سال انتشار: ۱۳۸۷

محل انتشار: دومین کنگره مشترک سیستم های فازی و سیستم های هوشمند

تعداد صفحات: ۷

نویسنده(ها):

طاهر شهبازی میرزاحسنلو – قطب علمی کنترل و پردازش هوشمند، دانشکده مهندسی برق و کامپیوتر، دانشگ
کارو لوکس –
مجید نیلی احمدآبادی –
بابک نجاراعرابی –

چکیده:

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