یادگیری ترکیب تصمیم در یادگیری مفهوم با استفاده از یادگیری نموی بر اساس جمعیت(PBIL)
محل انتشار: دومین کنگره مشترک سیستمهای فازی و هوشمند ایران
سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 685
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
FJCFIS02_132
تاریخ نمایه سازی: 26 تیر 1392
چکیده مقاله:
مسئله یادگیری مفاهیم یکی از مسائل مهم و چالش انگیز در روباتیک، هوش مصنوعی و یادگیری ماشینی است. اطلاعات دریافتی از محیط از طریق سنسورهای عامل صورت میگیرد که عملا محدودیتهای فراوانی دارند. این امر نیاز به مدلسازی نایقینیرا در درک، نمایش اطلاعات و تصمیمگیری اجتناب ناپذیر میسازد. از طرف دیگر منابع اطلاعاتی مختلف عامل میتوانند محتوای اطلاعاتی در سطوح مختلفی داشته باشند. لذا نیاز خواهد بود اطلاعات حاصله با در نظر گرفتن قابلیت اطمینان صحیح آنها ترکیبشوند. این مقادیر قابلیت اطمینان در حالت کلی وابسته به زمینه میباشند. در این مقاله مفاهیم فوق برای مسئله ترکیب تصمیم در یادگیری مفهوم مدنظر قرار میگیرد. مدلTBMاسمتز به عنوان مدل کلی نمایش و حمل نایقینی فرض شده، آنکاه به دلیل ماهیت پیچیده مسئله بهینهسازی مقید حاصل برای یادگیری ضرایب قابلیت اطمینان منابع سنسور عامل یادگیری مفهوم، مدلسازی آن برای یادگیری توسط الگوریتمهای تکاملی انجام میگیرد
کلیدواژه ها:
نویسندگان
طاهر شهبازی میرزاحسنلو
قطب علمی کنترل و پردازش هوشمند، دانشکده مهندسی برق و کامپیوتر، دانشگ
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :