SlideShare a Scribd company logo
1 of 65
تطبيقات  وخ وارزميات  التنقيب في قواعد البيانات  في  المجال  الأمني والاستخباراتي إعداد د /  أحمد أبو الفتوح
تقديم ,[object Object],[object Object],[object Object],[object Object]
التقنيات الحديثة للتنقيب في قواعد البيانات ,[object Object],[object Object],[object Object],[object Object],[object Object]
1 -  خوارزمية الجار الأقرب Nearest Neighbor  ,[object Object],[object Object],[object Object]
2  -  التحليل بالتجزئة العنقودية  Cluster Analysis ,[object Object],[object Object],[object Object],[object Object]
[object Object]
[object Object],[object Object],[object Object]
3 -  شجر القرار Decision Trees ,[object Object]
تقسيم  الجرائم المرتكبة في  أحدى ا لمناطق  باستخدام خوارزمية شجر القرار إجمالي حوادث القتل التي وقعت 100 السؤال :  جريمة القتل عمداً ؟ إجمالي حوادث القتل العمد 60 السؤال :  عمر القاتل  >   30  ؟ إجمالي حوادث القتل الخطأ 40 حوادث القتل العمد، العمر  < 30 السؤال :  الدافع هو السرقة ؟ 40 حوادث القتل العمد، العمر  >  من  30 20 حوادث القتل العمد، العمر  > 30  والدافع ليس السرقة 10 حوادث القتل العمد، العمر  < 30  والدافع هو السرقة 30 لا لا نعم نعم نعم لا
استخدام شجرة القرار في التنبؤ ,[object Object],[object Object]
الفرق بين شجر ة القرار والتجزئة العنقودية ,[object Object],[object Object]
4  –  الشبكات العصبية Neural Networks ,[object Object],[object Object]
[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],طريقة عمل خوارزمية  الشبكات العصبية الأصطناعية كأحد  تطبيقات  علم الذكاء الأصطناعى
[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
[object Object],[object Object]
[object Object],[object Object],12.16
المفهوم (1)  الشبكة العصبية البشرية  ( الطبيعية ) Biological Neural Networks ,[object Object],[object Object],[object Object],[object Object],12.18
[object Object],[object Object],[object Object],[object Object],[object Object],12.19
[object Object],12.20
[object Object],12.22
[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],12.23
[object Object],[object Object],12.24 المفهوم ( إستمرار ) (2)  الشبكة العصبية الأصطناعية   Artificial Neural Networks
تابع ,[object Object]
التطبيقات التي ترتكز على إستخدام   الشبكات العصبية الأصطناعية ,[object Object],[object Object],[object Object],[object Object],[object Object]
(3) مكونات الشبكة العصبية الأصطناعية ,[object Object],[object Object]
مكونات الشبكة  ( تابــــــع ) ,[object Object],[object Object]
An Artificial Neuron w 1j w 2j w 3j w ij x 1 x 2 x 3 x i f (x) y
شكل يحاكى فكرة الخلية العصبية الطبيعية
(4)  معمارية الشبكة العصبية الأصطناعية ANN Toplogy ,[object Object],[object Object]
معمارية الشبكة (  تابع ) ,[object Object],[object Object]
شبكة إصطناعية أحادية الطبقات ,[object Object],[object Object]
شبكة إصطناعية ثنائية الطبقات Adjustable Weights Output Values Input Signals (External Stimuli)
تابــــــــــــع ,[object Object],[object Object],[object Object],[object Object]
شبكة إصطناعية متعددة الطبقات الطبقة الخفية الأولى طبقة المخرجات طبقة المدخلات عنصر معالجة (PE) الطبقة الخفية الثانية
تابــــــــــــــع ,[object Object],[object Object],[object Object],[object Object],[object Object]
مثال لشبكة عصبية ذات تغذية أمامية ,[object Object],مخرجات مدخلات
تابع ,[object Object],[object Object],[object Object],[object Object],[object Object]
مثال لشبكة عصبية ذات تغذية عكسية ,[object Object],مخرجات مدخلات
(5)  معالجة المعلومات فى  بيئة الشبكات العصبية الأصطناعية ,[object Object],[object Object],[object Object],[object Object],[object Object]
تابع  ,[object Object],[object Object],[object Object]
تابـــــع  ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
a) Single neuron S j f(S j ) Y j x o x 1 x 2 x n +1 w j0 w j1 w j2 w jn
b) Several neurons X1 X2 W11 W22 W21 W12 W23 PE PE PE Y1 Y2 Y3 Y1=x1w11+x2w21 Y2=x1w12+x2w22 Y3=x2w23
تابـــــــع ,[object Object],[object Object],[object Object],[object Object],1 1+e -y
تابـــــــــع ,[object Object],[object Object]
Example of ANN Function Summation function: Y=3(0.2)+1(0.4)+2(0.1)=1.2 Transformation (Transfer) function : Y t  =   1 1+e -1.2 ,[object Object],X 1 =3 S j f(S j ) Y=1.2 W 1 =0.2 X 2 =1 X 3 =2 W 2 =0.4 W 3 =0.1
تابــــــــــع ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
تابــــــــــع ,[object Object]
شكل يوضح نموذج دالة التعلم Compute  Output Adjust Weights Stop Is Desired output Achieved? No Yes
طرق تعليم شبكة عصبية ,[object Object],[object Object]
تابع ,[object Object],[object Object],[object Object],[object Object],[object Object]
تابع ,[object Object],[object Object],[object Object],[object Object]
مثال تطبيقي ,[object Object],[object Object],[object Object],[object Object],[object Object]
شكل توضيحي للمثال الشكل التالي  يبسط ما تم عمله في المثال السابق
العقد المخفية في الشبكات العصبية ,[object Object],[object Object],[object Object]
5 –  استقراء القاعدة Rule Induction ,[object Object],[object Object]
كيف ن س تكشف القاعدة ,[object Object],[object Object],[object Object],[object Object],[object Object]
مثال تطبيقي لطريقة تقييم القاعدة ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
رسم توضيحي للمثال كل الحوادث حوادث سير أدت للقتل مرتكبو  10  مخالفات مرتكبو  10  مخالفات وحادث مؤدي للقتل ليس من المجموعتين
استثمار القاعدة ,[object Object],[object Object]
اختيار تقنية التنقيب المناسبة ,[object Object]
تخطيط عمليات التنقيب في  قواعد  البيانات ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
مراحل تطور استخدام تكنولوجيا المعلومات ونوعية الأسئلة التي وفرت لنا إجاباتها في كل مرحلة التنقيب في قواعد البيانات Data Mining (Emerging Today) ماذا يمكن أن يحدث لطبيعة الجرائم المرتكبة في مدينة الرياض الشهر القادم، ولماذا ؟ مستودعات البيانات ودعم القرار Data Warehousing & Decision Support (1990s) ”  ما نوعية الجرائم التي وقعت في مدينة الرياض في شهر مارس الماضي ، مع مقارنة لكل المدن الأخرى ؟ ” الوصول للبيانات Data Access (1980s) ” ما نوعية الجرائم التي وقعت في مدينة الرياض في شهر مارس الماضي؟” تجميع البيانات Data Collection (1960s) ”  كم كان مجموع الجرائم في السنوات الخمس الأخيرة ؟ ” مرحلة التطور في استخدام تكنولوجيا المعلومات السؤال الذي توفر إجابته تلك التكنولوجيا
تطبيقات عملية في  المجال الأمني والاستخباراتي ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
قواعد بيانات قواعد بيانات قواعد بيانات تنسيق وتعاون تنسيق وتعاون تحليل وتنقيب معرفة حقيقية سياسات وخطط ولوائح تنفيذية وإجراءات الأمن

More Related Content

What's hot

Artificial Intelligence_الذكاء الإصطناعي
Artificial Intelligence_الذكاء الإصطناعيArtificial Intelligence_الذكاء الإصطناعي
Artificial Intelligence_الذكاء الإصطناعي
Abduljabbar Al-dhufri
 
دور البيانات في اتخاذ القرار
دور البيانات في اتخاذ القراردور البيانات في اتخاذ القرار
دور البيانات في اتخاذ القرار
رؤية للحقائب التدريبية
 
Habash: Arabic Natural Language Processing
Habash: Arabic Natural Language ProcessingHabash: Arabic Natural Language Processing
Habash: Arabic Natural Language Processing
Mustafa Jarrar
 
مكونات نظام المعلومات
مكونات نظام المعلوماتمكونات نظام المعلومات
مكونات نظام المعلومات
Prof. Othman Alsalloum
 

What's hot (20)

قواعد البيانات.ppt
قواعد البيانات.pptقواعد البيانات.ppt
قواعد البيانات.ppt
 
Artificial Intelligence Projects - Matlab
Artificial Intelligence Projects - MatlabArtificial Intelligence Projects - Matlab
Artificial Intelligence Projects - Matlab
 
إستبانة قسم تكنولوجيا التعليم والمعلومات
إستبانة قسم تكنولوجيا التعليم والمعلوماتإستبانة قسم تكنولوجيا التعليم والمعلومات
إستبانة قسم تكنولوجيا التعليم والمعلومات
 
Artificial Intelligence_الذكاء الإصطناعي
Artificial Intelligence_الذكاء الإصطناعيArtificial Intelligence_الذكاء الإصطناعي
Artificial Intelligence_الذكاء الإصطناعي
 
نظم قواعد البيانات
نظم قواعد البياناتنظم قواعد البيانات
نظم قواعد البيانات
 
الذكاء الاصطناعي ppt.pptx
الذكاء الاصطناعي ppt.pptxالذكاء الاصطناعي ppt.pptx
الذكاء الاصطناعي ppt.pptx
 
بيئات التعلم الشخصية PLE
بيئات التعلم الشخصية PLEبيئات التعلم الشخصية PLE
بيئات التعلم الشخصية PLE
 
مناهج البحث العلمي - اللقاء الافتراضي الاول
مناهج البحث العلمي - اللقاء الافتراضي الاولمناهج البحث العلمي - اللقاء الافتراضي الاول
مناهج البحث العلمي - اللقاء الافتراضي الاول
 
دور البيانات في اتخاذ القرار
دور البيانات في اتخاذ القراردور البيانات في اتخاذ القرار
دور البيانات في اتخاذ القرار
 
Artificial Intelligence: Knowledge Engineering
Artificial Intelligence: Knowledge EngineeringArtificial Intelligence: Knowledge Engineering
Artificial Intelligence: Knowledge Engineering
 
Transformer Introduction (Seminar Material)
Transformer Introduction (Seminar Material)Transformer Introduction (Seminar Material)
Transformer Introduction (Seminar Material)
 
النمذجة في التصنيع الغذائي الشبكة العصبية الصناعية
النمذجة في التصنيع الغذائي  الشبكة العصبية الصناعيةالنمذجة في التصنيع الغذائي  الشبكة العصبية الصناعية
النمذجة في التصنيع الغذائي الشبكة العصبية الصناعية
 
مقدمة عن برامج محاكاة العمليات
مقدمة عن برامج محاكاة العملياتمقدمة عن برامج محاكاة العمليات
مقدمة عن برامج محاكاة العمليات
 
الذكاء الاصطناعي
الذكاء الاصطناعيالذكاء الاصطناعي
الذكاء الاصطناعي
 
Habash: Arabic Natural Language Processing
Habash: Arabic Natural Language ProcessingHabash: Arabic Natural Language Processing
Habash: Arabic Natural Language Processing
 
Federated Learning: ML with Privacy on the Edge 11.15.18
Federated Learning: ML with Privacy on the Edge 11.15.18Federated Learning: ML with Privacy on the Edge 11.15.18
Federated Learning: ML with Privacy on the Edge 11.15.18
 
مقدمة خوارزميات جنينية ‫‬.ppt
مقدمة خوارزميات جنينية ‫‬.pptمقدمة خوارزميات جنينية ‫‬.ppt
مقدمة خوارزميات جنينية ‫‬.ppt
 
مكونات نظام المعلومات
مكونات نظام المعلوماتمكونات نظام المعلومات
مكونات نظام المعلومات
 
مشروع قواعد البيانات
مشروع قواعد البيانات مشروع قواعد البيانات
مشروع قواعد البيانات
 
تحليل النظم
تحليل النظمتحليل النظم
تحليل النظم
 

Similar to الفصل الثامن

إدارة المعرفة ونظم المعلومات
إدارة المعرفة ونظم المعلوماتإدارة المعرفة ونظم المعلومات
إدارة المعرفة ونظم المعلومات
Prof. Othman Alsalloum
 
Active learning arabic
Active learning arabicActive learning arabic
Active learning arabic
arteimi
 

Similar to الفصل الثامن (20)

Artificial Neural Network1.pptx
Artificial Neural Network1.pptxArtificial Neural Network1.pptx
Artificial Neural Network1.pptx
 
28438
2843828438
28438
 
neural network
neural networkneural network
neural network
 
Artifi intell(ar)تحميل كتاب الذكاء الصناعي
Artifi intell(ar)تحميل كتاب الذكاء الصناعيArtifi intell(ar)تحميل كتاب الذكاء الصناعي
Artifi intell(ar)تحميل كتاب الذكاء الصناعي
 
Artificial intelligence in power saving &amp; games
Artificial intelligence in power saving &amp; gamesArtificial intelligence in power saving &amp; games
Artificial intelligence in power saving &amp; games
 
المادة العلمية التحليل الإحصائي لبيانات البحوث العلمية باستخدام منهجيات الذكا...
المادة العلمية التحليل الإحصائي لبيانات البحوث العلمية باستخدام منهجيات الذكا...المادة العلمية التحليل الإحصائي لبيانات البحوث العلمية باستخدام منهجيات الذكا...
المادة العلمية التحليل الإحصائي لبيانات البحوث العلمية باستخدام منهجيات الذكا...
 
إدارة المعرفة ونظم المعلومات
إدارة المعرفة ونظم المعلوماتإدارة المعرفة ونظم المعلومات
إدارة المعرفة ونظم المعلومات
 
علم البيانات والبيانات الضخمة- الذكاء الاصطناعي للجميع -جديد
علم البيانات والبيانات الضخمة- الذكاء الاصطناعي للجميع -جديدعلم البيانات والبيانات الضخمة- الذكاء الاصطناعي للجميع -جديد
علم البيانات والبيانات الضخمة- الذكاء الاصطناعي للجميع -جديد
 
العرض التقديمي.pptx
العرض التقديمي.pptxالعرض التقديمي.pptx
العرض التقديمي.pptx
 
علم البيانات و البيانات الضخمة
علم البيانات و البيانات الضخمةعلم البيانات و البيانات الضخمة
علم البيانات و البيانات الضخمة
 
تقنيات التنقيب فى البيانات وتطبيقاتها في البحوث العلمية
تقنيات التنقيب فى البيانات وتطبيقاتها في البحوث العلميةتقنيات التنقيب فى البيانات وتطبيقاتها في البحوث العلمية
تقنيات التنقيب فى البيانات وتطبيقاتها في البحوث العلمية
 
Artificial neural networks lec1
Artificial neural networks lec1Artificial neural networks lec1
Artificial neural networks lec1
 
Towards secure SDNs
Towards secure SDNsTowards secure SDNs
Towards secure SDNs
 
نظم معلومات اداريه.pptx
نظم معلومات اداريه.pptxنظم معلومات اداريه.pptx
نظم معلومات اداريه.pptx
 
تقرير ندوة استرجاع المعرفة : الجيل الجديد من نظم الاسترجاع
تقرير ندوة استرجاع المعرفة : الجيل الجديد من نظم الاسترجاعتقرير ندوة استرجاع المعرفة : الجيل الجديد من نظم الاسترجاع
تقرير ندوة استرجاع المعرفة : الجيل الجديد من نظم الاسترجاع
 
Active learning arabic
Active learning arabicActive learning arabic
Active learning arabic
 
Networking
NetworkingNetworking
Networking
 
Grid computing , Utility computing الحوسبة الشبكية و الخدمية
Grid computing , Utility computing  الحوسبة الشبكية و الخدميةGrid computing , Utility computing  الحوسبة الشبكية و الخدمية
Grid computing , Utility computing الحوسبة الشبكية و الخدمية
 
neural network nntool box matlab start
neural network nntool box matlab startneural network nntool box matlab start
neural network nntool box matlab start
 
Data mining
Data miningData mining
Data mining
 

الفصل الثامن

  • 1. تطبيقات وخ وارزميات التنقيب في قواعد البيانات في المجال الأمني والاستخباراتي إعداد د / أحمد أبو الفتوح
  • 2.
  • 3.
  • 4.
  • 5.
  • 6.
  • 7.
  • 8.
  • 9. تقسيم الجرائم المرتكبة في أحدى ا لمناطق باستخدام خوارزمية شجر القرار إجمالي حوادث القتل التي وقعت 100 السؤال : جريمة القتل عمداً ؟ إجمالي حوادث القتل العمد 60 السؤال : عمر القاتل > 30 ؟ إجمالي حوادث القتل الخطأ 40 حوادث القتل العمد، العمر < 30 السؤال : الدافع هو السرقة ؟ 40 حوادث القتل العمد، العمر > من 30 20 حوادث القتل العمد، العمر > 30 والدافع ليس السرقة 10 حوادث القتل العمد، العمر < 30 والدافع هو السرقة 30 لا لا نعم نعم نعم لا
  • 10.
  • 11.
  • 12.
  • 13.
  • 14.
  • 15.
  • 16.
  • 17.
  • 18.
  • 19.
  • 20.
  • 21.
  • 22.
  • 23.
  • 24.
  • 25.
  • 26.
  • 27. An Artificial Neuron w 1j w 2j w 3j w ij x 1 x 2 x 3 x i f (x) y
  • 28. شكل يحاكى فكرة الخلية العصبية الطبيعية
  • 29.
  • 30.
  • 31.
  • 32. شبكة إصطناعية ثنائية الطبقات Adjustable Weights Output Values Input Signals (External Stimuli)
  • 33.
  • 34. شبكة إصطناعية متعددة الطبقات الطبقة الخفية الأولى طبقة المخرجات طبقة المدخلات عنصر معالجة (PE) الطبقة الخفية الثانية
  • 35.
  • 36.
  • 37.
  • 38.
  • 39.
  • 40.
  • 41.
  • 42. a) Single neuron S j f(S j ) Y j x o x 1 x 2 x n +1 w j0 w j1 w j2 w jn
  • 43. b) Several neurons X1 X2 W11 W22 W21 W12 W23 PE PE PE Y1 Y2 Y3 Y1=x1w11+x2w21 Y2=x1w12+x2w22 Y3=x2w23
  • 44.
  • 45.
  • 46.
  • 47.
  • 48.
  • 49. شكل يوضح نموذج دالة التعلم Compute Output Adjust Weights Stop Is Desired output Achieved? No Yes
  • 50.
  • 51.
  • 52.
  • 53.
  • 54. شكل توضيحي للمثال الشكل التالي يبسط ما تم عمله في المثال السابق
  • 55.
  • 56.
  • 57.
  • 58.
  • 59. رسم توضيحي للمثال كل الحوادث حوادث سير أدت للقتل مرتكبو 10 مخالفات مرتكبو 10 مخالفات وحادث مؤدي للقتل ليس من المجموعتين
  • 60.
  • 61.
  • 62.
  • 63. مراحل تطور استخدام تكنولوجيا المعلومات ونوعية الأسئلة التي وفرت لنا إجاباتها في كل مرحلة التنقيب في قواعد البيانات Data Mining (Emerging Today) ماذا يمكن أن يحدث لطبيعة الجرائم المرتكبة في مدينة الرياض الشهر القادم، ولماذا ؟ مستودعات البيانات ودعم القرار Data Warehousing & Decision Support (1990s) ” ما نوعية الجرائم التي وقعت في مدينة الرياض في شهر مارس الماضي ، مع مقارنة لكل المدن الأخرى ؟ ” الوصول للبيانات Data Access (1980s) ” ما نوعية الجرائم التي وقعت في مدينة الرياض في شهر مارس الماضي؟” تجميع البيانات Data Collection (1960s) ” كم كان مجموع الجرائم في السنوات الخمس الأخيرة ؟ ” مرحلة التطور في استخدام تكنولوجيا المعلومات السؤال الذي توفر إجابته تلك التكنولوجيا
  • 64.
  • 65. قواعد بيانات قواعد بيانات قواعد بيانات تنسيق وتعاون تنسيق وتعاون تحليل وتنقيب معرفة حقيقية سياسات وخطط ولوائح تنفيذية وإجراءات الأمن