مقارنة بين اسلوبي CNN و SVM لتصنيف السلسلة الزمنية لحركة الربداء الرشيقة
DOI:
https://doi.org/10.55562/jrucs.v56i1.36الكلمات المفتاحية:
الكلمات المفتاحية: Caenorhabditis elegans (CE)، السلاسل الزمنية، التصنيف، الانحدار الذاتي (AR)، الشبكة العصبية التلافيفية (CNN)، آلة ناقل الدعم (SVM).الملخص
من المهم دراسة حركة بعض أنواع الديدان الأسطوانية مثل دودة الربداء الرشيقة Caenorhabditis elegan (CE) للتعرف على الأفعال وردود الفعل وتأثيراتها على حياة الدودة. في هذه الدراسة، ستكون السلسلة الزمنية لحركة CE الممثلة بزوايا الحركة الموجية بين 1 إلى 177 درجة هي دراسة الحالة. كل ملاحظة لهذه السلسلة الزمنية عبارة عن إطار مسجل (0.5 ثانية) لفيديو مدته 2.5 ساعة لحركة CE. سيتم استخدام الشبكة العصبية التلافيفية convolutional neural network (CNN) كأحد تقنيات التعلم العميق لتصنيف حركة CE كمتغير تابع في الحالات الثنائية بناءً على صور زوايا الحركة الموجية كمتغير توضيحي. يتم تصور وتصميم صور زوايا الحركة بواسطة صورة ذات بعدين تتوافق مع كل مشاهدة. تم دمج هذه الصور في صورة رباعية الأبعاد (مصفوفة ذات أربعة أبعاد) لتمثيل متغير توضيحي أحادي المتغير. سيتم أيضًا استخدام آلة المتجه الداعم support vector machine (SVM) لتصنيف زوايا CE. في هذه الأنواع من البيانات ستكون اللاخطية وعدم اليقين هي المشاكل الأكثر احتمالا كأسباب في التصنيفات الدقيقة. يتم استخدام CNN وSVM مع هذا النوع من مجموعات البيانات لتحسين نتائج التصنيف. توضح نتائج المقارنات أن اسلوب CNN يتفوق على SVM تمامًا. في الختام، نستنتج انه يمكن استخدام اسلوب CNN لتصنيف هذا النوع من السلاسل الزمنية بنتائج دقيقة.
