مقاله کنفرانسی سال ۱۴۰۴ فارسی

ارائه یک مدل ترکیبی مبتنی بر ترنسفورمرها و یادگیری تقویتی (RLHF) جهت تحلیل پویای الگوهای رفتاری در داده های حجیم شبکه های اجتماعی

چکیده مقاله

پژوهش حاضر با هدف ارائه یک مدل ترکیبی مبتنی بر ترنسفورمرها و یادگیری تقویتی از بازخورد انسانی RLHF برای تحلیل پویای الگوهای رفتاری در داده های حجیم شبکه های اجتماعی انجام شده است با توجه به ماهیت پویا و پیچیده تعاملات انسانی در فضای مجازی، روش های سنتی تحلیل داده توانایی لازم برای انطباق با تغییرات سریع رفتاری و استخراج الگوهای معنادار را ندارند در این مطالعه، ابتدا مبانی نظری مرتبط با معماری ترنسفورمر، مکانیسم های توجه، مدل های زبانی بزرگ و یادگیری تقویتی عمیق مورد بررسی قرار گرفت سپس مدل ترکیبی پیشنهادی طراحی و پیاده سازی شد که شامل دو بخش اصلی است: لایه های ترنسفورمر برای استخراج ویژگی های متنی و رفتاری، و عامل یادگیری تقویتی برای انطباق پویا با بازخوردهای محیطی و انسانی یافته های پژوهش نشان داد که مدل ترکیبی قادر است با بهره گیری از مکانیسم توجه، تمرکز محاسباتی را بر روی بحرانی ترین بخش های رفتاری معطوف کرده و از سوی دیگر با دریافت بازخورد پیوسته از محیط، سیاست های خود را به روزرسانی نماید مدل پیشنهادی در مقایسه با رویکردهای ایستا، عملکرد پایدارتر و دقیق تری در تشخیص الگوهای رفتاری نوظهور و تغییرات تدریجی سبک ارتباطی کاربران از خود نشان داد همچنین توانایی مدل در تعامل هوشمندانه و بهینه سازی محتوا برای پاسخ های رفتاری مطلوب، افق های جدیدی را برای طراحی سیستم های مداخله پیشگیرانه در حوزه هایی همچون سلامت روان، شناسایی رفتارهای مخرب و ایجاد محیط های مجازی امن تر می گشاید این پژوهش ضمن تایید کارایی رویکرد ترکیبی، چالش هایی همچون پیچیدگی محاسباتی و ملاحظات اخلاقی را نیز مطرح می سازد که می تواند زمینه ساز تحقیقات آتی در این حوزه باشد

کلیدواژه‌ها

نویسندگان

تصویر محمد نوربخش

محمد نوربخش

دانشجوی ارشد رشته مهندسی کامپیوتر گرایش هوش مصنوعی دانشگاه جامع امام حسین تهران، ایران

تصویر حسین صابری

حسین صابری

هیئت علمی دانشگاه جامع امام حسین تهران، ایران

تصویر رزومه علمی کاربران

رزومه علمی کاربران

درباره سیویلیکاتبلیغات در سیویلیکاآمار علمی ایرانتقویم علمی ایرانداده کاوی مقالاتطرح های پژوهشی

شیوه ارجاع

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید: نوربخش، محمد و صابری، حسین،1404،ارائه یک مدل ترکیبی مبتنی بر ترنسفورمرها و یادگیری تقویتی (RLHF) جهت تحلیل پویای الگوهای رفتاری در داده های حجیم شبکه های اجتماعی،ششمین همایش بین المللی مهندسی کامپیوتر، برق و تکنولوژی،همدان،https://civilica.com/doc/2585709

ارائه‌شده در

پوستر مجموعه مقالات ششمین همایش بین المللی مهندسی کامپیوتر، برق و تکنولوژی مجموعه مقالات ششمین همایش بین المللی مهندسی کامپیوتر، برق و تکنولوژی2 اسفند 1404 · همدان
ادامه مسیر پژوهش

مقالات مرتبط

مقاله کنفرانسی سال ۱۴۰۴ ۳۳۴ مشاهده

بررسی کاربرد هوش مصنوعی در ربات های رزمی: مطالعه موردی ایالات متحده آمریکا

تحولات شتابان فناوری در دهه های اخیر، به ویژه در حوزه هوش مصنوعی، موجب دگرگونی بنیادین در ماهیت جنگ ها�…

ربات های رزمیهوش مصنوعی نظامیکنترل معنادار انسانی
مقاله کنفرانسی سال ۱۴۰۴ ۲۹۱ مشاهده

تحلیل عملکرد و بهینه سازی چیلرهای جذبی یا تراکمی با تمرکز بر کاهش مصرف انرژی

چیلرهای تراکمی با استفاده از چرخه تبرید تراکم بخار و مصرف انرژی الکتریکی بالا در کمپرسورها کار می کنند…

انرژیبرودتبهینه سازی
مقاله کنفرانسی سال ۱۴۰۴ ۲۳۰ مشاهده

کاربرد هوش مصنوعی در مواجهه با چالش اخبار جعلی: تحلیل روش های تشخیص، چالش های نوظهور و راهکارهای آینده

همزمان با گسترش رسانه های اجتماعی و فناوری های تولید محتوا، انتشار اخبار جعلی به یک تهدید جدی برای اعتما…

اخبار جعلیهوش مصنوعیتشخیص اطلاعات نادرست
مقاله کنفرانسی سال ۱۴۰۴ ۲۲۶ مشاهده

امنیت در اینترنت اشیا

اینترنت اشیا به عنوان یکی از فناوری های کلیدی عصر حاضر، میلیاردها دستگاه را به یکدیگر متصل کرده و تحولات…

اینترنت اشیابلاکچینامنیت IoT
مقاله کنفرانسی سال ۱۴۰۴ ۱۹۶ مشاهده

بهینه سازی پایدار رایانش ابری با استفاده از نظریه بازی فازی

رایانش ابری به عنوان یکی از ستون های فناوری مدرن شناخته می شود، با این حال، بهینه سازی تخصیص منابع در حا…

نظریه بازی فازیمراکز داده ابریالگوریتم GTGWO
مقاله کنفرانسی سال ۱۴۰۴ ۱۸۰ مشاهده

A Data Driven Machine Learning Framework for Optimal Treatment Selection in Infertility Management (IVF and IUI)

Selecting the right infertility treatment requires analyzing a wide set of clinical, hormonal, and labor…

IVFInfertilityMachine Learning