مقاله مدلسازی ضرایب اطمینان سنسوری در قالب توابع اعتماد برای یادگیری توسط الگوریتمهای تکاملی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله مدلسازی ضرایب اطمینان سنسوری در قالب توابع اعتماد برای یادگیری توسط الگوریتمهای تکاملی دارای ۱۰ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله مدلسازی ضرایب اطمینان سنسوری در قالب توابع اعتماد برای یادگیری توسط الگوریتمهای تکاملی  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله مدلسازی ضرایب اطمینان سنسوری در قالب توابع اعتماد برای یادگیری توسط الگوریتمهای تکاملی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله مدلسازی ضرایب اطمینان سنسوری در قالب توابع اعتماد برای یادگیری توسط الگوریتمهای تکاملی :

تعداد صفحات:۱۰

چکیده:

مدلسازی و تعیین اطمینان سنسوری یکی از مباحث مهم و اساسی در ترکیب اطلاعات میباشد. یادگیری ضرایب و پارامترهای مدل نایقینیبرای قابلیت اطمینان، برای یک شبکه سنسوری گسترده، هنگامی که تعداد سنسورها زیاد باشد، یک مسئله بهینه سازی غیرخطی پیچیدهای خواهد بود. استفاده از مدلهای منعطف تر مثل مدل توابع اعتماد و تعیین تابع هدف بر اساس ملاکهای دقیقتر باعث افزایش دقت پاسخ های به دست آمده شده، اما پیچیدگی مسئله را نیز افزایش میدهد. الگوریتمهای تکاملی به عنوان ابزارهایی قدرتمند برای حل مسائل بهینه سازی غیرخطی شناخته میشوند. واقعیتهای فوق در مورد مساله یادگیری قابلیت اطمینان سنسوری، استفاده از الگوریتمهای تکاملی بدین منظور را انتخاب مناسبی به نظر میرساند. الگوریتم PBIL به عنوان یکی از روشهای نسبتا جدید در الگوریتمهای تکاملی، در بسیاری از مسائل بهینه سازی بهتر از سایر روشهای تکاملی سنتی مانند الگوریتمهای ژنتیک عمل میکند. در این مقاله یک توسعه ازPBIL به فضاهای پیوسته، برای مسئله بهینه سازی مقید در یادگیری قابلیت اطمینان سنسوری ارائه گردیده است. این الگوریتم تکاملی برای مسئله مذکور به منظور ترکیب تصمیم بر اساس تابع مطلوبیت به کار برده شده و کارایی روش توسط داده های مصنوعی تست میشود. روش ارائه شده کلی بوده و برای دامنه وسیعی از کاربردهای مرتبط میتواند اعمال شود.