Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

هوش مصنوعی: یک نمونه قدرتمند برای تحقیقات علمی

سال انتشار: 1401
کد COI مقاله: ECMECONF12_045
زبان مقاله: فارسیمشاهده این مقاله: 60
فایل این مقاله در 40 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 40 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله هوش مصنوعی: یک نمونه قدرتمند برای تحقیقات علمی

فاطمه رنجبر - مهندسی کامپیوتر نرم افزار

چکیده مقاله:

هوش مصنوعی همراه با تکنیکهای یادگیری ماشین بر گستره وسیعی از علوم بنیادی از جمله ریاضیات، علوم پزشکی، فیزیک و غیره تاثیر میگذارد.هدف هوش مصنوعی (Al) این است که ماشینها را قادر سازد تا افکار و رفتارهای انسانی از جمله یادگیری، استدلال، پیشبینی، و غیره را شبیه سازی کنند.روشهای پیاده سازی جستجوی معماری عصبی معمولا به روش مبتنی بر RL و روش مبتنی بر الگوریتم تکاملی تقسیم میشوند. در روش مبتنی بر RL ، یک RNN به عنوان یک کنترل کننده برای ایجاد یک لایه ساختار شبکه عصبی بوسیله لایه استفاده میشود، و سپس شبکه آموزش داده میشود و صحت مجموعه بازبینی به عنوان سیگنال پاداش RNN برای محاسبه گرادیان استراتژی استفاده میشود.با توجه به یافته های مقاله نتیجه میگیریم که علیرغم این حقیقت که هوش مصنوعی در طیف گستردهای از کاربردها مورد استفاده قرار گرفته است، هنوز هم خطر امنیتی ML در مورد مدلهای داده ها و ML به عنوان اهداف حمله در طول مراحل آموزش و اجرا وجود دارد. عملکرد سیستم ML بسیار وابسته به داده های مورد استفاده برای آموزش آن است، این داده های ورودی برای امنیت سیستم ML حیاتی هستند. حملات مدل ML شامل حملات در بستر بهDL ، CNNو یادگیری فدرال است که به طور مستقیم پارامترهای مدل را دستکاری میکنند، حمله به وارونگی مدل، و حمله استنباط عضویت، که میتوانند پارامترهای مدل را بدزدند یا داده های آموزشی حساس را افشا کنند. به علاوه، توزیع ویژگی داده ها ممکن است به مرور زمان منحرف شود که منجر به کاهش عملکرد مدل میشود. علاوه بر این، اگر مدل با داده های جدید آموزش داده شود، منجر به فراموش کردن فاجعه بار مدل می شود، که به این معنی است که مدل فقط ویژگیهای جدید را به یاد می آورد و ویژگیهای یاد شده قبلی را فراموش میکند. برای حل این مشکل، محققان بیشتری بر این مساله که چگونه این مدل توانایی یادگیری مادام العمر را دارد، یعنی یک تغییر در الگوی محاسبه از "یادگیری آفلاین + استدلال آنلاین" تا "یادگیری مداوم آنلاین"، و در نتیجه به این مدل توانایی یادگیری مادام العمر، درست مانند یک انسان را دارند، توجه میکنند.

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا ECMECONF12_045 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/1490364/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
رنجبر، فاطمه،1401،هوش مصنوعی: یک نمونه قدرتمند برای تحقیقات علمی،دوازدهمین کنفرانس ملی پژوهش های کاربردی در علوم برق، کامپیوتر و مهندسی پزشکی،شیروان،https://civilica.com/doc/1490364

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1401، رنجبر، فاطمه؛ )
برای بار دوم به بعد: (1401، رنجبر؛ )
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات مرتبط جدید

طرح های پژوهشی مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی