ن مشتاقی یزدانی - دانشجوی کارشناسی ارشد مکاترونیک، دانشگاه تهران
م شریعت پناهی - دانشیار دانشکده مهندسی مکانیک، دانشگاه تهران.
آ یزدانی سقرلو - دانشجوی کارشناسی ارشد مهندسی کامپیوتر – نرم افزار، دانشگاه تهران

پیشرفت روز افزون علم الکترونیک همواره و صنعت مدارهای آنالوگ و دیجیتال باعث تولید مدراتی با وظیفه مندیهای پیچیده شده است، افزایش قابلیت اطمینان و اتکا پذیری این سیستمها ، همچنین بحث تست وتشخیص صحیح عیب و رفع عیب این گونه مدارات به موضوعی بسیار مهم وحیاتی مبدل گردیده آزمایش مرحله به مرحله مدارات در طی فرآیند ساخت و قبل از فروش آن و رسیدن به دست مصرف کننده به عنوان یکی ازتکنیک های افزایش قابلیت اطمینان مطرح می شود.بنابراین بهترین روش تولید الگویی از خطا ها می باشد و ازآنجاییکه سیستم طبقه بندیXCS که به عنوان یکی از موفق ترین عامل های یادگیرنده برای حل مسائل(Learning Agents)شناخته شده است،در این مقاله با استفاده از سیستم طبقه بندیXCSو سایر الگوریتم های یادگیری مبتنی بر نمونه به تشخیص خطا در مدارات آنالوگ و به عنوان نمونه یک مبدل آنالوگ به دیجیتالADC می پردازیم. کارایی روش های مزبور نیز از طریق مقایسه نتایج (در مورد مسئله معیار) موردارزیابی قرار می گیرد

مبدل آنالوگ به دیجیتال ، سیستم طبقه بندXCS/شبکه عصبی ، قابلیت اطمینان