Subscribe to the gold package and get unlimited access to Shamra Academy
Register a new userDiscovering Maximal Generalized Decision Rules in Databases
اكتشاف قواعد القرار المعممة الأعظمية من قواعد المعطيات
1287
0 16
0
(
0
)
Added by
Aِl-Baath University ورقة بحثية
Publication date
2016
fields
Informatics Engineering
and research's language is
العربية
Authors
عبد الله حسن العمر( باحث )
Created by
Shamra Editor
Ask ChatGPT about the research
يزداد حجم المعطيات المولدة هذه الأيام بمعدل هائل. و ان استخراج المعرفة المفيدة من مثل هذه المجموعات من المعطيات هو موضوع هام و تحد. التقنية الواعدة هي منهج المجموعات التقريبية، الطريقة الرياضية الجديدة لتحليل المعطيات اعتماداً على تصنيف الأغراض في صفوف متشابهة، التي تكون غير قابلة للتمييز بالنسبة لبعض السمات. تركز هذه المقالة على اكتشاف قواعد القرار المعممة الأعظمية من قواعد المعطيات اعتماداً على التراجع البسيط أو المتعدد و خوارزمية التعميم و مصفوفة القرار.
The volume of data being generated nowadays is increasing at phenomenal rate. Extracting useful knowledge from such data collections is an important and challenging issue. A promising technique is the rough set approach, a new mathematical method to data analysis based on classification of objects into similarity classes, which are indiscernible with respect to some features. This paper focuses on discovering maximal generalized decision rules in databases based on a simple or multiple regression, generalized theory, and decision matrix.
Artificial intelligence review:
Research summary
تتناول هذه الورقة البحثية التي أعدها الدكتور عبد الله حسن العمر من جامعة دمشق، موضوع اكتشاف قواعد القرار المعممة الأعظمية من قواعد المعطيات باستخدام طريقة المجموعات التقريبية. تبدأ الورقة بمقدمة حول أهمية اكتشاف المعرفة من قواعد المعطيات الكبيرة، وتوضح أن الغموض وعدم الكمال في البيانات يتطلبان تقنيات جديدة للتعامل معها. تقدم الورقة خوارزمية جديدة تعتمد على تحليل التراجع وخوارزمية التعميم ومصفوفة القرار لاكتشاف قواعد القرار المعممة الأعظمية. يتم شرح منهجية البحث التي تتضمن خطوات متعددة تبدأ بجمع وتعميم البيانات، ثم حساب قواعد القرار المعممة الأعظمية واختبار الطريقة المقترحة على قاعدة بيانات حقيقية. كما تقدم الورقة أمثلة توضيحية وتشرح كيفية بناء مصفوفة القرار واستخدامها لاستخراج قواعد القرار المعممة الأعظمية. تختتم الورقة بتقديم نتائج الاختبار وتوضيح أن الطريقة المقترحة أسرع وأسهل من الطرق التقليدية لأنها لا تتطلب بناء أشجار القرار وتقليمها.
Critical review
تقدم الورقة البحثية إسهاماً مهماً في مجال اكتشاف المعرفة من قواعد المعطيات، إلا أن هناك بعض النقاط التي يمكن تحسينها. أولاً، يمكن أن تكون الورقة أكثر وضوحاً في شرح بعض المفاهيم الرياضية المعقدة، حيث قد يجد القارئ غير المتخصص صعوبة في فهمها. ثانياً، يمكن تحسين الورقة بإضافة المزيد من الأمثلة العملية لتوضيح كيفية تطبيق الخوارزمية المقترحة في سيناريوهات مختلفة. ثالثاً، يمكن أن تكون الورقة أكثر شمولية إذا تناولت مقارنة تفصيلية بين الخوارزمية المقترحة والخوارزميات الأخرى الموجودة في الأدبيات، مع تقديم تحليل لأداء كل منها. وأخيراً، يمكن أن تستفيد الورقة من تقديم دراسة حالة تطبيقية توضح الفوائد العملية للخوارزمية المقترحة في مجال محدد مثل الطب أو التجارة.
Questions related to the research
-
ما هي الأداة الجديدة التي قدمها Z. Pawlak للتعامل مع الغموض في البيانات؟
قدم Z. Pawlak طريقة المجموعات التقريبية في عام 1982 كأداة جديدة للتعامل مع الغموض في البيانات.
-
ما هي الخطوات الأساسية لمنهجية البحث المقترحة في الورقة؟
تتألف منهجية البحث من عدة خطوات: جمع وتعميم البيانات، حساب قواعد القرار المعممة الأعظمية، واختبار الطريقة المقترحة على قاعدة بيانات حقيقية.
-
ما هي الفائدة الرئيسية للخوارزمية المقترحة مقارنة بالطرق التقليدية؟
الفائدة الرئيسية هي أن الخوارزمية المقترحة أسرع وأسهل لأنها لا تتطلب بناء أشجار القرار وتقليمها، مما يوفر الوقت والجهد.
-
كيف يتم حساب قواعد القرار المعممة الأعظمية باستخدام مصفوفة القرار؟
يتم حساب قواعد القرار المعممة الأعظمية من مصفوفة القرار عن طريق بناء تابع بولياني لكل حالة موجبة وتبسيطه باستخدام قوانين الجبر البولياني.
References used
W. Ziarko, 1993- Variable Precision Rough Sets Model, Journal of Computer and Systems Sciences, vol. 46. no. 1, pp. 39-59
Pawlak, Z. and Skowron, 2007- Rudiments of Rough Sets, Information Sciences, 177,3-27
S. Bhattacharya and K. Debnath, 2016- A Study on Lower Interval Probability Function Based Decision Theoretic Rough Set Models , Annals of Fuzzy Mathematics and Informatics, Volume x, No. x, pp. 1-xx
rate research
Read More
The purpose of this study is to offer help to patients through the employment of
databases applications of existing and available telecommunication systems in medical
services ,particularly treatment. So that it can be possible to avoided what can
be avoided
of health disasters that a human being encounter without warning. This study examines
how modern technologies can be employed in controlling and processing some vital signs
of human beings,particulary those who suffer some health problems affiliated with some
diseases ,and keeping these problems under control in order to maintain the stability of the
patients health statues.
The vital signs that the study is applied to are blood pressure, pulse and blood
glucose, since any of change in the value of any of these signs, positive or negative, may
cause the patient to have a sudden health problems.
شبكات الحساسات اللاسلكية
العلامات الحياتية
شبكات الحساسات اللاسلكية الحيوية
بروتوكول التوجيه بالزمن الحقيقي
استدعاء الطرق عن بعد
Vital signs
(WSN (wireless sensor networks
(WBSN (wireless body sensor networks
RTLD (Real-time with load distributed routing) Protocol
(RMI (Remote method invocation
المزيد..
We tackle the problem of self-training networks for NLU in low-resource environment---few labeled data and lots of unlabeled data. The effectiveness of self-training is a result of increasing the amount of training data while training. Yet it becomes
less effective in low-resource settings due to unreliable labels predicted by the teacher model on unlabeled data. Rules of grammar, which describe the grammatical structure of data, have been used in NLU for better explainability. We propose to use rules of grammar in self-training as a more reliable pseudo-labeling mechanism, especially when there are few labeled data. We design an effective algorithm that constructs and expands rules of grammar without human involvement. Then we integrate the constructed rules as a pseudo-labeling mechanism into self-training. There are two possible scenarios regarding data distribution: it is unknown or known in prior to training. We empirically demonstrate that our approach substantially outperforms the state-of-the-art methods in three benchmark datasets for both scenarios.
The mentioning relational database system term has become a synonymous to
database system, but the monopoly of big companies that work in database systems field
has become an obsession for persons who work in this field, because of the high costs o
f
this systems. For this reason the concerns turn towards the advanced technique : the native
XML database systems which are free or most of them are open source systems because of
the increasing dependency on XML files and particularly in transporting data between
different applications and the availability of collections of related files. This has
summoned towards a system to manage and organize them, for this reason the NXDs
appeared. The aim of this study is making a comparison between the capabilities of
RDBMS and NXDs in accordance to multiple standards , investing these two techniques
in practical application , make the relevant tests which reflect the use of these techniques
on the suggested application , display the results and give future suggestions.
relation extraction systems have made extensive use of features generated
by linguistic analysis modules. Errors in these features lead to errors of
relation detection and classification. In this work, we depart from these
traditional approaches w
ith complicated feature engineering by introducing
a convolutional neural network for relation extraction that automatically
learns features from sentences and minimizes the dependence on external
toolkits and resources. Our model takes advantages of multiple window
sizes for filters and pre-trained word embeddings as an initializer on a nonstatic
architecture to improve the performance.
In our research we offer detailed study of one of the data
mining functions within the text data using the object properties in
databases. It studies the possibility of applying this function on the
Arabic texts. We use procedural query language P
L / SQL that
deals with the object of Oracle databases.
Data mining model Has been built. It works on classification
of Arabic texts documents using SVM algorithm for indexing of
texts and texts preparation, Naïve Bayes algorithm to classify data
after transformation it into nested tables. So we made an evaluation
of the obtained results and conclusions.
suggested questions
Log in to be able to interact and post comments
comments
Fetching comments
Sign in to be able to follow your search criteria
