سامانه همایش ها

صفحه اصلی / دومین کنفرانس ملی عصر انفجار تکنولوژی؛ هوش مصنوعی، تحولی در صنعت، تجارت و زنجیره تامین و دومین کنفرانس ملی علم داده در کاربردهای مهندسی

بررسی سه روش شبکه های عصبی بازمانده ، شبکه عصبی کانولوشنی و مدل های حافظه کوتاه مدت در شناسایی اخبار جعلی

نویسندگان :

بهاره هاشم زاده¹ مجید عبدالرزاق نژاد²

1- دانشگاه آزاد اسلامی مشهد 2- دانشگاه صنعتی بیرجند

کلمات کلیدی :

شناسایی اخبار اخبار جعلی،شبکه های عصبی بازمانده،شبکه عصبی کانولوشنی،مدل های حافظه کوتاه مدت-،اخبار واقعی

چکیده :

این پژوهش به بررسی بررسی سه روش شبکه های عصبی بازمانده ، شبکه عصبی کانولوشنی و مدل های حافظه کوتاه مدت در شناسایی اخبار جعلی می‌پردازد. در این پژوهش، تکنیک‌های کاهش ابعاد داده نظیر تحلیل مؤلفه‌های اصلی (PCA) به‌کار گرفته شده‌اند تا پیچیدگی داده‌ها کاهش یافته و دقت مدل‌ها بهبود یابد. نتایج حاصل نشان می‌دهد که رویکرد های پیشنهادی، مانند شبکه‌های عصبی بازمانده (ResNet) و مدل LSTMدوجهته، عملکرد مناسبی در شناسایی اخبار جعلی دارند.، مدل ResNet توانایی چشمگیری در استخراج ویژگی‌های پیچیده دارد و مدل LSTM دوجهته با پردازش اطلاعات ترتیبی روابط معنایی عمیق را شناسایی می‌کند، این روش ها به دلیل ساختار ساده‌، سرعت پردازش بالا، و دقت پیش‌بینی بیشتر، به‌عنوان یک راهکار کارآمد شناخته می‌شوند. این تحقیق نشان‌دهنده پتانسیل قابل‌توجه تکنیک‌های یادگیری ماشین در مقابله با انتشار اطلاعات نادرست است.