جستجوي پيشرفته | کتابخانه مجازی الفبا

امروزه بیش از ?? درصد از دانش ما به صورت متن، مستندات و دیگر صورت‌های رسانه ای نظیر ویدیو و صدا نگهداری می‌شود. اگر از دید علوم کامپیوتری به این مستندات نگـاه کنیم هـمه آن‌ها به طبیعتی غیر ساخت یافته وابسته‌اند. یک فرد برای دریافت دانش از اطلاعات یک متن، باید ابتدا آن‌را درک کند و سپس آن‌را پردازش کند تا بفهمد چه معانی و مفاهیمی در آن موجود است، چه ارتباطی میان مفاهیم وجود دارد و از میان این مفاهیم کدامیک جدید و کدامیک قدیمی است. حال اگر فردی سوالی هرچند ساده داشته باشد بار دیگر باید همان روند طولانی قبلی را طی کند. سیستم‌های پرسش و پاسخ (QAS) به کمک یک مجموعه داده که در اختیار آن است (اینترنت یا داده های متنی و یا هر داده مورد نیاز) پرسش را تحلیل می‌کند و برای آن سوال مناسب‌ترین جواب را پیدا می‌کند. از اولیه‌ترین کارها پردازش سوال برای پیدا کردن پاسخ و پیدا کردن بهترین پاسخ در بین مجموعه ای پاسخ‌ها مورد نظر می‌باشد که مقالات بسیاری با الگوریتم‌های اکتشافی متفاوتی ازجمله ژنتیک و ماشین بردار پشتیبان و یا حتی روش آماری (پیشنهاد داده شده است) در این زمینه کار کرده‌اند که همه با درصد های خوبی به نتیجه مطلوب رسیده‌اند. ما سعی بر آن داریم در صورت امکان برای بهبود بیشتر پاسخ درست از الگوریتم فاخته (COA) برای دسته بندی‌های موجود در سیستم پرسش و پاسخ استفاده کنیم. الگوریتم فاخته برای دسته بندی پاسخ ها و برای استخراج بهترین پاسخ و در آنتولوژی یک کلمه که دارای چندین معنای مختلف می‌باشد، معناهای مختلف را از WordNet استخراج و انتخاب معنای درست در حوزه خاص از الگوریتم‌های بهینه سازی فاخته بهره ببریم.

امروزه کنترل رایانه‌ای حمل ونقل شهری در سرتاسر دنیا به شکل امری معمول درآمده و دامنه آن از کنترل‌کننده‌های مجزّا برای تقاطعها تا سامانه‌های پوشش‌دهنده کل شبکه شهری گسترش یافته است و همگی آنها بر کنترل‌ترافیک و تشخیص‌ وسیله نقلیه برای تنظیم ‌مدت ‌زمان‌چراغ ‌سبز ‌و ‌فواصل‌زمانی بین دوره‌های ‌چراغ‌ها ‌در ‌تقاطعهای مجاور برای‌ واکنش به ‌تغییرات ‌جریان ‌ترافیک، تکیه دارند. این تحقیق رویکرد رایانه‌ای‌ جدیدی‌ را برای ‌کنترل هوشمند چراغهای راهنمایی تقاطعهای مجزا ارائه می‌کند. دو تفاوت عمده این تحقیق در مقایسه با روشهای هوشمند دیگری که به کنترل چراغ راهنمایی پرداخته‌اند نخست‌ نوع داده‌های اولیه و دیگری ‌رویکرد کنترلی آن است. استفاده از تصاویر به جای داده‌های شناسگرهای حلقه‌های القایی و مدلسازی دانش‌حوزه در‌قالب هستان‌نگار و به اشتراک‌گذاری و استفاده از آن به منظور کنترل چراغ راهنمایی مواردی هستند‌که با رویکردهای مشابه کنترل هوشمند چراغ راهنمایی تفاوت دارند. تشخیص ترافیک با استفاده از پردازش تصویر فواید متمایزی نسبت به فنّاوری مبتنی بر حلقه‌های القایی دارد. همچنین ایجاد هستان‌نگار کنترل چراغ راهنمایی و بکارگیری آن نه تنها دانش این حوزه را استخراج کرده، بلکه امکان به اشتراک گذاشتن آن و نیز باز استفاده آن را برای دیگران فراهم می‌کند، علاوه بر این، روش مذکور استقلال عمل در حوزه کنترل نرم افزاری ترافیک را نیز افزایش می‌دهد بدین معنا که سیستم‌های کنترلی مختلف با در اختیار داشتن هستان‌نگار می‌توانند متغیرها، پارامترها و قواعد خود را با افزودن یا کاستن قواعد هستان نگار توسعه دهند و بدین ترتیب توسعه سیستمهای کنترل هوشمند با پیچیدگی کمتری همراه خواهد بود. روش پیشنهادی با رویکرد کنترلی زمان ثابت در محیط متلب شبیه‌سازی، مقایسه و ارزیابی شده است. نتایج این ارزیابی نشان می‌دهد که سیستم جدید در تمامی شرایط ارزیابی نتایج بهتری نسبت به سیستم زمان ثابت دارد.