[صفحه اصلی ]    
بخش‌های اصلی
درباره دانشکده::
مدیریت دانشکده::
اعضای هیات علمی ::
معرفی افراد::
امور آموزش::
امور فرهنگی::
امور پژوهشی::
اخبار و رویدادها::
فضاهای آموزشی و تحقیقاتی ::
تسهیلات پایگاه::
تماس با ما::
::
ورود به سایت دروس
دانشجویان روزانه و پردیس
دانشجویان مرکز آموزش الکترونیکی
..
اطلاعیه ها
 اطلاعیه های آموزشی
..
فراخوان ها
فراخوان های همکاری با صنعت و سازمان ها
..
دفاعیه‌ها

دفاعیه های دکتری

۱۴۰۲/۱۱/۲۹ - یعرب عبدالله
۱۴۰۲/۸/۱۷ - زهرا رشیدی


دفاعیه های کارشناسی ارشد

..
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
:: فاطمه انوری ::
 | تاریخ ارسال: 1402/7/16 | 

خانم فاطمه انوری دانشجوی کارشناسی ارشد آقای دکتر محمدرضا محمدی مورخ  ۱۴۰۲/۰۷/۱۵ ساعت ۱۶:۳۰ از پروژه کارشناسی ارشد خود با عنوان "یادگیری مستمر با استفاده از تقطیر دانش با تکیه بر اهمیت ویژگی" دفاع خواهند نمود.

 


ارائه ­دهنده:
فاطمه انوری


  استاد راهنما:
دکتر 
محمدرضا محمدی


  هیات داوران:

دکتر محسن سریانی
دکتر کاظم فولادی قلعه


زمان : ۱۵ مهر ماه ۱۴۰۲

  ساعت ۱۶:۳۰

       


چکیده پایان نامه :
هدف هوش مصنوعی توانمند سازی عامل‌های هوشمند برای انجام امور به صورت خود‌مختار مانند انسان است. یکی از فاکتور‌های زیر بنایی توانمند سازی عامل‌های هوشمند، یادگیری مادم‌العمر آن‌ها بدون فراموشی دانش قبلی است. در حوزه بینایی از نظر بیولوژیکی نیز، سیستم بینایی انسان به طور طبیعی افزایشی است؛ یعنی انسان به طور مداوم اطلاعات بصری کلاس‌های جدید را درک می‌کند، در حالی که دانش غنی را که قبلاً آموخته بود فراموش نمی‌کند. اما این موضوع برای عامل‌های هوشمند با چالشی به نام فراموشی فاجعه‌بار همراه است، که در پی یادگیری دانش جدید، دانش قبلی یادگرفته‌شده را از یاد می‌برد. مشابه با دنیای واقعی که موارد از قبل آموخته شده، دوباره برای آموزش به عنوان داده‌های آموزشی در اختیار انسان قرار نمی‌گیرند، برای عامل‌های هوشمند نیز داده‌های قدیمی آموزشی ممکن است غیرقابل دسترسی باشند زیرا ممکن است از بین رفته یا خراب شده باشند، یا شاید بسیار بزرگ باشند و مسئله ذخیره سازی مطرح گردد، یا ممکن است مشکلات صدور مجوز یا توزیع وجود داشته باشد.
ما در این پایان‌نامه هدف را بر حفظ دانش وظایف گذشته قرار دادیم. روش ما در استخراج اهمیت ویژگی وظایف گذشته و اعمال آن در یادگیری وظیفه جدید در کنار یک تنظیم‌کننده برای عدم تغییر ویژگی‌های پراهمیت وظایف گذشته خلاصه می‌شود. با آن که ترکیب این روش با روش‌های پایه از جمله بازپخش داده و تقطیر خروجی، حدود ۲۰ درصد برتری میانگین دقت افزایشی نسبت به فراموشی‌ فاجعه‌بار را به‌همراه داشت، اما با این وجود نتوانست به دقت روش‌های برتر در مقالات روز منتشرشده دست یابد.


مکان: دانشکده مهندسی کامپیوتر، طبقه ۲  ،اتاق دفاعیه دکتری

دفعات مشاهده: 934 بار   |   دفعات چاپ: 114 بار   |   دفعات ارسال به دیگران: 0 بار   |   0 نظر
سایر مطالب این بخش سایر مطالب این بخش نسخه قابل چاپ نسخه قابل چاپ ارسال به دوستان ارسال به دوستان
data
Persian site map - English site map - Created in 0.13 seconds with 55 queries by YEKTAWEB 4642