عنوان پایان نامه: کاربردهای منطق فازی در یادگیری ماشین
قالب بندی : PDF
شرح مختصر : بیگمان رایانه در چند دهه کنونی از عوامل اصلی و کلیدی پیشرفت شناخته شده است. گردش درست امور، سرعت (تندی) در کارها و روشهای اداری، بهرهوری و خدمات عمومی، دسترسی به اطلاعات شرکتها همه از مزایای رایانههاست. امروزه سازمانها جهت پردازش کارهایی چون نگهداری و به روز رسانی حسابها و داراییهای خود، راهشان را به سوی استفاده از رایانهها باز نمودهاند. کاربردهایی چون لوازم خانگی، خودروها، هواپیماها و ابزار صنعتی، دستگاههای الکتریکی، کنترل انتقال نیرو و خطوط کارخانهها و گیرنده ماهواره توسط رایانه سرویسدهی میشوند. همزمان با پیشرفت و سازماندهی سازمانها و بنگاههای کوچک و متوسط، کشاورزی، صنعتی و … خدمات رایانهای هر روز نفوذ خود را در زندگی اجتماعی و اقتصادی انسان نیز نشان میدهند. ولی دیگر رایانههای دومنطقی صفر و یک جوابگوی نیازهای بشر نیست و باید سیستمهایی ساخت که به به شیوههای چندمقداری تفکر و تعلم انسان نزدیک باشد و ابهام و عدم قطعیت را هم شامل شود. در این راستا منطق جدیدی به نام منطق فازی توسط پروفسور لطفیزاده معرفی شد و از آن پس انبوه مقالات برای پیاده سازی این منطق در سیستمهای کامپیوتری و الگوریتمهای موجود، ارائه شد. هدف ما در این پژوهش هم بررسی جامعی پیرامون این مبحث و کاربردهای آن در یادگیری ماشین است. لذا پس از بیان تعاریف و تاریخچه و انواع روشهای منطق فازی و یادگیری ماشین، مروری بر مقالات معتبر و جدید ارائه شده در این زمینه داشته و ایدههای جدیدی که داده شده است را خواهیم گفت.
کلمات کلیدی : محاسبات نرم، منطق فازی، سیستم های فازی، یادگیری ماشین چیست؟، یادگیری با ناظر، یادگیری بدون ناظر، یادگیری تقویتی، یادگیری نیمه نظارتی، انواع ماشین های یادگیرنده، روشهای یادگیری عامل، طراحی یک سیستم یادگیری، تکنیکهای یادگیری ماشین، درخت تصمیم، کاربرد درخت تصمیم، کاربردهای شبکه عصبی مصنوعی، مزیت های شبکه عصبی مصنوعی، پایه های منطق محاسباتی، الگوریتم ژنتیک، سیستم خبره، یادگیری بیزین، ماشین بردار پشتیبان، مدل هوش محاسباتی، سیستم های رابطه ای عصبی ،شبکه های مبتنی بر منطق فازی، استنتاج قوانین فازی، الگوریتم های هوشمند، مزایای سیستم خبره، کاربردهای سیستم خبره، مزایای الگوریتم ژنتیک، نقاط ضعف الگوریتم ژنتیک، مسئله درخت اشتاینر، فیلتر کالمن، فیلتر کالمن فازی،
دانلود کاربردهای منطق فازی در یادگیری ماشین