فهرست مقالات حافظه ي محدود

• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  1 - بکارگیری حافظه ای محدود برای نگهداری برترین کنش اخیردر سیستم های طبقه بندی کننده یادگیر XCS در مسائل هزارتو
  علی   یوسفی کامبیز بدیع محمد مهدی عبادزاده آرش شریفی
  امروزه، سیستمهاي طبقهبندي کننده یادگیر درکاربردهاي متنوع در رباتیک مانند رباتهاي حسي، رباتهاي انساننما، سامانه هاي امداد و جات هوشمند وکنترل ربانهاي فیزیکي در محیطهاي گسسته و پیوسته، مورد توجه قرار گرفته است. معمولا از ترکیب یک الگوریتم تکاملي یا روشهاي شهودي با یک فرا چکیده کامل

  امروزه، سیستمهاي طبقهبندي کننده یادگیر درکاربردهاي متنوع در رباتیک مانند رباتهاي حسي، رباتهاي انساننما، سامانه هاي امداد و جات هوشمند وکنترل ربانهاي فیزیکي در محیطهاي گسسته و پیوسته، مورد توجه قرار گرفته است. معمولا از ترکیب یک الگوریتم تکاملي یا روشهاي شهودي با یک فرایند یادگیري براي جستجو در فضاي قوانین موجود در انتساب کنش مناسب یک دستهبند استفاده مي شود. چالش مهم براي بالا بردن سرعت و دقت در رسیدن به هدف در مسائل هزار تو، بکارگیري و انتخاب کنشي است که محرک بجاي برخورد تکراري به موانع اطراف، در مسیر درست قرار گیرد. بدین منظور در این مقاله یک الگوریتم طبقه بندي کننده یادگیر هوشمند سیستمهاي طبقه بند یادگیر مبتني بر دقت) XCS ( مبتني بر حافظه محدود بکار گرفته شده است که با توجه به ورودي و کنشهاي اعمال شده به محیط و عکس العمل محرک، قوانین بهینه شناسایي شده و در اولویت انتخاب با احتمال بیشتري در مراحل بعدي، به عنوان مجموعه دستهبند جدید به الگوریتم سیستمهاي طبقه بند یادگیر مبتني بر دقت (XCS) اضافه گردد. از جمله دستاوردهاي این روش مي توان به کاهش تعداد مراحل لازم و افزایش سرعت در رسیدن محرک به هدف در مقایسه با الگوریتم سیستمهاي طبقه بند یادگیر مبتني بر دقت (XCS) پایه داشت . پرونده مقاله