جستجوي پيشرفته | کتابخانه مجازی الفبا

الگوسازی از ذهن و ارایه مدلی که قابلیت های پیچیده ذهن را داشته باشد یکی از افق های توانمندی بشر است. اگرچه عمده تلاش ها در این زمینه بیش تر از نیم قرن سابقه ندارد و با دستاوردهای مسحورکننده خود یکی از پدیده های شگفتی ساز شده است، اما هر چه این رویا رنگ واقعیت بیش تری به خود می گیرد مشکلات بزرگ تری را بر سر راه نظریه پردازان هوش مصنوعی قرار می دهد. دو مساله عمده ای که در این زمینه در مقاله حاضر بررسی خواهد شد عبارت اند از: الف - آیا سیستم های هوشمند قادر خواهند بود هر مساله ای را حل کنند؟، ب _ آیا می توان رابطه ای میان این مساله و تصمیم ناپذیری منطق محمولات مرتبه اول برقرار کرد؟، که هریک از آنها در درون خود شامل مسایل جزئی تری هستند که به طورخلاصه عبارت اند از: 1 – چه سیستمی را می توان سیستم هوشمند نامید؟، و 2 – نحوه حل مساله در سیستم هوشمند به چه صورتی است؟، و 3 – چه سسیستمی را تصمیم پذیر گویند؟ فرضیه های مطرح شده در این مقاله نیز بدین قرارند: الف – سیستم های هوشمند از رویه ای الگوریتمی تبعیت می کنند. اگر بتوان مساله ای یافت که الگوریتم پذیر نباشد، می توان نتیجه گرفت آن مساله برای سیستم هوشمند حل ناپذیر است. ب - حل مسایل در هر سیستم هوشمندی متاثر از منطق حاکم بر آن است، بنابراین، عدم حل برخی از مسایل توسط سیستم منعکس کننده ناتوانی منطق (محمولات) در ارایه الگوریتمی متناهی برای برخی از فرمول هاست تا مشخص کند آیا آن فرمول ها معتبرند یا خیر.

چون مطالعه ریاضیات، دستگاه ذهنى را توسعه مى دهد و به کار مى اندازد، مى توان ادعا کرد که درک عمیق مفاهیم ریاضى مى تواند در حقیقت یابى و درست فهمى پدیده ها مؤثر باشد؛ یعنى درک ریاضى مى تواند کمک کند که فرد، کارهایش را از روى دانایى و بینایى بهترى انجام دهد. به عبارت دیگر فرد مى تواند به توانایى در استنتاج حقایق با استفاده از مفاهیم ریاضى نایل شود. در این مقاله نخست جایگاه معرفتىِ ریاضى، با استناد به اقوال افلاطون و دکارت بیان و سپس نوعى از معرفت ریاضى که حاصل درک عمیق مفاهیم ریاضى است، به منزله معرفت و بصیرت ریاضى معرفى مى شود؛ سپس ضمن تعیین حوزه این نوع معرفت، با استفاده از مفهوم واژه الگوریتم، چگونگى مراحل دستیابى به آن، کانون بحث قرار مى گیرد. همچنین درباره جنبه معرفتى مفهوم تابع و ساختار گراف در نظریه گراف ها، مصادیقى ارائه مى شود.

مقاوم‌سازی در روش‌های کنترل تطبیقی طی دو دههء اخیر مهم‌ترین زمینهء تحقیقات در این عرصه بوده و اثبات پایداری سیستم حلقه بسته با حداقل فرض‌های ممکن در رابطه با مدل فرآیند بسیار مورد توجه بوده است . در این پایان‌نامه الگوریتم کنترل تطبیقی مستقیمی ارائه شده است که در برابر دینامیک‌های مدل نشده و اغتشاشات نامعلوم برای دسته‌ای از فرآیندها مقاومت قابل قبولی دارد. در این روش با تلفیق یک الگوریتم شناسایی RLS مقاوم شده با باند سکوت خودتنظیم و یک الگوریتم کنترل یک پله‌ای بر مبنای مدل مرجع، شیوه‌ای جدید برای اثبات پایداری در حضور دینامیک مدل نشده ارائه شده است و شرطی کافی و دو شرط لازم برای تحقق پایداری بصورت محدودیتی بر روی دامنهء خطاهای مدل‌سازی بدست آمده‌اند. فرض‌های محدودکننده حتی‌الامکان حذف شده‌اند و کنترل‌کنندهء حاصله قابلیت اعمال به فرآیندهای غیرمینیمم فاز را دارا است . مدت زمان اجرای الگوریتم شناسایی به دو فاز تطبیق سریع و تطبیق مقاوم تقسیم شده است . در ابتدای کار شناسایی در فاز تطبیق سریع، یک RLS معمولی است و بر اساس معیاری که نشان‌دهندهء مناسب بودن تخمین‌هاست ، شناسایی وارد فاز تطبیق مقاوم می‌شود. در فاز تطبیق مقاوم یک الگوریتم شناسایی RLS با اثر (Trace) ثابت بهمراه باندسکوت برای ردیابی تغییرات فرآیند اعمال می‌شود. باندسکوت تغییرات زمانی پارامترهای مدل را محدود می‌کند و موثر بودن الگوریتم شناسایی با اثر ثابت ، با وجود آن ممکن می‌شود. مهم‌ترین ویژگی باندسکوت ، ثابت نگاه داشتن پارامترها و در نتیجه ثابت نگاه داشتن ساختار کنترل‌کننده در اکثر لحظات است . برای دریافتن تاثیر مقاومت قانون کنترل، ابتدا با الگوریتم کنترل یک پله‌ای شروع کرده و عدم توانایی آن در حضور خطاهای مدل سازی با وجود باندسکوت در شناسایی کننده نشان داده می‌شود. سپس با ارائهء اصلاحاتی بر روی آن، دامنهء خطاهای قابل تحمل افزایش یافته و کنترل مقاوم‌تری بدست می‌آید. در نهایت ساختاری مشابه کنترل‌کنندهء Clark-Gawthrop حاصل می‌شود. روشی نیز برای حذف خطای ماندگار بر مبنای نتایج شناسایی ارائه شده است . با انتخاب وزن کنترل بصورت تابعی از پارامترهای شناسایی شده در تابع هزینه، قانون کنترل تطبیقی پیشنهادی در مقابل تاخیر زمانی متغیر مقاومت قابل توجهی نشان می‌دهد. تقلیل درجهء کنترل‌کننده بر مبنای تقلیل درجهء شناسایی‌کننده و وجود مصالحه‌ای بین کارایی از دست رفته و مقاومت بدست آمده در تخمین پارامترها از دیگر مباحث مطرح شده است . در انتها موثر بودن الگوریتم کنترل تطبیقی پیشنهادی برای کنترل سیستم لئونارد در آزمایشگاه مورد ارزیابی قرار می‌گیرد.

اندازه گیری میزان شباهت معنایی بین مفاهیم بر اساس توصیفات آن ها در هستان شناسی ، عملیاتی بنیادی در بازیابی اطلاعات ، بازیابی مولفه ها و کشف سرویس ها محسوب می شود . در این موارد نیاز داریم که میزان شباهت یا میزان مطابقت دو توصیف یا مستند و یا میزان مطابقت چند کلمه کلیدی با محتوای یک توصیف یا مستند را تعیین نماییم . درنهایت این مسئله ، به مسئله تعیین میزان شباهت بین دو کلمه و یا دو مفهوم ، تبدیل می شود .پیش از این ، روش های متعددی برای محاسبه میزان شباهت یا فاصله معنایی بین دو مفهوم ، پیشنهاد شده اند که می توانند به دو دسته روش های پیشنهادی برای محاسبه شباهت معنایی مفاهیم در یک هستان شناسی و روش های پیشنهادی برای محاسبه شباهت معنایی مفاهیم از هستان شناسی های مختلف ، تقسیم گردند .در این گزارش ، پس از مرور زمینه های مرتبط با موضوع این تحقیق ، روش های موجود برای محاسبه فاصله یا شباهت معنایی بین مفاهیم در یک هستان شناسی ، در چندین مدل طبقه بندی می شوند . پنج مدل برای محاسبه شباهت معنایی معرفی می شوند و قابلیت آن ها به منظور محاسبه دقیق فاصله یا شباهت معنایی بین مفاهیم در مورد تطبیق معنایی سرویس ها ، مورد بحث قرار گرفته و تجزیه و تحلیل می شود . سپس با این فرض که برای توصیف رضایت بخش مفاهیم پیچیده و روابط منطقی پیچیده بین آن ها ، یک زبان هستان شناسی مبتنی بر منطق توصیفی مانند OWL ، مناسب تر می باشد ، یک الگوریتم مبتنی بر OWL DL ارائه می شود که به طور دقیق فاصله معنایی بین مفاهیم را در یک هستان شناسی بر اساس میزانی که مفاهیم در نمونه های خود اشتراک دارند ، محاسبه می کند . این الگوریتم ، جهت را برای محاسبه فاصله معنایی مورد ملاحظه قرار می دهد و بر اساس تحلیلی که در این گزارش ارائه شده ، برای استفاده شدن در مورد تطبیق معنایی سرویس ها مناسب می باشد . یک مطالعه موردی برای نشان دادن این که الگوریتم پیشنهادی چگونه فاصله معنایی بین مفاهیم را محاسبه می کند ، تشریح می شود . در نهایت ، الگوریتم پیشنهادی با بعضی دیگر از رویکردها و الگوریتم های منتشر شده ، مقایسه شده و برتری آن نسبت به الگوریتم های دیگر ، نشان داده می شود .