امیر دانشور؛ مصطفی زندیه؛ جمشید ناظمی
دوره 13، شماره 39 ، دی 1394، ، صفحه 1-34
چکیده
مدل های مبتنی بر روابط برتری یک شاخه مهم از روشهای تصمیم چندمعیاره هستند که نیاز به تعریف مقدار قابلتوجهی اطلاعات ترجیحی در قالب پارامترها توسط تصمیم گیرنده دارند. تعدد پارامترها، معنای اغلب گیی کننیدهآنها در فضای مسئله و طبیعت غیردقیق دادهها، این فرآیند را خصوصاً در مسائل طبقه بندی اعتباری با ابعیاد بیزرکه نیاز به تصمیمگیری بلادرنگ ...
بیشتر
مدل های مبتنی بر روابط برتری یک شاخه مهم از روشهای تصمیم چندمعیاره هستند که نیاز به تعریف مقدار قابلتوجهی اطلاعات ترجیحی در قالب پارامترها توسط تصمیم گیرنده دارند. تعدد پارامترها، معنای اغلب گیی کننیدهآنها در فضای مسئله و طبیعت غیردقیق دادهها، این فرآیند را خصوصاً در مسائل طبقه بندی اعتباری با ابعیاد بیزرکه نیاز به تصمیمگیری بلادرنگ است بسیار زمانبیر و پییییده میی سیازد. بیدین منریور روی یرد ت مییی زدایییترجیحات این اطلاعات را از طریق قضاوتهای جامعی که توسط تصمیم گیرنده فراهم می شوند استنتاج می کند.این روی رد در تصمیم گیری چندمعیاره معادل یادگیری ماشینی در حوزه هوش مصنوعی است.تحت این روی رد، ایین مقالیه ییک روش جدیید پیشینهاد میی کنید کیه در آن الریوریتم ینتییک طیی فرآینیدیادگیری، به طور همزمان تمامی پارامترهای میدل ELECTRE TRI را از داده هیای آموزشیی اسیتنتاج و درخاتمه فرآیند، پارامترهای استنتاج شده بیرای طبقیه بنیدی داده هیای آزمایشیی ب یار گرفتیه میی شیوند. تحلییلآزمایشات روی دیتاست های اعتباری نشان از کیفیت بالا و قابل رقابت روش پیشنهادی در مقایسه با مدل هیا یاستاندارد طبقهبندی دارد.
جمشید صالحی صدقیانی؛ سید امیر رضا ابطحی
دوره 4، شماره 13 ، تیر 1385، ، صفحه 89-122
چکیده
هدف از تدوین این مقاله معرفی رایانش نرم و روش های مختلف آن جهت مدل سازی پدیده ها می باشد. رایانش نرم به مجموعه در حال تکاملی از روش هایی گفته می شود که جهت ساخت سیستم های هوشمندی که همانند انسان استدلال می کنند و قابلیت مواجهه با عدم قطعیت در مسائل را دارند مورد استفاده قرار می گیرند.
در این مقاله در ابتدا به توضیح شبکه های عصبی در رویکرد ...
بیشتر
هدف از تدوین این مقاله معرفی رایانش نرم و روش های مختلف آن جهت مدل سازی پدیده ها می باشد. رایانش نرم به مجموعه در حال تکاملی از روش هایی گفته می شود که جهت ساخت سیستم های هوشمندی که همانند انسان استدلال می کنند و قابلیت مواجهه با عدم قطعیت در مسائل را دارند مورد استفاده قرار می گیرند.
در این مقاله در ابتدا به توضیح شبکه های عصبی در رویکرد رایانش نرم پرداخته می شود سپس روش های دیگر این رویکرد از قبیل الگوریتم ژنتیک و کلا مبحث یادگیری ماشینی توضیح داده خواهد شد. از آنجائیکه هدف اصلی در ساخت مدل کشف دانش از آن می باشد در ادامه روش های مختلف کشف دانش و قانون از شبکه های عصبی بیان خواهد شد.
