تشخیص الگو

کمتر کسی در مورد تفاوت های موجود بین زبان های مختلف تردید دارد، اما می توان این تفاوت ها را مدل سازی نموده و الگویی را استخراج کرد که به کمک آن بتوان یک زبان مورد نظر را از میان سایر زبان ها و بصورتی اتوماتیک شناسایی کرد؟ منظور از مدل سازی، بررسی ساختاری زبان های مختلف در یک چارچوب یکسان و در ارتباط با فیزیک و کالبد کلمات است.در این مقاله، طول کلمه و توزیع آماری آن را تحلیل کرده و نشان خواهیم داد که شناسایی پنج زبان زنده دنیا با مطالعه طول کلمات آن ها کاملا امکان پذیر است. این مدل سازی امکانات و تسهیلات جدیدی را در فضای فناوری اطلاعات و بهینه سازی فرآیندهای داده کاوی فراهم خواهد آورد.

در این تحقیق و مقاله، تأثیر چندین پارامتر از محیط فیزیکی در یک کلاس درس بر تمرکز دانشجویان شرح داده شده و مورد تجزیه و تحلیل قرار گرفته است، که در آن اصطلاح «تمرکز» به احساس ذهنی دانشجویان از توانایی آنها در تمرکز بر روی یک سخنرانی در یک لحظه معین اشاره دارد. هدف اصلی شناسایی پارامترهایی است که به طور قابل توجهی بر تمرکز دانشجویان در طول سخنرانی ها تأثیر می گذارند. در این مقاله، چندین پارامتر در یک محیط کلاس درس واقعی با استفاده از دستگاه های هوشمند کم هزینه مختلف اندازه گیری شده است. این تحقیق بر اساس مجموعه داده های جمع آوری شده از ۱۴ سخنرانی ضبط شده با حضور ۱۹۷ دانشجو انجام شده است. در این تحقیق، پنج پارامتر از محیط فیزیکی اندازه گیری شده و ۲۲ ویژگی از صدای مدرس استخراج شده است. پس از تجزیه و تحلیل اندازه گیری های جمع آوری شده، هشت پارامتر شناسایی شده است که نشان داده شده است مقادیر آماری متفاوتی برای بخش های «متمرکز» و «غیرمتمرکز» دارند. در این مقاله، از مجموعه داده های به دست آمده برای آزمایش طبقه بندی کننده های مختلف و توانایی آنها در طبقه بندی صحیح بخش های «متمرکز» در مقابل «غیرمتمرکز» سخنرانی ها استفاده شده است. این تحقیق نشان داد که طبقه بندی کننده یک الگوریتم یادگیری ماشین بهترین دقت تشخیص کلی (۸۶.۷۸٪) را دارد. پس از انجام مجموعه ای از آزمایش های اضافی، سه پارامتر را شناسایی شد که می توانستند بدون تغییر در دقت طبقه بندی کننده از مجموعه داده های اصلی حذف شوند، که در نهایت پنج پارامتر غیرمرتبط باقی ماند که تأثیر قابل توجهی بر تمرکز دانشجویان داشتند.