لینک پاورپوینت درمورد هوش مصنوعی و سیستم خبره
پاورپوینت درمورد هوش مصنوعی و سیستم خبره
مشخصات فایل عنوان: پاورپوینت درمورد هوش مصنوعی و سیستم خبره قالب بندی: پاورپوینت قسمتی از پاورپوینت انگلیسی میباشد تعداد اسلاید: 15 محتویات سرفصل های درس مقدمه معرفی سیستم های هوشمند معرفی الگوریتمهای تکاملی معرفی الگوریتم ژنتیک فضای جستجو کد کردن و انواع آن کروموزم و جمعیت تابع ارزیابی عملگر انتخاب عملگرهای برش عملگر جهش الگوریتم GA بیان کاربردهای آن مراجع قسمتی از پاورپوینت Collective Animal Locomotion "living bridges"of ants made by ants When one observes an insect colony it appears that every single insect has its own agenda.... yet, the whole colony looks very organized. چرا سیستمهای هوشمند؟ § معرفی § معیارهای هوشمندی - یادگیری ) Learning ) - تصمیم گیری ( Decision Making ) - تعمیم پذیری ( Generalization ) - تطبیق پذیری ( Adaptation ) و . .. . ...ادامه مطلب ...
لینک فایل تحقیق درباره سیستم های خبره -41 صفحه
مشخصات فایل
عنوان:سیستم های خبره
قالب بندی:word
تعداد صفحات:41
محتویات
سیستم خبره چیست؟
طراحی سیستمهای خبره
انتخاب مسئله مناسب
عواید سیستم
ابزارها
هزینه
مراحل ایجاد یک سیستم خبره
مدیریت پروژه
مسئله تحویل
نگهداری و تکامل
خطاها در مراحل ایجاد
مهندسی نرم افزار و سیستمهای خبره
چرخه حیات سیستم خبره
هزینه های نگهداری
مدل آبشاری
مدل کدنویسی و اصلاح
مدل افزایشی
مدل مارپیچی
یک مدل چرخه حیات تفصیلی
طراحی
تعریف دانش
طراحی دانش
تصدیق بر دانش
ارزیابی سیستم
خلاصه
مسائل
مقدمه ای بر سیستمهای خبره
سیستم خبره چیست؟
اولین قدم در حل هر مسئله ای تعریف دامنه یا محدوده آن است. این نکته همانطور که در مورد روشهای برنامه نویسی متعارف صحت دارد، در مورد هوش مصنوعی نیز درست است. اما به خاطر اسراری که از قبل در مورد هوش مصنوعی ( AI ) وجود داشته، هنوز هم برخی مایلند این عقیده قدیمی را باور کنند که " هر مسئله ای که تا به حال حل نشده باشد یک مسئله هوش مصنوعی است". تعریف متداول دیگری به این صورت وجود دارد " هوش مصنوعی کامپیوترها را قادر می سازد که کارهایی شبیه به آنچه در فیلمها دیده می شود انجام دهند".چنین تفکراتی در دهه 1970 میلادی رواج داشت، یعنی درست زمانی که هوش مصنوعی در مرحله تحقیق بود ولی امروزه مسائل واقعی بسیاری وجود دارند که توسط هوش مصنوعی و کاربردهای تجاری آن قابل حلند.
اگرچه برای مسائل کلاسیک هوش مصنوعی از جمله ترجمه زبانهای طبیعی، فهم کلام و بینایی هنوز راه حل عمومی یافت نشده است، ولی محدود کردن دامنه مسئله می تواند به راه حل مفیدی منجر شود. به عنوان مثال، ایجاد یک « سیستم زبان طبیعی ساده » که ورودی آن جملاتی با ساختار اسم، فعل و مفعول باشد کار مشکلی نیست. در حال حاضر، چنین سیستمهایی به عنوان یک واسط در ایجاد ارتباط کاربر پسند با نرم افزارهای بانک اطلاعاتی و صفحه گسترده ها به خوبی عمل می کنند. در حقیقت (پاره) جملاتی که امروزه در برنامه های کامپیوتری مخصوص بازی و سرگرمی به کار می روند توان بالای کامپیوتر در فهم زبان طبیعی را به نمایش می گذارند.
همان طور که شکل 1-1 نشان میدهد، هوش مصنوعی شامل چندین زیر مجموعه است. زیر مجموعه سیستمهای خبره یکی از موفق ترین راه حلهای تقریبی برای مسائل کلاسیک هوش مصنوعی است. پروفسور فیگن بام از دانشگاه استانفورد یکی از پیشکسوتان تکنولوژی سیستم های خبره، تعریفی در مورد سیستمهای خبره دارد : « ... یک برنامه کامپیوتری هوشمند که از دانش و روشهای استنتاج برای حل مسائلی استفاده می کند که به دلیل مشکل بودن، نیاز به تجربه و مهارت انسان » (Feigenbaum 82 ). بنابراین سیستم خبره یک سیستم کامپیوتری است که از قابلیت تصمیم گیری افراد خبره، تقلید می نماید. لغت تقلید به این معناست که سیستم خبره سعی دارد در تمام جنبه ها شبیه فرد خبره عمل کند. عمل تقلید از شبیه سازی قوی تر است چون در شبیه سازی تنها در بعضی موارد شبیه چیزهای واقعی عمل می شود.
اگرچه هنوز یک برنامه چند منظوره برای حل مسائل ایجاد نشده است، ولی سیستمهای خبره در محدوده های خاص به خوبی عمل می کنند. برای اثبات موفقیت سیستمهای خبره فقط کافی است که کاربردهای متعدد سیستمهای خبره را در تجارت، پزشکی، علوم مهندسی ملاحظه نمود و یا کتابها، مجلات، سمینارها و محصولات نرم افزاری اختصاص یافته به سیستمهای خبره را مشاهده کرد.
سیستمهای خبره یکی از شاخه های هوش مصنوعی است که همچون یک فرد خبره با استفاده وسیع از دانش تخصصی به حل مسائل می پردازد. فرد خبره کسی است که در یک زمینه خاص دارای تجربه و مهارت و در یک کلام خبرگی است. بنابراین فرد خبره دارای دانش یا مهارت خاصی است که برای بیشتر مردم ناشناخته و یا غیر قابل دسترسی است. فرد خبره مسایلی را حل می کند که یا توسط دیگران قابل حل نیست و یا او مؤثرترین ( و البته نه ارزانترین) راه حل را برای آن مسئله ارائه می دهد. وقتی سیستمهای خبره اولین بار در دهه 1970 توسعه یافتند، فقط دارای دانش خبرگی بودند. ولی لغت سیستم خبره امروزه اغلب به هر سیستمی اطلاق می شود که از تکنولوژی سیستم خبره استفاده می کند. این تکنولوژی می تواند شامل زبانهای خاص سیستمهای خبره، برنامه ها و سخت افزارهای طراحی شده برای کمک به توسعه و اجرای سیستمهای خبره باشد.
دانش موجود در سیستمهای خبره می تواند شامل تجربه و یا دانشی باشد که از طریق کتب، مجلات و افراد دانشمند قابل دسترسی است. اصطلاحات سیستم خبره، سیستم مبتنی بر دانش و یا سیستم خبره مبتنی بر دانش، به طور مترادف به کار می روند. بیشتر مردم از اصطلاح سیستم خبره به دلیل کوتاه بودنش استفاده می کنند. این در حالی است که ممکن است حتی در آن سیستم خبره هیچ تجربه و مهارتی وجود نداشته و فقط شامل دانش عمومی باشد.
شکل 2-1 مفهوم بنیانی یک سیستم خبره مبتنی بر دانش را نشان می دهد. کاربر حقایق (یا وقایع) و یا سایر اطلاعات را به سیستم خبره داده و در پاسخ، تجربه، تخصص و توصیه های عالمانه و در یک کلام خبرگی دریافت می کند. از نظر ساختار داخلی، سیستم خبره از دو بخش اصلی تشکیل می شود. بخش اول پایگاه دانش است. این پایگاه حاوی دانشی است که بخش دوم یعنی موتور استنتاج به کمک آن نتیجه گیری می کند. این نتایج، پاسخ سیستم خبره به سوالات کاربر می باشد.
سیستمهای مبتنی بر دانش کارا طوری طراحی شده اند که بتواند به عنوان یک دستیار هوشمند برای افراد خبره عمل کنند. این دستیاران هوشمند به وسیله تکنولوژی سیستمهای خبره طراحی شده اند و دلیل این کار، امکان بسط دانش آنها در آینده می باشد. هر چه دانش بیشتری به یک سیستم دستیار هوشمند اضافه شود، بیشتر شبیه به یک فرد خبره عمل می کند. توسعه یک سیستم دستیار هوشمند می تواند مرحله مهمی در ایجاد یک سیستم خبره کامل باشد. بعلاوه یک دستیار هوشمند می تواند با سرعت بخشیدن به حل مسئله، وقت فرد خبره را آزاد کند. معلمین هوشمند یکی دیگر از کاربردهای هوش مصنوعی هستند. بر خلاف سیستمهای قدیمی آموزش به کمک کامپیوتر، سیستمهای جدید می توانند بسته به زمینه و مفهوم، آموزش یا راهنمایی ارائه دهند (Giarratano 91a).
بر خلاف دانش مربوط به تکنیکهای حل مسایل عمومی، دانش یک فرد خبره حوزه مند است یعنی محدود به یک دامنه خاص است. دامنه یک مسئله، نشاندهنده حوزه خاصی همچون حوزه پزشکی، مالی، علوم و یا مهندسی است که یک فرد خبره می تواند مسایل آن را به خوبی حل کند. سیستمهای خبره طوری طراحی شده اند که مثل افراد خبره در یک حوزه خاص، مهارت داشته باشند. به عنوان مثال شما معمولا انتظار ندارید که یک متخصص شطرنج، در زمینه مسایل پزشکی نیز دانش تخصصی داشته باشد. تخصص داشتن در یک حوزه خاص، به خودی خود، منجر به تخصص داشتن در حوزه های دیگر نمی شود.
دانش یک فرد خبر درباره حل یک مساله خاص، حوزه دانش فرد خبره نامیده می شود.
کلمات کلیدی : تحقیق درباره سیستم های خبره ,طراحی سیستمهای خبره,عواید سیستم,مهندسی نرم افزار و سیستمهای خبره,ارزیابی سیستم
در این سایت هیچ فایلی برای فروش قرار نمی گیرد. برای پشتیبانی و خرید فایل به سایت اصلی فروشنده مراجعه بفرمائید:
لینک دریافت فایل از سایت اصلی
ادامه مطلب ...
لینک فایل تحقیق درباره یک سیستم خبره فازی – عصبی برای تشخیص- 15 صفحهword
مشخصات فایل
عنوان: یک سیستم خبره فازی – عصبی برای تشخیص
قالب بندی: word
تعداد صفحات:15
محتویات
چکیده
مقدمه
شبکه عصبی فازی
سیستم خبره فازی
نتایج اولیه (مقدماتی )
نتیجه گیری
تشکر و سپاسگزاری
قسمتی از متن
یک سیستم خبره فازی – عصبی برای تشخیص
چکیده:
منطق فازی،یک شبکه عصبی و سیستم خبره است که برای ایجاد یک سیستم تشخیصی ترکیبی با یکدیگر ترکیب شده اند.با استفاده از چنین سیستمی ما یک روش جدید برای فراگیری مبانی دانش استفاده می کنیم. سیستم ما شامل یک سیستم خبره فازی همراه با یک بیس دانشی با منبع دوگانه است. دو سری قوانین لازم هستند ، که به صورت استنباطی از مثالهای ارائه شده و به صورت استقرایی توسط فیزیک دانان بدست آمده اند. یک شبکه عصبی فازی سعی میکند که از داده های نمونه یاد گرفته و این اجازه را می دهد که قوانین فازی برای دانش پایه را استخراج کنیم.تشخیص electroencephalograms با تفسیر عناصر نموداری بعنوان یک نوع مشاهده در روش ما بکار گرفته می شود. نتایج اولیه نشان دهنده احتمالات مورد نظر با استفاده از روش ما می باشد.
1- مقدمه:
روشهای تکراری شناسایی و ارزیابی پدیده خاص را کار تشخیصی می نامند ،که یکی از کاربردهای اصلی برای هوش مصنوعی (AI) می باشد. با توجه به اینکه رنج وسیعی از چنین کاربرهای تشخیصی وجود دارد . اگرچه رنج وسیعی از چنین کاربردهای تشخیصی در پزشکی وجود دارد ولی این بخش مورد توجه استفاده کنندگام از هوش مصنوعی قرار دارد. عمومی ترین روشهای AI در بخش پزشکی مبتنی بر دانش و مدلسازی رفتار تشخیصی متخصصان است . انواع مختلفی از چنین سیستمهای خبره ای از زمانی که SHRTLIFFE روش SHRTLIFFE MYCIN را بعنوان یک سیستم خبره برای تشخیص آسیبهای خونی انسان طراحی و معرفی کرد ، بوسیله پزشکان مورد استفاده قرار گرفته است. یکی از بزرگترین مشکلات بر سر راه طراحی یک سیستم خبره مناسب ، گردآوری و دانش پایه آن است. ما روش جدیدی را معرفی میکنیم که در آن دانش پایه با منبع دوگانه بوسیله یادگیری قیاسی واستقرایی ایجاد می شود. شیکه های عصبی نیز از این راه برای تشخیص استفاده میکنند . آنها قادرند رابطه بین مجموعه داده ها را با داشتن اطلاعات نمونه که نشاندهنده لایه های ورودی و خروجی آنها است ،یاد بگیرند. در حوزه تشخیص الگو در داده های پزشکی ، شبکه های عصبی زیر بنای روشهایی است که باعث دستیابی به نتایج قابل توجهی شده اند. برای انجام وظیفه چمع آوری دانش پایه که بخشی از روش ترکیبی ما است ، شبکه های عصبی جدیدی معرفی شده اند. منطق فازی که در علوم پزشکی نیز ظاهر شده اند ، با توضیحات شفاهی مبهم سروکار دارند. واژه هایی همانند کم ، زیاد یا احتمالاً برای مدلسازی با استفاده از روشهای منطقی مرسوم ،دشوار هستند. متغیرهای زبانی معرفی شده بوسیله توضیحات فازی ، توضیحات شبه گفتاری نزدیک به گفتارهای یک شخص طیبعی است. تمامی روشهای بالا دارای مزایا و معایبی هستند که در بخش 2 توضیح داده خواهند شد. ترکیب این روشها نه تنها باعث افزایش مزیتها آن می شود بلکه باعث حذف برخی از نقاط ضعف آنها نیز میشود. تاکنون فقط چند روش در تشخیص پزشکی ، روشهای چندگانه هوش مصنوعی را با هم ترکیب کرده اند، که البته با مدلسازی یک پروسه تشریحی پزشکی به نتایج خوبی هم رسیده اند.
اگر چه رنج وسیعی از چنین کاربردهای تشخیصی در پزشکی وجود دارد این بخش جزواستفاده کنندگان بلقوه هوش مصنوعی هستند .عمومی ترین روشهای AI در بخش پزشکی سیستمهای مبتنی بر دانش ومدل سازی رفتار تشخیص متخصصین است .انواع مختلفی از چنین سیستمهای خبره ای از زمانی که Shortliffe روش MYCIN Shortliffe را بعنوان یک سیستم خبره برای تشخیص آسیبهای خونی انسان طراحی ومعرفی کرد ،بوسیله پزشکان مورد استفاده قرار گرفته است .یکی از بزرگترین مشکلات بر سر راه طراحی یک سیستم خبره مناسب گردآوری ودانش پایه آن است .ما روش جدیدی را معرفی می کنیم که در آن یک دانش پایه با منبع دوگانه بوسیله یادگیری استنتاجی واستقرایی ایجاد میشود .شبکه های عصبی نیز از این راه برای تشخیص استفاده می کنند. آنها قادرند روابط بین مجموعه داده هارا با داشتن اطلاعات نمونه که نشاندهنده لایه های ورودی وخروجی آنها است ،یاد بگیرند.
در حوزه تشخیص الگودر دادهای پزشکی ،شبکه عصبی زیر بنای روشهایی است که باعث دستیابی به نتایج قابل توجهی شده اند .برای انجام وظیفه جمع آوری دانش پایه که بخش از روش ترکیبی ما است ،شبکه های عصبی جدیدا معرفی شده اند منطق فازی که در علوم پزشکی نیز ظاهر شده است ،با بیانات شفاهی نا مشخص سر وکار دارد .واژه هایی همانند زیاد ،کم یا احتمالا برای تبدیل شدن به مدل با استفاده از منطق مرسوم سخت هستند .متغیر های زبانی معرفی شده بوسیله بیانات فازی توضیحات شبه زبانی (گفتاری)نزدیک به گفتارهای یک شخص طبیعی است .تمامی روشهای بالا دارای مزایا ومعایبی هستند که در بخش 2 توضیح داده خواهند شد .ترکیب این روشها نه تنها باعث افزایش مزیتهای آن ها می گرددبلکه باعث حذف برخی از معایب آنها نیز میشود .تاکنون فقط چند روش در تشخیص پزشکی ،روشهای چند گانه هوش مصنوعی را با هم ترکیب کرده اند ،که البته با مدلسازی یک پروسه تشریحی پزشکی به نتایج خوبی هم رسیده اند .
در اینجا ما سیستم ترکیبی را توضیح خواهیم داد که شامل یک سیستم خبره فازی برای استنتاج مبتنی بر قانون همراه با یک شبکه عصبی فازی برای کسب دانش مبتنی بر مورد علاوه بر دانش مبتنی بر توضیحات یک فرد خبره می باشد . (بخش 3) دریافت خودکار قوانین توسط شبکه به موازات قانونمند کردن قوانین تجربی اجرا می شود . برای سیستم ترکیبی دو حالت برای پردازش نتایج وجود دارد : یک مود یادگیری برای تغذیه دانش پایه و مود اجرایی برای تشخیص اطلاعات بیمار . تمامی اجزای سیستم بر پایه نمایش فازی استوار هستند که بعنوان یک رابط شخص بین اجزا و فازی کردن اطلاعات ورودی ضروری عمل می کنند . از زیر بخش
2-3 یک تکنیک نقشه زیری بسیار موثر معرفی خواهد شد که متغیرهای فازی را به علائم عصبی تبدیل می کند . برای مشاهده پردازش اطلاعات واقعی پزشکی در چنین سیستمی ، ما از تشخیص های electroenephalograms(EEGs) را برای نشان دادن استفاده می کنیم . این نوع از اطلاعات پزشکی که به صورت الکترونیکی اندازه گیری و ذخیره شده است ، برای پردازش خودکار بسیار مناسب هستند زیرا نیازی به تبدیل به علائم الکترونیکی ندارند . سایر انواع اطلاعات نیز برای تشخیص در سیستم ها مناسب هستند . ما سیستم خودمان را سوای از کاربردهای احتمالی و هدف عنوان شده توسط MC Clelland توضیح خواهیم داد . بنابراین برای نشان دادن چند گانگی پدیده و برای هر پدیده به 8 نرون نیاز است . از آنجایکه تعداد ویژگیهای قرار گرفته در هر بخش از زمان در EEG تغییر می کند (هر نمونه بوسیله یک وسیله مصنوعی تغییر نخواهد کرد) به تصویری نیاز است که توانایی کد گذاری پدیده چندگانه بوسیله تعدادی عصب ثابت را داشته باشد . ما یک الگوی نقشه بندی را توسعه داده ایم که بر اساس آن و بوسیله محاسبه نتیجه فرعی که به تفضیل بعدا در مورد آن صحبت خواهیم کرد دو متغیر فازی را در یک شبکه مناسب برای نمایش ارائه قرار می دهد . دو متغیر چهار واژه ای بوسیله 16 نرون N frequency x amplitude (N دفعه X شدت) بدست می آید . (شکل 2 را ببینید ) هر نرون نشان دهنده ارتباط دو واژه فازی هر متغیر است و بنابراین بر مشکل پیوندی غلبه می کنیم . مقدار فعاللیت یک نزون از طریق ضرب جبری او تابع عضویت به صورت زیر محاسبه شده است :
Ndelta = udelta*uzero = 0.6*0.6=0.36
جمع فعالیت حاصل از یک پدیده طیفی برای ساده کردن قابلیت تفسیر مجدد قواعد یادگرفته شده بوسیله شبکه یک خواهد بود .
کلمات کلیدی : تحقیق درباره یک سیستم خبره فازی,عصبی برای تشخیص,سیستم خبره فازی ,شبکه عصبی فازی ,
در این سایت هیچ فایلی برای فروش قرار نمی گیرد. برای پشتیبانی و خرید فایل به سایت اصلی فروشنده مراجعه بفرمائید:
لینک دریافت فایل از سایت اصلی
ادامه مطلب ...
لینک فایل پاورپوینت درمورد هوش مصنوعی و سیستم خبره
مشخصات فایل
عنوان: پاورپوینت درمورد هوش مصنوعی و سیستم خبره
قالب بندی: پاورپوینت
قسمتی از پاورپوینت انگلیسی میباشد
تعداد اسلاید: 15
محتویات
سرفصل های درس
"living bridges"of ants made by ants
When one observes an insect colony it appears that every single insect has its own agenda.... yet, the whole colony looks very organized.
چرا سیستمهای هوشمند؟
کلمات کلیدی : پاورپوینت درمورد هوش مصنوعی و سیستم خبره,معرفی سیستم های هوشمند,معرفی الگوریتمهای تکاملی,معرفی الگوریتم ژنتیک,کروموزم و جمعیت ,الگوریتم GA
در این سایت هیچ فایلی برای فروش قرار نمی گیرد. برای پشتیبانی و خرید فایل به سایت اصلی فروشنده مراجعه بفرمائید:
لینک دریافت فایل از سایت اصلی
ادامه مطلب ...
لینک فایل پاورپوینت سیستم های خبره
مهندسی نرم افزار
منابع
برنامه نویسی (فرایند تولید برنامه ) سه گام دارد:
طراحی (Design)
کدنویسی (Code)
اشکال زدایی (Debug)
مهندسی دانش: به فرایند ساخت یک سیستم خبره مهندسی دانش گوییم.
ایجاد یک سیستم خبره یک فرایند تکراری است بطوری که مراحل مختلف آن طی پروژه تکرار میشود. یعنی طراح قسمتی از سیستم را میسازد و تست میکند و پس از آن دوباره سیستم را توسعه و بهبود می بخشد.
و . . .
کلمات کلیدی : پاورپوینت سیستم های خبره,برنامه نویسی در مقایسه با مهندسی دانش,فازهای مهندسی دانش ( شش فاز ),مهندسی نرم افزار,مدل سازی سیستم,مقایسه مهندسی دا?
در این سایت هیچ فایلی برای فروش قرار نمی گیرد. برای پشتیبانی و خرید فایل به سایت اصلی فروشنده مراجعه بفرمائید:
لینک دریافت فایل از سایت اصلی
ادامه مطلب ...
لینک فایل پاورپوینت کاربرد سیستمهای خبره و هوش مصنوعی برای تصمیم گیری
فراوانی متقاضیان و کاربران
کمبود متخصصان و ارائه دهندگان دانش و کمی زمان
افزایش دامنه و وسعت علوم و مشکل بودن تفکیک
گسترش مرزهای دانش
پایگاه دانش
ترکیب داده ها (همجوشی)DF
دامنه سیستم خبره
موتور استنتاج
و . . .
کلمات کلیدی : کاربرد هوش مصنوعی در مدیریت صنعتی,مقاله کاربرد هوش مصنوعی در مدیریت,هوش مصنوعی در سیستم اطلاعات مدیریت,پاورپوینت کاربرد هوش مصنوعی در پزشکی
در این سایت هیچ فایلی برای فروش قرار نمی گیرد. برای پشتیبانی و خرید فایل به سایت اصلی فروشنده مراجعه بفرمائید:
لینک دریافت فایل از سایت اصلی
ادامه مطلب ...
لینک فایل تحقیق درباره سیستم های خبره -41 صفحه
مشخصات فایل
عنوان:سیستم های خبره
قالب بندی:word
تعداد صفحات:41
محتویات
سیستم خبره چیست؟
طراحی سیستمهای خبره
انتخاب مسئله مناسب
عواید سیستم
ابزارها
هزینه
مراحل ایجاد یک سیستم خبره
مدیریت پروژه
مسئله تحویل
نگهداری و تکامل
خطاها در مراحل ایجاد
مهندسی نرم افزار و سیستمهای خبره
چرخه حیات سیستم خبره
هزینه های نگهداری
مدل آبشاری
مدل کدنویسی و اصلاح
مدل افزایشی
مدل مارپیچی
یک مدل چرخه حیات تفصیلی
طراحی
تعریف دانش
طراحی دانش
تصدیق بر دانش
ارزیابی سیستم
خلاصه
مسائل
مقدمه ای بر سیستمهای خبره
سیستم خبره چیست؟
اولین قدم در حل هر مسئله ای تعریف دامنه یا محدوده آن است. این نکته همانطور که در مورد روشهای برنامه نویسی متعارف صحت دارد، در مورد هوش مصنوعی نیز درست است. اما به خاطر اسراری که از قبل در مورد هوش مصنوعی ( AI ) وجود داشته، هنوز هم برخی مایلند این عقیده قدیمی را باور کنند که " هر مسئله ای که تا به حال حل نشده باشد یک مسئله هوش مصنوعی است". تعریف متداول دیگری به این صورت وجود دارد " هوش مصنوعی کامپیوترها را قادر می سازد که کارهایی شبیه به آنچه در فیلمها دیده می شود انجام دهند".چنین تفکراتی در دهه 1970 میلادی رواج داشت، یعنی درست زمانی که هوش مصنوعی در مرحله تحقیق بود ولی امروزه مسائل واقعی بسیاری وجود دارند که توسط هوش مصنوعی و کاربردهای تجاری آن قابل حلند.
اگرچه برای مسائل کلاسیک هوش مصنوعی از جمله ترجمه زبانهای طبیعی، فهم کلام و بینایی هنوز راه حل عمومی یافت نشده است، ولی محدود کردن دامنه مسئله می تواند به راه حل مفیدی منجر شود. به عنوان مثال، ایجاد یک « سیستم زبان طبیعی ساده » که ورودی آن جملاتی با ساختار اسم، فعل و مفعول باشد کار مشکلی نیست. در حال حاضر، چنین سیستمهایی به عنوان یک واسط در ایجاد ارتباط کاربر پسند با نرم افزارهای بانک اطلاعاتی و صفحه گسترده ها به خوبی عمل می کنند. در حقیقت (پاره) جملاتی که امروزه در برنامه های کامپیوتری مخصوص بازی و سرگرمی به کار می روند توان بالای کامپیوتر در فهم زبان طبیعی را به نمایش می گذارند.
همان طور که شکل 1-1 نشان میدهد، هوش مصنوعی شامل چندین زیر مجموعه است. زیر مجموعه سیستمهای خبره یکی از موفق ترین راه حلهای تقریبی برای مسائل کلاسیک هوش مصنوعی است. پروفسور فیگن بام از دانشگاه استانفورد یکی از پیشکسوتان تکنولوژی سیستم های خبره، تعریفی در مورد سیستمهای خبره دارد : « ... یک برنامه کامپیوتری هوشمند که از دانش و روشهای استنتاج برای حل مسائلی استفاده می کند که به دلیل مشکل بودن، نیاز به تجربه و مهارت انسان » (Feigenbaum 82 ). بنابراین سیستم خبره یک سیستم کامپیوتری است که از قابلیت تصمیم گیری افراد خبره، تقلید می نماید. لغت تقلید به این معناست که سیستم خبره سعی دارد در تمام جنبه ها شبیه فرد خبره عمل کند. عمل تقلید از شبیه سازی قوی تر است چون در شبیه سازی تنها در بعضی موارد شبیه چیزهای واقعی عمل می شود.
اگرچه هنوز یک برنامه چند منظوره برای حل مسائل ایجاد نشده است، ولی سیستمهای خبره در محدوده های خاص به خوبی عمل می کنند. برای اثبات موفقیت سیستمهای خبره فقط کافی است که کاربردهای متعدد سیستمهای خبره را در تجارت، پزشکی، علوم مهندسی ملاحظه نمود و یا کتابها، مجلات، سمینارها و محصولات نرم افزاری اختصاص یافته به سیستمهای خبره را مشاهده کرد.
سیستمهای خبره یکی از شاخه های هوش مصنوعی است که همچون یک فرد خبره با استفاده وسیع از دانش تخصصی به حل مسائل می پردازد. فرد خبره کسی است که در یک زمینه خاص دارای تجربه و مهارت و در یک کلام خبرگی است. بنابراین فرد خبره دارای دانش یا مهارت خاصی است که برای بیشتر مردم ناشناخته و یا غیر قابل دسترسی است. فرد خبره مسایلی را حل می کند که یا توسط دیگران قابل حل نیست و یا او مؤثرترین ( و البته نه ارزانترین) راه حل را برای آن مسئله ارائه می دهد. وقتی سیستمهای خبره اولین بار در دهه 1970 توسعه یافتند، فقط دارای دانش خبرگی بودند. ولی لغت سیستم خبره امروزه اغلب به هر سیستمی اطلاق می شود که از تکنولوژی سیستم خبره استفاده می کند. این تکنولوژی می تواند شامل زبانهای خاص سیستمهای خبره، برنامه ها و سخت افزارهای طراحی شده برای کمک به توسعه و اجرای سیستمهای خبره باشد.
دانش موجود در سیستمهای خبره می تواند شامل تجربه و یا دانشی باشد که از طریق کتب، مجلات و افراد دانشمند قابل دسترسی است. اصطلاحات سیستم خبره، سیستم مبتنی بر دانش و یا سیستم خبره مبتنی بر دانش، به طور مترادف به کار می روند. بیشتر مردم از اصطلاح سیستم خبره به دلیل کوتاه بودنش استفاده می کنند. این در حالی است که ممکن است حتی در آن سیستم خبره هیچ تجربه و مهارتی وجود نداشته و فقط شامل دانش عمومی باشد.
شکل 2-1 مفهوم بنیانی یک سیستم خبره مبتنی بر دانش را نشان می دهد. کاربر حقایق (یا وقایع) و یا سایر اطلاعات را به سیستم خبره داده و در پاسخ، تجربه، تخصص و توصیه های عالمانه و در یک کلام خبرگی دریافت می کند. از نظر ساختار داخلی، سیستم خبره از دو بخش اصلی تشکیل می شود. بخش اول پایگاه دانش است. این پایگاه حاوی دانشی است که بخش دوم یعنی موتور استنتاج به کمک آن نتیجه گیری می کند. این نتایج، پاسخ سیستم خبره به سوالات کاربر می باشد.
سیستمهای مبتنی بر دانش کارا طوری طراحی شده اند که بتواند به عنوان یک دستیار هوشمند برای افراد خبره عمل کنند. این دستیاران هوشمند به وسیله تکنولوژی سیستمهای خبره طراحی شده اند و دلیل این کار، امکان بسط دانش آنها در آینده می باشد. هر چه دانش بیشتری به یک سیستم دستیار هوشمند اضافه شود، بیشتر شبیه به یک فرد خبره عمل می کند. توسعه یک سیستم دستیار هوشمند می تواند مرحله مهمی در ایجاد یک سیستم خبره کامل باشد. بعلاوه یک دستیار هوشمند می تواند با سرعت بخشیدن به حل مسئله، وقت فرد خبره را آزاد کند. معلمین هوشمند یکی دیگر از کاربردهای هوش مصنوعی هستند. بر خلاف سیستمهای قدیمی آموزش به کمک کامپیوتر، سیستمهای جدید می توانند بسته به زمینه و مفهوم، آموزش یا راهنمایی ارائه دهند (Giarratano 91a).
بر خلاف دانش مربوط به تکنیکهای حل مسایل عمومی، دانش یک فرد خبره حوزه مند است یعنی محدود به یک دامنه خاص است. دامنه یک مسئله، نشاندهنده حوزه خاصی همچون حوزه پزشکی، مالی، علوم و یا مهندسی است که یک فرد خبره می تواند مسایل آن را به خوبی حل کند. سیستمهای خبره طوری طراحی شده اند که مثل افراد خبره در یک حوزه خاص، مهارت داشته باشند. به عنوان مثال شما معمولا انتظار ندارید که یک متخصص شطرنج، در زمینه مسایل پزشکی نیز دانش تخصصی داشته باشد. تخصص داشتن در یک حوزه خاص، به خودی خود، منجر به تخصص داشتن در حوزه های دیگر نمی شود.
دانش یک فرد خبر درباره حل یک مساله خاص، حوزه دانش فرد خبره نامیده می شود.
کلمات کلیدی : تحقیق درباره سیستم های خبره ,طراحی سیستمهای خبره,عواید سیستم,مهندسی نرم افزار و سیستمهای خبره,ارزیابی سیستم
در این سایت هیچ فایلی برای فروش قرار نمی گیرد. برای پشتیبانی و خرید فایل به سایت اصلی فروشنده مراجعه بفرمائید:
لینک دریافت فایل از سایت اصلی
ادامه مطلب ...
لینک فایل تحقیق درباره یک سیستم خبره فازی – عصبی برای تشخیص- 15 صفحهword
مشخصات فایل
عنوان: یک سیستم خبره فازی – عصبی برای تشخیص
قالب بندی: word
تعداد صفحات:15
محتویات
چکیده
مقدمه
شبکه عصبی فازی
سیستم خبره فازی
نتایج اولیه (مقدماتی )
نتیجه گیری
تشکر و سپاسگزاری
قسمتی از متن
یک سیستم خبره فازی – عصبی برای تشخیص
چکیده:
منطق فازی،یک شبکه عصبی و سیستم خبره است که برای ایجاد یک سیستم تشخیصی ترکیبی با یکدیگر ترکیب شده اند.با استفاده از چنین سیستمی ما یک روش جدید برای فراگیری مبانی دانش استفاده می کنیم. سیستم ما شامل یک سیستم خبره فازی همراه با یک بیس دانشی با منبع دوگانه است. دو سری قوانین لازم هستند ، که به صورت استنباطی از مثالهای ارائه شده و به صورت استقرایی توسط فیزیک دانان بدست آمده اند. یک شبکه عصبی فازی سعی میکند که از داده های نمونه یاد گرفته و این اجازه را می دهد که قوانین فازی برای دانش پایه را استخراج کنیم.تشخیص electroencephalograms با تفسیر عناصر نموداری بعنوان یک نوع مشاهده در روش ما بکار گرفته می شود. نتایج اولیه نشان دهنده احتمالات مورد نظر با استفاده از روش ما می باشد.
1- مقدمه:
روشهای تکراری شناسایی و ارزیابی پدیده خاص را کار تشخیصی می نامند ،که یکی از کاربردهای اصلی برای هوش مصنوعی (AI) می باشد. با توجه به اینکه رنج وسیعی از چنین کاربرهای تشخیصی وجود دارد . اگرچه رنج وسیعی از چنین کاربردهای تشخیصی در پزشکی وجود دارد ولی این بخش مورد توجه استفاده کنندگام از هوش مصنوعی قرار دارد. عمومی ترین روشهای AI در بخش پزشکی مبتنی بر دانش و مدلسازی رفتار تشخیصی متخصصان است . انواع مختلفی از چنین سیستمهای خبره ای از زمانی که SHRTLIFFE روش SHRTLIFFE MYCIN را بعنوان یک سیستم خبره برای تشخیص آسیبهای خونی انسان طراحی و معرفی کرد ، بوسیله پزشکان مورد استفاده قرار گرفته است. یکی از بزرگترین مشکلات بر سر راه طراحی یک سیستم خبره مناسب ، گردآوری و دانش پایه آن است. ما روش جدیدی را معرفی میکنیم که در آن دانش پایه با منبع دوگانه بوسیله یادگیری قیاسی واستقرایی ایجاد می شود. شیکه های عصبی نیز از این راه برای تشخیص استفاده میکنند . آنها قادرند رابطه بین مجموعه داده ها را با داشتن اطلاعات نمونه که نشاندهنده لایه های ورودی و خروجی آنها است ،یاد بگیرند. در حوزه تشخیص الگو در داده های پزشکی ، شبکه های عصبی زیر بنای روشهایی است که باعث دستیابی به نتایج قابل توجهی شده اند. برای انجام وظیفه چمع آوری دانش پایه که بخشی از روش ترکیبی ما است ، شبکه های عصبی جدیدی معرفی شده اند. منطق فازی که در علوم پزشکی نیز ظاهر شده اند ، با توضیحات شفاهی مبهم سروکار دارند. واژه هایی همانند کم ، زیاد یا احتمالاً برای مدلسازی با استفاده از روشهای منطقی مرسوم ،دشوار هستند. متغیرهای زبانی معرفی شده بوسیله توضیحات فازی ، توضیحات شبه گفتاری نزدیک به گفتارهای یک شخص طیبعی است. تمامی روشهای بالا دارای مزایا و معایبی هستند که در بخش 2 توضیح داده خواهند شد. ترکیب این روشها نه تنها باعث افزایش مزیتها آن می شود بلکه باعث حذف برخی از نقاط ضعف آنها نیز میشود. تاکنون فقط چند روش در تشخیص پزشکی ، روشهای چندگانه هوش مصنوعی را با هم ترکیب کرده اند، که البته با مدلسازی یک پروسه تشریحی پزشکی به نتایج خوبی هم رسیده اند.
اگر چه رنج وسیعی از چنین کاربردهای تشخیصی در پزشکی وجود دارد این بخش جزواستفاده کنندگان بلقوه هوش مصنوعی هستند .عمومی ترین روشهای AI در بخش پزشکی سیستمهای مبتنی بر دانش ومدل سازی رفتار تشخیص متخصصین است .انواع مختلفی از چنین سیستمهای خبره ای از زمانی که Shortliffe روش MYCIN Shortliffe را بعنوان یک سیستم خبره برای تشخیص آسیبهای خونی انسان طراحی ومعرفی کرد ،بوسیله پزشکان مورد استفاده قرار گرفته است .یکی از بزرگترین مشکلات بر سر راه طراحی یک سیستم خبره مناسب گردآوری ودانش پایه آن است .ما روش جدیدی را معرفی می کنیم که در آن یک دانش پایه با منبع دوگانه بوسیله یادگیری استنتاجی واستقرایی ایجاد میشود .شبکه های عصبی نیز از این راه برای تشخیص استفاده می کنند. آنها قادرند روابط بین مجموعه داده هارا با داشتن اطلاعات نمونه که نشاندهنده لایه های ورودی وخروجی آنها است ،یاد بگیرند.
در حوزه تشخیص الگودر دادهای پزشکی ،شبکه عصبی زیر بنای روشهایی است که باعث دستیابی به نتایج قابل توجهی شده اند .برای انجام وظیفه جمع آوری دانش پایه که بخش از روش ترکیبی ما است ،شبکه های عصبی جدیدا معرفی شده اند منطق فازی که در علوم پزشکی نیز ظاهر شده است ،با بیانات شفاهی نا مشخص سر وکار دارد .واژه هایی همانند زیاد ،کم یا احتمالا برای تبدیل شدن به مدل با استفاده از منطق مرسوم سخت هستند .متغیر های زبانی معرفی شده بوسیله بیانات فازی توضیحات شبه زبانی (گفتاری)نزدیک به گفتارهای یک شخص طبیعی است .تمامی روشهای بالا دارای مزایا ومعایبی هستند که در بخش 2 توضیح داده خواهند شد .ترکیب این روشها نه تنها باعث افزایش مزیتهای آن ها می گرددبلکه باعث حذف برخی از معایب آنها نیز میشود .تاکنون فقط چند روش در تشخیص پزشکی ،روشهای چند گانه هوش مصنوعی را با هم ترکیب کرده اند ،که البته با مدلسازی یک پروسه تشریحی پزشکی به نتایج خوبی هم رسیده اند .
در اینجا ما سیستم ترکیبی را توضیح خواهیم داد که شامل یک سیستم خبره فازی برای استنتاج مبتنی بر قانون همراه با یک شبکه عصبی فازی برای کسب دانش مبتنی بر مورد علاوه بر دانش مبتنی بر توضیحات یک فرد خبره می باشد . (بخش 3) دریافت خودکار قوانین توسط شبکه به موازات قانونمند کردن قوانین تجربی اجرا می شود . برای سیستم ترکیبی دو حالت برای پردازش نتایج وجود دارد : یک مود یادگیری برای تغذیه دانش پایه و مود اجرایی برای تشخیص اطلاعات بیمار . تمامی اجزای سیستم بر پایه نمایش فازی استوار هستند که بعنوان یک رابط شخص بین اجزا و فازی کردن اطلاعات ورودی ضروری عمل می کنند . از زیر بخش
2-3 یک تکنیک نقشه زیری بسیار موثر معرفی خواهد شد که متغیرهای فازی را به علائم عصبی تبدیل می کند . برای مشاهده پردازش اطلاعات واقعی پزشکی در چنین سیستمی ، ما از تشخیص های electroenephalograms(EEGs) را برای نشان دادن استفاده می کنیم . این نوع از اطلاعات پزشکی که به صورت الکترونیکی اندازه گیری و ذخیره شده است ، برای پردازش خودکار بسیار مناسب هستند زیرا نیازی به تبدیل به علائم الکترونیکی ندارند . سایر انواع اطلاعات نیز برای تشخیص در سیستم ها مناسب هستند . ما سیستم خودمان را سوای از کاربردهای احتمالی و هدف عنوان شده توسط MC Clelland توضیح خواهیم داد . بنابراین برای نشان دادن چند گانگی پدیده و برای هر پدیده به 8 نرون نیاز است . از آنجایکه تعداد ویژگیهای قرار گرفته در هر بخش از زمان در EEG تغییر می کند (هر نمونه بوسیله یک وسیله مصنوعی تغییر نخواهد کرد) به تصویری نیاز است که توانایی کد گذاری پدیده چندگانه بوسیله تعدادی عصب ثابت را داشته باشد . ما یک الگوی نقشه بندی را توسعه داده ایم که بر اساس آن و بوسیله محاسبه نتیجه فرعی که به تفضیل بعدا در مورد آن صحبت خواهیم کرد دو متغیر فازی را در یک شبکه مناسب برای نمایش ارائه قرار می دهد . دو متغیر چهار واژه ای بوسیله 16 نرون N frequency x amplitude (N دفعه X شدت) بدست می آید . (شکل 2 را ببینید ) هر نرون نشان دهنده ارتباط دو واژه فازی هر متغیر است و بنابراین بر مشکل پیوندی غلبه می کنیم . مقدار فعاللیت یک نزون از طریق ضرب جبری او تابع عضویت به صورت زیر محاسبه شده است :
Ndelta = udelta*uzero = 0.6*0.6=0.36
جمع فعالیت حاصل از یک پدیده طیفی برای ساده کردن قابلیت تفسیر مجدد قواعد یادگرفته شده بوسیله شبکه یک خواهد بود .
کلمات کلیدی : تحقیق درباره یک سیستم خبره فازی,عصبی برای تشخیص,سیستم خبره فازی ,شبکه عصبی فازی ,
در این سایت هیچ فایلی برای فروش قرار نمی گیرد. برای پشتیبانی و خرید فایل به سایت اصلی فروشنده مراجعه بفرمائید:
لینک دریافت فایل از سایت اصلی
ادامه مطلب ...
لینک فایل پاورپوینت کاربرد سیستمهای خبره و هوش مصنوعی برای تصمیم گیری
فراوانی متقاضیان و کاربران
کمبود متخصصان و ارائه دهندگان دانش و کمی زمان
افزایش دامنه و وسعت علوم و مشکل بودن تفکیک
گسترش مرزهای دانش
پایگاه دانش
ترکیب داده ها (همجوشی)DF
دامنه سیستم خبره
موتور استنتاج
و . . .
کلمات کلیدی : کاربرد هوش مصنوعی در مدیریت صنعتی,مقاله کاربرد هوش مصنوعی در مدیریت,هوش مصنوعی در سیستم اطلاعات مدیریت,پاورپوینت کاربرد هوش مصنوعی در پزشکی
در این سایت هیچ فایلی برای فروش قرار نمی گیرد. برای پشتیبانی و خرید فایل به سایت اصلی فروشنده مراجعه بفرمائید:
لینک دریافت فایل از سایت اصلی
ادامه مطلب ...