مالتی پلکسر

مالتی‌پلکسر دستگاهی است که یکی از چند سیگنال دیجیتال یا آنالوگ ورودی‌هایش را انتخاب کرده و سپس آن ورودی انتخاب‌شده را به یک خط خروجی هدایت می‌کند. تسهیم‌کننده‌ای با n به توان 2‌ ورودی،  nخط انتخاب دارد که این خطوط انتخاب مشخص می‌کنند که کدام خط ورودی باید به خط خروجی هدایت شود. 

انواع یادگیری تقویتی

یادگیری تقویتی یکی از گرایش‌های یادگیری ماشینی است که از روانشناسی رفتارگرایی الهام می‌گیرد. این روش بر رفتارهایی تمرکز دارد که ماشین باید برای بیشینه کردن پاداشش انجام دهد. این مسئله، با توجه به گستردگی‌اش، درزمینه‌های گوناگونی بررسی می‌شود. مانند: نظریه بازی‌ها، نظریه کنترل، تحقیق در عملیات، نظریه اطلاعات، سامانه چندعامله، هوش ازدحامی، آمار، الگوریتم ژنتیک، بهینه‌سازی بر مبنای شبیه‌سازی. در مبحث تحقیق در عملیات و در ادبیات کنترل، حوزه‌ای که در آن روش یادگیری تقویتی مطالعه می‌شود برنامه‌نویسی تخمینی پویای خوانده می‌شود. این مسئله در تئوری کنترل بهینه نیز مطالعه شده است. البته دغدغه اصلی بیشتر مطالعات در این زمینه، اثبات وجود پاسخ بهینه و یافتن ویژگی‌های آن است و به دنبال جزئیات یادگیری یا تخمین نیست. یادگیری تقویتی در اقتصاد و نظریه بازیها بیشتر به بررسی تعادل‌های ایجادشده تحت عقلانیت محدود می‌پردازد. 

دکتر استوارت دبلیو ویلسون

مشاور علوم هوش مصنوعی

 استوارت دبلیو ویلسون در روچستر نیویورک آمریکا متولد شد؛ که وی در 1960 مدرک کارشناسی را دریافت کرد. مدرک فیزیک را از دانشگاه ام ای تی در مقطع کارشناسی ارشد دریافت و دکتری مدرک مهندسی برق از دانشگاه ام ای تی در سال 1962 و 1967 گرفت. 

مدل-زنجیره-تصمیم گیری مارکوف

مدل پنهان مارکوف

یک مدل مارکوف آماری است که در آن سیستم مدل شده به‌صورت یک فرایند مارکوف باحالت‌های مشاهده نشده (پنهان) فرض می‌شود. یک مدل پنهان مارکوف می‌تواند به‌عنوان ساده‌ترین شبکه بیزی پویا در نظر گرفته شود. 

یادگیری تقویتی

یادگیری تقویتی  گونه‌ای از روش‌های یادگیری ماشین است که یک عامل یا  چندعامل را قادر به یادگیری در محیطی تعاملی با استفاده از آزمون‌وخطاها و بازخوردهای اعمال و تجربیات خود را می‌سازند. 

الگوریتم ممتیک

یا  الگوریتم بهینه‌سازی حافظه

الگوریتم ممتیک که نام اصلی آن بهینه‌سازی حافظه می باشد از رفتار الگوریتم ژنتیک الهام گرفته‌شده است. این الگوریتم از الگوریتم‌های بسیار کارآمد در حل مسائل بهینه‌سازی ترکیبی است. الگوریتم ممتیک در حوزه‌های مختلف مسائل بهینه‌سازی کاربرد دارد.  مفهوم ((مم)) به‌عنوان واحد انتقال فرهنگ یا تقلید در ابتدا توسط Richard dawkins در سال 1976 مطرح گردید. و سپس Moscato الگوریتم ممتیک را برای اولین بار در سال 1989 ارائه کرد.