارت)، دو روش مهم درختان تصمیمو شبکه های عصبی الگوهایی را بین صفات و متغیر هدف شناسایی کرده و برای پیش بینی استفاده می کند. در این مقاله، الگوریتم جدیدی به نامدرخت رگرسیون و وابستگی(dart) معرفی شده که بر مبنای ساختار وابستگی بین ورودی ها است. سپس با استفاده از روش ترکیبی، در برگهایdart با برازش مدل شبکه های عصبی مدل جدید(nn-dart) معرفی می شود که در واقع ساختار وابستگی ورودی ها را به شبکههای عصبی اضافه می کند. نتایج این مقاله و کاراییdart در دو مجموعه داده واقعی در دو حالت طبقه بندی و رگرسیون بررسی می شود.