به کارگیری فرآیند تحلیل سلسه مراتبی فازی برای گزینش مدل های توسعه داده شده با معماری انتزاع و همجوشی تصمیم (مورد مطالعه: دسته بندی حروف دست نویس فارسی)

هدف: این پژوهش با هدف ارایه یک رویکرد کاربرد-محور برای توسعه مدل های یادگیری ماشین انجام شده است که توازن میان دقت مدل، سرعت پردازش و مصرف بهینه منابع را در کاربردهایی نظیر سیستم های هوشمند پوشیدنی مد نظر قرار دهد.روش شناسی پژوهش: مجموعه ای از مدل ها بر اساس معماری انتزاع و همجوشی تصمیم توسعه داده شده و سپس با رویکرد تصمیم گیری چندمعیاره مدل های مناسب برای کاربرد مورد نظر را شناسایی می کنیم. رویکرد پیشنهادی دارای سه فاز اصلی است: ۱- توسعه مدل های مبتنی بر ADFA، ۲- تعریف معیارهای ارزیابی و ۳- انتخاب مدل با استفاده از روش فرآیند تحلیل سلسله مراتبی فازی.یافته ها: نتایج تجربی حاصل از این پژوهش نشان دهنده کارایی این رویکرد در توسعه مدل های یادگیری ماشین مناسب برای کاربردهای مربوط به تجهیزات پوشیدنی مانند عینک های هوشمند است.اصالت/ارزش افزوده علمی: در این پژوهش سه نوآوری ارایه شده است: ۱- استفاده از ADFA برای توسعه مدل های دسته بندی حروف دست نویس فارسی، ۲- تعریف یک انتزاع جدید برای خلاصه سازی تصاویر حروف دست نویس و ۳- توسعه رویکرد مبتنی بر تصمیم گیری چندمعیاره فازی برای نگاشت مدل های توسعه یافته در ADFA به کاربردهای دنیای واقعی.

کلیدواژه ها:

دسته بندی حروف دست نویس فارسی ، FAHP ، ADFA ، یادگیری ماشین