پاورپوینت بررسی بازیابی تصویر با مدلهای ریاضی

فرمت فایل : word (قابل ویرایش) تعداد صفحات : 37 صفحه

فهرست

معرفی بازیابی تصویر

معرفی روش های تخمین مدل تخریب

  مشاهده – آزمایش – مدلسازی ریاضی

معرفی تکنیک های بازیابی

  فیلترینگ معکوس

   حداقل مربعات خطا

   حداقل مربعات محدود شده

رویکرد احتمالی برای بازیابی

  بازیابی با تخمین بیشترین شباهت

  بازیابی با بیشترین احتمال پسین 

مثال هایی از دیگر مسایل بازیابی تصویر

بخشی از متن :

•در بسیاری از مساله ها به دلیل از بین رفتن اطلاعات، با مشاهداتی ناقص یا معیوب روبرو هستیم. –نقص های فرایند ضبط سیگنال، فشرده سازی یا انتقال سیگنال•هدف: بازیابی اطلاعات از بین رفته •مثال رایج: نویز زدایی تصویر •بهبود تصویر (enhancement) –اعمال فیلتر های پایین گذر←کاهش مولفه های فرکانس های بالا←کاهش نویز–هدف: ایجاد یک حس بینایی مطلوب در ناظر است. –اغلب بدون مدل کردن تخریب و با روش های خاص مساله•بازیابی تصویر (restoration یا recovery)(1نیاز به مدلی برای تخریب یا ازبین رفتن اطلاعات (2بازیابی بر اساس یک معیار بهینگی

هدف: معکوس کردن فرایند تخریب است.

 

هوش مصنوعی 180 ص

عنوان                                                                                                 صفحه

چکیده........................................................................................................................ 1

مقدمه ....................................................................................................................... 2

فصل اول : کلیات موضوع

تعریف و طبیعت هوش مصنوعی......................................................................... 7

پیدایش و پیشرفت هوش مصنوعی  ................................................................... 8

هوش‌ مصنوعی‌ و هوش‌ انسانی.......................................................................... 12

شاخه‌های‌ هوش‌ مصنوعی.................................................................................... 14

فلسفهٔ هوش مصنوعی........................................................................................... 27

ویژگی های هوش مصنوعی................................................................................. 48 دو فرضیه در هوش مصنوعی............................................................................. 52

انواع هوش مصنوعی ............................................................................................53

چکیده

هدف‌ از این‌ پروژه‌ آشنائی‌ با هوش‌ مصنوعی‌ به‌ عنوان‌ سمبل‌ ونماد دوران‌ فراصنعتی‌ و نقش‌ و کاربرد آن‌ در صنایع‌ و مؤسسات‌تولیدی‌ می‌باشد. بدین‌ منظور، این‌ موضوع‌ در قالب‌ 3 فصل ارائه‌ می‌شود. در (فصل‌ اول‌) کلیات هوش‌ مصنوعی‌ موردمطالعه‌ قرار می‌گیرد و سئوالاتی‌ نظیر این‌ که‌ هوش‌ مصنوعی‌چیست‌؟ تفاوت‌ هوش‌مصنوعی‌ و هوش‌ طبیعی‌ (انسانی‌) درچیست‌؟ شاخه‌های‌ عمده‌ هوش‌ مصنوعی‌ کدامند؟ و نهایتأ، اجزای‌هوش‌ مصنوعی‌ نیز تشریح‌ می‌شود ،کاربردهای‌ هوش‌ مصنوعی‌در صنایع‌ و مؤسسات‌تولیدی‌، بخصوص‌ در زمینه‌سیستم‌های‌ خبره‌ وآدمواره‌ها مورد مطالعه‌ وتجزیه‌ و تحلیل‌ قرارمی‌گیرد. ودر فصل دوم به بررسی هوش مصنوعی در بازی های کامپیوتری و در فصل سوم به بررسی تکنیک برنامه نویسی در هوش مصنوعی مورد مطالعه قرار می گیرد  .

پیدایش و پیشرفت هوش مصنوعی 

در اواسط دهه 1990، یک بازی تیراندازی اول شخص منتشر شد که به کاربر امکان می‌داد بازی را برای خود سفارشی (Customize)  کند. این بازی، Quake بود که در فناوری ساخت بازی‌های کامپیوتری یک نوآوری محسوب می‌شد. Quake اولین بازی سه‌بعدی واقعی است. به این معنی که به‌صورت بلا‌درنگ در سه بعد رندر می‌شود. (پیش از آن spiritها یا گرافیک‌های دوبعدی به صورت سه‌بعدی شبیه‌سازی می‌شدند). چیزهای دیگری نیز در این بازی وجود داشت که موردتوجه قرار گرفت؛ مانند نشانه گرفتن سلا‌ح به بالا یا پایین. زیرا حرکت‌دادن سلا‌ح به بالا‌ یا پایین نیازمند پردازش در بعد سوم، یعنی عمق یا ارتفاع در یک محیط سه‌بعدی است.

تحقیق جامع و پروژه مطالعاتی درس یادگیری ماشین در هوش مصنوعی

فرمت فایل : word (قابل ویرایش) تعداد صفحات : 74 صفحه

فهرست مطالب

1-     مقدمه. 3

2-    روشهای مبتنی بر استخراج ویژگی.. 5

2-1-  Discrete Fourier Transform (DFT) 6

2-2-  Discrete Wavelet Transform (DWT) 9

2-3-  Principal Component Analysis (PCA) 12

2-3-1-    مفاهیم مقدماتی مورد نیاز در PCA.. 13

2-3-2-    الگوریتم PCA.. 15

2-4-  Factor Analysis (FA) 20

3-    روشهای مبتنی بر انتخاب ویژگی.. 23

3-1-    تعاریف.. 23

3-2-    روشهای مختلف انتخاب ویژگی.. 26

3-2-1-    توابع تولید کننده 26

3-2-2-   تابع ارزیابی.. 27

3-2-3-    دسته بندی و تشریح الگوریتم های مختلف انتخاب ویژگی.. 30

3-2-4-   جمع بندی روشهای انتخاب ویژگی.. 43

4-   فهرست منابع و مراجع. 45

1-    مقدمه

پیشرفتهای بوجود آمده در جمع آوری داده و قابلیتهای ذخیره سازی در طی دهه­های اخیر باعث شده در بسیاری از علوم با حجم بزرگی از اطلاعات روبرو شویم. محققان در زمینه­های مختلف مانند مهندسی، ستاره شناسی، زیست شناسی و اقتصاد هر روز با مشاهدات بیشتر و بیشتری روبرو می­شوند. در مقایسه با بسترهای داده­ای قدیمی و کوچکتر، بسترهای داده­ای امروزی چالشهای جدیدی در تحلیل داده­ها بوجود آورده­اند. روشهای آماری سنتی به دو دلیل امروزه کارائی خود را از دست داده­اند. علت اول افزایش تعداد مشاهدات (observations) است، و علت دوم که از اهمیت بالاتری برخوردار است افزایش تعداد متغیرهای مربوط به یک مشاهده می­باشد.

تعداد متغیرهایی که برای هر مشاهده باید اندازه گیری شود ابعاد داده نامیده می­شود. عبارت "متغیر" (variable) بیشتر در آمار استفاده می­شود در حالی که در علوم کامپیوتر و یادگیری ماشین بیشتر از عبارات "ویژگی" (feature) و یا "صفت" (attribute) استفاده می­گردد.

بسترهای داده­ای که دارای ابعاد زیادی هستند علیرغم فرصتهایی که به وجود می­آورند، چالشهای محاسباتی زیادی را ایجاد می­کنند. یکی از مشکلات داده­های با ابعاد زیاد اینست که در بیشتر مواقع تمام ویژگیهای داده­ها برای یافتن دانشی که در داده­ها نهفته است مهم و حیاتی نیستند. به همین دلیل در بسیاری از زمینه­ها کاهش ابعاد داده یکی از مباحث قابل توجه باقی مانده است.

روشهای کاهش ابعاد داده به دو دسته تقسیم می­شوند:

روشهای مبتنی بر استخراج ویژگی: این روشها یک فضای چند بعدی را به یک فضای با ابعاد کمتر نگاشت می­کنند. در واقع با ترکیب مقادیر ویژگیهای موجود، تعداد کمتری ویژگی بوجود می­آورند بطوریکه این ویژگیها دارای تمام (یا بخش اعظمی از) اطلاعات موجود در ویژگیهای اولیه باشند. این روشها به دو دسته­ی خطی و غیر خطی تقسیم می­شوند.روشهای مبتنی بر انتخاب ویژگی: این روشها سعی می­کنند با انتخاب زیرمجموعه­ای از ویژگیهای اولیه، ابعاد داده­ها را کاهش دهند. در پاره­ای از اوقات تحلیلهای داده­ای نظیر طبقه­بندی برروی فضای کاسته شده نسبت به فضای اصلی بهتر عمل می­کند.

در تهیه این گزارش کمتر به اثباتهای ریاضی پرداخته شده و بیشتر به مفاهیم و کاربرد روشها توجه شده است. در فصل دوم از این گزارش، به مطالعه­ی روشهای مبتنی بر استخراج ویژگی پرداخته­ایم. در تهیه­ی مطالب این فصل سعی کرده­ایم با ارائه­ی مثالهای مناسب، خواننده را در درک بهتر مفاهیم مربوطه یاری رسانیم. در این فصل، چهار روش ارائه شده است که همگی از نوع خطی هستند. بدلیل حجم زیاد مطالب، مجالی برای پرداختن به روشهای دیگر خطی و روشهای غیر خطی باقی نماند. امید است در آینده مطالب این فصل توسط اینجانب یا دانشجویان دیگر کاملتر شود.

در فصل سوم روشهای مبتنی بر انتخاب ویژگی ارائه شده است. می­توان گفت در این فصل یک مطالعه­ اجمالی برروی تمامی روشهای انتخاب ویژگی انجام شده است. در تهیه­ی مطالب این فصل، از گزارش "معرفی روشهای مختلف انتخاب ویژگی" توسط صادق سلیمان­پور استفاده شده است که جا دارد در همین­جا از ایشان تشکر نمایم.

2-  روشهای مبتنی بر استخراج ویژگی

همانطور که در فصل اول اشاره شد روشهای مبتنی بر استخراج ویژگی، یک فضای چند بعدی را به یک فضای با ابعاد کمتر نگاشت می­دهند. این روشها به دو دسته­ی خطی و غیرخطی تقسیم می­شوند. روشهای خطی که ساده­ترند و فهم آنها راحت­تر است بدنبال یافتن یک زیرفضای تخت عمومی[1] هستند. اما روشهای غیرخطی که مشکلترند و تحلیل آنها سخت­تر است بدنبال یافتن یک زیرفضای تخت محلی[2] می­باشند.

از روشهای خطی می­توان به DFT، DWT، PCA و FA اشاره کرد که آنها را به ترتیب در ادامه­ی همین فصل توضیح خواهیم داد. روشهای دیگر غیرخطی عبارتند از:

Projection Pursuit (PP) : برخلاف روشهای PCA و FA می­تواند اطلاعات بالاتر از مرتبه­ی دوم را ترکیب نماید. بنابراین روش مناسبی است برای بسترهای داده­ای غیر گاوسی.Independent Component Analysis (ICA) : این روش نیز یک نگاشت خطی انجام می­دهد اما بردارهای این نگاشت لزوماً بر یکدیگر عمود نیستند، در حالی که در روشهای دیگر مانند PCA این بردارها بر هم عمودند.Random Projection (PP) : یک روش ساده و در عین حال قدرتمند برای کاهش ابعاد داده است که از ماتریسهای نگاشت تصادفی برای نگاشت داده­ها به یک فضای با ابعاد کمتر استفاده می­کند.

از روشهای غیرخطی نیز می­توان به موارد زیر اشاره کرد:

Principal CurvesSelf Organizing MapsVector QuantizationGenetic and Evolutionary AlgorithmsRegression

مسئله­ی کاهش ابعاد داده را بطور ریاضی می­توان به اینصورت بیان کرد: یک متغیر تصادفی p-بعدی  داریم. می­خواهیم متغیر k-بعدی را به گونه­ای پیدا کنیم که اولاً k ≤ p باشد و ثانیاً s محتویاتی که در x وجود دارد را بر اساس معیاری خاص دارا باشد. روشهای خطی سعی می­کنند هر یک از این k مؤلفه را از ترکیب خطی p مؤلفه­ی اولیه بدست آورند.

که Wk×p ماتریس وزنهای نگاشت خطی می­باشد.

در مقاله [3] نگاهی اجمالی به کلیه­ی روشهای کاهش ابعاد داده­ی مبتنی بر استخراج ویژگی شده است. در بخش 2-1 تبدیل فوریه گسسته و در بخش 2-2 تبدیل wavelet گسسته را شرح خواهیم داد. برای تهیه­ی بیشتر مطالبی که در این دو بخش ارائه شده از منبع [4] که یک پایان نامه دکتری در زمینه­ی داده­کاوی برروی سریهای زمانی می­باشد استفاده شده است. در بخش 2-3 روش PCA که بهترین تبدیل خطی به حساب می­آید را بیان خواهیم کرد. برای تهیه­ی این بخش نیز از منبع [5] استفاده کرده­ایم که یک tutorial بسیار عالی می­باشد. در بخش 2-4 روش Factor Analysis را بیان کرده­ایم. مطالب این بخش نیز از سایت اینترنت زیر تهیه شده است.

 

پروژه بررسی و ارزیابی عاملهای هوشمند در هوش مصنوعی

فرمت فایل : word (قابل ویرایش) تعداد صفحات : 47 صفحه

عوامل هوشمند:

ماهیت عوامل، کامل یا غیر از آن، تنوع محیطی و جانوران نمایشی حاصل از انواع عوامل مورد بحث و بررسی قرار می گیرند.

در فصل1، مفهوم عوامل منطقی به عنوان اساس شیوه ها در هوش مصنوعی شناسایی گردید. در این فصل این مفهوم راملموس تر می سازیم. خواهیم دید که مفهوم عقلانیت رامی توان در بسیاری از عوامل فعال در هر محیط قابل تصوی به کار گرفت. در این کتاب، هدف ما، بهره گیری از این مفهوم جهت توسعه مجموعه کوچکی از اصول طراحی برای ساختن عوامل موفق می باشد سیستمهایی که می توان به طور معقول، هوش نامید.

مبحث خود را با بررسی عوامل، محیطها و جفت نمودن این دو آغاز خواهیم نمود. مشاهده این نکته که برخی از عوامل بهتر از بقیه عمل می کنند، به طور طبیعی ما را به ا؟عامل منطقی رهنمون می کند عاملی که تا حد امکان خیلی خوب رفتار می کند. اینک یک عامل تا چه حد به خوبی رفتار می کند به ماهیت محیط بستگی دارد. برخی از محیطهای دشوار تر از سایرین هستند.

ما طبقه بندی خام ونا پروده ای از محیطها را ارائه نموده ومشخص کرده ایم که چگونه ویژگی های یک محیط بر طراحی عوامل مناسب برای آن محیط، تاثیر می گذارند، همچنین برخی از طرحهای اصلی عامل (کالبدی) (ابتدایی) را که در باقیمانده کتاب بدان تجسم می بخشیم، توضیح خواهیم داد.

1-2 عوامل و محیطها

عامل هر چیزی است که بتوان از عنوان درک محیط از طریق حسگرها و تاثیر بر محیط از طریق محرکها، آن در نظر گرفت. این ایده ساده در شکل 1-2 به تصویر کشیده شده است یک عامل انسانی دارای چشم، گوش و دیگر اندامها برای حسگرها و نیز دستها، پاها دهان و دیگر اعضای بدن به عنوان محرک می باشد. یک عامل روبوتیک نیز ممکن است برای حسگرها از دوربین و یابنده های طیف مادون قرمز و برای محرکها از موتورهای مختلف، بهره گیرد.

یک عامل نرم افزاری نیز، فشار بر کلیدها، محتویات فایل و بسته های شبکه را به عنوان ورودیهای حسگر دریافت نموده و با نمایش روی صفحه، نوشتن فایلها و ارسال بسته های شبکه، بر محیط تاثیر گذارد. این فرض کلی در نظر گرفته خواهد شد که هر عامل می تواند اعمال خود را درک نماید.

ما از اصطلاح آموزه یا ادارک برای اشاره به ورودیهای اداراکی در هر زمان ارائه شده، استفاده می نماییم. توالی ادراک عامل، تاریخچه کامل هر چیزی است که عامل دریافت نموده است. به طور کلی، انتخاب عمل عامل در هر زمانی به توالی ادارکی بستگی دارد که تا آن زمان مشاهده شده است. در صورتیکه بتوانیم انتخاب عمل هرعاملی را بدان هرتوالی ادراک، مشخص نماییم، می توانیم بگوییم که چیزی برای گفتن در مورد عامل داریم. به لحاظ ریاضی، گفته می شودکه رفتار یک مل از طریق تابع عامل توضیح داده می شود.

می توانیم جدول بندی تابع عاملی را در نظر بگیریم که هر عامل ارائه شد را توضیح می دهد. در مورد اغلب عوامل، این جدول بسیار بزرگ- بی نهایت، مگر اینکه مرزی را برای طول توالی ادارک مورد نظر مشخص نماییم. در اصل، با توجه به بررسی عامل، می توانیم این جدول را با آزمون کلیه توالی های احتمالی و ثبت عملکرد عامل در پاسخ، ایجاد نماییم. البته این جدول مشخص ساختن ویژگی خارجی عامل می باشد. به لحاظ درونی، تابع عامل برای یک عامل مصنوعی از طریق برنامه عامل تحقق می یابد. متمایز نمودن این دو این از اهمیت زیادی برخوردار می باشند. تابع عامل، توضیح ریاضی انتزاعی است. برنامه عامل یک برنامه ملموس است که در چهار چوب است که در چهارچوب معماری عامل اجرا می شود.

برای روشن نمودن این پدیده ها، از یک مثال بسیار ساده استفاده می کنیم- دنیای جارو برقی در نمودار 2-2 نشان داده شده است. این دنیا بسیار ساده است طوریکه هر چییز که روی هوا می توان توضیح داد- این دنیا یک دنیای ساختگی است طوریکه می توان تغییرات زیادی را ایجاد نمود. این دنیای خاص تنها دارای دو مکان است مرجع A و مربع B عامل خلاء مشخص می نماید که در کدام مربع بوده و آیا هیچ کثیفی در این مربع وجود دارد یا خیر. این عامل می تواند بین حرکت به چپ، حرکت به راست،مکش کثیفی را انجام هیچ کاری، یکی را انتخاب کند. یک تابع عامل بسیار ساده به صورت ذیل است. در صورتی که مربع فعلی کثیف باشد، عامل شروع به مکش آن می کند، در غیر اینصورت به مربع دیگر می رود. جدول بندی جزئی این تابع عامل در تصویر 3-2 ارائه گردیده است در قسمتهای بعدی، یک برنامه ساده برای این تابع عامل داده خواهد شد.

با بررسی جدول 3-2، متوجه می شویم که عوامل مختلف جهان خلاء را می توان از طریق پر کردن ستون سمت راست به هر شیوه ای، تعریف نمود. سوال این است: راه درست پر کردن جدول چیست؟ به عبارت دیگر، چه چیزی عامل را به مورد خوب یابد، هوشمند یا کند ذهن، تبدیل می نماید. پاسخ این پرسش را در قسمت بعدی ارائه نموده ایم.

قبل از خاتمه این قسمت، مشخص می نماییم که مفهوم یک عامل به معنای ابزاری برای آنالیز سیستمهاست نه یک ویژگی مطلق که جهان را به دو دسته یا غیر عامل تقسیم می نماید. می توان یک ماشین حساب دستی را به عنوان عاملی در نظر گرفت که زمانی که به آن توالی ادراک =2+2 داده می شود، عمل نمایش (4) را انتخاب می نماید، اما چنین تحلیلی سختی به درک ما از ماشین حساب کمک می کند.

2-2 رفتار خوب: مفهوم عقلانیت

عامل معقول، عاملی است که کار درست را انجام می دهد گفته می شود که هر قلمی در جدول تابع عامل به طور صحیح پر شده است. واضح است که انجام کار صحیح بهتر از انجام کار غلط است، اما انجام کار درست به چه معناست؟ گفته می شود که عمل درست، عملی است که باعث خواهد شد تا عامل موفق باشد. بنابراین، برای سنجش موفقیت به چند روش نیاز خواهیم داشت. عامل همراه با توضیح محیط، حسگرها و محرکهای عامل امکان تخصیص کمل کاری که در پیش روی عامل قرار دارد را فراهم می آورد. باتوجه به این نکته، می توان به طور دقیق تر منظور از منطقی بودن را تعریف نمود.

مقیاسهای عملکرد

مقیاس عملکرد، معیاری را برای موفقیت رفتاریک عامل مجسم می نماید. زمانیکه عاملی به محیطی وارد می شود، طبق درکی که دریافت می نماید، توالی از اعمال را ایجاد می نماید. این توالی اعمال باعث می شود که محیط وارد توالی از حالتها شود در صورتیکه این توالی مطلوب باشد، عامل کار را به خوبی انجام داده است. می توان از عامل درمورد ایده ذهنی مبنی بر اینکه تا چه حد از عملکرد خود رضایت داشته، سوال نمود، اما برخی از عوامل قادر به پاسخگویی نبوده و سایرین نیز خود را غفال می نمایند. بنابراین، بر یک معیار عملکرد عینی که از سوی طراح ایجاد کننده وعامل مطرح شده اصرار کرد

عامل جارو برقی از فصل قبلی را در نظر بگیرید. با توجه به مقدار کثیفی تمیز شده دریک شیفت هشت ساعتی می توان معیار عملکردی را پیشنهاد نمود.البته در مورد یک عامل منطقی آنچه شما می پرسید، چیزی است که به دست می آورید عامل منطقی می توان با پاک کردن کثافت و سپس خالی کردن آن روی زمین و دوباره جمع کردن و .... این معیار عملکرد را به حداکثر برساند. یک معیار عملکردی مناسب به خاطر داشتن زمینی پاکیزه به عامل پاداش می دهد. به عنوان مثال می توان برای هر مربع پاکیزه در هر مرحله زمانی یک امتیاز پاداش دارد (می توان به خاطر برق مصرفی و نویز ایجاد شده، جریمه نمودم. به عنوان یک قانون کلی، بهتر است معیارهای عملکردی را طبق آنچه که واقعا از محیط خواسته می شود طراحی نمود تا طبقی اینکه عامل باید چگونه رفتار نماید.

انتخاب معیار عملکرد همواره ساده نیست. به عنوان مثال، مفهوم (کف اتاق پاکیزه) در پاراگراف قبلی بر متوسط پاکیزیگی در طول زمان مبتی است. در حالیکه با دو عامل مختلف می توان متوسط پاکیزیگی مشابهی را به دست آورد یکی از آنها در همه اوقات کار پیش پا افتاده ای را انجام می دهد و دیگری، جایی را پاکیزه می کند اما زمان زیادی را می برد، که یک نقطه خوب علم سرایداری بودن، ظاهرا از اولویت بوده، اما در واقع پرسشی فلسفی با معنای دور از دسترس است. کدامیک بهتر است یک زندگی بی ملاحظه باپستی ها و بلندی یا یک زندگی ایمنی با وجودی ملال آور؟ کدامیک بهتر است

اقتصادی که در آن همه در فقر نسبی زندگی می کنند یا اقتصادی که در آن برخی از وفور و بر خی در فقر بسیار گذران عمر می کنند؟ این پرسشها را به عنوان تمرینی به خواننده ساعی می سپاریم.

عقلانیت

اینکه چیزی درزمان داده شده منطقی باشد به چهار مورد بستگی دارد:

معیار عملکردی، مقیاسی را برای موفقیت تعریف نماید. دانش قبلی عامل از محیطاعمالی که عامل می تواند به انجام آنها مبادرت نماید. توالی ادراک عامل تا امروز.

این موارد ما را به سوی تعریف عامل منطقی رهنمون می سازد.

در مورد هر توالی ادارکی احتمالی، عامل منطقی باید عملی را انتخاب نماید که انتظار می رود معیار عملکردی آن را به حداکثرمی رساند که این کارایی نیز با توجه به توالی ادارک و دانش و درونی عامل مشخص می گردد.

به مثال ساده ای که در آن عامل جارو برقی مربع را در صورت کثیف بودن تمیز نموده ودر غیر اینصورت به مربع دیگری می رود، توجه نماید. این همان تابع عاملی است که در تصویر 3-2 به صورت جدول بیان گردیده است. آیا این یک عامل منطقبی به بستگی دارد! نخست اینکه، لازم است تا بازده عملکردی، میزان آگاهی از محیط، حسگرها و محرکهای عامل، توضیح داده شود. اجازه دهید موارد ذیل را در نظر داشته باشیم.

معیار عملکردی برای هر مربع پاکییزه در هر مرحله زمانی، امتیاز می دهد که (دوره زندگی) 1000 مرحله زمانی دارد.

جغرافیای محیط به عنوان یک قیاس شناخته می شود، اما در مورد توزیع کثیفی و مکان اولیه عامل، اینگونه نیست. مربعهای پاکیزه، تمبر باقی می ماند اعمال راست و چپ، عامل را به راست و چپ حرکت می دهد به استثنای زمانیکه عامل را به خارج از محیط هدایت می نماید که در این مورد هر جایی که هست، باقی می ماند.

تنها اعمال قابل دسترسی، چپ، راست، مکش و NoOp (هیچ کار) می باشند.

عامل به طور صحیح مکان خود و اینکه آیا مکان کثیف هست یا خیر را درک می نماید.

ما بر این ادعا هستیم که تحت این شرایط، عامل منطقی است، حداقل، عملکرد مورد انتظار آن به اندازه دیگر عوامل بالاست تمرین 4-2 از شما می خواهد تا این مورد را اثبات نمایید.

به راحتی می توان دید که همین عامل در شرایط متفاوت، غیر منطقی خواهد بود به عنوان مثال، زمانیکه همه آلودگیهای پاک شدند، عامل بی جهت به عقب و جلو نوسان می نماید. درصورتیکه معیار عملکرد، جریمه یک امتیازی را برای هر حرکت چپ یا راست در نظر بگیرید، عامل عملکرد ضعیفی را خواهد داشت. در این مورد، عامل بهتر زمانیکه مطمئن است همه مربعها پاکیزه هستند، کاری انجام نمی دهد. در صورتیکه مربعهای پاکیزه دوباره کثیف شوند، عامل می تواند در صورت نیاز اوضاع را کنترل نمود و دوباره آنها را پاک نماید. در صورتیکه جغرافیای محیط ناشناخته باشد، عامل به جای جسبیدن به مربعهای A و B، به بررسی آن نیازمند خواهد بود. تمرین 4-2 از شما خواسته تا در این موارد، عواملی را طراحی نمایید.

دانلود پروژه هوش مصنوعی در پزشکی و بررسی کاربردهای موجود و ارائه راهکارهای جدید

مقدمه

از نخستین وهله امکان در تاریخچه مدرن کامپیوتر، دانشمندان از ایجاد یک"مغز الکترونیکی" خیالبافی کرده اند. از همه حدس های تکنولوژی پیشرفته، این تحقیق برای ایجاد هوش مصنوعی، سیستم های کامپیوتری یکی از جاه طلب ترین و نه شگفت آور مباحثه ای بوده اند.همچنین به نظر
می رسد که خیلی پیشتر از آن، دانشمندان و دکترها همانند هم شیفته توان اینچنین تکنولوژی ممکن در پزشکی شده بودند. با کامپیوترهای هوشمند به ذخیره و پردازش ذخائر دانش بسیار زیاد قادر شدند و آرزو بود که آنها دکترهای کاملی در جعبه باشند. دستیار یا متخصصان برتر با وظایف مشابه تشخیص. با اینچنین انگیزه ها، کوچک اما جامع با استعدادی از دانشمندان کامپیوتر و تخصص های مراقبان پزشکی در مورد شکل دهی برنامه تحقیق برای یک نظم جدید که هوش مصنوعی در پزشکی نامیده شده است. این محققان تصور بزرگی از روش AIM که انقلاب پزشکی خواهد بود داشتند.AI در پزشکی در آن زمان تا درجه زیادی انجمن تحقیق پایه US بود.

این رشته بسیاری از بهترین دانشمندان کامپیوتر را جذب کرده و توسط هر مقیاس، در اولین دهه از زمینه باقی مانده موفقیت قابل توجه خروجی داشته است. AI میتواند ایجاد و استفاده از دانش پزشکی را پشتیبانی کند: شناخت بشری دسته پیچیده ای از پدیده ها و سیستم های AI که میتوانند بگویند برای آن در دو روش خیلی متفاوت است. محققان همچنین "AI قوی" می نامند که در ایجاد سیستم های کامپیوتری جالب است که در رفتار در بعضی سطح های غیرقابل تشخیص از انسانها هستند. سیستم هایAI ظرفیتی برای یادگرفتن، هدایت به کشف پدیده های جدید و ایجاد دانش پزشکی دارند. با کافی بودن مدل وجود دانش پزشکی، یک سیستم AI میتواند برای نمایش اینکه چطور یک دسته جدید از مشاهدات تجربی با وجود تئوری ها سازگار است، استفاده شود.

فایل وزد 40 ص