شنبه 2 بهمن 1395  |  Saturday 21 st of January 2017
یادگیری عامل های مصنوعی
نویسنده: راحله كافي چراغي
تاریخ: 25 مرداد 1388 - 18:40:35

موضوع: یادگیری عامل های مصنوعی

دانشجو: راحله كافي چراغي

استاد راهنما: مهندس مجتبي پورمحقق

استاد دفاع : --

تعداد صفحات: 202

تعداد منابع: 2

تعداد فصل ها: 5

 


چكيده:

هدف اصلی از ارایه این پایان نامه، انتقال نظراتی است که در سالهای گذشته در تحقیقات مربوط به رشته یادگیری ماشین (زیر شاخه ای از هوش مصنوعی که بر روی برنامه ¬هایی تمرکز می¬کند که از طریق تجربه به یادگیری می¬پردازند.) مطرح شده است. در ارایه این نظرات تلاش شده است که با حفظ دقت، از بیش از حد رسمی شدن پرهیز شود، هرجا که مناسب بوده الگوریتم های شبه برنامه  نیز گنجانده شده تا نظرات را ملموس تر کند. به جای توضیح این زیر شاخه از هوش مصنوعی به سبک خاص خودش، سعی گردیده است تا تمام دانسته ها در این زمینه در یک چارچوب مشترک ارایه شوند. در این پایان نامه،  نقش یادگیری به عنوان گسترش دسترسی طراح به محیط های ناشناخته توضیح وهمچنین نشان داده می شود که این نقش چگونه برای طراحی عامل ها محدودیت ایجاد می¬کند و از بازنمایی صریح دانش و استدلال پشتیبانی می¬نماید. این مبحث، روشهای تولید دانش مورد نیاز توسط اجزای تصمیم گیرنده را توصیف می¬کند، همچنین نوع جدیدی از این اجزاء (شبکه عصبی) را به همراه رویه های یادگیری مربوط به آن معرفی می¬نماید. بدین منظور به ترجمه بخش یادگیری از کتاب هوش مصنوعی راسل (فصول 18، 19، 20 و 21) مبادرت شده است.

پنج مشخصه اصلی این پایان نامه عبارتند از: 1-ارایه دیدگاهی یکپارچه از رشته یادگیری ماشین. 2-تمرکز حول محور عاملهای هوشمند 3-پوشش جامع و به روز مطالب 4-تأکید یکسان هم بر مباحث نظری و هم عملی 5-درک مطالب از طریق پیاده سازی

واژه‌هاي کليدي

عامل هوشمند، یادگیری استقرایی، دانش قبلی، یادگیری آماری، شبکه های عصبی، یادگیری تقویتی.

 


فهرست مطالب

مقدمه

فصل يکم -  یادگیری از طریق مشاهدات

1-1-  اَشکال یادگیری

1-2- یادگیری استقرایی

1-3- یادگیری درختان تصمیم

          درختان تصمیم به عنوان عناصر کارایی

          رسا بودن درختان تصمیم

          استنباط درختان تصمیم از مثالها

          انتخاب تستهای صفت

          ارزیابی کارآیی الگوریتم یادگیری

          اختلال و برازش کاذب

          توسعه ی قابلیت اعمال درختان تصمیم

1-4- یادگیری گروهی

1-5- نظریه یادگیری محاسباتی

          چه تعداد مثال مورد نیاز است

          یادگیری لیستهای تصمیم

1-6-خلاصه

فصل دوم- دانش در یادگیری

2-1- یک تدوین منطقی از یادگیری

          مثالها و فرضها

          جستجوی بهترین فرض جاری

          جستجوی حداقل تعهد

2-2- دانش در یادگیری

          تعدادی مثال ساده

          تعدادی طرح کلی

2-3- یادگیری مبتنی بر تشریح

          استخراج قوانین کلی از مثالها

          بهبود کارایی

2-4- یادگیری با استفاده از ارتباط اطلاعات

           تعیین فضای فرض

           یادگیری و به¬کارگیری ارتباط اطلاعات

2-5- برنامه نویسی  منطقی  استقرایی

           یک مثال

           روشهای یادگیری استقرایی بالا به پایین

           یادگیری استقرایی با استقرای معکوس

           ایجاد کشف¬هایی با برنامه¬نویسی منطقی استقرایی

2-6-خلاصه

فصل سوم- روشهای یادگیری آماری

3-1- یادگیری آماری

3-2- یادگیری با داده های کامل

          يادگيري پارامتري حداکثر درستنمايي: مدلهای گسسته

          مدل¬هاي خام بیزین

          يادگيري پارامتري حداکثر درستنمايي: مدل¬هاي پيوسته

          يادگيري پارامتري بیزین

          يادگيري ساختارهای شبكه بیزین

3-3-يادگيري با متغيرهاي پنهان:  الگوريتمEM

         دسته¬بندي بدون نظارت: يادگيري تركيبي گاوس

         يادگيري شبكةهای بیزین با متغيرهاي پنهان

         يادگيري مدل¬هاي پنهان ماركوف

         شکل كلي الگوريتم EM

         يادگيري ساختارهای شبكه¬ بيز با متغيرهاي پنهان

3-4-يادگيري نمونه محور

         مدل¬هاي نزديك¬ترين همسايه

         مدل¬هاي كرنل

3-5- شبكه¬هاي  عصبي

          واحدها در شبكه¬هاي عصبي

          ساختارهاي شبكه

          شبكه¬هاي عصبي پيشرو تك¬لايه¬اي (پرسپترونها)

          شبكه¬هاي عصبي پيشرو چندلايه¬اي

          يادگيري ساختارهای شبكة عصبي

3-6- ماشين¬هاي كرنل

3-7- مطالعة موردي :  تشخيص ارقام دست¬نويس

3-8-خلاصه

فصل چهارم- یادگیری تقویتی

4-1-مقدمه

4-2- یادگیری تقویتی غير فعال

          تخمين مستقيم سودمندی

          برنامه¬ريزي پويای تطبيقي

          يادگيري تفاضل موقتی

4-3- یادگیری تقویتی فعال

          اكتشاف

          يادگيري يك تابع اقدام-مقدار

4-4- تعميم در یادگیری تقویتی

          كاربردها در انجام بازي¬ها

          كاربرد در كنترل ربات

4-5- جستجوي خط مشی

4-6-خلاصه

فصل پنجم- جمع بندی و نتیجه گیری

فهرست واژگان

منابع و مراجع

دفعات بازدید: 2731
 
صفحه اصلی
آشنایی با گروه کامپیوتر
پروفایل و محتوای درس
آئین نامه و مقررات
چکیده پایان نامه ها
کمیته های آموزشی
آمار و اطلاعات
راهنما
پیوندهای مفید
برنامه کلاسی
Compatability by:
آخرین به روز رسانی سایت: 8 دی 1395 ساعت: 10:16:09