ناقشت أطروحة دكتوراه في كلية تكنولوجيا المعلومات (شبكة الانحدار المتكيفة العصبية لتحسين تحديد التغيير لسيل البيانات باستخدام نموذج صفحة هنكلي المحدث)، للطالبة علياء عبد الحسين لفته، بإشراف الدكتورة إيمان صالح صكبان.
أوضحت الدراسة أن البيانات التي تصل باستمرار في فترات متفاوتة وربما غير منتظمة تعرف باسم دفق البيانات، وتتطلب أجهزة الاتصال التي تسمى إنترنت الأشياء معالجة الدفق للتعامل مع البيانات القادمة من مستشعرات الأجهزة المتصلة التي تعد المصدر الأساسي لدفق البيانات الآن وفي المستقبل.
وبينت الدراسة أن الغرض الرئيسي من الأطروحة هو الكشف عن الانجراف في دفق البيانات وتحديد أنواعه، حيث يتكون النظام المقترح من سبع مراحل، وتم تقديم نموذج الاستيفاء لحل مشكلة القيم المفقودة على أساس انحدار متعدد الحدود في المرحلة الأولى، وتم مقارنة النتائج مع طرق المعالجة المسبقة الأخرى وتقييمها بواسطة معدل مربع الخطأ ومعدل مطلق الخطأ، وفي المرحلة الثانية تم تطبيق نافذة حجم متغير وفقًا لمجموعة البيانات، وبعدها تم استخراج العديد من الخصائص الإحصائية لكل نافذة في المرحلة الثالثة.
وفي المرحلة الرابعة اقترحت الشبكة العصبية التكيفية لتقليل خطأ التنبؤ وتم تقييمها بواسطة معدل مربع الخطأ ومعدل مطلق الخطأ ومقارنته بأساليب الانحدار التقليدية، وتم استخدام مصنف اقرب المجاورين في المرحلة الخامسة للحصول على نوع الصنف، وفي المرحلة السادسة تم تعديل طريقة صفحة هنكلي للكشف عن الانجراف وتحديد نوع هذا الانجراف، وتم استخدام مجموعة البيانات الاصطناعية مع مقاييس الأداء الشائعة لتقييم هذه المرحلة بافتراض أن نقطة التغيير يمكن اعتبارها الفئة "الإيجابية" بينما لا يمكن اعتبار أي تغيير في الفئة "السلبية".
أوضحت الدراسة أن البيانات التي تصل باستمرار في فترات متفاوتة وربما غير منتظمة تعرف باسم دفق البيانات، وتتطلب أجهزة الاتصال التي تسمى إنترنت الأشياء معالجة الدفق للتعامل مع البيانات القادمة من مستشعرات الأجهزة المتصلة التي تعد المصدر الأساسي لدفق البيانات الآن وفي المستقبل.
وبينت الدراسة أن الغرض الرئيسي من الأطروحة هو الكشف عن الانجراف في دفق البيانات وتحديد أنواعه، حيث يتكون النظام المقترح من سبع مراحل، وتم تقديم نموذج الاستيفاء لحل مشكلة القيم المفقودة على أساس انحدار متعدد الحدود في المرحلة الأولى، وتم مقارنة النتائج مع طرق المعالجة المسبقة الأخرى وتقييمها بواسطة معدل مربع الخطأ ومعدل مطلق الخطأ، وفي المرحلة الثانية تم تطبيق نافذة حجم متغير وفقًا لمجموعة البيانات، وبعدها تم استخراج العديد من الخصائص الإحصائية لكل نافذة في المرحلة الثالثة.
وفي المرحلة الرابعة اقترحت الشبكة العصبية التكيفية لتقليل خطأ التنبؤ وتم تقييمها بواسطة معدل مربع الخطأ ومعدل مطلق الخطأ ومقارنته بأساليب الانحدار التقليدية، وتم استخدام مصنف اقرب المجاورين في المرحلة الخامسة للحصول على نوع الصنف، وفي المرحلة السادسة تم تعديل طريقة صفحة هنكلي للكشف عن الانجراف وتحديد نوع هذا الانجراف، وتم استخدام مجموعة البيانات الاصطناعية مع مقاييس الأداء الشائعة لتقييم هذه المرحلة بافتراض أن نقطة التغيير يمكن اعتبارها الفئة "الإيجابية" بينما لا يمكن اعتبار أي تغيير في الفئة "السلبية".
