لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

مشکل اصلی در پیاده سازی سیستم های طبقه بند یادگیر فازی طراحی یک معیار موثر برای انتخاب قوانین می باشد. استفاده از ضریب اطمینان (confidence) و پشتیبانی (support) اخیرا به عنوان معیارهای ارزیابی قوانین متداول شده است. در این مقاله ابتدا معیارهای ارزیابی سیستم های بازیابی اطلاعات که دقت (precision) و یادآوری (recall) نام دارند به معادل فازیشان تعمیم داده شده و سپس به منظور معیارهای ارزیابی قوانین استفاده شده اند. روش های متفاوت و متنوعی جهت ترکیب مفاهیم مذکور در قالب یک معیار ارزیابی طراحی و بررسی شده است. این معیارهای ترکیبی جدید به عنوان مکانیزم انتخاب قانون در روش یادگیری قانون از طریق تکرار (IRL) به کار گرفته شده است. سه پایگاه داده معروف برای مقایسه روشهای جدید ارایه شده مورد استفاده قرار گرفته است. نتایج آزمایشهای متنوع موثر بودن روشهای پیشنهادی را بر حسب کارایی محاسباتی و دقت طبقه بندی تایید می کنند.

زمینه و هدف کنترل تقاطع ها با استفاده از چراغ های راهنمایی به روش بهینه شده، کار بسیار دشواری است. سیستم کنترل هوشمند چراغ راهنمایی با استفاده از فناوری های راهنمایی و رانندگی همراه با هوش مصنوعی با تصمیم گیری مناسب مشکلات ترافیکی مانند ازدحام را برطرف می کند. روش های یادگیری تقویتی به ویژه الگوریتم خودکار یادگیر می توانند فقط با دریافت سیگنال از محیط تصمیم بگیرند. هدف این مقاله، ارایه برخی از روش های مبتنی بر الگوریتم خودکار را برای پیش بینی و کنترل چراغ راهنمایی هوشمند با استفاده از انواع الگوریتم های خودکار از جمله روش های ساکن و متغیر است. روش روش تحقیق حاضر از نظر هدف، کاربردی و از نظر ماهیت، شبیه سازی-مشاهده ای است. تکنیک و روش مورد استفاده در این پژوهش، استفاده ترکیبی از روش الگوریتم خودکار یادگیر است. جهت این کار، ترافیک بر روی چهارراه های منطقه یک در شهر همدان، بررسی و از آن داده ها جهت ارزیابی و نتایج بهره گرفته شد. یافته ها آزمایش ها نشان داد که الگوریتم خودکار دارای ساختار متغیر در اکثر موارد بهتر از الگوریتم خودکارهای دیگر عمل می کند و درنهایت روش پیشنهادی با الگوریتم های مختلف قابل مقایسه است و توانایی بهبود ترافیک در شهر را دارا است. نتیجه گیری روش پیشنهادی برای هر چراغ راهنمایی، سیکل بعدی را پیش بینی کرده است که در این حالت، چهارراه، با کمترین ترافیک موجود مواجه خواهد شد، این سیکل بلادرنگ بوده و ممکن است در دوره بعدی، توالی آن تغییر پیدا کند و به سمت بهینه سازی الگوریتم خودکار عمل کند، سامانه اجراشده، به طوری عمل می کند که با مرور زمان و با یادگیری بیشتر، آموزش دیده و کامل تر و با دقت بیشتری عمل می کند.

1در این مقاله، مدل فضای حالت Fornasiini-Marchesini توسعه-یافته (MFM) برای کنترل آموزش پذیر تکرارشونده ی سیستم های نامعین دارای تأخیر زمانی معرفی می شود. براساس مدل دوبعدی، مسئله ی طراحی کنترل کننده ی آموزش پذیر تکرارشونده مقاوم به مقاوم به پایدارسازی H_inf مقاوم یک سیستم دوبعدی دارای تأخیر زمانی تبدیل می شود. به منظور پایدارسازی از کنترل کننده ی فیدبک خروجی استفاده شده است که ضرایب مربوط به کنترل کننده از حل یک مسئله ی نامساوی ماتریسی خطی (LMI) به دست می آید. در انتها، دو مثال عددی به منظور مقایسه ی روش پیشنهاد شده با ILC کلاسیک و هم چنین، نشان دادن کارایی آن با استفاده از نرم افزار MATLAB مورد شبیه سازی رایانه ای قرار گرفته است.

در این مقاله، اتوماتای یادگیر سلولی همگام باز معرفی میگردد و رفتار آن مورد مطالعه قرار میگیرد. نشان داده شده است که اتوماتای یادگیر سلولی همزمان باز برای قوانین انجمنی در محیطهای خارجی ایستا به یک پیکربندی پایدار و سازگار همگرا میشود. شبیه سازیها این نتیجه را تایید میکند.

ماهواره ها از جمله سیستمهای فیزیکی هستند که دینامیک آنها غیرخطی و دارای عدم قطعیت می باشد. گشتاورهای اختلالی پارامترهایی هستند که باری ماهواره شناخته شده نمی باشند. نظر به اینکه دینامیک ماهواره غیرخطی است، استفاده از قانون کنترل خطی سازی با فیدبک در سیستم کنترل وضعیت آنها می تواند مورد نظر باشد. اما از آنجا که شرط بکارگیری این روش شناخت کامل دینامیک سیستم است، این قانون کنترل برای ماهواره ها نتوانسته کاربرد عمده داشته باشد. در این مقاله یک قانون کنترل جدید توسط تلفیق روش چهارتایی مرتب با قانون کنترل خطی سازی با فیدبک ارایه شده و عملکرد بسیار مناسب آن اثبات می گردد.

یکی از مهم ترین بخش های یک سیستم مخابراتی، ایجاد همزمانی بین فرستنده و گیرنده است. بنابراین در شرایطی که الگوهای همزمانی برای گیرنده نامشخص باشد، پیدا کردن ساختار فریم و الگوهای موجود در آن ضروری است، درغیر این صورت گیرنده نمی تواند به یک متن واضح یا یک متن رمزنگاری شده دست یابد. به طور کلی فریم ها می توانند در لایه فیزیکی دارای طول بزرگ یا کوچک باشند و هر کدام طبق کاربرد، یک یا چند الگوی همزمانی داشته باشند. در این مقاله روش جدیدی برای تشخیص کور الگوهای همزمانی موجود در ساختارهای متفاوت فریم و در خطاهای مختلف کانال BSC ارایه شده است. در این روش ابتدا بر مبنای مفهوم آنتروپی، طول الگوی همزمانی پیدا می شود و در ادامه با استخراج یک ویژگی روی پنجره ای که در حال پیشروی در رشته بیت است، مکان دقیق الگو تعیین می گردد. به طور کلی روش ارایه شده برای تشخیص یک یا چند الگوی همزمانی با طول کوچک یا بزرگ که درساختارهای متفاوت فریم به کار گرفته شده اند، قابل استفاده است. نتایج به دست آمده با استفاده از شبیه سازی نشان می دهد روش مطرح شده در شرایطی که حجم داده در دسترس بسیار کم باشد و رشته بیت خطای زیادی داشته باشد، کارآیی مطلوبی دارد.