پروژه هوش مصنوعی

اختصاصی از فی بوو پروژه هوش مصنوعی دانلود با لینک مستقیم و پر سرعت .

پروژه هوش مصنوعی

50صفحه

عوامل هوشمند:

ماهیت عوامل، کامل یا غیر از آن، تنوع محیطی و جانوران نمایشی حاصل از انواع عوامل مورد بحث و بررسی قرار می گیرند.

در فصل1، مفهوم عوامل منطقی به عنوان اساس شیوه ها در هوش مصنوعی شناسایی گردید. در این فصل این مفهوم راملموس تر می سازیم. خواهیم دید که مفهوم عقلانیت رامی توان در بسیاری از عوامل فعال در هر محیط قابل تصوی به کار گرفت. در این کتاب، هدف ما، بهره گیری از این مفهوم جهت توسعه مجموعه کوچکی از اصول طراحی برای ساختن عوامل موفق می باشد سیستمهایی که می توان به طور معقول، هوش نامید.

مبحث خود را با بررسی عوامل، محیطها و جفت نمودن این دو آغاز خواهیم نمود. مشاهده این نکته که برخی از عوامل بهتر از بقیه عمل می کنند، به طور طبیعی ما را به ا؟عامل منطقی رهنمون می کند عاملی که تا حد امکان خیلی خوب رفتار می کند. اینک یک عامل تا چه حد به خوبی رفتار می کند به ماهیت محیط بستگی دارد. برخی از محیطهای دشوار تر از سایرین هستند.

ما طبقه بندی خام ونا پروده ای از محیطها را ارائه نموده ومشخص کرده ایم که چگونه ویژگی های یک محیط بر طراحی عوامل مناسب برای آن محیط، تاثیر می گذارند، همچنین برخی از طرحهای اصلی عامل (کالبدی) (ابتدایی) را که در باقیمانده کتاب بدان تجسم می بخشیم، توضیح خواهیم داد.

1-2 عوامل و محیطها

عامل هر چیزی است که بتوان از عنوان درک محیط از طریق حسگرها و تاثیر بر محیط از طریق محرکها، آن در نظر گرفت. این ایده ساده در شکل 1-2 به تصویر کشیده شده است یک عامل انسانی دارای چشم، گوش و دیگر اندامها برای حسگرها و نیز دستها، پاها دهان و دیگر اعضای بدن به عنوان محرک می باشد. یک عامل روبوتیک نیز ممکن است برای حسگرها از دوربین و یابنده های طیف مادون قرمز و برای محرکها از موتورهای مختلف، بهره گیرد.

پاورپوینت درباره آشنایی با عامل و محیط در هوش مصنوعی

اختصاصی از فی بوو پاورپوینت درباره آشنایی با عامل و محیط در هوش مصنوعی دانلود با لینک مستقیم و پر سرعت .

فرمت فایل : power point  (لینک دانلود پایین صفحه) تعداد اسلاید  : 23 اسلاید

عاملها محیط :

nعامل می تواند یک انسان، یک ربات، ترموستات و یا یک عامل نرم افزاری باشد

nعامل را می توان به صورت یک تابع در نظر گرفت.

nورودی: مجموعه ادراکات

nخروجی: عمل

nعملی که توسط یک عامل انجام می شود وابسته به ادراکات عامل است، اما لزوما تمام نتایج یک عمل توسط عامل قابل درک نیست و اثر آن بر محیط جزو چالشهاست.

 

 

مثالی از یک عامل در محیط
(Vacuum Cleaner Agent)

 

 

nمحیط: تشکیل شده از تعداد مربع هم اندازه

nادراکات: به صورت [محل، محتوا]. مثال [A، گردوخاک]

nاعمال

nحرکت به چپ

nحرکت به راست

nتمیز کردن خانه (مربع) فعلی

پاورپوینت آشنایی کامل با تازه ها و کاربردهای هوش مصنوعی

اختصاصی از فی بوو پاورپوینت آشنایی کامل با تازه ها و کاربردهای هوش مصنوعی دانلود با لینک مستقیم و پر سرعت .

فرمت فایل : power point  (قابل ویرایش) تعداد اسلاید  : 37 اسلاید

هوش مصنوعی

oآیا بشر قادر خواهد بود موجودی هوشمند همانند خود به وجود آورد؟ آیا زمانی فرا خـــواهد رسید که روبات‏ها به خانه ما رفت‏ و آمد کنند؛ کنار ما بنشینند و با ما به تبادل نظر بپردازند؟

oنخستین جرقه‏های هوش مصنوعی به سال‏های بعد از جنگ جهانی دوم باز می‏گردد.

oزمانی که آلن تورینگ در سال ۱۹۵۰م. آزمایشی مبنی بر این که آیا ماشین قادر است بـــــــــا فرآیندهای مغز انسان رقابت نماید، مطرح کرد.

oهوش مصنوعی، شاخه‏ای از علم کامپیوتر است و در واقع تلفیقی از سه فناوری و گرایش مطرح؛ یعنی شبکه‏های عصبی، سیستم‏های استدلال فازی و الگوریتم تکاملی می‏باشد.

oدر مقایسه هوش مصنوعی با هوش انسانی می توان گفت که انسان قادر به مشاهده و تجزیه و تحلیل مسایل در جهت قضاوت و اخذ تصمیم میباشد در حالی که هوش مصنوعی مبتنی بر قوانین و رویه هایی از قبل تعبیه شده بر روی کامپیوتر میباشد.

تحقیق در مورد شبکه عصبی

اختصاصی از فی بوو تحقیق در مورد شبکه عصبی دانلود با لینک مستقیم و پر سرعت .

لینک پرداخت و دانلود *پایین مطلب*
فرمت فایل:Word (قابل ویرایش و آماده پرینت)
تعداد صفحه: 12

توصیف

در حالت کلی، یک شبکه عصبی زیستی از مجموعه یا مجموعه‌ای از نورون‌های به صورت فیزیکی به هم متصل یا از لحاظ عملکردی به هم وابسته تشکیل شده‌است. هر نورون می‌تواند به تعداد بسیار زیادی از نورون‌ها وصل باشد و تعداد کل نورون‌ها و اتصالات بین آن‌ها می‌تواند بسیار زیاد باشد. اتصالات، که به آن‌ها سیناپس گفته می‌شود، معمولاً از آکسون‌ها و دندریت‌ها تشکلیل شده‌اند.

هوش مصنوعی و مدل سازی شناختی سعی بر این دارند که بعضی از خصوصیات شبکه‌های عصبی را شبیه سازی کنند. این دو اگرچه در روش‌هاشان به هم شبیه هستند اما هدف هوش مصنوعی حل مسائل مشخصی است در حالی که هدف مدل سازی شناختی ساخت مدل‌های ریاضی سامانه‌های نورونی زیستی است.

شبکه‌های عصبی زیستی

شبکه‌های عصبی زیستی مجموعه‌ای بسیار عظیم از پردازشگرهای موازی به نام نورون اند که به صورت هماهنگ برای حل مسئله عمل می‌کنند و توسط سیناپس‌ها (ارتباط‌های الکترومغناطیسی) اطلاعات را منتقل می‌کنند. در این شبکه‌ها اگر یک سلول آسیب ببیند بقیه سلول‌ها می‌توانند نبود آنرا جبران کرده و نیز در بازسازی آن سهیم باشند. این شبکه‌ها قادر به یادگیری اند. مثلا با اعمال سوزش به سلول‌های عصبی لامسه، سلول‌ها یاد می‌گیرند که به طرف جسم داغ نروند و با این الگوریتم سامانه می‌آموزد که خطای خود را اصلاح کند. یادگیری در این سامانه‌ها به صورت تطبیقی صورت می‌گیرد، یعنی با استفاده ازمثال‌ها وزن سیناپس‌ها به گونه‌ای تغییر می‌کند که در صورت دادن ورودی‌های تازه سامانه پاسخ درستی تولید کند.

معرفی شبکه عصبی مصنوعی شبکه عصبی مصنوعی یک سامانه پردازشی داده‌ها است که از مغز انسان ایده گرفته و پردازش داده‌ها را به عهدهٔ پردازنده‌های کوچک و بسیار زیادی سپرده که به صورت شبکه‌ای به هم پیوسته و موازی با یکدیگر رفتار می‌کنند تا یک مسئله را حل نمایند. در این شبکه‌ها به کمک دانش برنامه نویسی، ساختار داده‌ای طراحی می‌شود که می‌تواند همانند نورون عمل کند. که به این ساختارداده گره گفته می‌شود. بعد باایجاد شبکه‌ای بین این گره‌ها و اعمال یک الگوریتم آموزشی به آن، شبکه را آموزش می‌دهند. در این حافظه یا شبکهٔ عصبی گره‌ها دارای دو حالت فعال (روشن یا 1) و غیرفعال (خاموش یا 0) اند و هر یال (سیناپس یا ارتباط بین گره‌ها) دارای یک وزن می‌باشد. یال‌های با وزن مثبت، موجب تحریک یا فعال کردن گره غیر فعال بعدی می‌شوند و یال‌های با وزن منفی، گره متصل بعدی را غیر فعال یا مهار (در صورتی که فعال بوده باشد) می‌کنند.

تاریخچه شبکه‌های عصبی مصنوعی

1. از قرن نوزدهم به طور همزمان اما جداگانه از سویی نروفیزیولوزیست‌ها سعی کردند سامانه یادگیری و تجزیه و تحلیل مغز را کشف کنند و از سوی دیگر ریاضیدانان تلاش کردند تا مدل ریاضی بسازند که قابلیت فراگیری و تجزیه و تحلیل عمومی مسائل را دارا باشد. اولین کوشش‌ها در شبیه سازی با استفاده از یک مدل منطقی توسط مک کلوک و والتر پیتز انجام شد که امروزه بلوک اصلی سازنده اکثر شبکه‌های عصبی مصنوعی است. این مدل فرضیه‌هایی در مورد عملکرد نورون‌ها ارائه می‌کند. عملکرد این مدل مبتنی بر جمع ورودی‌ها و ایجاد خروجی است. چنانچه حاصل جمع ورودی‌ها از مقدار آستانه بیشتر باشد اصطلاحا نورون برانگیخته می‌شود. نتیجه این مدل اجرای توابع ساده مثل AND و OR بود.

1. نه تنها نروفیزیولوژیست‌ها بلکه روان شناسان و مهندسان نیز در پیشرفت شبیه سازی شبکه‌های عصبی تاثیر داشتند. در سال 1958 شبکه پرسپترون توسط روزنبلات معرفی گردید. این شبکه نظیر واحدهای مدل شده قبلی بود. پرسپترون دارای سه لایه به همراه یک لایه وسط که به عنوان لایه پیوند شناخته شده می‌باشد، است. این سامانه می‌تواند یاد بگیرد که به ورودی داده شده خروجی تصادفی متناظر را اعمال کند. سامانه دیگر مدل خطی تطبیقی نورون می‌باشد که در سال 1960 توسط ویدرو و هاف (دانشگاه استنفورد) به وجود آمد که اولین شبکه‌های عصبی به کار گرفته شده در مسائل واقعی بودند. Adalaline یک دستگاه الکترونیکی بود که از اجزای ساده‌ای تشکیل شده بود، روشی که برای آموزش استفاده می‌شد با پرسپترون فرق داشت.

1. در سال 1969 میسکی و پاپرت کتابی نوشتند که محدودیت‌های سامانه‌های تک لایه و چند لایه پرسپترون را تشریح کردند. نتیجه این کتاب پیش داوری و قطع سرمایه گذاری برای تحقیقات در زمینه شبیه سازی شبکه‌های عصبی بود. آنها با طرح اینکه طرح پرسپترون قادر به حل هیچ مساله جالبی نمی‌باشد، تحقیقات در این زمینه را برای مدت چندین سال متوقف کردند.

این فقط قسمتی از متن مقاله است . جهت دریافت کل متن مقاله ، لطفا آن را خریداری نمایید

دانلود پاورپوینت در مورد هوش مصنوعی

اختصاصی از فی بوو دانلود پاورپوینت در مورد هوش مصنوعی دانلود با لینک مستقیم و پر سرعت .

فهرست مطالب

—هوش مصنوعی چیست

—عامل های هوشمند

—حل مسئله

—دانش و استنتاج

—طرح ریزی

—عدم قطعیت

تعداد اسلاید: 37 صفحه

با قابلیت ویرایش

مناسب جهت ارائه سمینار