بخشی از پاورپوینت
--- پاورپوینت شامل تصاویر میباشد ----
اسلاید 1 :
فرایندی که طی آن موجودات زنده مطالب مختلف را یاد می گیرند موضوع مورد علاقه بسیاری از دانشمندان بوده است.
تحقیقاتی که در این زمینه صورت گرفته است در دو شاخه کلی متمرکز است:
1-درک فرایندی که موجودات زنده در طی آن اقدام به یادگیری می کنند.
2- بدست آوردن روش هایی که با استفاده از آنها بتوان این قابلیت را به ماشین منتقل نمود.
اسلاید 2 :
تعریف یادگیری:
اعمال یک سری تغییرات در کارایی سیستم براساس تجارب قبلی است.
مهمترین مشخصه یک سیستم یادگیر:
افزایش کارایی آن با گذشت زمان.
اسلاید 3 :
تعریف ریاضی یک سیستم یادگیر:
هدف یک سیستم یادگیر بهینه سازی یک عملکرد است که کاملا امکان شناسایی آن وجود ندارد.
بر طبق این تعریف:
می توان هدف سیستم یادگیر را به یک مساله بهینه سازی که بر روی یک مجموعه پارامتر تعریف شده است کاهش داد و با بدست آوردن پارمترهای بهینه از طریق روش های موجود آن را حل کرد.
اسلاید 4 :
مفهوم اتوماتای تصادفی (Stochastic Automata) اولین بار توسط تستلین (Testlin) در سال 1960 در اتحاد جماهیر شوروی ارائه شد.
پس از آن در تحقیقات بعدی نمونه های مختلفی از کاربردهای روش های یادگیری در سیستم های مهندسی بوجود آمد که از آن جمله می توان به مسیریاب تلفن، شناسایی الگو و تقسیم بندی اشیاء و کنترل قابل تطبیق اشاره کرد.
اسلاید 5 :
در دهه 60 میلادی سایپکین (Sypkin) روشی برای ساده کردن مسائل فوق برای تشخیص پارامترهای بهینه و بکاربردن روش های تپه نوردی برای حل آن، معرفی کرد.
تستلین و همکارانش در همان زمان کار، بر روی اتوماتاهای یادگیر را آغاز کردند و مفهوم اتوماتای یادگیر برای اولین بار توسط وی مطرح شد.
تستلین به مدلسازی رفتارهای سیسیتمهای بیولوژیکی علاقمند بود و یک اتوماتای قطعی که در محیط تصادفی فعالیت می کرد را به عنوان مدلی برای یادگیر معرفی کرد.
اسلاید 6 :
رویکرد دیگری که توسط نارندرا (Narendra) و همکارش به کار گرفته شد، در نظر گرفتن مساله به صورت پیدا کردن اقدام بهینه از میان مجموعه اقدام های مجاز اتوماتای تصادفی بود.
يک اتوماتاي يادگير را ميتوان بصورت يک شئ مجرد (Abstract Object) که داراي تعداد متناهي عمل است، در نظر گرفت.
اتوماتاي يادگير با انتخاب يک عمل از مجموعه عمل هاي خود و اِعمال آن بر محيط، عمل ميکند.
عمل مذکور توسط يک محيط تصادفي ارزيابي ميشود و اتوماتا از پاسخ محيط براي انتخاب عمل بعدي خود استفاده ميکند.
در طي اين فرايند اتوماتا ياد ميگيرد که عمل بهينه را انتخاب نمايد.
اسلاید 7 :
نحوه استفاده از پاسخ محيط به عمل انتخابي اتوماتا که در جهت انتخاب عمل بعدي اتوماتا استفاده ميشود، توسط الگوريتم يادگيري اتوماتا مشخص ميگردد.
قسمت های اصلی اتوماتای یادگیر:
1- يک اتوماتاي تصادفي با تعداد محدودي عمل و يک محيط تصادفي که اتوماتا با آن در ارتباط است.
2- الگوريتم يادگيري که اتوماتا با استفاده از آن عمل بهينه را ياد ميگيرد.
اسلاید 8 :
يک اتوماتا بصورت پنجتايي تعريف ميشود که :
مجموعه عملهاي اتوماتا است و r تعداد عمل های اتوماتا.
مجموعه وروديهاي اتوماتا،
تابع توليد وضعيت جديد،
اسلاید 9 :
تابع خروجي که وضعيت فعلي را به خروجي بعدي نگاشت ميکند،
مجموعه وضعيتهاي داخلي اتوماتا در لحظه n، ميباشند.
اسلاید 10 :
توابع F و G وضعيت فعلي ورودي را به خروجي بعدي (عمل بعدي) اتوماتا نگاشت ميکنند.
بر حسب نگاشت های F و G می توان تقسیم بندی زیر را انجام داد:
1- اگر نگاشتهايFو Gقطعي باشند، اتوماتا يک اتوماتاي قطعي (Deterministic Automata) ناميده ميشود.
با اطلاع از وضعیت فعلی اتوماتا و ورودی اتوماتا (پاسخ محیط)، وضعیت بعدی اتوماتا و اقدام آن مشخص میباشد.