طراحی سامانه تصمیم‌یار هوشمند برای تخمین سطح تهدید در مناطق درگیر با استفاده از الگوریتم‌های یادگیری ماشین

مریم رضایی¹

1) مربی، کارشناسی ارشد مهندسی کامپیوتر،سمنان،ایران

کد IOI مقاله : ABEB-ABEBAB
محل انتشار : چهارمین کنفرانس بین المللی پیشرفت های اخیر در مهندسی، نوآوری و تکنولوژی - بلژیک(eitconf.com)
چکیده :
    مسئله اصلی در این پژوهش، ارزیابی میزان ناامنی یک منطقه بر اساس مجموعه‌ای از ویژگی‌های عملیاتی و محیطی با هدف پشتیبانی از تصمیم‌گیری هوشمند در شرایط پرریسک است. بدین منظور، از الگوریتم‌های یادگیری ماشین شامل شبکه عصبی مصنوعی، نایوبیز، ماشین بردار پشتیبان و الگوریتم نزدیک‌ترین همسایه استفاده شد. داده‌های مورد نیاز پژوهش با رویکرد شبیه‌سازی و برچسب‌گذاری تولید شده و پس از انجام مراحل پیش‌پردازش، برای آموزش و ارزیابی مدل‌ها به کار گرفته شدند. عملکرد الگوریتم‌ها بر اساس معیارهای متداول ارزیابی و طبقه‌بندی مورد بررسی قرار گرفت. نتایج به‌دست‌آمده نشان داد که شبکه عصبی مصنوعی با دستیابی به بالاترین دقت و توان تفکیک مناسب‌تر، عملکرد بهتری در شناسایی سطوح مختلف ناامنی نسبت به سایر الگوریتم‌ها دارد. الگوریتم نایوبیز عملکرد قابل قبولی از خود نشان داد، در حالی که ماشین بردار پشتیبان و نزدیک‌ترین همسایه از نظر دقت و قابلیت تشخیص، عملکرد ضعیف‌تری داشتند. در مجموع، یافته‌های این پژوهش بیانگر کارایی مناسب روش‌های یادگیری ماشین، به‌ویژه شبکه‌های عصبی، در تحلیل شرایط پیچیده و پشتیبانی از تصمیم‌گیری هوشمند در محیط‌های عملیاتی و میدان رزم است.

کلمات کلیدی : الگوریتم‌یادگیری ماشین میدان رزم سیستم تصمیم‌یار محیط‌های پرریسک شبکه‌های عصبی