بازسازی داده‌های ناقص با استفاده از مدل‌های انتشار هدایت‌شده با گراف در داده‌های جدولی و سنسوری

بازسازی داده‌های ناقص با استفاده از مدل‌های انتشار هدایت‌شده با گراف در داده‌های جدولی و سنسوری

ستاره ثمربخش تهرانی1 نگار خداوردی2 ندا تیرانداز3 پانیذ زریوند4

1) دانشجوی دکتری مهندسی کامپیوتر
2) دانشجوی کارشناسی ارشد مهندسی و علم کامپیوتر-هوش مصنوعی
3) دانشجوی کارشناسی ارشد مهندسی و علم کامپیوتر-هوش مصنوعی
4) دانشجوی کارشناسی ارشد مهندسی و علم کامپیوتر-هوش مصنوعی

کد IOI مقاله : AAHD-ABKDZK
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری (itnaf.ir)
چکیده :
    وجود داده‌های ناقص یکی از چالش‌های مهم در تحلیل داده، یادگیری ماشین و سامانه‌های تصمیم‌یار است؛ زیرا می‌تواند موجب کاهش دقت مدل‌ها، تخریب ساختار آماری داده و ایجاد سوگیری در نتایج شود. روش‌های کلاسیک بازسازی داده، مانند جایگزینی با میانگین و KNN، اگرچه ساده و کم‌هزینه‌اند، اما معمولاً در مدل‌سازی روابط غیرخطی و وابستگی‌های ساختاری میان نمونه‌ها عملکرد محدودی دارند. در این پژوهش، چارچوبی مبتنی بر مدل انتشار هدایت‌شده با گراف برای بازسازی داده‌های ناقص پیشنهاد می‌شود که در آن توانایی مدل‌های انتشار در یادگیری توزیع داده با اطلاعات ساختاری استخراج‌شده از گراف شباهت ترکیب می‌گردد. در این روش، ابتدا داده‌ها نرمال‌سازی شده و مقادیر گمشده مصنوعی با نرخ‌های ۱۰، ۲۰، ۳۰ و ۴۰ درصد ایجاد می‌شوند. سپس گراف KNN میان نمونه‌ها ساخته شده و از ساختار همسایگی برای هدایت فرایند بازسازی استفاده می‌شود. ارزیابی اولیه بر روی مجموعه‌داده Energy Efficiency انجام شد و عملکرد روش‌ها با معیارهای MSE، MAE و RMSE سنجیده گردید. نتایج نشان داد که در نرخ ۲۰ درصد داده گمشده، روش Mean Imputation مقدار MSE برابر 0.1286، روش KNN مقدار 0.0809، خودرمزگذار مقدار 0.0514 و Diffusion بدون گراف مقدار 0.0565 به‌دست آوردند. همچنین در نرخ ۴۰ درصد داده گمشده، MSE روش Mean برابر 0.1279، KNN برابر 0.0934، خودرمزگذار برابر 0.0617 و Diffusion بدون گراف برابر 0.0683 بود. این یافته‌ها نشان می‌دهد که روش‌های یادگیری عمیق نسبت به روش‌های کلاسیک توانایی بیشتری در بازسازی مقادیر گمشده دارند و مدل انتشار، حتی بدون استفاده از گراف، نسبت به KNN و Mean عملکرد بهتری ارائه می‌دهد. بر این اساس، استفاده از هدایت گرافی در مدل انتشار می‌تواند با بهره‌گیری از شباهت ساختاری نمونه‌ها، مسیر مؤثری برای بهبود دقت بازسازی داده‌های ناقص در داده‌های جدولی و سنسوری فراهم کند.

کلمات کلیدی : داده‌های ناقص بازسازی داده مدل انتشار گراف شباهت knn خودرمزگذار داده‌های جدولی energy efficiency