تشخيص نابهنجاري در داده هاي رشته اي

امروزه با افزايش روزافزون حجم و تنوع داده‌ها، نياز به تحليل خودكار داده‌ها اهميت بسياري پيدا كرده است. اين تحليل خودكار، شامل استخراج اطلاعات از داده‌هاي موجود و استفاده از اين تحليل‌ها براي كاربردهاي آينده مي‌شود. اين كاربرد‌ها مي‌توانند به دسته‌بندي خودكار داده‌ها، خوشه‌بندي و جداسازي انواع داده‌ها و تشخيص نابهنجاري در داده‌‌ها تقسيم شوند. تشخيص نابهنجاري يكي از اساسي‌ترين مسائل يادگيري ماشين است. هدف اين مسئله اين است كه با ورودي گرفتن مجموعه‌اي از داده‌ها، توزيع آن‌ها را تخمين بزند و در آينده، بتواند داده‌هايي را بيابد كه از اين توزيع توليد نشده‌اند. از طرف ديگر، امروزه داده‌هاي رشته‌اي در زمينه‌هاي مختلف رواج فراواني پيدا كرده‌اند. اين داده‌ها مي‌توانند شامل داده‌هاي متني، ويديو، داده‌هاي زيستي نظير دي‌ان‌اي و پروتئين و ... باشند. تشخيص ناهنجاري در اين داده‌ها از آن‌جايي متفاوت و حساس‌تر است كه يك داده‌ي رشته‌اي مشخص مي‌تواند تنها در بخشي از خود ناهنجاري داشته باشد و در ساير مواقع رفتار عادي از خود نشان دهد. اين مسأله، كاربردهاي بسياري را در دنياي امروز شامل مي‌شود. به طور مثال، ناهنجاري در نوار قلب مي‌تواند نشان دهد كه شخص مدنظر مشكل قلبي دارد. ناهنجاري در ويديو به طور مثال در دوربين‌هاي ترافيكي مي‌تواند نشان دهد كه اتفاق غيرمعمولي در حال رخ دادن است. ناهنجاري در رشته‌ي فراخواني‌هاي سيستمي يك برنامه مي‌تواند نشان دهد كه اين برنامه در حال فعاليت غيرمعمول و احتمالا مخرب است. تشخيص ناهنجاري در رشته‌ها چالش‌هاي بيشتري را شامل مي‌شود. چرا كه با توجه به وجود وابستگي‌هاي عناصر رشته به يكديگر، كشف اين وابستگي‌ها براي هر كاربردي در زمينه‌ي پردازش رشته لازم است. در اين مستند، تشخيص ناهنجاري در رشته‌هاي گسسته به طور خاص مورد بررسي قرار مي‌گيرد. به اين منظور، در ابتدا اين مسئله به طور كامل معرفي مي‌شود و به روش‌هايي كه براي حل اين مسئله ارائه‌ شده‌اند پرداخته مي‌شود. همچنين شبكه‌هاي عصبي بازگشتي به عنوان ابزاري كه احتمالا مي‌تواند در اين زمينه بسيار مفيد واقع شود معرفي مي‌شوند.