| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
انتخاب Spam توسط شبکه عصبی مصنوعی (قانون یادگیری پرسپترون) |
| عنوان انگلیسی مقاله: |
(Spam Detection Using Artificial Neural Networks (Perceptron Learning Rule |
|
|
| مشخصات مقاله انگلیسی (PDF) | |
| سال انتشار مقاله | 2012 |
| تعداد صفحات مقاله انگلیسی | 8 صفحه با فرمت pdf |
| رشته های مرتبط با این مقاله | مهندسی فناوری اطلاعات IT و مهندسی کامپیوتر |
| گرایش های مرتبط با این مقاله | مهندسی الگوریتم ها و محاسبات و اینترنت و شبکه های گسترده |
| مجله مربوطه | مجله تحقیقات علوم محیط زیست و فیزیک |
| دانشگاه تهیه کننده | گروه علوم کامپیوتر، دانشکده علوم، دانشگاه زیمبابوه، حراره |
| کلمات کلیدی این مقاله | شبکه های عصبی مصنوعی، فیلترینگ Spam، قانون یادگیری بینشی، الگوریتم به هم پیوسته، نرخ یادگیری |
| رفرنس | دارد |
| نشریه | JPESR |
| مشخصات و وضعیت ترجمه فارسی این مقاله (Word) | |
| تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش و فونت 14 B Nazanin | 14 صفحه |
| ترجمه عناوین تصاویر و جداول | ترجمه شده است |
| ترجمه متون داخل تصاویر | ترجمه شده است |
| ترجمه متون داخل جداول | ترجمه شده است |
| درج تصاویر در فایل ترجمه | درج شده است |
| درج جداول در فایل ترجمه | درج شده است |
| درج فرمولها و محاسبات در فایل ترجمه به صورت عکس | درج شده است |
- فهرست مطالب:
مقدمه
تعریف مسئله
سبب از بین رفتن زمان شما می گردد
Spam محدود شخصی را از بین می برد
نابود کردن اصل end to end
تامین کننده های سرویس اینترنتی ISP
تحقیقات و کار های انجام شده برای جلوگیری از Spam
قانون داشتن
روش های تحقیق
الگوریتم شبکه های عصبی مصنوعی
نتایج
فاز تعلیم و آموزش
مشخص کردن ارزش پارامتر ها
فاز آزمایش کردن
نتایج و بحث ها
نحلیل نتایج
نتیجه و کار های آینده
- بخشی از ترجمه:
نتیجه و کار های آینده
در این تحقیق ما یک ساختار برای فیلترینگ Spam ارئه کردیم این ساختار پیشنهادی شامل یک درکی از طراحی برای یادگیری و تفاوت بین ارسال کننده های قانونی و غیر قانونی می باشد. این الگوریتم ادراکی منجر به استفاده از ویژگی های یادگیری پیوسته و همچنین دارای نرخ انتخاب مورد نظر میباشد.
• پیاده سازی الگوریتم ادراکی به یک فیلترینگ، در این صورت سرور توانایی درک اطلاعات قفل شده توسط آدرس های IP که در لیست سیاه تعریف شده است را دارد.
• تقابل و عملکرد بیشتر روی تکنیک های فیلترینگ برای مشخص کردن حالت های فعال سازی، همچنین تعداد تکرار ها و نرخ یادگیری برای اینکه بیشتر بتوان اطلاعات نامناسب را در لیست سیاه قرار داد.
• در نظر گرفتن ساختار فیلترینگ در یک بازه زمانی بلند مدت
• یکپارچه کردن فیلترینگ سرور برای ثبت وقایع متفاوت در فیلترینگ ایمیل سرور.
- بخشی از مقاله انگلیسی:
CONCLUSION AND FUTURE WORK
In this research, we presented a new technique for filtering spam that cannot be easily overcome by spammers. The technique consisted of a single perceptron that was designed to learn and distinguish legitimate and illegitimate sending server parameter values and messages. The perceptron algorithm due to the incorporation of a continuous learning feature also produces favourable detection rates. As future work, the researchers intend to: . Implement the perceptron algorithm in a filtering server so as to enable the perceptron to block server identification values such as IP addresses that will be listed in the Spamhaus’ blacklist . Conduct further performance tests on my filtering technique to determine the preferred activation function, learning rate and maximum iteration count required for my technique to achieve higher blocking statistics. . Observe the filtering technique over a longer period of time . Incorporate the use of Mail filtering server logs to track and record various events on each mail-filtering server at each filtering level
| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
انتخاب Spam توسط شبکه عصبی مصنوعی (قانون یادگیری پرسپترون) |
| عنوان انگلیسی مقاله: |
(Spam Detection Using Artificial Neural Networks (Perceptron Learning Rule |
|
|