علوم شناختی راهگشای افقی نو در طراحی و ساخت نسل جدیدی از سامانه های مهندسی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 728

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICEEI01_012

تاریخ نمایه سازی: 30 بهمن 1394

چکیده مقاله:

نیاز به سامانه های هوشمند در تمام حوزه ها از جمله مهندسی مشهود است. از طرفی تعداد مسائلی که هنوز پاسخ مناسبی به آنها داده نشده و یا نیازمند بهبود پاسخ های قبلی هستند نیز بسیار زیاد است. همچنین قابلیت های سامانه های زیستی به خصوص مغز، انکار ناپذیر است. تاجایی که سامانه ای مهندسی فعلی، هنوز راه طولانی برای رسیدن به حتی بخشی از این توانایی ها را پیش رو دارند. لذا اگر قرار باشد علم در حوزه مهندسی روند رشد سریع تری داشته باشد و از طرفی، سامانه های هوشمند مصنوعی فعلی توانایی های بیشتری را در حل مسائل ارائه دهند، باید از به دام افتادن آنها در عصر یخبندان علمی دیگری جلوگیری کرد. یکی از راه هایی که می تواند چاره ای برای این مهم باشد، مطالعه در حوزه علوم شناختی برای الهام گرفتن از قابلیت های سامانه اهی زیستی و مدل سازی آنها در سامانه اهی هوشمند مصنوعی است. از این رو در این مقاله، به بررسی مفهوم علوم شناختی و نحوه تعامل آن با علوم مهندسی در ساخت سامانه های هوشمند، پرداخته خواهد شد. متعاقباً با بررسی پردازنده اهی شناختی در قالب روش های یادگیری ژرف، مسیر تعامل علوم شناختی و هوش مصنوعی را جهت دهی خواهیم کرد.

نویسندگان

پدرام فکری

دانشگاه بین المللی امام رضا (ع)

پیمان ستوده

دانشگاه شیراز

سیدعلی اکبر صفوی

دانشگاه شیراز

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • R.P.N. Rao, and G.H. Ballard, , "Predictive coding in the ...
  • M.V Srinivasan, S.B. Laughlin, and A. Dubs , "Predictive coding: ...
  • Y. Huang, and R. P. N. Rao, , "Predictive coding, ...
  • Y. Bengio, , Learning Deep Architectures for AI, Hanover, MA, ...
  • D.C. Ciresan, U. Meier , and J. Schmidhuber, , "Multi-columa ...
  • Y. LeCun, K. Kavukcuoglu, and C. Farabet, , "Convolutiont networks ...
  • J. Weng, N. Ahuja, and T. S.Huang, "Cresceptron: a self- ...
  • J. Schmidhube. "Learning complex, extended sequences using the principle of ...
  • C.Y. Liou, J.C. Huang, and W.C.Yang _ "Modeling word perception ...
  • C.Y. Liou, et al, "Autoencoder for words, " elsevier, vol. ...
  • A. Fischer, and C. Igel, _ "An Introduction to Restricted ...
  • J-W. Liu, G-H. Chi, and X-L. Luo, , "Contrastive divergence ...
  • C. Perpinan, and G.E. Hinton, , "On contrastive divergence (2005), ...
  • D.C. Ciresan, et al, "Flexible, high performance convolutionl neural network ...
  • J. Bruna, and S.Mallat, , "Invariant scattering convolution networks, " ...
  • _ K. Kavukcuoglu, and Y. LeCun, , et al., "Learning ...
  • H. Lee, et al, "Convolutionl deep belief network for scalable ...
  • G.E. Hinton, et al., "Deep neural network for acoustic modeling ...
  • Y. Bengio, et al., "Greedy layer-wise training of deep networks, ...
  • G.W. Taylor, G.E. Hinton, and S. Roweis, "Modeling human motion ...
  • نمایش کامل مراجع