دوشنبه 28 خرداد 1397 | Monday 18 th of June 2018 صفحه اصلی گروه الکترونیکی کامپیوتر
عنوان فارسی: یادگیری عامل های مصنوعی
عنوان انگلیسی: Artificial agent learning
دانشجو: کافی چراغی راحله
استاد راهنما: مجتبي پور محقق
استاد دفاع: نامشخص
تاریخ ارائه: بهمن ماه 1387
مقطع تحصیلی: کارشناسی
دانشگاه: دانشگاه پیام نور مشهد
موضوعات مرتبط: تحقیقاتی | هوش مصنوعی | طراحی الگوریتم |
رشته های مرتبط: علوم کامپیوتر | مهندسی کامپیوتر - نرم افزار |
تاریخ قرار گیری در سایت: 3 اردیبهشت 1390 ساعت: 15:53:25
تعداد بازدید: 3646 بازدید
چکیده فارسی: 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 مینماید. 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 ان 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.
چکیده انگلیسی:
کلمات کلیدی: عامل هوشمند، یادگیری استقرایی، دانش قبلی، یادگیری اماری، شبکه های عصبی، یادگیری تقویتی.
عنوان بازدید
 مقدمه 899
 فصل یکم-یادگیری از طریق مشاهدات 1215
|— 1-1- اَشکال یادگیری 1527
|— 1-2-یادگیری استقرایی 1513
|— 1-3-یادگیری درختان تصمیم 4416
|— 1-4- یادگیری گروهی 2563
|— 1-5- چرا یادگیری درست عمل می کند : نظریه یادگیری محاسباتی 1491
|— 1-6 -خلاصه 1130
 فصل دوم-دانش در یادگیری 1067
|— 2-1- یک تدوین منطقی از یادگیری 1252
|— 2-2- دانش در یادگیری 945
|— 2-3-یادگیری مبتنی بر تشریح 1011
|— 2-4 - یادگیری با استفاده از ارتباط اطلاعات 1084
|— 2-5- برنامه نویسی منطقی استقرایی 1624
|— 2-6-خلاصه 993
 فصل سوم-روشهای یادگیری اماری 1010
|— 3-1- یادگیری اماری 1330
|— 3-2-یادگیری با داده های کامل 1678
|— 3-3-یادگیری با متغیرهای پنهان: الگوریتم EM 2457
|— 3-4-یادگیری نمونه محور 1535
|— 3-5- شبکه های عصبی 2344
|— 3-6-ماشین های کرنل 1909
|— 3-7-مطالعة موردی : تشخیص ارقام دست نویس 1306
|— 3-8-خلاصه 1090
 فصل چهارم-یادگیری تقویتی 1099
|— 4-1-مقدمه 1093
|— 4-2-یادگیری تقویتی غیر فعال 1256
|— 4-3-یادگیری تقویتی فعال 964
|— 4-4-تعمیم در یادگیری تقویتی 1375
|— 4-5-جستجوی خط مشی 932
|— 4-6-خلاصه 994
 فصل پنجم-جمع بندی و نتیجه گیری 953
 فهرست واژگان: 1775
 منابع و مراجع 867
Compatability by:
آخرین به روز رسانی سایت: سه شنبه, 22 اسفند 1391 - 00:26