IRE: Inductive Rule Extraction

IRE: Inductive Rule Extraction

استخراج قانون استقرائی
IRE: Inductive Rule Extraction

IRE: Inductive Rule Extraction

استخراج قانون استقرائی

بیو گرافی ماسایا ناکاتا

ماسایا ناکاتا دانشیار دانشکده فنی دانشگاه ملی یوکوهاما ژاپن است. وی دکترای خود را دریافت کرد. مدرک انفورماتیک از دانشگاه ارتباطات الکترونیک ژاپن در 2016 گرفت.  ادامه مطلب ...

بیو گرافی آنتونی آستین

آنتونی آستین استاد پیگیری در دانشگاه هوفنهایم است، جایی که وی ریاست آزمایشگاه هوش مصنوعی در مهندسی کشاورزی را بر عهده دارد. وی در سال 2012 لیسانس خود را در رشته سیستمهای اطلاعات تجاری از دانشگاه علوم کاربردی آگسبورگ دریافت کرد.  ادامه مطلب ...

بیوگرافی مارتین وی. بوتز

چگونه ذهن به وجود می‌آید اصلی‌ترین تلاش پروفسور بوتز در تحقیقات خود است. بوتز در کتاب خود با همین عنوان پایه‌هایی را برای یک رویکرد جدید، کاربردی و محاسباتی جهت مطالعه یکپارچه ذهن با تلفیق بینش‌هایی از علوم اعصاب، عصب شناسی، روانشناسی، زبان شناسی، فلسفه، رباتیک، یادگیری ماشین و هوش مصنوعی می باشد. 

ادامه مطلب ...

یک توضیح الگوریتمی از XCS

مهم‌ترین تفاوت بین XCS و سیستم دسته‌بند یادگیر در این است که سازگاری قانون برای الگوریتم ژنتیک، مبتنی بر بازپرداخت دریافتی بر اساس قوانین نیست بلکه در صحت پیش‌بینی‌های بازپرداخت است. XCS مبتنی بر استحکام یا سیستم‌های مبتنی بر بازپرداخت است در حال که سیستم دسته‌بند یادگیر مبتنی بر دقت نامیده می‌شوند.   
ادامه مطلب ...

الگوریتم Bucket Brigade

 مسئله تخصیص اعتبار

الگوریتم Bucket Brigade برای حل مسئله تخصیص اعتبار استفاده می‌شود. این الگوریتم برای حل مسئله کمک می­ کند اصلاح قدرت دسته‌بندی‌ها به چه مقدار باشد. با توجه به این الگوریتم:

·       دسته‌بندی‌هایی که بر پیغام ورودی فعلی منطبق شود، برای انجام عمل مربوطه پیشنهاد می‌شود که پیشنهاد براساس تناسب قدرت آن می­ باشد.

·       وقتی پاداشی از محیط دریافت می‌شود یا وقتی یک دوره[1] گذرانده می‌شود.  ادامه مطلب ...

روابط یادگیری در ZCS وXCS

 شرح سیستم دسته ­بند سطح صفر

این سیستم با آشکارساز[1] محیط را حس و ورودی سیستم را دریافت و اثرگذار[2] با موتور عمل در ارتباط است. علاوه بر این محیط هر دفعه تقویت عددی را فراهم می‌کند که در اینجا پاداش نامیده می‌شود. در اوایل کار هالند ایده اصلی یک سیستم سنجش و یادگیر در یک محیط برای بدست آوردن پاداش ارائه شد.

[P] یا جمعیت شامل مجموعه دسته­بند­های فعلی و از الفبای باینری به علاوه نماد # که نشان دهنده "بی‌تفاوت" می ­باشد ساخته شده است. پس از دریافت وضعیت محیط از آشکارساز شرط هر دسته­ بند با آن مقایسه می‌شود. اگر هر بیت به جز # از شرط دسته­ بندها در آشکارساز صدق کند، آن دسته­ بند به مجموعه نظیر یا تطبیق[3] [M] اضافه می‌شود.  

ادامه مطلب ...