9857

9857

توسعه يادگيري ماشين درحوزه داده¬هاي جرياني براساس مكانيزم¬هاي يادگيري انسان

كارشناسي ارشد

مهندسي كامپيوتر گرايش هوش¬مصنوعي

اسفند ماه 1390

اسفند ماه 1390

دكتر محمدرضا كنگاوري

چكيده فرايند يادگيري از داده‌‌‌‌‌‌‌‌‌هاي جرياني از جمله موضوعات مهم در حوزه يادگيري ماشين است‌‌‌‌. الگوريتم‌‌‌‌‌‌‌‌‌هاي يادگيري از داده‌‌‌‌‌‌‌‌‌هاي جرياني مانند بسياري از الگوريتم‌هاي يادگيري ماشين قابليت يكپارچه سازي دانش جديد با دانش قبلي را ندارند. در واقع اين الگوريتم‌ها همواره فرايند يادگيري مفهوم از يك جريان داده را از نو شروع مي‌كنند حتي اگر قبلا تجربه يادگيري از اين جريان را داشته باشند. بهره گيري از تجارب در حل مسائل جديد فرايندي است كه انسان‌ها به طور رومزره از آن استفاده مي‌كنند. علاوه بر اين انسان به عنوان هوشمندترين موجود كره خاكي مجهز به يك نظام بازشناسي فوق‌العاده پيشرفته‌ايست كه از انعطاف‌پذيري بالايي برخوردار است به اين معني كه با وجود تغييرات گوناگوني كه ممكن است در محرك‌هاي دريافتي از محيط ايجاد شود به راحتي مي‌تواند خود را وفق داده و با دقت بالايي عمل دسته‌بندي و تشخيص اشياء را انجام دهد. جاي خالي يك چنين نظامي در معماري‌هاي شناختي نمادين كه مدعي مدل‌سازي هوشمندي انسان هستند كاملا مشهود است. تمام اين مسائل، ايجاب مي‌كند كه يك چنين نظامي مورد بررسي و مطالعه قرار گيرد تا با مدل‌سازي اين نظام بتوان از قابليت‌هاي آن، چه در حوزه يادگيري ماشين و چه در حوزه معماري‌هاي شناختي بهره برد. بر اين اساس در اين پايان نامه نظام مذكور مورد بررسي و مطالعه قرار گرفته و مدلي اوليه از روي آن ايجاد شده است. اين مدل طوري طراحي شده كه با ساختار معماري‌هاي شناختي نمادين معروف سازگار بوده و با كمترين تغييري قابل استفاده در اين معماري‌ها باشد. از طرفي بهبود الگوريتم‌هاي يادگيري در حوزه يادگيري ماشين نيز مد نظر بوده است و سعي شده كه از ويژگي‌هاي يك چنين نظامي در جهت هرچه بهتر كردن اين الگوريتم‌ها استفاده شود. نتايج آزمايش‌هاي انجام گرفته نشان‌دهنده عملكرد موفقيت‌آميز مدل پيشنهادي مي‌باشد كه هم اهداف شناختي و هم اهداف يادگيري ماشين در نظر گرفته شده را برآورده مي‌سازد. كلمات كليدي: تغييرمفهوم، معماري شناختي، مجموعه رده‌بندهاي خبره، داده‌هاي جرياني، درخت تصميم، يادگيري مبتني بر نسخه