الفصل الثامن
TRANSCRIPT
التنقيبوارزميات وختطبيقاتالمجال في في قواعد البيانات
المني والستخباراتي
إعدادأحمد أبو الفتوح/ د
تقديممن عالتكنولوجياتمن عالتكنولوجيات التنقي ب ف ي قواع د ال بيانات التنقي ب ف ي قواع د ال بيانات يععديععد•
إل ى استخلص المعلوماتإل ى استخلص المعلوماتالحديثععة ععالتععي ععتهدف ععالحديثععة ععالتععي ععتهدف عع..المخبأة فيهاالمخبأة فيها
ستخدامها للمؤس سات وأجهزة المنستخدامها للمؤس سات وأجهزة المنويوفعر عإويوفعر عإ• -- في جميع المجالت القدرة على استكشاففي جميع المجالت القدرة على استكشاف
أه م المعلومات ف ي قواعدأه م المعلومات ف ي قواعد- - والتركي ز عل ىوالتركي ز عل ى..البياناتالبيانات
ترك ز تقنيات التنقي ب على بناء التنبؤاتترك ز تقنيات التنقي ب على بناء التنبؤاتوو•المس تقبلية واس تكشاف السلوكالمس تقبلية واس تكشاف السلوك
والتجاهات، مم ا يس مح بتقدير القراراتوالتجاهات، مم ا يس مح بتقدير القرارات..الصحيحة واتخاذها في الوقت المناسبالصحيحة واتخاذها في الوقت المناسب
تجي ب تقنيات التنقي ب عل ى العدي د منتجي ب تقنيات التنقي ب عل ى العدي د من•الس ئلة، وف ي وق ت قياس ي، بخاص ة تلكالس ئلة، وف ي وق ت قياس ي، بخاص ة تلكالنوعي ة م ن الس ئلة الت ي كان م ن الصعبالنوعي ة م ن الس ئلة الت ي كان م ن الصعب
-- إن ل م يك ن مستحيًلإن ل م يك ن مستحيًل -- الجاب ة عليه االجاب ة عليه االكلسيكية، والتيالكلسيكية، والتيالحصاء الحصاء ستخدام تقنيات ستخدام تقنيات إإبب
كان ت إ ن وجدت فإنه ا تستغرق وقتًا طويًلكان ت إ ن وجدت فإنه ا تستغرق وقتًا طويًل ..والعديد من إجراءات التحليلوالعديد من إجراءات التحليل
التقنيات الحديثة للتنقيب فيقواعد البيانات
Nearest NeighborNearest Neighbor: : الجار القرب الجار القرب 1 – 1 –
Cluster Cluster : : التجزئة العنقودية التجزئة العنقودية 2 – 2 – AnalysisAnalysis
Decision TreesDecision Trees: : شجر القرار شجر القرار 3 – 3 –
Neural Neural : : الشبكات العصبية الشبكات العصبية 4 – 4 – NetworksNetworks
Rule InductionRule Induction: : استقراء القاعدة استقراء القاعدة 5 – 5 –
خوارزمية الجار القرب - 1Nearest Neighbor
في عالمجالفي عالمجالستخدم ستخدم وهعي عمعن عتقنيات عالتنقيعب عفعي عقواععد عالعبيانات عالتعي عتوهعي عمعن عتقنيات عالتنقيعب عفعي عقواععد عالعبيانات عالتعي عت•للكش ف ع ن مرتك بي جريم ة م ا وذل ك بأ ن يتمللكش ف ع ن مرتك بي جريم ة م ا وذل ك بأ ن يتمالمنعي عالمنعي ع
استخدام المعلومات الخاصة بالجرائم الشبيهة التي تماستخدام المعلومات الخاصة بالجرائم الشبيهة التي تمارتكابه ا س ابقًا بهدف تحدي د هوي ة مرتك ب الجريمةارتكابه ا س ابقًا بهدف تحدي د هوي ة مرتك ب الجريمةالحالية عن طريق تحديد عدد من السجلت التجريبيةالحالية عن طريق تحديد عدد من السجلت التجريبية
.. ثم استخدامها بهدف التنبؤ بالقيمة المطلوبةثم استخدامها بهدف التنبؤ بالقيمة المطلوبة، إذا كان لدين ا مجموع ة م ن الجرائ م ذات طابع، إذا كان لدين ا مجموع ة م ن الجرائ م ذات طابعفمثلفمثل•
معي ن والت ي ت م ارتكابه ا س ابقًا فإ ن استخدام هذهمعي ن والت ي ت م ارتكابه ا س ابقًا فإ ن استخدام هذهالخوارزمية سيكون بأن يتم بحث حالة الجوار لطبيعةالخوارزمية سيكون بأن يتم بحث حالة الجوار لطبيعة
..المجرمين الذين ارتكبوا تلك الجرائمالمجرمين الذين ارتكبوا تلك الجرائم
الصفات الساسية لولئكالصفات الساسية لولئك في هذه الحالة هو في هذه الحالة هو الجوارالجوار•المجرمي ن، كالعم ر والمس توى التعليم ي والوضعالمجرمي ن، كالعم ر والمس توى التعليم ي والوضع
، ولكن هذا ل ينفي، ولكن هذا ل ينفيالجتماعي بالضافة لدوافع ارتكابهاالجتماعي بالضافة لدوافع ارتكابهاأنه يمكن أن يتم اكتشاف صفة أو طبيعة جوار محددةأنه يمكن أن يتم اكتشاف صفة أو طبيعة جوار محددةول م تك ن بالحس بان بحي ث تؤدي إل ى كشف المجرمول م تك ن بالحس بان بحي ث تؤدي إل ى كشف المجرم
.. المطلوبالمطلوب
التحليل بالتجزئة العنقودية - 2Cluster Analysis
ه ي عملي ة تجمي ع الس جلت المتشابهةه ي عملي ة تجمي ع الس جلت المتشابهة•في مجموعات، ويت م ذلك بهدففي مجموعات، ويت م ذلك بهدف
الس تكشاف عال ي المس توى لما يجريالس تكشاف عال ي المس توى لما يجري..داخل قاعدة البياناتداخل قاعدة البيانات
ففي مجال المن عادة ما يستخدم التحليلففي مجال المن عادة ما يستخدم التحليل•العنقودي في تجزئة الشخاص، أو السكانالعنقودي في تجزئة الشخاص، أو السكانبشكل عام، إلى مجموعات يمكن دراستهابشكل عام، إلى مجموعات يمكن دراستها
..بشكل مباشر ومحددبشكل مباشر ومحددكذل ك يمك ن اس تخدامها ف ي تجزئةكذل ك يمك ن اس تخدامها ف ي تجزئة•
مجموعة من الشخاص المرتبطين بقضيةمجموعة من الشخاص المرتبطين بقضيةمعين ة بهدف اس تكشاف الروابط والفوارقمعين ة بهدف اس تكشاف الروابط والفوارقالتي يمكن أن يستفاد منها في فك رموزالتي يمكن أن يستفاد منها في فك رموز
..القضيةالقضيةفمثًل عن د دراس ة معدلت ارتكاب الجريمةفمثًل عن د دراس ة معدلت ارتكاب الجريمة•
بشك ل مفص ل لك ل فئ ة عمري ة يمك ن أنبشك ل مفص ل لك ل فئ ة عمري ة يمك ن أننس تنتج أ ن هذا المعدل يق ل بشكل عامنس تنتج أ ن هذا المعدل يق ل بشكل عام
..لكنه يتزايد لفئة عمرية معينةلكنه يتزايد لفئة عمرية معينة
التجزئة الهرميةالتجزئة الهرمية
بشك ل عام، تهدف التجزئ ة العنقوديةبشك ل عام، تهدف التجزئ ة العنقوديةوو•إل ى وض ع العناص ر المتجانس ة فيإل ى وض ع العناص ر المتجانس ة في
..مجموعات منفصلةمجموعات منفصلة
بناءا علىبناءا علىضم أي عنصر في مجموعة ضم أي عنصر في مجموعة ويتم ويتم •العنصر مائًل للتشابه بعنصرالعنصر مائًل للتشابه بعنصرهذا هذا أن يكون أن يكون
منها أكثر من أن يكون شبيهًا لعنصر منمنها أكثر من أن يكون شبيهًا لعنصر من..مجموعة أخرىمجموعة أخرى
أمثلة على التجزئة العنقوديةأمثلة على التجزئة العنقودية
شجر القرار - 3Decision Trees
شجرة القرار ه ي نموذج استكشافيشجرة القرار ه ي نموذج استكشافي•فرعفرعيمثل كل يمثل كل وو. . يظهر على شكل شجرةيظهر على شكل شجرة
وتمثل وتمثلمن فروعه ا س ؤاًل تص نيفيًامن فروعه ا س ؤاًل تص نيفيًاتنتميتنتمي أوراقها أجزاءًا من قاعدة البياناتأوراقها أجزاءًا من قاعدة البيانات
..للتصنيفات التي تم بنائهاللتصنيفات التي تم بنائها
الجرائم المرتكبة فيتقسيم باستخداملمناطق أحدى ا
خوارزمية شجر القرارإجمالي حوادث القتل التي وقعت
100جريمة القتل عمدًا ؟: السؤال
إجمالي حوادث القتل العمد60
؟30 >عمر القاتل : السؤال
إجمالي حوادث القتل الخطأ40
< 30حوادث القتل العمد، العمر الدافع هو السرقة ؟: السؤال
40
حوادث القتل العمد،30من > العمر
20
> 30 حوادث القتل العمد، العمر والدافع ليس السرقة
10
< 30 حوادث القتل العمد، العمر والدافع هو السرقة
30
ل
ل
نعم
نعم
نعم
ل
استخدام شجرة القرار في التنبؤ
وم ن المه م جدًا عن د بناء خوارزميةوم ن المه م جدًا عن د بناء خوارزمية•شجرة القرار أ ن يؤخ ذ بعين العتبارشجرة القرار أ ن يؤخ ذ بعين العتبارأن تكون قابلة للتطبيق بقدر المكانأن تكون قابلة للتطبيق بقدر المكانوبشك ل مثال ي عل ى ك ل البياناتوبشك ل مثال ي عل ى ك ل البيانات
..المتوفرةالمتوفرة
القاعدة الس اسية في بناء شجرةالقاعدة الس اسية في بناء شجرة•القرار هي إيجاد أفضل سؤال عند كلالقرار هي إيجاد أفضل سؤال عند كلفرع م ن فروع الشجرة بحي ث يقسمفرع م ن فروع الشجرة بحي ث يقسمهذا الس ؤال ال بيانات إل ى قسمين،هذا الس ؤال ال بيانات إل ى قسمين،القس م الول منه ا ينطب ق عليهمالقس م الول منه ا ينطب ق عليهمالس ؤال والقس م الثان ي ل ينطبق،الس ؤال والقس م الثان ي ل ينطبق،وهكذا يت م م ن خلل س لسلة منوهكذا يت م م ن خلل س لسلة منالس ئلة بناء شجرة القرار بفروعهاالس ئلة بناء شجرة القرار بفروعها
..المتسلسلةالمتسلسلة
الفرق بين شجر ة القراروالتجزئة العنقودية
تهدف تقني ة شجرة القرار إل ى تقسيمتهدف تقني ة شجرة القرار إل ى تقسيم•قاعدة ال بيانات بهدف معي ن س بق وأنقاعدة ال بيانات بهدف معي ن س بق وأن
..تم تحديدهتم تحديده
ق د تكون شجرة القرار أكث ر تعقيدًا منق د تكون شجرة القرار أكث ر تعقيدًا من•التجزئ ة العنقودي ة ولكنه ا تؤدي إلىالتجزئ ة العنقودي ة ولكنه ا تؤدي إلىنتائ ج يمك ن إظهاره ا بشك ل مبسطنتائ ج يمك ن إظهاره ا بشك ل مبسط
..وفائدة عالية المستوىوفائدة عالية المستوى
الشبكات العصبية – 4Neural Networks
تعت بر الشبكات العص بية هي وأشجار القرارتعت بر الشبكات العص بية هي وأشجار القرار•من أه م تقنيات التنقي ب ف ي البيانات، نظرًامن أه م تقنيات التنقي ب ف ي البيانات، نظرًاللنتائ ج الدقيق ة الت ي يت م التوص ل إليهاللنتائ ج الدقيق ة الت ي يت م التوص ل إليهاباس تخدام هذه الخوارزميات ولمكانيةباس تخدام هذه الخوارزميات ولمكانية
تطبيقهم ا ف ي ح ل العدي د م ن المشاكلتطبيقهم ا ف ي ح ل العدي د م ن المشاكلوبكاف ة النواع، هذا بالرغ م م ن صعوبتهماوبكاف ة النواع، هذا بالرغ م م ن صعوبتهما
..والتي أدت لعدم النتشار بشكل واسع لهماوالتي أدت لعدم النتشار بشكل واسع لهماخوارزمي ة الشبك ة العص بية تشب ه فيخوارزمي ة الشبك ة العص بية تشب ه في•
تركيبته ا تركيب ة م خ النس ان، فه ي تعملتركيبته ا تركيب ة م خ النس ان، فه ي تعملبنف س الطريق ة كم ا يعم ل الم خ ف ي نقلبنف س الطريق ة كم ا يعم ل الم خ ف ي نقل
ومعالج ة المعلومات والتوص ل إلىومعالج ة المعلومات والتوص ل إلىالستنتاجات واكتشاف النماط والتنبؤاتالستنتاجات واكتشاف النماط والتنبؤات
ونستطيع من خللها تطبيق بعض ما يطبقهونستطيع من خللها تطبيق بعض ما يطبقهالمخ الطبيعي، رغم أن العلماء ل يزالون حتىالمخ الطبيعي، رغم أن العلماء ل يزالون حتىاليوم يكتشفون المزيد ولم يلموا بكل تفاصيلاليوم يكتشفون المزيد ولم يلموا بكل تفاصيل
..عمل مخ النسانعمل مخ النسان
المفهومالمفهوم•..الشبكات العصبية الطبيعيةالشبكات العصبية الطبيعية –..ANNANNالشبكات العصبية الصطناعية الشبكات العصبية الصطناعية –
المكوناتالمكونات•معمارية الشبكة العصبية الصطناعيةمعمارية الشبكة العصبية الصطناعية•اسلوب المعالجة فى الشبكات العصبية الصطناعيةاسلوب المعالجة فى الشبكات العصبية الصطناعية•..حالة توضيحية لحد تطبيقات الشبكات العصبية الصطناعيةحالة توضيحية لحد تطبيقات الشبكات العصبية الصطناعية•..خاتمة خاتمة •
**
طريقة عمل خوارزمية الشبكات العصبية الصطناعية
علم الذكاء الصطناعىعلم الذكاء الصطناعىتطبيقات تطبيقات كأحد كأحد
..لقد تعلم النسان من خلقته التى خلقه ال عليها لقد تعلم النسان من خلقته التى خلقه ال عليها •فالشبكات العصبية فى عقل النسان تعمل بطريقةفالشبكات العصبية فى عقل النسان تعمل بطريقة
وأستطاع النسان مععععنوأستطاع النسان مععععن. . غاية فى الدقة والتعقيد غاية فى الدقة والتعقيد
خلل فهمه لتركيبة تلك الشبكة الطبيعية وطريقعةخلل فهمه لتركيبة تلك الشبكة الطبيعية وطريقعة
تخزينها ومعالجتها للمعلعومات أن يحععاكى ذلعععكتخزينها ومعالجتها للمعلعومات أن يحععاكى ذلعععك
بإستعمال شبكات عصبية إصطناعية داخععععععععععلبإستعمال شبكات عصبية إصطناعية داخععععععععععل
برامج الحاسب تقوم بحل العديد من المسععععععععائلبرامج الحاسب تقوم بحل العديد من المسععععععععائل
..واتخاذ العديد من القرارات واتخاذ العديد من القرارات
علم علمتطعبيقاتتطعبيقاتتععد عالشبكات عالعصعبية عالصعطناعية عأحعد عتععد عالشبكات عالعصعبية عالصعطناعية عأحعد عوو•والذى عيحظعى عبإهتمام عكعبير عمنوالذى عيحظعى عبإهتمام عكعبير عمن AIAIالذكاء عالصعطناعى عالذكاء عالصعطناعى ع
الباحثيعععن عععفعععى عععمجال ععععلوم عععالحاسعععب عععوتكنولوجياالباحثيعععن عععفعععى عععمجال ععععلوم عععالحاسعععب عععوتكنولوجياالمعلومات ع، علمععععععا عتتيحعه عهذه عالنظعم عمعن عقدرة عكبيرةالمعلومات ع، علمععععععا عتتيحعه عهذه عالنظعم عمعن عقدرة عكبيرةوسعرععععة عععاليععععععة عفعى عإسعترجاع ععكميات عكعبيرة عمنوسعرععععة عععاليععععععة عفعى عإسعترجاع ععكميات عكعبيرة عمنالمعلومات عوالقدرة عالمتميزة عفعى عالتعرف ععلى عالشكالالمعلومات عوالقدرة عالمتميزة عفعى عالتعرف ععلى عالشكالنتيجععة ععالرتكاز عععلععى ععاسععلععععوب ععالمعالجععة ععالمتوازيةنتيجععة ععالرتكاز عععلععى ععاسععلععععوب ععالمعالجععة ععالمتوازية
Parallel processingParallel processing..
**
ويمكن القععول بأن الشبكات العصبيعععة الصطناعيةويمكن القععول بأن الشبكات العصبيعععة الصطناعية ANNs ANNs هى عبارة عن تقنية معالجععععة المعلومات هى عبارة عن تقنية معالجععععة المعلومات
والنظععععععاموالنظععععععام BrainBrainالمنبثقعة عععن ععلعم عدراسعة عالمعخ عالمنبثقعة عععن ععلعم عدراسعة عالمعخ ع..فى النسانفى النسان Nervous systemNervous systemالعصبى العصبى
ولقد شهدت هذه التقنية دراسات عديدة من الباحثين ولقد شهدت هذه التقنية دراسات عديدة من الباحثين تطورت مع التقدم فى علم دراسة العصاب لفهم آلياتتطورت مع التقدم فى علم دراسة العصاب لفهم آلياتالعقعل عفعى ععمليات عالسعتنتاج عالمنطقعى عوالمعالجععععععععة ع،العقعل عفعى ععمليات عالسعتنتاج عالمنطقعى عوالمعالجععععععععة ع،
..لتحاكى بذلك العقل البشرى لتحاكى بذلك العقل البشرى
12.16
المفهومالطبيعيةالطبيعية((الشبكة العصبية البشرية الشبكة العصبية البشرية (1) (1) ((
Biological Neural NetworksBiological Neural Networks
يتكون مخ النسعععان من بليين من الخليععععععايتكون مخ النسعععان من بليين من الخليععععععا•..وأنواعها عديدة ومختلفةوأنواعها عديدة ومختلفة NeuronsNeuronsالعصبية العصبية
تنتشر هذه الخليا فى مجموعات تسمى شبكععاتتنتشر هذه الخليا فى مجموعات تسمى شبكععات•NetworksNetworks شديدة التداخعععععععععععل فيما بينهاشديدة التداخعععععععععععل فيما بينها
InterconnectedInterconnected ولذلك ينظر لها علععععععى ولذلك ينظر لها علععععععى
..أنها تجمع من الشبكات العصبية أنها تجمع من الشبكات العصبية
**
12.18
فى فى NucleusNucleusيوجد بكل خلية عصبية نواة عصبية يوجد بكل خلية عصبية نواة عصبية •
DendritesDendritesالمنتصف ولها بعض النهايات العصبية المنتصف ولها بعض النهايات العصبية
..للخليةللخلية InputsInputsوهى المسئولة عن المدخلت وهى المسئولة عن المدخلت
مسئول عنمسئول عن AxonAxonيوجد بالخلية كذلك موصل طرفى يوجد بالخلية كذلك موصل طرفى •..الخالخ.. .. من خلية الى اخرىمن خلية الى اخرى outputoutputنقل المخرجات نقل المخرجات
**
12.19
والواقع أن هذه الطراف أو النهايات العصبية لجسم الخلياوالواقع أن هذه الطراف أو النهايات العصبية لجسم الخليا•العصعبية عتتصعل عبأطراف عالخليعا عالخرى عععن عطريعق عمايسمىالعصعبية عتتصعل عبأطراف عالخليعا عالخرى عععن عطريعق عمايسمى
والتى تنتقل عبرها الشعععععاراتوالتى تنتقل عبرها الشعععععارات SynapseSynapseبنقطة المرور بنقطة المرور ..العصبيعععة وتتحكم فى زيادتهعا أو نقصانهاالعصبيعععة وتتحكم فى زيادتهعا أو نقصانها
12.20
**
12.22
عن طريق محاكاة طرق الستنتاج المنطقى عند النسعععععععععععععععان عن طريق محاكاة طرق الستنتاج المنطقى عند النسعععععععععععععععان
Human ResoningHuman Resoning وفى ظل إستحداث اسلععوب المعالجة، وفى ظل إستحداث اسلععوب المعالجة ،أمكن بناء حعععععععاسباتأمكن بناء حعععععععاسبات Parallel processingParallel processingالمتوازية المتوازية
وبرمجيات ذكية ذات إمكععععععععانيات معمارية ومععععالجية تحاكىوبرمجيات ذكية ذات إمكععععععععانيات معمارية ومععععالجية تحاكى..بعض إمكانيات المعالععععععععج التى يقوم بها ذلك العقل البشرى بعض إمكانيات المعالععععععععج التى يقوم بها ذلك العقل البشرى
ولقد اطلق على تلك التقنية التى تحاكى ولقد اطلق على تلك التقنية التى تحاكى
العقل البشرى إسم “الحساب العصبى”العقل البشرى إسم “الحساب العصبى”
Neural Computing Neural Computing
أو الشبكات العصبية الصطناعيةأو الشبكات العصبية الصطناعية
(Artificial Neural Networks (ANNs(Artificial Neural Networks (ANNs
**
12.23
هى نموذج معالجة معلومات مستوحى من طرق النظععم العصبيةهى نموذج معالجة معلومات مستوحى من طرق النظععم العصبية•..الحيوية ليحاكى بذلك الشبكة العصبية الطبيعيةالحيوية ليحاكى بذلك الشبكة العصبية الطبيعية
ترتكز تقنية المعالجة فى الشبكة العصبية الصطناعيععععة علعععىترتكز تقنية المعالجة فى الشبكة العصبية الصطناعيععععة علعععى•Processing Element Processing Element مايعرف بعناصر المعالجععععععععععععة مايعرف بعناصر المعالجععععععععععععة
((PE ((PE والتى تسمى أيضا بالخليا العصبية الصطناعيعععععععععععةوالتى تسمى أيضا بالخليا العصبية الصطناعيعععععععععععةArtificial NeuronsArtificial Neurons والتى تتصل فيما بينهععا فى شبكعةوالتى تتصل فيما بينهععا فى شبكعة
معمارية تعمل فى تنسيق لحل مشاكعععل معينعععععععة وهذه الخليامعمارية تعمل فى تنسيق لحل مشاكعععل معينعععععععة وهذه الخليا..الصطناعية تناظر الخليعععععععععا العصبية الطبيعيةالصطناعية تناظر الخليعععععععععا العصبية الطبيعية
12.24
)إستمرار(المفهومالشبكة العصبية الصطناعيةالشبكة العصبية الصطناعية(2) (2)
Artificial Neural Networks Artificial Neural Networks
تابع
المخرجات الناتجة من الخلية الصطناعية والتى تناظعععرالمخرجات الناتجة من الخلية الصطناعية والتى تناظعععر•الشارات الخارجة من الخلية الطبيعية عن طريعععععععقالشارات الخارجة من الخلية الطبيعية عن طريعععععععق
تكون على شكلتكون على شكل AxonAxon الموصل الطرفى الموصل الطرفى إشععععععارات صناعية يمكن تغييرها بطريقة تشعععابه تلكإشععععععارات صناعية يمكن تغييرها بطريقة تشعععابه تلك
Synapes Synapes التى تحعععدث فى نقطععععة المععععععععرور التى تحعععدث فى نقطععععة المععععععععرور بالشبكة الطبيعيةبالشبكة الطبيعية
التطبيقات التي ترتكز على إستخدامالتطبيقات التي ترتكز على إستخدامالشبكات العصبية الصطناعيةالشبكات العصبية الصطناعية حلولً أعطت العصبية الشبكات
من للكثير عاليـة كفاءة ذاتمن العديد في التطبيقات
منها نذكـر :المجالتعلى • والتعرف النماط تمييز
. الصورالصور • على التعرف على القدرة
. المشوهةجزء • فقدت التي الصور إكمال
المرسلة الصور مثل منها،الصناعية القمار . بواسطة
من • عدد إلى التصنيف عملياتإلى . الفئات الحيوانات تصنيف مثل
مفترسة و .أليفة
(3)مكونات الشبكة العصبية الصطناعية
من مجموعةمن مجموعة ANNANNتتكون الشبكة العصبية الصطناعية تتكون الشبكة العصبية الصطناعية •وكلوكل. . تركب بطرق مختلفة تركب بطرق مختلفة ) ) PEPE( ( من عناصر المعالجة من عناصر المعالجة
عنصععر ععمعالجععة ععيسععتقبل ععأععى عععدد ععمععن ععالمدخلت ععأوعنصععر ععمعالجععة ععيسععتقبل ععأععى عععدد ععمععن ععالمدخلت ععأو..المتغيرات ويعطى أشارة خارجة واحدة المتغيرات ويعطى أشارة خارجة واحدة
المدخلت عيمكعن عان عتكون ععلعى عصورة عبيانات عخام عاوالمدخلت عيمكعن عان عتكون ععلعى عصورة عبيانات عخام عاو•..تكون هى المخرجات من عناصر معالجة أخرى تكون هى المخرجات من عناصر معالجة أخرى
تابععععععع(مكونات الشبكة (
الشارة عالخارجعة عمعن عنموذج عالشبكعة عيمكعن عأن عتكونالشارة عالخارجعة عمعن عنموذج عالشبكعة عيمكعن عأن عتكون•النتيجععة ععالنهائيععة ععللمشكلععة ععالمطلوب ععحلهععا ععبإستخدامالنتيجععة ععالنهائيععة ععللمشكلععة ععالمطلوب ععحلهععا ععبإستخدام
..الشبكة أو تكون مدخل لعنصر معالجة آخر الشبكة أو تكون مدخل لعنصر معالجة آخر
الشكل التالى يوضح نموذج عنصر المعالجة فى الشبكةالشكل التالى يوضح نموذج عنصر المعالجة فى الشبكة•العصبية الصطناعية التى تحاكى الخلية العصبية فعععىالعصبية الصطناعية التى تحاكى الخلية العصبية فعععى
..العقل البشرى العقل البشرى
An Artificial Neuron
w1jw2j
w3j
wij
x1
x2
x3
xi
∑ f(x) y
شكل يحاكى فكرة الخلية العصبية الطبيعيةشكل يحاكى فكرة الخلية العصبية الطبيعية
معمارية الشبكة العصبية الصطناعية(4) ANN Toplogy
يتعم عتجميعع ععناصعر عالمعالجعة عفعى عمجموعات عموزععة عفىيتعم عتجميعع ععناصعر عالمعالجعة عفعى عمجموعات عموزععة عفى•لتكويععن ععمعماريععة ععالشبكععة ععالعصبيةلتكويععن ععمعماريععة ععالشبكععة ععالعصبية LayersLayersطبقات ععطبقات عع
..الصطناعية الصطناعية
يتألف معمار الشبكة العصبية الصطناعية من مجموعةيتألف معمار الشبكة العصبية الصطناعية من مجموعة•متتاليعععة عععمعععن ععععناصعععر ععالمعالجةمتتاليعععة عععمعععن ععععناصعععر ععالمعالجة layerslayersطبقات عععطبقات ععع
..والترابطات والترابطات
تابع( معمارية الشبكة (
وتتعدد طوبولوجيات الشبكة العصبية الصطناعيةوتتعدد طوبولوجيات الشبكة العصبية الصطناعية بمعنى اتصال الخليا العصبية بطرق مختلفة مما يعطىبمعنى اتصال الخليا العصبية بطرق مختلفة مما يعطى
..أشكال عديدة للشبكة أشكال عديدة للشبكة
أبسعط عتركيعب عممكعن علشبكعة ععصعبية عهعو عالتركيب عالذىأبسعط عتركيعب عممكعن علشبكعة ععصعبية عهعو عالتركيب عالذى يتكون من طبقة واحدة من العناصر تربط ربطا مباشرايتكون من طبقة واحدة من العناصر تربط ربطا مباشرا
..مدخلت الشبكة مع مخرجاتها مدخلت الشبكة مع مخرجاتها
شبكة إصطناعية أحادية الطبقات
مخرجات الشبكةمخرجات الشبكة•
مدخلت الشبكةمدخلت الشبكة•
شبكة إصطناعية ثنائية الطبقاتOutput Values
Input Signals (External Stimuli)
AdjustableWeights
تابععععععععععععع
نتيجععة ععالقصععور ععفععى ععأداء ععالتركيععب ععالسابق ععظهرتنتيجععة ععالقصععور ععفععى ععأداء ععالتركيععب ععالسابق ععظهرت•معماريات أخرى للشبكات تحتوى تراكيبها على أكثر منمعماريات أخرى للشبكات تحتوى تراكيبها على أكثر منطبقة من عناصر المعالجة والتى تعرف بالشبكات متعددةطبقة من عناصر المعالجة والتى تعرف بالشبكات متعددة
والتى عتتكونوالتى عتتكون Multi Layer NetworksMulti Layer Networksالطبقات عالطبقات ع::من من
Input layerInput layerطبقة المدخلت طبقة المدخلت •Hidden LayersHidden Layersأو الطبقات الخفية أو الطبقات الخفية / / الطبقة الطبقة •Output LayerOutput Layerطبقة المخرجات طبقة المخرجات •
شبكة إصطناعية متعددة الطبقات
الطبقة الخفية الولىالطبقة الخفية الولى
طبقة المخرجاتطبقة المخرجات
طبقة المدخلتطبقة المدخلتعنصر معالجةعنصر معالجة
(PE)(PE)
الطبقة الخفية الثانيةالطبقة الخفية الثانية
تابععععععععععععععع
فعى عضوء عالمعماريات عالسعابقة عيستخدم عالباحثون ع عأنواعفعى عضوء عالمعماريات عالسعابقة عيستخدم عالباحثون ع عأنواع•وتقنيات عععمتعددة عععفعععى عععتصعععميم عععالشبكات عععالعصبيةوتقنيات عععمتعددة عععفعععى عععتصعععميم عععالشبكات عععالعصبية
:: الصطناعيةالصطناعيةالمامية 1 - 1 - لتغذية ا المامية شبكات لتغذية ا .. شبكات
Feed-Forward NetworksFeed-Forward Networks one wayone wayوهى تسمح للشارات بالمرور فى اتجاه واحد فقط وهى تسمح للشارات بالمرور فى اتجاه واحد فقط •
..من المدخل الى المخرج من المدخل الى المخرج والشبكات العصبية من هذا النوع تميل الى ان تكون شبكات ربطوالشبكات العصبية من هذا النوع تميل الى ان تكون شبكات ربط•
..المدخلت بالمخرجات مباشرة المدخلت بالمخرجات مباشرة
مثال لشبكة عصبية ذات تغذية أمامية
طبقة الخراج طبقة مخفية داخلية طبقة الدخالطبقة الخراج طبقة مخفية داخلية طبقة الدخال
مدخلتمدخلتمخرجاتمخرجات
تابع
) :) :أو العكسىأو العكسى((شبكات النتشارالخلفى شبكات النتشارالخلفى 2- 2- • Back- propagationBack- propagation NetworksNetworks
وهى تحتوى على إشارات تمر فى كل التجاهين بإدخال حلقاتوهى تحتوى على إشارات تمر فى كل التجاهين بإدخال حلقات•..تكرار فى الشبكة تكرار فى الشبكة
هذا النوع من الشبكات قوى جدا ومعقد الى درجة كبيرةهذا النوع من الشبكات قوى جدا ومعقد الى درجة كبيرة•هذا النوع من الشبكات تتغير حالتها بإستمرار الى أن تصل الىهذا النوع من الشبكات تتغير حالتها بإستمرار الى أن تصل الى•
..نقطة التوازن نقطة التوازن
مثال لشبكة عصبية ذات تغذية عكسية
طبقة الدخال طبقة الدخالطبقة مخفية داخليةطبقة مخفية داخليةطبقة الخراج طبقة الخراج
مدخلتمدخلتمخرجاتمخرجات
معالجة المعلومات فى (5)بيئة الشبكات العصبية الصطناعية
::ترتكز عملية معالجة المعلومات على مجموعة من العناصر ترتكز عملية معالجة المعلومات على مجموعة من العناصر
المدخلت المدخلت Inputs Inputs
. .attributeattributeكل مدخل هنا يمثل صفة مميزة واحدة كل مدخل هنا يمثل صفة مميزة واحدة
المخرجات المخرجاتOutputsOutputs
..حل المشكلة التى نحن بصددهاحل المشكلة التى نحن بصددها) ) ناتجناتج((وهى تمثل قرار وهى تمثل قرار
تابع
الوزان الوزانWeightsWeights
فىفى key elementkey elementيعتبر الوزن هو العنصر الرئيسى يعتبر الوزن هو العنصر الرئيسى - - . .ANNANNالشبكات العصبية الصطناعية الشبكات العصبية الصطناعية
يععبر عالوزن عععن عالهميعة عالنسعبية عأعو عالقيمعة عالحسابيةيععبر عالوزن عععن عالهميعة عالنسعبية عأعو عالقيمعة عالحسابية- - ..للبيانات المدخلة الى عناصر المعالجةللبيانات المدخلة الى عناصر المعالجة
تابعععععع
دالة الجمع دالة الجمعSummation functionSummation functionتقوم عهذه عالدالعة عبحسعاب عالوزن عالمتوسعط علكعل عالمدخلت عالىتقوم عهذه عالدالعة عبحسعاب عالوزن عالمتوسعط علكعل عالمدخلت عالى
فى وزنهافى وزنها ) ) ))XXjjعنصر المعالجة وذلك بضرب كل قيمة مدخلة عنصر المعالجة وذلك بضرب كل قيمة مدخلة ::كالتى كالتى ) ) YY( ( فيتم إيجاد المجموع فيتم إيجاد المجموع ) ) WWjj((النسبى النسبى
لخلية عصبية واحدةلخلية عصبية واحدة
Y = Y = ΣΣ nn
jj X Xii W Wjj
jjلكثر من خلية عصبية لكثر من خلية عصبية YYjj= = ΣΣ jj X Xii W Wjjjj
Sj f(Sj) Yj
xo
x1
x2
xn
+1wj0
wj1
wj2
wjn
a) Single neuron
b) Several neurons
X1X1
X2X2
W11W11
W22W22
W2W211
W12W12
W23W23
PEPE
PEPE
PEPE
Y1Y1
Y2Y2
Y3Y3Y1=x1w11+x2w21Y1=x1w11+x2w21
Y2=x1w12+x2w22Y2=x1w12+x2w22
Y3=x2w23Y3=x2w23
تابعععععععع
دالة النتقال دالة النتقال::عنعنوهى عالدالعة عالمسعئولة عععن عتعديل عوتحويل عالقيمعة عالناتجة عوهى عالدالعة عالمسعئولة عععن عتعديل عوتحويل عالقيمعة عالناتجة ع
عملية الجمع إلى أحد القيم التي يفترض أن تكون ضمنعملية الجمع إلى أحد القيم التي يفترض أن تكون ضمنوذلعك عفعى عضوء عمستوىوذلعك عفعى عضوء عمستوى نواتعج عالشبكعة عالمرغوب عبهعانواتعج عالشبكعة عالمرغوب عبهعا
الذى تتسمالذى تتسم Activation levelActivation level ))أو التفضيلأو التفضيل((الستثارة الستثارة .. به كل خلية عصبيةبه كل خلية عصبية
للمجموعللمجموع TransformedTransformedويرمعز عللقيمعة عالمحولة عويرمعز عللقيمعة عالمحولة ع YYtt بالرمزبالرمز
YYt t = = 11
e+1e+1-y-y
تابعععععععععع
وتهدف ععمليعة عالتحويعل عالعى عتحسعين عمسعتويات عالمخرجات عالىوتهدف ععمليعة عالتحويعل عالعى عتحسعين عمسعتويات عالمخرجات عالى . و عو ع(1) (1) قيمعة عمعقولعة عبيعن عقيمعة عمعقولعة عبيعن ع (0) . خاصعة عوأعن عقيمة عالمخرجاتخاصعة عوأعن عقيمة عالمخرجات(0)
..يمكن ان تكون كبيرة جدا فى حالة وجود أكثر من طبقةيمكن ان تكون كبيرة جدا فى حالة وجود أكثر من طبقة
NormalizedNormalizedأحيانعا عتسعمى عبالقيمعة عالمعدلة عأحيانعا عتسعمى عبالقيمعة عالمعدلة ع YYttوالقيمعة عوالقيمعة ع وعملية التعديل يمكن أن تتم على القيمة الجارية من كل عنصروعملية التعديل يمكن أن تتم على القيمة الجارية من كل عنصر
..معالجة أو تتم على القيمة النهائية الناتجة من الشبكة معالجة أو تتم على القيمة النهائية الناتجة من الشبكة
Example of ANN FunctionX1=3
Sj f(Sj)Y=1.2
W1=0.2
X2=1
X3=2
W2=0.4
W3=0.1
Summation function:Summation function:
Y=3(0.2)+1(0.4)+2(0.1)=1.2Y=3(0.2)+1(0.4)+2(0.1)=1.2
Transformation (Transfer) function :Transformation (Transfer) function :
YYtt = = 11
e+1e+1-1.2-1.2•0.77 =0.77 =
تابععععععععععع
دالة التعلم دالة التعلمLearning functionLearning function
..تتعلم الشبكة العصبية الصطناعية من أخطائها تتعلم الشبكة العصبية الصطناعية من أخطائها
::ثلثة مهام ثلثة مهام تشمل عملية التعلم تشمل عملية التعلم ..حساب المخرجات حساب المخرجات - -
الناتجالناتج((مقارنة المخرجات مع إجابات محددة مسبقا مقارنة المخرجات مع إجابات محددة مسبقا - - ).).المستهدفالمستهدف
.. تعديل الوزان وإعادة المعالجةتعديل الوزان وإعادة المعالجة- -
تابععععععععععع
بوضع قيم عشوائية للوزان حسب قيمة بوضع قيم عشوائية للوزان حسب قيمةوتبدأ المعالجةوتبدأ المعالجة• ) )YY( ( وهعو عالفرق عبيعن عالمخرجات عالحقيقية عوهعو عالفرق عبيعن عالمخرجات عالحقيقية عالنحراف عالنحراف ع
) )ZZ( ( والمخرجات عالمطلوب عتحقيقهعا عمعن عالشبكعة عوهى عوالمخرجات عالمطلوب عتحقيقهعا عمعن عالشبكعة عوهى ع..وبتعديل قيم الوزان تصل قيمة النحراف الى الصفر وبتعديل قيم الوزان تصل قيمة النحراف الى الصفر
وعندها تكون المخرجات الحقيقية هى نفسها المخرجاتوعندها تكون المخرجات الحقيقية هى نفسها المخرجات..المطلوبة المطلوبة
شكل يوضح نموذج دالة التعلم
Compute Compute
OutputOutput
AdjustAdjustWeightsWeights
StopStop
Is Desired Is Desired output output
Achieved?Achieved?
NoNo
YesYes
طرق تعليم شبكة عصبية
تتعلم الشبكة عن طريق إعطائها مجموعة من المثلعععة،تتعلم الشبكة عن طريق إعطائها مجموعة من المثلعععة،•التي يجب أن تكون مختارة بعناية، لن ذلك سيساهم فيالتي يجب أن تكون مختارة بعناية، لن ذلك سيساهم في
فئعععةفئعععةومجموعة المثلة هذه تسمى ومجموعة المثلة هذه تسمى . . سرعة تعلم الشبكةسرعة تعلم الشبكة..التدريبالتدريب
حسب فئة حسب فئةإلى قسمينإلى قسمين طرق تعليم شبكة عصبيةطرق تعليم شبكة عصبيةوتنقسم وتنقسم •::وهماوهما. . التدريب التي تعرض على الشبكةالتدريب التي تعرض على الشبكة
تابع
Supervised Learning :Supervised Learning: التعليم بواسطة معلمالتعليم بواسطة معلم•
التي تعرض على الشبكة التي تعرض على الشبكةفئة التدريبفئة التدريبفي هذه الطريقة تكون في هذه الطريقة تكون وهو عبععارة وهو عبععارةمتجه المدخلتمتجه المدخلتعبارة عن زوجين من المتجهات، عبارة عن زوجين من المتجهات،
وهو عبعععارة عن وهو عبعععارة عنومتجه المخرجاتومتجه المخرجاتعن القيم المدخلة للشبكة، عن القيم المدخلة للشبكة، ..القيم التي يجب أن تخرجها الشبكةالقيم التي يجب أن تخرجها الشبكة
::مثالمثال•• Input:(0 1 0 1 0 0 0 1)Input:(0 1 0 1 0 0 0 1)• Output:(0 1 1) Output:(0 1 1)
تابع
))بدون معلمبدون معلم((التعلم الذاتىالتعلم الذاتى•
Unsupervised learning:Unsupervised learning:
في هذه الطريقة تكون فئة التدريب عبارة عن متجعععهفي هذه الطريقة تكون فئة التدريب عبارة عن متجعععه•..المدخلت فقط دون عرض المخرجات على الشبكةالمدخلت فقط دون عرض المخرجات على الشبكة
فى هذه الحالة تقوم الشبكة بتعديل الوزان بنفسها دونفى هذه الحالة تقوم الشبكة بتعديل الوزان بنفسها دون•..تدخل من المعلم للوصول الى القيمة المستهدفةتدخل من المعلم للوصول الى القيمة المستهدفة
مثال تطبيقيلك ي يت م التنب ؤ باس تخدام الشبك ة العص بية، يت م إدخال قيم•
المتغيرات المعلومة في العقد المخصصة للدخال، ويصبح لكلعقدة قيمة المتغير الذي تم إدخاله، بعد ذلك يتم ضرب قيمة
.كل عقدة بقيمة الرابط المتصل بها لنحصل على النتيجة
يكون من المتوقع إقدام1 تم اعتبار أنه إذا كانت النتيجة وهنا •فيكون من0 الشخص على ارتكاب الفعل المذكور، وإذا كانت
.المتوقع عدم الستجابة
،0.47 هناوهي 1.0 و 0.0 تم التعبير عن العمر بقيمة تقع بين •، وهذا يمثل0.65سنة، والدخل بالقيمة 47 وهذا يمثل عمر
.65000$دخًل بقيمة
لوص لت والت ي تع بر ع ن الوزان فق د ت م تقديرهابالنس بة ل• وذلك بناء على معرفتنا بسجلتعلى الترتيب0.1 ، 0.7بالقيم
.سابقة من قاعدة البيانات
بعد ضرب قيم العقد ف ي قي م الوص لت وجمعه ا نحصل على•وهو رقم 0.39قيمة المتغير الذي نريد التوقع له فيكون هنا
عدمأقرب للصفر منه للواحد الصحيح وبذلك تكون النتيجة هي .احتمال ارتكاب الشخص للفعل المذكور
شكل توضيحي للمثال
يبسط ما تم عمله فييبسط ما تم عمله فيالشكل التالي الشكل التالي المثال السابقالمثال السابق
العقد المخفية في الشبكاتالعصبية
قد تحتوي خوارزمية الشبكة العصبية على نوعيةقد تحتوي خوارزمية الشبكة العصبية على نوعية•..أخرى من العقد والتي تسمى العقد المخفيةأخرى من العقد والتي تسمى العقد المخفية
مهم ة هذه العق د اس تشارية ول يؤخ ذ بقيمها إلمهم ة هذه العق د اس تشارية ول يؤخ ذ بقيمها إل•بع د أ ن يت م اعتماد اس تشارتها ف ي حال ة صحتهابع د أ ن يت م اعتماد اس تشارتها ف ي حال ة صحتها
..وبعد التجربة الفعليةوبعد التجربة الفعلية
ومثلم ا يحدث ف ي الجي ش، فالقائ د يس تمع إلىومثلم ا يحدث ف ي الجي ش، فالقائ د يس تمع إلى•العدي د م ن الس تشارات مم ن حول ه منالعدي د م ن الس تشارات مم ن حول ه منالمس تشارين قب ل اتخاذ قرار معي ن، ولكن ه بعدالمس تشارين قب ل اتخاذ قرار معي ن، ولكن ه بعداتخاذ القرار واس تكشاف نتائج ه ومدى صحته،اتخاذ القرار واس تكشاف نتائج ه ومدى صحته،يصبح بإمكانه تمييز المستشارين الجيدين والذينيصبح بإمكانه تمييز المستشارين الجيدين والذينكان ت آرائه م أقرب للقرار الذي كان من المفترضكان ت آرائه م أقرب للقرار الذي كان من المفترضأن يكون أنسب، وبالتالي سوف يعتمد آرائهم فيأن يكون أنسب، وبالتالي سوف يعتمد آرائهم فيالمستقبل ويأخذ بها أكثر من آراء غيرهم، وهكذا،المستقبل ويأخذ بها أكثر من آراء غيرهم، وهكذا،فالعق د المخفي ة تلع ب نف س هذا الدور، كلم ا تمفالعق د المخفي ة تلع ب نف س هذا الدور، كلم ا تمتط بيق الخوارزمي ة يت م تطوي ر وتحدي ث العقدتط بيق الخوارزمي ة يت م تطوي ر وتحدي ث العقدالص لية بأ ن تأخ ذ بالعتبار قي م العق د المخفيةالص لية بأ ن تأخ ذ بالعتبار قي م العق د المخفيةالمناس بة والت ي تدع م الحص ول عل ى نتائ ج أكثرالمناس بة والت ي تدع م الحص ول عل ى نتائ ج أكثردق ة، وبالمقاب ل يت م إهمال قي م العق د المخفيةدق ة، وبالمقاب ل يت م إهمال قي م العق د المخفية
..التي لم تحقق ذلكالتي لم تحقق ذلك
استقراء القاعدة5 – Rule Induction
أ ن تقني ة اس تقراء القاعدة من التقنياتأ ن تقني ة اس تقراء القاعدة من التقنيات•الس اسية ف ي التنقي ب ف ي البياناتالس اسية ف ي التنقي ب ف ي البياناتوأكثره ا شيوع ا ف ي مجال استكشافوأكثره ا شيوع ا ف ي مجال استكشافالمعرف ة، وه ي أقرب م ا تكون إل ى ماالمعرف ة، وه ي أقرب م ا تكون إل ى مايس مى بعملي ة التنقي ب بح د ذاتها،يس مى بعملي ة التنقي ب بح د ذاتها،
..القاعدة“القاعدة“""والذهب في هذه الحالة هو والذهب في هذه الحالة هو هذه القاعدة ما يجري داخل قاعدةهذه القاعدة ما يجري داخل قاعدةتبين تبين •
البيانات وتظهر لنا ما لم نكن نعرفه منالبيانات وتظهر لنا ما لم نكن نعرفه منقب ل، وربم ا أيضًا م ا ل ن نس تطيع أنقب ل، وربم ا أيضًا م ا ل ن نس تطيع أن
.. إل من خللها إل من خللهانعرفهنعرفه
تكشف القاعدةسكيف نف ي تحلي ل قاعدة بيانات س جلت الجريمةف ي تحلي ل قاعدة بيانات س جلت الجريمة•
في الشرطة يمكن أن نستكشف القاعدةفي الشرطة يمكن أن نستكشف القاعدة: : الشيقة التاليةالشيقة التالية
AAإذا ارتك ب المجرم الجريم ة من النوع إذا ارتك ب المجرم الجريم ة من النوع "" معهامعها BBفإن ه يرتك ب الجريم ة م ن النوع فإن ه يرتك ب الجريم ة م ن النوع
، وهذه الثنائية تحدث، وهذه الثنائية تحدث80%80%باحتمال باحتمال .. ""من كافة الجرائم المسجلةمن كافة الجرائم المسجلة3% 3% بإجمالي بإجمالي
ولك ي تكون القاعدة مكتملة وذات فائدة،ولك ي تكون القاعدة مكتملة وذات فائدة،•فإنه يلزم لها تقييم، وهو عبارة عن نوعينفإنه يلزم لها تقييم، وهو عبارة عن نوعينإضافيي ن م ن المعلومات الت ي يج ب أنإضافيي ن م ن المعلومات الت ي يج ب أن
::تلزمها، وهذه المعلومات الضافية هي تلزمها، وهذه المعلومات الضافية هي كم ه ي نس بة صحةكم ه ي نس بة صحة : : AccuracyAccuracyالص حة الص حة •
وقوع النتيج ة في حال وقوعوقوع النتيج ة في حال وقوع((القاعدة القاعدة ).).السببالسبب
كم نس بة السجلتكم نس بة السجلت : : CoverageCoverageالتغطي ة التغطي ة •المحققة للقاعدة إلى كافة السجلت فيالمحققة للقاعدة إلى كافة السجلت في
..قاعدة البياناتقاعدة البيانات
مثال تطبيقي لطريقة تقييمالقاعدة
في أحد أمثلة تحليل قاعدة بيانات الحوادث، ليكن لدينافي أحد أمثلة تحليل قاعدة بيانات الحوادث، ليكن لدينا•::القاعدة التاليةالقاعدة التالية
مخالفات سير فإنه يرتكب حادثمخالفات سير فإنه يرتكب حادث10 10 إذا ارتكب السائق إذا ارتكب السائق " " •""يؤدي إلى القتل يؤدي إلى القتل
::والعداد التالية كما يليوالعداد التالية كما يلي••TT : = 100 : = 100العدد الكلي للسجلت في قاعدة البياناتالعدد الكلي للسجلت في قاعدة البيانات•KK : = 30 : = 30عدد سجلت السائقين الذين ارتكبوا حادث أدىعدد سجلت السائقين الذين ارتكبوا حادث أدى
إلى القتلإلى القتل•LL : = 40 : = 40 مخالفاتمخالفات10 10 عدد سجلت السائقين الذين ارتكبوا عدد سجلت السائقين الذين ارتكبوا
سير سير •BB : = 20 : = 20 مخالفاتمخالفات10 10 عدد سجلت السائقين الذين ارتكبوا عدد سجلت السائقين الذين ارتكبوا
..سير وحادث أدى إلى القتل معًا سير وحادث أدى إلى القتل معًا فتكون نسبة صحة القاعدة هي حاصل قسمة عددفتكون نسبة صحة القاعدة هي حاصل قسمة عدد•
مخالفات سير وحادثمخالفات سير وحادث10 10 سجلت السائقين الذين ارتكبوا سجلت السائقين الذين ارتكبوا أدى إلى القتل معًا مقسومًا على عدد سجلت السائقينأدى إلى القتل معًا مقسومًا على عدد سجلت السائقين
وتكون في هذه الحالةوتكون في هذه الحالة. . مخالفات سيرمخالفات سير10 10 الذين ارتكبوا الذين ارتكبوا 40/20=50%.40/20=50%.مساوية ل مساوية ل
أما التغطية فتكون حاصل قسمة عدد سجلت الذينأما التغطية فتكون حاصل قسمة عدد سجلت الذين•مخالفات سير مقسومًا على العدد الكليمخالفات سير مقسومًا على العدد الكلي10 10 ارتكبوا ارتكبوا
40/100 = 40/100 = وهي هنا تساوي وهي هنا تساوي . . للسجلت في قاعدة البياناتللسجلت في قاعدة البيانات .% 40 .% 40
رسم توضيحي للمثال
الحوادث كل
حوادثسير أدت
للقتل
مرتكبو 10
مخالفات
10 مرتكبو مخالفات
وحادث مؤديللقتل
ليس منالمجموعتين
استثمار القاعدة
إ ن اس تخدامات القاعدة كثيرة، فمنإ ن اس تخدامات القاعدة كثيرة، فمن•الممك ن تحدي د الكثي ر من القراراتالممك ن تحدي د الكثي ر من القرارات
المبنية على قواعد يتم استكشافها فيالمبنية على قواعد يتم استكشافها في..قواعد البياناتقواعد البيانات
مثًل، يمكن لجهزة المن أن تستكشفمثًل، يمكن لجهزة المن أن تستكشف•كاف ة القواع د الخاص ة بارتكاب جريمةكاف ة القواع د الخاص ة بارتكاب جريمةمعين ة، بان تكون طرفًا مس تقًل فيهامعين ة، بان تكون طرفًا مس تقًل فيها
، وتتفح ص مدى تأثي ر وقوعها، وتتفح ص مدى تأثي ر وقوعها))اليم ناليم ن((عل ى وقوع الجرائ م الخرى، أ و حتىعل ى وقوع الجرائ م الخرى، أ و حتىعل ى ارتباطه ا بص فات معينة لدىعل ى ارتباطه ا بص فات معينة لدى
وه ل من الضروري اتخاذوه ل من الضروري اتخاذ المجرمالمجرمخطوات معينة في خطتها للحد من هذهخطوات معينة في خطتها للحد من هذهالجريم ة، أ و إذا أرادت وض ع قيود معينةالجريم ة، أ و إذا أرادت وض ع قيود معينةفه ل س يكون هناك تأثي ر على ارتكابفه ل س يكون هناك تأثي ر على ارتكاب
..الجرائم الخرىالجرائم الخرى
اختيار تقنية التنقيب المناسبة
محددة يتم بناءمحددة يتم بناءنظري ة نظري ة أخيرًا، ل يوج د أخيرًا، ل يوج د •عليه ا اختيار تقنية من تقنيات التنقيب،عليه ا اختيار تقنية من تقنيات التنقيب،ويتم الختيار عادة بناءًا على الخبرة فيويتم الختيار عادة بناءًا على الخبرة فيهذا المجال والتجرب ة الفعلية للتقنياتهذا المجال والتجرب ة الفعلية للتقنياتومدى فاعليته ا، وم ن جه ة أخرى قدومدى فاعليته ا، وم ن جه ة أخرى قدتكون المفاضل ة أيضًا بين التقنياتتكون المفاضل ة أيضًا بين التقنياتالتقليدي ة والتقنيات الحديث ة بقدر ماالتقليدي ة والتقنيات الحديث ة بقدر ما ،،يكون هناك توفرًا للدوات المناسبةيكون هناك توفرًا للدوات المناسبة
وم ع ازدياد الخ برة نس تطيع أ ن نقّيموم ع ازدياد الخ برة نس تطيع أ ن نقّيم..الخيارات ونحدد منها المناسب ونطبقهالخيارات ونحدد منها المناسب ونطبقه
تخطيط عمليات التنقيب فيالبياناتقواعد
إن تخطيط عمليات التنقيب في قواعد البياناتإن تخطيط عمليات التنقيب في قواعد البياناتمن المور المهمة للحصول على أفضلمن المور المهمة للحصول على أفضل
النتائج، فالتخطيط الجيد يؤدي للنتائجالنتائج، فالتخطيط الجيد يؤدي للنتائج..الجيدةالجيدة
ويمكن تلخيص الخطوات الولية للتنقيب فيويمكن تلخيص الخطوات الولية للتنقيب في::قواعد البيانات في ما يليقواعد البيانات في ما يلي
تحديد المشكلة المراد بحثها وإيجاد الحلول لهاتحديد المشكلة المراد بحثها وإيجاد الحلول لها1 – 1 – بناء قاعدة بيانات التنقيببناء قاعدة بيانات التنقيب – – 22استكشاف البياناتاستكشاف البيانات – – 33تحضير البيانات للتنقيبتحضير البيانات للتنقيب – – 44
بناء نموذج التنقيب المناسببناء نموذج التنقيب المناسب – – 55تطبيق النموذجتطبيق النموذج – – 66استخراج النتائجاستخراج النتائج – – 77
مراحل تطور استخدام تكنولوجياالمعلومات ونوعية السئلة التي وفرت لنا
إجاباتها في كل مرحلة
التنقيب في قواعد البياناتData Mining (Emerging Today)
ماذا يمكن أن يحدث لطبيعةالجرائم المرتكبة في مدينة الرياض
الشهر القادم، ولماذا ؟
مستودعات البيانات ودعم القرارData Warehousing & Decision
Support (1990s)
ما نوعية الجرائم التي وقعت في ”مدينة الرياض في شهر مارس
الماضي ، مع مقارنة لكل المدنالخرى ؟ ”
الوصول للبياناتData Access (1980s)
ما نوعية الجرائم التي وقعت في”مدينة الرياض في شهر مارس
الماضي؟”
تجميع البياناتData Collection (1960s)
كم كان مجموع الجرائم في ”السنوات الخمس الخيرة ؟ ”
مرحلة التطور في استخدامتكنولوجيا المعلومات
السؤال الذي توفر إجابته تلكالتكنولوجيا
المجالتطبيقات عملية في المني والستخباراتي
في المجال الجنائيفي المجال الجنائي • في مجال شرطة المرورفي مجال شرطة المرور • في مجال الدفاع المدنيفي مجال الدفاع المدني• في مجال الستخبارات القتصادية والتجاريةفي مجال الستخبارات القتصادية والتجارية• في مجال الستخبارات بشكل عامفي مجال الستخبارات بشكل عام•استخدامات عامةاستخدامات عامة•
قواعدبيانات
قواعدبيانات
قواعدبيانات
تنسيق وتعاون تنسيق وتعاون
تحليل وتنقيب
معرفة حقيقية
سياسات وخطط ولوائح تنفيذية وإجراءات
المن