عدالت‌يار هوشمند با استفاده از شبكه‌هاي عصبي بازگشتي

اين مقاله، با بسط مفهوم تمركز بر ويژگي‌ها، در استفاده از شبكه حافظه كوتاه ماندگار دوطرفه (biL-STM)، يك معماري جديد براي مسائل كاربردي پيشنهاد مي‌دهد. biL-STM، فرايند گذشته و آينده ويژگي‌ها را به‌طور كامل مي‌تواند منعكس كند. سيستم پيشنهادي به مطالعه موردي در مسائل قضايي اعمال‌شده است. در سيستم عدالت‌يار هوشمند پيشنهادشده، براي تصميم مؤثرتر بعد از biL-STM از دو رمزگذار استفاده‌شده است و داراي لايه‌اي مبتني بر دانش خبرگان  مي‌باشد. در اين روش با مشاهده اجزاي پرونده ابتدا نوع مؤلفه‌ها بررسي مي‌شود، سپس كليدي بودن مؤلفه در اصلاح وزن‌ها موردتوجه قرار مي‌گيرد. روش پيشنهادي در دو طرح مختلف ارائه‌شده است، در هر دو طرح ابتدا biL-STM هم بر روي مؤلفه‌هاي پرونده و هم بر روي حكم كه دو بخش تبرئه و محكوم است اعمال مي‌شود. دقت عملكرد بر اساس تمركز بر روي مؤلفه‌هاي مؤثرتر مشخص مي‌شود. طراحي اين معماري بر اساس اشتراك‌گذاري وزن‌ها در زمان آموزش توسط رمزگذارها مي‌باشد در طرح اول ابتدا مفهوم تمركز بر ويژگي‌ها اعمال مي‌شود و سپس در لايه‌هاي بعد هوش جمعي اعمال مي‌شود. در طرح دوم هوش جمعي خبرگان در قالب يك تابع عضويت فازي به آن اعمال مي‌شود. نتايج سيستم مشاور پيشنهادي در مورد مطالعاتي قضايي با روش‌هاي ديگر مقايسه شده‌اند كه برتري روش پيشنهادي مشخص‌شده است. روش پيشنهادي با طراحي يك الگوي مناسب و به‌كارگيري اكثر عامل‌هاي دخيل و شناخت تأثيرگذاري آن‌ها درگرفتن يك تصميم درست‌تر در زمان كوتاه‌تر مي‌تواند بسيار كمك‌كننده باشد و متعاقباً هزينه‌هاي تشكيل دادگاه‌هاي تجديدنظر و اطاله دادرسي را كاهش مي‌دهد و حس اعتماد جامعه به سيستم قضا را افزايش مي‌دهد.