در این مقاله، به معرفی و بررسی یک سیستم خبره نوآورانه با استفاده از ترکیب فناوری های فازی و عصبی پرداخته می‌شود.
چکیده ترجمه:
فنون مختلفی از جمله منطق فازی، شبکه‌های عصبی و سیستمهای خبره در زمینه تشخیص و تصمیم‌گیری استفاده می‌شوند. این ترکیب تکنولوژی‌ها به ما امکان می‌دهد تا روشهای نوینی برای فراگیری و بهره‌گیری از دانش پایه را توسعه دهیم. یکی از مدل‌های مورد استفاده در این سیستم‌ها، سیستم خبره فازی به همراه بانک داده دوگانه است.
این سیستم‌ها بر اساس دو سری قوانین توسعه داده می‌شوند که از مثال‌ها و تجربیات فیزیک‌دانان استخراج می‌شوند. همچنین، از شبکه‌های عصبی فازی برای آموزش مدل‌های تشخیصی استفاده می‌شود. این ترکیبات تکنولوژیکی به ما این امکان را می‌دهند که مسائل مانند تشخیص electroencephalograms را با تفسیر عناصر نموداری به عنوان یک مشاهده‌ی مهم در تحقیقات ما مدلسازی و حل کنیم. نتایج اولیه نشان می‌دهند که این رویکرد توانایی بهبود احتمالات مورد نظر را با استفاده از داده‌های آموزشی دارد.
مقدمه:
روشهای تکراری شناسایی و ارزیابی پدیده خاص را کار تشخیصی می نامند ،که یکی از کاربردهای اصلی برای هوش مصنوعی (AI) می باشد. با توجه به اینکه رنج وسیعی از چنین کاربرهای تشخیصی وجود دارد . اگرچه رنج وسیعی از چنین کاربردهای تشخیصی در پزشکی وجود دارد ولی این بخش مورد توجه استفاده کنندگام از هوش مصنوعی قرار دارد. عمومی ترین روشهای AI در بخش پزشکی مبتنی بر دانش و مدلسازی رفتار تشخیصی متخصصان است . انواع مختلفی از چنین سیستمهای خبره ای از زمانی که SHRTLIFFE روش SHRTLIFFE MYCIN را بعنوان یک سیستم خبره برای تشخیص آسیبهای خونی انسان طراحی و معرفی کرد ، بوسیله پزشکان مورد استفاده قرار گرفته است.
یکی از بزرگترین مشکلات بر سر راه طراحی یک سیستم خبره مناسب ، گردآوری و دانش پایه آن است. ما روش جدیدی را معرفی میکنیم که در آن دانش پایه با منبع دوگانه بوسیله یادگیری قیاسی واستقرایی ایجاد می شود. شیکه های عصبی نیز از این راه برای تشخیص استفاده میکنند . آنها قادرند رابطه بین مجموعه داده ها را با داشتن اطلاعات نمونه که نشاندهنده لایه های ورودی و خروجی آنها است ،یاد بگیرند.
عنوان انگلیسی مقاله: A Hybrid Fuzzy-Neural Expert system For Diagnosis
عنوان فارسی مقاله: یک سیستم خبره فازی عصبی برای تشخیص
دسته: فناوری اطلاعات و کامپیوتر
فرمت فایل ترجمه شده: WORD (قابل ویرایش)
تعداد صفحات فایل ترجمه شده: 17