چارلز هیگینز (Charles Higgins)، استادیار دانشگاه آریزونا، روباتی ساخته است که توسط مغز و چشمهای یک بید هدایت میشود. هیگینز در گفتگو با مجله Computerworld چنین گفت که در واقع کار او این بوده که یک پروانه بید را روی روبات ببندد و سپس الکترودهایی را به رگهای عصبی (نورون) مربوط به بینایی در مغز بید، متصل کرده است. سپس این روبات نسبت به آنچه بید میبیند واکنش نشان میدهد. برای مثال
ادامه مطلب...
نویسنده: امیر افسر
آموزش:
الگوریتم مورچه گان از آزمایشی كه توسط Goss و همكارانش (Goss et al.,1989) با استفاده از یك كلونی ازمورچه های واقعی ترتیب داده بودند، الهام گرفته شد. آمد و شد یك كلونی آزمایشگاهی از مورچه های آرژانتینی كه از طریق یک پل با دو شاخه با طولهای متفاوت كه یك منبع غذایی را به لانه متصل می كرد، مورد مشاهده قرار گرفت. شكل 1 این ارتباط را به تصویر كشیده است. شاخه ها به صورتی قرار داده شده بودند كه مورچه ها درهر جهت (از لانه به منبع غذایی و یا برعكس) می بایست یكی از این دو شاخه را برای ادامه مسیر انتخاب می كردند.
مشاهدات تجربی نشان داد كه بعد از یك مرحله گذرا كه می تواند فقط چند دقیقه
ادامه مطلب...
تکنولوژي هاي جديد دات نت
از زمان ظهور دات نت، با اولين نسخه آن يعني دات نت فريم ورک 1.0 که همراه با ويژوال استوديو 2002 همراه بود، تا به امروز که شاهد نسخه 3.5 از اين تکنولوژي مي باشيم، تغييرت بسياري در آن به وجود آمده است. افزوده شدن کلاس هاي جديد در غالب فايل هاي DLL اي که ما آن ها را دات نت اسمبلي مي ناميم، همچنين اضافه شدن تکنولوژي هاي جديد به اين مجموعه باعث گسترش کاربرد اين مجموعه شده است.
همزمان با ظهور نسخه 3.0 دات نت فريم ورک، تکنولوژي هاي جديدي نيز به وجود آمد. اين تکنولوژي ها، که بر خلاف تصور سطحي و ابتدايي بسياري از برنامه نويسان در ابتداي ظهور آن ها، صرفا اضافه شدن تعدادي دات نت اسمبلي به دات نت اسمبلي هاي قبلي، تلقي مي شد، تغييرات بسياري را در امر برنامه نويسي دات نت به وجود آورد. تکنولوژي WPF به همراه تکنولوژي هاي WCF و WWF با نسخه 3.0 دات نت فريم ورک توسط شرکت ماکروسافت معرفي شدند.
در ادامه توضيح مختصري راجع به WCF و WWF خواهيم ديد و سپس به بحث اصلي، يعني WPF خواهيم پرداخت.
Windows Communication Foundation
ادامه مطلب...
اشاره :
الگوريتمهاي ژنتيك، به عنوان يكي از راهحلهاي يافتن جواب مسئله در بين روشهاي مرسوم در هوش مصنوعي مطرح است. در حقيقت بدين روش مي توانيم در فضاي حالت مسئله حركتي سريعتر براي يافتن جوابهاي احتمالي داشته باشيم؛ يعني مي توانيم با عدم بسط دادن كليه حالات، به جوابهاي مورد نظر برسيم. اين مقاله با اين هدف نوشته شده است كه اين امكان را فراهم كند تا الگوريتمهاي ژنتيك را ياد بگيريد و از آنها در برنامههايتان استفاده كنيد.
ادامه مطلب...
|
بيش از نيم قرن پيش، هنگامي كه هنوز هيچ تراشه سيليكونياي ساخته نشده بود، آلن تورينگ، |
يكي از بحثانگيزترين پرسشهاي فلسفي تاريخ را پرسيد. او گفت <آيا ماشين ميتواند فكر كند؟> و اندكي بعد كوشيد به پيروي از اين قاعده كه <هر ادعاي علمي بايد از بوته آزمايش سربلند بيرون بيايد>، پرسش فلسفي خود را با يك آزمايش ساده و در عين حال پيچيده جايگزين كند. او پرسيد: آيا يك ماشين - يك كامپيوتر - ميتواند آزمون <بازي تقليد> را با موفقيت پشت سر بگذارد؟ آيا ماشين ميتواند از انسان چنان تقليد كند كه در يك آزمون محاورهاي نتوانيم تفاوت انسان و ماشين را تشخيص دهيم؟ او در سال1950 بر اساس محاسباتي تخمين زد كه پنجاه سال بعد، كامپيوتري با يك ميليارد بيت حافظه خواهد توانست به موفقيتهايي در اين زمينه دست پيدا كند. اكنون كه در آستانه سال 2007 ميلادي هستيم، حتي هفت سال بيشتر از زماني كه او لازم دانسته بود، هنوز هيچ ماشيني نتوانستهاست از بوته آزمون تورينگ با موفقيت خارج شود. اما همين پرسش كافي بود تا بشر در نيم قرن اخير به دستاوردهاي شگرفي در زمينه هوش مصنوعي برسد. دست كم يكي از پيشبينيهاي تورينگ درست از آب درآمد: در سال 2000 مفهوم <هوش مصنوعي> براي هيچكس غيرقابلباور نبود. در اين مقاله نگاهي داريم به سير تحولاتي كه پس از اين پرسش تاريخي در دنياي علم و مهندسي به وقوع پيوستند.ادامه مطلب...
pass : unicomp
البته این کاملش نیست یعنی جزوه کامل نیست ولی در باره عامل ها کامل کامله.
pass :unicomp
كاربرد هوش مصنوعی
هدف هوش مصنوعی نزدیك نمودن رفتار و پاسخ یك سیستم كامپیوتری به الگوهایی است كه انسان براساس آنها رفتار میكند و پاسخ میدهد. گاه سیستمهایی طراحی میشوند كه قدرت تجزیه و تحلیل آنها از انسان بیشتر است. ولی باز از الگوهای ما استفاده میكنند. هوش مصنوعی با سیستم فازی یا سیستمی كه انسان برطبق آن تصمیم میگیرد، رابطه تنگاتنگی در این سیستم برخلاف سیستم صفر و یك دیجیتال، میتوان به یك متغیر مقداری كمتر از یك و بیشتر از صفر نیز داد.
ادامه مطلب...
باید بگم که این برنامه با کمک برنامه نمایش جایگشت های n شی و مساله K : برج هانوی استفاده می کند. ابتدا با کمک برنامه جایگشت n شی ، تمامی حالات قرارگیری دستور های AB ، AC ، BA ، BC ، CA و CB را در محاسبه کرده و سپس با کمک برنامه برج هانوی ، تعداد مراحل لازم برای حل مساله را پیدا می کند؛ سپس در بین اعداد یافته شده کوچکترین عدد را پیدا کرده و آن عدد و مراحل لازم را چاپ می کند.
#include
#include
using namespace std;
int fact(int n)
{
if(n==0)return 1;
else return n*fact(n-1);
}
void Set(int **&j , int **b, int size
ادامه مطلب...
مقدمه:
مفاهیم نادقیق بسیاری در پیرامون ما وجود دارند که آنها را به صورت روزمره در قالب عبارتهای مختلف بیان می کنیم . به این جمله دقت کنید: " هوا خوب است." هیچ کمیتی برای خوب بودن هوا مطرح نیست تا آن را اندازه بگیریم بلکه این یک حس کیفی است. در واقع مغز انسان با در نظر گرفتن فاکتور های مختلف و بر اساس تفکر استنتاجی جملات را تعریف و ارزش گذاری می نماید که مدل سازی آنها به زبان و فرمولهای ریاضی اگر غیر ممکن نباشد کاری بسیار پیچیده خواهد بود.منطق فازی تکنولوژی جدیدی است که شیوه هایی را که بر ای طراحی و مدل سازی یک سیستم نیازمند ریاضیات پیچیده و پیشرفته است، با استفاده از مقادیر زبانی و دانش فرد خبره جایگزین می سازد.
منطق فازی:
اگر از ما پرسیده شود منطق فازی چیست شاید ساده ترین پاسخ بر اساس شنیده ها این باشد که Fuzzy Logic یا Fuzzy Theory یک نوع منطق است که روش های نتیجه گیری در مغز بشر را جایگزین می کند.مفهوم منطق فازی توسط دکتر لطفی زاده ، پروفسور دانشگاه کالیفورنیا در برکلی، ارائه گردید و نه تنهابه عنوان متدولوژی کنترل ارائه شد بلکه راهی برای پردازش داده ها، بر مبنای مجاز کردن عضویت گروهی کوچک به جای عضویت گروهی دسته ای ارائه کرد.به جهت نارسا ونا بسنده بودن قابلیت کامپیوتر های ابتدایی تا دهه 70 این تئوری در سیستم های کنترلی به کار برده نشد.
پروفسور لطفی زاده اینطور استدلال کرد که بشر به ورودیهای اطلاعاتی دقیق نیازی ندارد بلکه قادر است تا کنترل تطبیقی را به صورت بالایی انجام دهد.پس اگر ماکنترل کننده های فیدبک را در سیستم ها طوری طراحی کنیم که بتواند داده های مبهم را دریافت کند، این داده ها میتوانند به طور ساده تر و موثرتری در اجرا به کار برده شوند.
باین تعاریف منطق فازی دارای این قدرت است که در تنظیم سیستم ها از میکرو کنترلهای ساده وکوچک و جاسازی شده گرفته تا PC های چند کاناله شبکه شده بزرگ یاسیستم های کنترلی به کار برده شود.این منطق دارای قدرت اجرایی در سخت افزار ،نرم افزار یا ترکیبی از هر دوی اینهاست.در واقع منطق فازی راه ساده ای را برای رسیدن به یک نتیجه قطعی و معین بر پایه اطلاعات ورودی ناقص ، خطا دار، مبهم ودوپهلو فراهم میکند.منطق فازی یک قانون ساده بر مبنای
" IF x And y THEN z "
را بیان میکند.
به عنوان مثال به جای برخورد با اصطلاحاتی نظیر "SP=500F" ،"210
ادامه مطلب...
«سزاوارترین معیار برای هوشمند شمردن یک ماشین، اینست که آن ماشین بتواند انسانی را توسط یک پایانه تله تایپ به گونهای بفریبد که آن فرد متقاعد گردد با یک انسان روبروست.»
در این آزمایش شخصی از طریق ۲ عدد پایانه (رایانه یا تله تایپ) که امکان برقراری ارتباط و گپزنی را برای وی فراهم میکنند با یک انسان و یک ماشین هوشمند، بطور همزمان به پرسش و پاسخ میپردازد. در صورتی که وی نتواند ماشین را از انسان تشخیص دهد، تست با موفقیت پشت سر گذاشته شده است.
آزمایش تورینگ مدل سازی نحوه تفکر انسان، تنها راه تولید ماشینهای هوشمند نیست. هم اکنون دو هدف برای تولید ماشینهای هوشمند، متصور است، که تنها یکی از آن دو از الگوی انسانی جهت فکر کردن بهره میبرد:سیستمی که مانند انسان فکر کند. این سیستم با مدل کردن مغز انسان و نحوه اندیشیدن انسان تولید خواهد شد و بنابراین از آزمون تورینگ سر بلند بیرون میآید. از این سیستم ممکن است اعمال انسانی سر بزند.
تا به امروز هیچ نرمافزار یا ماشین هوشمندی نتوانسته است از این آزمون سربلند بیرون بیاید.
بازی تقلید
تورینگ در سال ۱۹۵۰ در مقالهاش سعی میکند سؤال «آیا ماشینها میتوانند فکر کنند؟» را با تبدیل به مسألهای خوش تعریف به نوعی حل کند. او در ابتدا میگوید سؤال بالا به خاطر داشتن کلماتی مانند فکر و ماشین خوش تعریف نیست و خود تورینگ هم برای برای اینکه نمیخواهد مقالهاش را درگیر بحثهای فلسفی کند، تعریفی برای این کلمات ارائه نمیدهد. در عوض بازیای را مطرح میکند و میگوید که اگر یک ماشین بتواند در این بازی موفقیتی در حد یک انسان را داشته باشد، میتوانیم بگوییم که آن ماشین فکر میکند. اصل این بازی بدین ترتیب ا
ادامه مطلب...
براساس تئوری داروین که بیان می کند در طبیعت بهترین گونه ها زنده می مانند، الگوریتم هایی بنا شده که آنها را به عنوان الگوریتم ها تکاملی می شناسیم. این الگوریتمها، الگوریتمهای جستجوی تصادفی هستند که تکامل زیست شناسی را تقلید می کنند. این روشها بر جمعیتی از پاسخ های ممکن مساله با در نظر گرفتن اصل زنده ماندن بهترین اعضا، اعمال می شوند تا پاسخهای بهتر و بهتر مساله را تولید کنند. پاسخهای جدید پتانسیل مساله در یک نسل جدید متولد می شوند. در هر نسل مجموعه ای از پاسخهای شدنی با پروسه انتخاب اعضای نسل قبل بر اساس تطابقشان (بهتر بودنشان) و ترکیب آنها با تقلید از آنچه در طبیعت رخ می دهد، بوجود می آیند. این روند، یعنی انتخاب ژنهای بهتر، زنده ماندن ژنهای بهتر و از بین رفتن ژنهای نامناسب، مجموعه پاسخها را با تکرار پروسه به سمت تکامل می برد. در الگوریتمهای تکاملی اتفاقاتی مثل جفت یابی، ترکیب، جهش، مهاجرت و.... شبیه سازی می شوند.
الگوریتمهای تکاملی به سه دسته اصلی تقسیم می شوند:
- الگوریتم ژنتیک
- استراتژیهای تکاملی
- برنامه ریزی تکاملی
ادامه مطلب...
در اینجا لیست قطعاتی که مورد نیاز هست رو آورده ام:
1- 3 عدد مقاومت نوری(LDR)
2- 3 عدد مقاومت 1 کیلو اهم
3- 1 عدد میکروکنترلر PIC16F84A
4- 10 عدد دیود 1N4007
5- یک عدد خازن 0.1 میکرو فاراد
6- دو عدد خازن 0.01 میکرو فاراد
7- دو عدد موتور 3 تا 5 ولت DC
8- 1 عدد کریستال 4 مگا هرتز
9- 1 عدد مقاومت 4.7 کیلو اهم
0- 2 عدد خازن 22 پیکو فاراد
11- 1 عدد آیسی ULN2803
مقاومت نوری:
مقاومت نوری المانی الکترونیکی است.، که با تابش نور به آن مقاومتش تعقییر می کند.
تا قبل از تابش نور به آن جریانی از آن عبوی نخواهد کرد.در واقع در این
ادامه مطلب...
|
جان مككارتی - هوش ماشینی و هوش انسانی | |
|
| |
اشاره : ادامه مطلب...
مقالات جالبی هستش حتما دانلود کنید...
لینک ها همه مستقیمه اگه مشکلی داشتش حتما پیغام بذارید ولی نیست
ادامه مطلب...
نوع: کامپیوتر
نوع فایل : PDF
زبان : فارسی
حجم:14000(کیلوبایت)
تعداد صفحات:463
اولین EBOOK هوش مصنوعی است که به صورت الکترونیکی عرضه شده
جالب این است که بدانید این کتاب چاپ تابستان 1387 است و قبل از چاپ شدن به صورت الکترونیکی عرضه شده
این کتاب دارای 29 فصل است که تمامی مطالب هوش مصنوعی را در بر می گیرد.
برای دانلود کتاب روی ادامه کلیک کنید.
ادامه مطلب...
برنامهنويسي در Lisp در واقع به معني تعريف توابعي است كه روي ليست عمل ميكنند. مانند ايجاد، پيمايش،كپي، تغيير و حذف ليستها. از آنجايي كه اين در Lisp مركزي است، هر سيستم Lisp بر مبناي مجموعهاي از توابع پيشساخته ابتدايي كه بطور موثري عمليات اصلي ليست را پشتيباني ميكند ميآيد. ما بطور خلاصه يكي از مهمترين آنها معرفي ميكنيم. ابتدا نوع گزارهاي، ما ميدانيم كه يك عبارت نمادين جاري يا يك ليست است يا نيست (يعني يك اتم). اين كار بوسيله تابع Listp انجام ميشود كه هر عبارت نمادين expr را بعنوان آرگومان پذيرفته و اگر expr ليست باشد نماد t و در غير اين صورت nil برميگرداند. مثالها هستند (ما از فلش راست => براي نشان دادن نتيجه فراخواني تابع استفاده خواهيم كرد):
(listp ’(1 2 3))==>t
(listp ’( ))==>t
(listp ’3)==>nil
در انتخاب عناصر ليست دو تابع اساسي براي دستيابي به عناصر يك ليست وجود دارد: car وcdr هر دو تابع يك ليست را بعنوان آرگومان ميپذيرند. تابع car اولين عنصر ليست يا اگر ليست خالي از آرگومان باشد nil بر ميگرداند،و cdr همان ليست را بطوري كه عنصر اول آن حذف شده است يا اگر ليست خالي از آرگومان بود nil برميگرداند. مثالها:
(car ’(a b c)) ==>a (cdr ’(a b c)) ==>(b c)
(car ’( )) ==>nil(cdr ’(a)) ==>nil
(car ’((a b) c))==>(a b)
با استفاده از ترتيبي از فراخوانيهاي توابع car و cdr ميتوان يك ليست را از چپ به راست و از عناصر بيروني به سمت عناصر داخلي ليست پيمايش كرد.
براي مثال، در طول ارزيابي (car (cdr ’(see the quote))) مفسر Lisp ابتدا عبارت
(cdr ’(see the quote))را ارزيابي خواهد كرد كه ليست (the quote) را برميگرداند، سپس به تابع car پاس ميشود كه نماد the را بر ميگرداند. اينها مثالهايي ديگر هستند:
(car (cdr (cdr ’(see the quote)))) ==>quote
(car (cdr (cdr (cdr ’(see the quote))))) ==>nil
(car (car ’(see the quote))) ==>?
ادامه مطلب...
زبانهاي برنامهنويسيAI، برنامهنويسي تابعي ، برنامهنويسي تابعي در Lisp ، A- Syntax (نحو) و semantic هاي (معاني) Lisp ، ليست انواع داده ، تعريف توابع جديد ، تعريف ساختارهاي كنترلي ، تعريف توابع بازگشتي ، توابع مرتبه بالا ، ساير زبانهاي برنامهنويسي تابعي غير از Lisp ، برنامهنويسي منطقي در Prolog ، ساير روشهاي برنامهنويسي
واژه نامه
بندهاي برنامه Prolog شامل مجموعهاي از جملات بنام بندها هستند كه براي نشان دادن دادهها و برنامهها بكار ميروند.
تابع مرتبه بالا تعريف تابعي است كه اجازه ميدهد آرگومانها يا مقدار بازگشتي تابع، مقدار توابع باشد. نماد ساختار ليستها اغلب نشاندهنده نحوه استفاده از ليست ساختاري داده هستند، كه يك عنصر ليست ممكن است نماد يا ليست ديگر باشد. ليستها ساختاري مركزي Lisp هستند كه براي نشان دادن دادهها و برنامهها بكار ميروند. بازگشت تكنيكي الگوريتمي براي انجام يك كار است كه يك تابع با بعضي از قسمتهاي كار خودش را فراخواني ميكند.
محاسبات نمادين برنامهنويسي AI
ادامه مطلب...
K-means clustering:
K- Means ،يکي از ساده ترين الگوريتم هاي يادگيري بدون نظارت است که مسائل کلاسترينگ معروف را حل مي کند. اين الگوريتم از يک شيوه ساده براي کلاسيفاي کردن يک مجموعه داده در يک تعداد از پيش مشخص شده (k) کلاستر،استفاده مي کند.ايده اصلي تعريف k مرکز براي هر يک از کلاستر ها مي باشد . اين مراکز بايستي با دقت زياد انتخاب شوند ، زيرا مراکز مختلف ، نتايج مختلف را به وجود مي آورند.
بنابراين بهترين انتخاب قرار دان آنها (مراکز) در فاصله هر چه بيشتر از يکديگر مي باشد . قدم بعدي تخصيص هر الگو به نزديک ترين مرکز مي باشد. وقتي همه ي نقاط به مراکز موجود تخصيص داده شدند، مرحله اول تکميل شده است و يک گروه بندي اوليه انجام شده است. در اين مرحه نياز داريم که k مرکز جديد براي کلاستر هاي مرحله قبل محاسبه کنيم. بعد از تعيين k مرکز جديد ،مجدداً داده ها را به مراکز مناسب تخصيص مي دهيم.
اين مراحل را آنقدر تکرار مي کنيم که ديگر k مرکز ،جابجا نشوند.
اين الگوريتم تلاش مي کند که يک تابع هدف (Objective Function) را که تابع Squared error مي باشد ، مينيمم کند:
ادامه مطلب...
کلاسترينگ سلسله مراتبي (Hierarchical Clustering)
با در دست داشتن N نمونه داده براي کلاستر شدن و يک ماتريس فاصله يا شباهت به ابعاد N*N ، پروسه اصلي کلاستريگ سلسله مراتبي به صورت زير ميباشد :
1. با تخصيص هر نمونه به يک کلاستر شروع کنيد . يعني اگر N نمونه داشته باشيم ، N کلاستر داريم که هر يک داراي يک نمونه مي باشند . فاصله بين کلاستر ها همان فاصله بين کلاستر هاي آنهاست .
2. دو کلاستري را که نزديک تر هستند پيدا کنيد و آنها را ادغام کنيد . حالا يک کلاستر کمتر داريم .
3. فاصله کلاستر جديد را با هر يک از کلاسترهاي قديمي محاسبه کنيد .
4. مراحل 2 و3 را آنقدر تکرار کنيد که همه نمونه ها در يک کلاستر به اندازه N قرار بگيرند
مرحله 3 مي تواند به روش هاي مختلفي انجام گيرد که کلاستريگ single-linkage ، complete-linkage و Average-linkage را مشخص مي کند .
در کلاستريگ single-linkage (که روش connectedness يا minimum هم ناميده مي شود( ، فاصله يک کلاستر از کلاستر ديگر را کوتاهترين فاصله هر عضو از کلاستر اول تا هر عضو از کلاستر دوم در نظر مي گيرند .
اگر داده ها شامل شباهت باشند ، شباهت يک کلاستر تا کلاستر ديگر را برابر بيشترين شباهت هر عضو از کلاستر اول تا هر عضو از کلاستر دوم در نظر مي گيرند .
در کلاستريگ complete-linkage (که روش diameter يا maximum هم ناميده مي شود(، فاصله يک کلاستر از کلاستر ديگر را بزرگترين فاصله هر عضو از کلاستر اول تا هر عضو از کلاستر دوم در نظر مي گيرند .
در کلاستريگ average-linkage ، فاصله يک کلاستر از کلاستر ديگر را ميانگين فاصله هر عضو از کلاستر اول تا هر عضو از کلاستر دوم در نظر مي گيرند .
کلاستريگ سلسله مراتبي ، agglomerative يا متراکم شونده نيز ناميده مي شود ، زيرا کلاستر ها را به تدريج ادغام مي کند .کلاسترينگ تقسيم کننده يا divisive هم وجود دارد که به صورت عکس عمل مي کند ، به اين صورت که ابتدا همه اشياء را در يک کلاستر قرار مي دهد و به تدريج آن را به قطعه هاي کوچکتر تقسيم مي کند.
البته اين نوع کلاستريگ به ندرت مورد استفاده قرار مي گيرد . شکل زير نحوه عملکرد اين دو الگوريتم را نشان مي دهد.
ادامه مطلب...
الگوريتم هاي کلاسترينگ (1)
در اين قسمت انواع الگوريتم هاي کلاسترينگ را بررسي مي کنيم. الگوريتم هاي کلاسترينگ را مي توان به دسته هاي اصلي زير تقسيم بندي کرد:
• الگوريتم هاي کلاسترينگ ترتيبي
• الگوريتم هاي کلاسترينگ سلسله مراتبي
• الگوريتم هاي کلا سترينگ مبتني بر بهينه سازي تابع هزينه
الگوريتم هاي کلاسترينگ ترتيبي
ادامه مطلب...
معرفي
کلاسترينگ به معناي کلاس بندي بدون نظارت است که کلاسها از قبل تعيين شده نيستند و يا به عبارت ديگر برچسب کلاس الگوهاي آموزشي در دسترس نيست. بنابراين اکنون هدف اصلي ما سازماندهي الگوها به گروهاي sensible است. که به ما اجازه مي دهند که شباهت و تفاوت بين الگوها را کشف کنيم و نتايج مفيد را درباره آنها استنتاج نماييم. اين ايده در زمينه هاي مختلف ديده مي شود. مثال زير از زيست شناسي الهام گرفته شده است و صورت مسئله را براي ما واضح مي سازد. به حيوانات زير توجه کنيد: گوسفند،سگ و گربه (پستاندار)، گنجشک و بلبل (پرنده)، ماهي قرمز، شاه ماهي (ماهي)، افعي و مارمولک(خزنده) و غوک(دوزيست). به منظور مرتب کردن اين حيوانات در داخل کلاسترها نياز داريم که يک ملاک دسته بندي تعريف کنيم. اگر وجود شش ها را بررسي کنيم، ماهي قرمز و شاه ماهي در يک کلاستر و بقيه در يک کلاستر ديگر قرار مي گيرند(شکل(الف)). اگر ملاک دسته بندي را محيطي که حيوانات زندگي مي کنند قرار دهيم آنگاه گوسفند، سگ، گربه، گنجشک، بلبل،افعي و مارمولک (حيواناتي که بيرون آب زندگي مي کنند) کلاستر اول و ماهي قرمز و شاه ماهي (حيواناتي که در آب زندگي مي کنند) کلاستر دوم را تشکيل مي دهند و غوک که مي تواند هم در آب و هم در خشکي زندگي کند کلاستر سوم را تشکيل مي دهد (شکل (ب)). اگر وجود ستون فقرات را ملاک دسته بندي باشد تمام حيوانات در يک دسته قرار مي گيرند. ما مي توانيم از ملاک دسته بندي مرکب استفاده کنيم. براي مثال اگر ملاک دسته بندي نحوه بدنيا آوردن فرزندان و وجود شش ها باشد ما سه نوع کلاستر داريم که در شکل (ج) آورده شده است.
به ادامه مطلب بروید....
ادامه مطلب...
مرجع اصلی درس هوش مصنوعی و رباتیک مهندسی کامپیوتر نوشته راسل و نورویگ
لینک دانلود کتاب : Artificial Intelligence A Modern Approach
Book description
Artificial Intelligence: A Modern Approach introduces basic ideas in artificial intelligence from the perspective of building intelligent agents, which the authors define as "anything that can be viewed as perceiving its environment through sensors and acting upon the environment through effectors." This textbook is up-to-date and is organized using the latest principles of good textbook design. It includes historical notes at the end of every chapter, exercises, margin notes, a bibliography, and a competent index. Artificial Intelligence: A Modern Approach covers a wide array of material, including first-order logic, game playing, knowledge representation, planning, and reinforcement learning. --This text refers to an out of print or unavailable edition of this title
ادامه مطلب...
: شرح مختصر در مورد کتاب
Could a computer have a mind? What kind of machine would this be? Exactly what do we mean by "mind" anyway?
The notion of the "intelligent'"machine, while continuing to feature in numerous entertaining and frightening fictions, has also been the focus of a serious and dedicated research tradition. Reflecting on these fictions, and on the research tradition that pursues "Artificial Intelligence", raises a number of vexing philosophical issues. Minds and Computers introduces readers to these issues by offering an engaging, coherent, and highly approachable interdisciplinary introduction to the Philosophy of Artificial Intelligence.
Readers are presented with introductory material from each of the disciplines which constitute Cognitive Science: Philosophy, Neuroscience, Psychology, Computer Science, and Linguistics. Throughout, readers are encouraged to consider the implications of this disparate and wide-ranging material for the possibility of developing machines with minds. And they can expect to develop a foundation for philosophically responsible engagement with A.I., a sound understanding of Philosophy of Mind and of computational theory, and a good feel for cross-disciplinary analysis.
Features:
A solid foundation in the Philosophy of Mind
A broadly interdisciplinary purview
A directed philosophical focus
A clear and accessible explanation of technical material with abundant exercises
A glossary of terms
برای دانلود به ادامه مطلب بروید
ادامه مطلب...
