مقدمه
هوش محاسباتی یا (Computational-Intelligence) CI به معنای استخراج هوش، دانش، الگوریتم یا نگاشت از دل محاسبات عددی براساس ارائه به روز داده های عددی است. سیستم هایCI در اصل سیستم های دینامیکی مدل آزاد (Model-free) را برای تقریب توابع و نگاشتها ارائه می کند. در کنار این ویژگی بسیار مهم باید از ویژگی مهم دیگری در ارتباط با خصوصیات محاسباتی سیستم های CI نام برد، که در آن دقت، وجه المصالحه مقاوم بودن، منعطف بودن و سهولت پیاده سازی قرار می گیرد.
مولفه های مهم و اساسی CI، شبکه های عصبی) محاسبات نورونی (، منطق فازی) محاسبات تقریبی (و الگوریتم ژنتیک) محاسبات ژنتیکی (است، که هر یک به نوعی مغز را الگو قرار داده اند. شبکه های عصبی ارتباطات سیناپسی و ساختار نورونی، منطق فازی استنتاجات تقریبی و محاسبات ژنتیکی محاسبات موتاسیونی مغز را مدل می کنند.
هوش مصنوعی:
در شبکه ارتباطی مغز انسانها سیگنالهای ارتباطی به صورت پالسهای الکتریکی هستند. جزء اصلی مغز نرون است که از یک ساختمان سلولی و مجموعه ای از شیارها و خطوط تشکیل شده و شیارها محل ورود اطلاعات به نرون هستند وخطوط محل خروج اطلاعات از نرون اند. نقطه اتصال یک نرون به نرون دیگر را سیناپس می نامند که مانند دروازه یا کلید عمل می کنند. اگر واکنشهایی که میلیونها نرون مختلف به پالسهای متفاوت نشان میدهند با یکدیگر هماهنگ باشند ممکن است پدیده های مهمی در مغز رخ دهد.
آن دسته از پژوهشگران هوش مصنوعی که رویکرد مدل مغزی را دنبال می کنند گونه ای از مدارهای الکتریکی را طراحی کرده اند که تا حدی شبکه مغز را شبیه سازی میکند در این روش هر گره (نرون) به تنهایی یک پردازنده است ولی رایانه های معمولی حداکثر چند cpuدارند هدف عمده کامپیوتر شبکه عصبی این است که مکانیسمی طراحی کند که همانند مغز انسان بازخورد مثبت یاد بگیرد پاسخهای درست و نادرست کدامند.
سیستم شبکه عصبی این کار را از طریق ارزشگذاری کمی برای ارتباطات سیگنالها بین نرونها انجام میدهد مکانیسم ارزشگذاری توسط مقاومتها با تقویت یا تضعیف پالسها انجام میشود. چون شبکه های عصبی میلیونها نرون دارند خرابی تعدادی از آنها تاثیر چندانی برعملکرد سیستم نمی گذارد تا کنون چند سیستم آزمایشی با استفاده از این اصول طراحی و ساخته شده اند مثلاًدر بررسی های زیست محیطی، شبکه های عصبی برای جمع آوری و تحلیل اطلاعاتی که از راه دور حس شده اند مورد استفاده قرار می گیرند اطلاعاتی که اغلب سفینه ها مخابره می کنند بسیار حجیم است. شبکه های عصبی این اطلاعات را به راحتی دسته بندی کرده وپس از جمع آوری اطلاعات ذهنی و تجسمی نتایج جالبی به دست می آورند (مثلاًتشخیص انواع خاصی از ابرها) البته این فرایند با آنچه سیستم های خبره انجام می دهند متفاوت است زیرا این سیستم ها ابزارهای تصمیم سازی هستند و می توانند حجم زیادی از اطلاعات را به سرعت تحلیل کنند شبکه های عصبی برای مدل سازی فرایندهای فکری مغزی که زمین? دیگری برای مطالعات حساس به اطلاعات و پیچیدگی است مورد استفاده قرار گرفته است.
فهرست مطالب
عنوان صفحه
چکیده... ۱
مقدمه... ۲
فصل اول: کلیات موضوع
تعریف و طبیعت هوش مصنوعی... ۷
پیدایش و پیشرفت هوش مصنوعی... ۸
هوش مصنوعی و هوش انسانی... ۱۲
شاخه های هوش مصنوعی... ۱۴
فلسفهٔ هوش مصنوعی... ۲۷
ویژگی های هوش مصنوعی... ۴۸
دو فرضیه در هوش مصنوعی... ۵۲
انواع هوش مصنوعی... ۵۳
کاربرد هوش مصنوعی... ۵۷
معمای هوش الکترونیک، مبانی و شاخه های علم هوش مصنوعی... ۵۹
چالش های بنیادین هوش مصنوعی... ۶۴
فصل دوم: هوش مصنوعی در بازی های کامپیوتری
هوش مصنوعی در بازی های کامپیوتری... ۷۱
بازی های تأثیرگذار در هوش مصنوعی... ۸۸
فصل سوم: تکنیک ها وزبانهای برنامه نویسی هوش مصنوعی
تکنیک ها وزبانهای برنامه نویسی هوش مصنوعی... ۱۱۸
مثالی از برنامه نویسی شیء گرا در شبکه های عصبی و هوش مصنوعی... ۱۶۳
سخن آخر... ۱۷۹
فهرست منابع... ۱۸۰
مقدمه
هوش مصنوعی به هوشی که یک ماشین از خود نشان میدهد و یا به دانشی در کامپیوتر که سعی در ایجاد آن دارد گفته میشود. بیشتر نوشته ها و مقاله های مربوط به هوش مصنوعی آن را "دانش شناخت و طراحی مامورهای هوشمند تعریف کرده اند. یک مامور هوشمند سیستمی است که با شناخت محیط اطراف خود, شانس موفقیت خود را بالا میبرد جان مکارتی که واژه هوش مصنوعی را در سال ۱۹۵۶ استفاده نمود, آن را دانش و مهندسی ساخت ماشین های هوشمند" تعریف کرده است. تحقیقات و جستجوهایی انجام شده برای رسیدن به ساخت چنین ماشین هایی مرتبط با بسیاری از رشته های دانشیک دیگر میباشد, مانند دانش کامپیوتر, روانشناسی, فلسفه, عصب شناسی, دانش ادراک, تئوری کنترل, احتمالات, بهینه سازی و منطق.
« هوش مصنوعی، دانش ساختن ماشین ها یا برنامه های هوشمند است. » همانگونه که از تعریف فوق-که توسط یکی از بنیانگذاران هوش مصنوعی ارائه شده است- برمی آید، حداقل به دو سؤال باید پاسخ داد:
۱ هوشمندی چیست؟
۲ برنامه های هوشمند، چه نوعی از برنامه ها هستند؟تعریف دیگری که از هوش مصنوعی می توان ارائه داد به قرار زیر است:
مقدمه
در دو دهۀ قبل توانایی های فنی بشر برای تولید و جمع آوری داده ها به سرعت افزایش یافته است. عواملی نظیراستفاده گسترده از بارکد برای تولیدات تجاری، به خدمت گرفتن کامپیوتر در کسب و کار، علوم، خدمات دولتی و پیشرفت در وسایل جمع آوری داده، از اسکن کردن متون و تصاویر تا سیستم های سنجش از دور ماهواره ای، در این تغیرات نقش مهمی دارند.
بطور کلی استفاده همگانی از وب و اینترنت به عنوان یک سیستم اطلاع رسانی جهانی، ما را مواجه با حجم زیادی از داده و اطلاعات می کند. این رشد انفجاری در داده های ذخیره شده، نیاز مبرم وجود تکنولوژی های جدید و ابزارهای خودکاری را ایجاد کرده که به صورت هوشمند به انسان یاری می رسانند تا این حجم زیاد داده را به اطلاعات و دانش تبدیل کند. داده کاوی بعنوان یک راه حل برای این مسائل مطرح می باشد. در یک تعریف غیر رسمی، داده کاوی فرآیندی است خودکار برای استخراج الگوهایی که دانش را بازنمایی می کنند که این دانش به صورت ضمنی در پایگاه داده های عظیم، انبار داده و دیگر مخازن بزرگ اطلاعات ذخیره شده است. داده کاوی بطور همزمان از چندین رشته علمی بهره می برد. نظیر: تکنولوژی پایگاه داده، هوش مصنوعی، یادگیری ماشین، شبکه های عصبی، آمار، شناسایی الگو، سیستم های مبتنی بر دانش، حصول دانش، بازیابی اطلاعات، محاسبات سرعت بالا و بازنمایی بصری داده. داده کاوی در اواخر دهۀ 1980 پدیدار گشته، در دهۀ 1990 گام های بلندی در این شاخه از علم برداشته شده و انتظار می رود در این قرن به رشد و پیشرفت خود ادامه دهد.
واژه های «داده کاوی» و «کشف دانش در پایگاه داده» اغلب به صورت مترادف یکدیگر مورد استفاده قرار می گیرند.
دسته: هوش مصنوعی
حجم فایل: 75 کیلوبایت
تعداد صفحه: 1
پروژه بازی حافظه با نرم افزار فلش FLASH
قالب بندی: flash-swf-as
قابلیت اجرا در نرم افزار adobe flash
در این پروژه باید دو عکس کارت را مثل هم پیدا کنید تا بازی تمام شود
قیمت: 5,000 تومان
دسته: هوش مصنوعی
حجم فایل: 36 کیلوبایت
تعداد صفحه: 1
پروژه بازی سودوکو به زبان #C
قیمت: 5,000 تومان
دسته: هوش مصنوعی
حجم فایل: 478 کیلوبایت
تعداد صفحه: 29
سیستم های خبره
Expert Systems
مقدمه
هوش مصنوعی
سیستم های خبره
اجزای سیستم های خبره
ویژگی های سیستم های خبره
انواع مسائل قابل حل با سیستم های خبره
مزایای سیستم های خبره
کاربرد سیستم های خبره در قلمرو امور مالی
کاربرد سیستم های خبره در قلمرو حسابداری
مشکلات و محدودیت های سیستم های خبره
مقدمه
امروزه توسعه و رشد سریع فناوری اطلاعات تمام جنبه های زندگی بشر را تحت تأثیر قرار داده و شاید بتوان گفت انقلابی بزرگ در زندگی بشر ایجاد شده است. علوم دیگری از جمله علوم انسانی و به طور مشخص تر حسابداری و علوم مالی نیز از تأثیرات این توسعه بی نصیب نمانده اند.
در سال های اخیر، تلفیق علم حسابداری و نوآوری های عرصه فناوری اطلاعات و ارتباطات سبب شده تا با استفاده از ابزارها و روش های نوین شاهد سرعت و دقت روزافزون درسیستم های مالی باشیم.
یکی ازاین نوآوری ها، استقرار سیستم خبره درقلمرو مالی و حسابداری است که هزینه های عملیاتی را کاهش داده و ارائه خدمات مالی را بسیار سودآور کرده است.
قیمت: 3,000 تومان
چکیده
افراد تحصیل کرده و شاغل معمولاً علاقه دارند توسعه روش ها و برنامه های کامپیوتری را که با کارهای مهندسی و دانش سر و کار دارند دنبال کنند. مدیریتاشتباه عملیات و زمان های تولید از دست رفته، مشکلات و مسائل بزرگی هستند که بهره وری و کیفیت سیستم های صنعتی و هزینه تولید را تحت تأثیر قرار می دهد. استخراج قوانین وابستگی، یک تکنیک داده کاوی است که برای پیدا کردن اطلاعات مفید و ارزشمند از پایگاه های داده بزرگ استفاده می شود. این مقاله، پایه مفهومی بهتری را برای توسعه برنامه های استخراج قوانین وابستگی ارائه می دهد تا دانش را از عملیات و مدیریت اطلاعات به راحتی استخراج کند. تأکید این مقاله روی بهبود فرایندهای عملیاتی است. یک مثال کاربردی، تجربه صنعتی که استخراج قوانین وابستگی در آن برای تحلیل فرایند تولید استفاده می شود را شرح می دهد. این مقاله برخی نتایج جدید و جالب در رابطه با تکنیک های داده کاوی و کشف دانش که روی فرایند تولید نقش دارد را گزارش می دهد. نتایج تجربی روی داده هایی که در زندگی واقعی نقش دارند نشان می دهد که روش پیشنهادی برای یافتن دانش مرتبط با عملیات نادرست مفید واقع می شود.
مقدمه
کاربردهای مهندسی هوش مصنوعی نظرات محققین و شاغلین حوزه صنعت را به دلیل توانایی آن در یادگیری و درک اصول و حقایق به منظور کسب دانش و به کارگیری آن در عمل به خود جلب کرده است. پیشرفت های مداوم، اشاره به پیشرفت های رو به جلو و غیر منتظره در زمینه عملکرد سازمانی دارد (Linderman, Schroeder, Zaheer, Liedtke, & Choo, 2004). پیشرفت در مسائلی مانند افزایش ارزش مشتری، کاهش خطاها و عیوب، بهره وری بهبود یافته، امنیت عملکرد چرخه زمانی و انگیزش (Evans & Lindsay, 2001). این مورد معمولاً در روش حل تدریجی مسئله رخ می دهد که شامل مراحل ضمنی سازی مسئله، تحلیل مسئله، تعمیم راه حل و یادگیری دروس است (Kamsu-Foguem, Coudert, Geneste, & Beler, 2008). روش حل مسئله، روی توصیف فرایند شناختی در کارهای عقلانی و ملاحظات شناختی که با سرمایه گذاری دانش روی ساختارهای خاص و قدرت بخشی به تعمیم سر و کار دارد تمرکز می کند (Patel, Arocha, &Kaufman, 2001). روش های حل مسئله نقش مهمی را در اکتساب دانش و مهندسی بازی می کند زیرا سطح دانش انتزاعی برای نیل به اهداف با اعمال دانش توسط فرایند تدریجی جستجوی مسیر راه حل بسیار ارزشمند است. از این روش ها می توان برای توصیف فرایند استدلال به صورت ساختاری برای هدایت روند کسب دانش و راحت کردن تقسیم دانش و استفاده مجدد بهره جست (Benjamins & Fensel, 1998).