هوش مصنوعی
دانلود مقاله کارشناسی ارشد رشته هوش مصنوعی سیستم مبتنی بر استدلال مورد Case Based Reasoning system (بصورت جامع و کامل) مقدمه CBR یک روش حل مساله است که در بسیاری از جنبه‌ها از دیگر روشهای اصلی AI متفاوت است و به جای اینکه فقط روی دانش کلی حوزه مساله تکیه کند یا بین مسائل و راه‌حل‌ها، ارتباطات تعمیم یافته ایجاد کند، قادر است از دانش مخصوص مربوط به تجربیات قبلی و وضعیت دیگر مسائل بهره گیرد. یک مساله جدید با یافتن وضعیت مشابهی که قبلا مشاهده شده است و استفاده از آن در وضعیت جدید حل می‌شود. تفاوت مهم دیگر این است که CBR روشی برای یادگیری تقویتی، افزایشی می‌باشد چون هر دفعه که مساله‌ای حل می‌شود یک تجربه جدید نگه داشته شده و برای مسائل بعدی در دسترس می‌باشد. فیلد CBR در طول چند سال اخیر به سرعت رشد کرده است. شاهد این امر مقالات زیاد در کنفرانس‌های مهم، ابزار تجاری در دسترس و کاربردهای موفق آن می‌باشد. کلمات کلیدی: CBR روش حل مساله استدلال مبتنی بر حالت CBR چیست؟ به طور اساسی CBR حل یک مساله جدید به وسیله یادآوری یک موقعیت مشابه قبلی و با استفاده مجدد از اطلاعات و دانش مربوط به آن می‌باشد. در ادامه به بیان این مفهوم با نگاه به حل چند مساله نوعی می‌پردازیم: · یک پزشک، بعد از معاینه یک بیمار خاص در مطبش، به یاد بیماری می‌افتد که دو هفته قبل درمان کرده است. این یادآوری به دلیل مشابهت علائم اصلی بیماری است نه به دلیل مشابهت در رنگ موی بیمار و یا طرز بیان او. در این حالت پزشک از تشخیص بیماری و درمانی که در مورد بیمار قبلی به کار برده است برای تشخیص بیماری و درمان بیمار حاضر استفاده می‌کند. · یک مهندس حفاری، که دو انفجار مهیج را تجربه کرده است، هنگامی که ترکیب اندازه‌های بحرانی، مشابه موقعیت انفجار قبل می‌شود، بلافاصله به یاد یک یا هردوی این موقعیت‌ها می‌افتد. در حالت خاص ممکن است به یاد اشتباهی که در انفجار قبل مرتکب شده است بیفتد و از آن برای جلوگیری از تکرار اشتباه قبلی استفاده کند. · یک مشاور مالی که روی یک مساله تصمیم‌گیری سخت کار می‌کند، موقعیت‌های قبلی که شرکت را با مشکل مشابهی رو به رو کرده را به یاد آورده و از آن برای تصمیم‌گیری در موقعیت فعلی استفاده می‌کند. فهرست مطالب چکیده مقدمه حل مساله مبتنی بر حالت یادگیری در استدلال مبتنی بر حالت (CBR) تاریخچه CBR چرخه CBR بازیابی، استفاده دوباره، تجدید نظر و حفظ کردن. شکل 1-چرخه CBR مدل‌های CBR مدل Hunt 8 شکل 2- مدل Hunt برای CBR مدل Allen مدل Kolodner و Leake شکل 3- مدل پیشنهاد شده توسط Kolodner و Leake مدل R4 برای CBR نواحی مساله CBR نمایش حالات مدل حافظه پویا شکل 4- ساختار حالات و اپیزودهای تعمیم یافته مدل دسته و نمونه شکل 5- ساختار دسته‌ها، ویژگی‌ها و مثال‌ها شناسایی ویژگی تطبیق اولیه انتخاب استفاده مجدد از حالت کپی انطباق اصلاح حالت ارزیابی راه حل اصلاح خطا نگهداری حالت- یادگیری استخراج شاخص یکپارچه‌سازی ارائه یک مدل جدید ساختن پایگاه حالت مبتنی بر جزبندی دنیای مسائل و راه‌حل‌های ممکن روابط تشابه در دنیای ممکن ساختن پایگاه حالت شکل 6- از و به پایگاه حالت مدل R5 برای CBR شکل 7- مدل R5 برای CBR بهبود سیستمهای CBR انتخاب ویژگی انتخاب نمونه بهینه‌کردن همزمان شکل 8- رویه کاهش دو بعدی نتایج آزمایشات شکل 9- تفاوت بین الگوها برای روشهای a) CCBR، b)ICBR، c)TRCBR نتیجه‌گیری مراجع
