توضیحات
- عنوان: رشد توسعه محاسبات نرم (SOFT COMP) از منظر هوش مصنوعی
- مقدمه
- محاسبات نرم
- سیستم هوشمند
- تاریخچه علم هوش مصنوعی
- کاربرد هوش مصنوعی
- مباحث رشد و توسعه محاسبات نرم از دیدگاه سیستمهای هوشمند نتیجه گیری
- ارزیابی یکی از رویکردهای موفق کاربرد محاسبات نرم در حیطه علم و صنعت
- منابع
مقدمه
پروفسور زاده در سال 1992 در تعریف محاسبات نرم میگوید: یک پدیده نوظهور است که در اثر تعامل بین پارادایمهای مختلف پدیدار شده است. بدین معنی که از قبل تعیین شده نیست در واقع محاسبات نرم سعی میکند به توانایی دست یابد که مانند مغز انسان تفکر کند، محاسبه کند و بتواند یاد بگیرد و استنتاج کند، در محیطی که توام با عدم قطعیت و عدم دقت است]1[.
1 .2. محاسبات نرم
محاسباتنرم در علوم کامپیوتر، مشخص کننده راهحلهای نادقیق و تقریبی برای حل مسائلی که از نظر محاسباتی حل آنها دشوار بوده و هیچ الگوریتم شناخته شدهای برای حل دقیق آنها در زمان چند جملهای وجود ندارد میباشد. در واقع محاسبات نرم شامل اجزائی همچون الگوریتم ژنتیک، منطق فازی و شبکهعلی عصبی که ممکن است در جاهای مختلف با آن برخورد کرده باشید. محاسبات نرم 2 بعد را ایجاد میکند، یک بعد نرمی است که نسبت به دنیای واقعی دارد یعنی نگرش محاسبات نرم به واقعیت یک نگرش نرم است، بدین معنی که به جای اینکه بگوییم این چنین باید باشد واقعیت را آنچنان که هست سعی کنیم تصویر کرده و با آن برخورد کنیم. دیدگاه بعدی ترکیب این پارادایمها میباشد. به عبارت دیگر در محاسبات نرم با ترکیب شبکههای عصبی و فازی یا الگوریتم ژنتیک و فازی یا الگوریتم زنتیک و شبکه عصبی، میتوان به چیزی دست یافت که اجزاء آنها نمیتوانستند به آن برسند]1[.
1 .2. سیستم هوشمند
یک سیستم هوشمند با محیط بیرون ارتباط برقرار کرده و از طریق تجهیزات مکانیکی با آن تعامل دارد. در وسط این سیستم، پردازشگر زبان طبیعی است که برای محاسبه بکار میرود و بعدا در سطح بالاتر، بخشی است که وظایف را تعیین میکند. بخش بالاتری از هوشمندی، سطحی است که دارای قابلیت استنتاج و یادگیری میباشد. قسمتهای مختلف سیستمها و شبکههای هوشمند میتواند قسمتهای مختلف محاسبات نرم را در بر گیرد، اگر بتوان به طور موثری اینها را کنار هم قرار داد، میتوان به یک سیستم هوشمندتر رسید.]1[.
روشهای کلاسیک هیچ ابزاری ندارند که سیستم را برای برخورد این گونه با مساله مجهز کنند، در مقابل در سیستم هوشمند، هدف این است که تخمینی زده شود که وابسته به یک مدل نباشد و بدون اینکه لزوما رابطه ریاضی بین ورودی-خروجی را داشته باشیم بتوان به آن تابع بهینه رسید. در سیستم هوشمند، خاصیت تعمیم وجود داشته و همچنین یک درجه خلاقیت در آن وجود دارد و در نهایت میتواند یاد گرفته و خود را تطبیق دهد. یادگیری و تطبیق دو خاصیتی هستند که در کنار هم و توام با هم هستند. بنابراین ما در سیستمهای هوشمند به جای اینکه از پیش تعریف کنیم که رفتار یک سیستم اینگونه باشد باید سعی کنیم تا حد امکان کنترلری که میسازیم را آنگونه هوشمند کنیم تا خودش بتواند کشف کند که رفتار سیستم چگونه باید باشد]1[.
2.تاریخچه علم هوش مصنوعی
امروزه دانش مدرن هوش مصنوعی به دو دسته اصلی تقسیم میشود: یكی، هوش مصنوعی سمبولیك یا نمادین و دیگری هوش غیرسمبولیك كه پیوندگرا نیز نامیده میشود]1[.
در هوش مصنوعی ادعا میکنیم که واقعگرا هستیم بنابراین کاربرد، نقش مهمی در هوش مصنوعی دارد]1[.
اگر بخواهیم یک نگاه کلی به تاریخچه هوش مصنوعی بیندازیم می توان به
هوش مصنوعی سمبولیك از رهیافتی مبتنی بر محاسبات آماری پیروی میكند و اغلب تحت عنوان <یادگیری ماشین یا (Machine Learning) طبقه‌بندی میشود. هوش سمبولیك میكوشد سیستم و قواعد آن را در قالب سمبول‌ها بیان كند و با نگاشت اطلا‌عات به سمبول‌ها و قوانین به حل مسئله بپردازد. در میان معروف‌ترین شاخه‌های هوش مصنوعی سمبولیك میتوان به سیستمهای خبره (Expert Systems) و شبكه‌هایBayesian اشاره كرد]
توجه:
- برای دانلود فایل word کامل مقاله لطفا اقدام به خرید فرمایید.
- پس از خرید بلافاصله لینک دانلود فایل برای شما ایمیل خواهد شد.
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.