مدلسازی ضرایب اطمینان سنسوری در قالب توابع اعتماد برای یادگیری توسط الگوریتمهای تکاملی
- سال انتشار: 1386
- محل انتشار: اولین کنگره مشترک سیستم های فازی و سیستم های هوشمند
- کد COI اختصاصی: FJCFIS01_160
- زبان مقاله: فارسی
- تعداد مشاهده: 1303
نویسندگان
قطب علمی کنترل و پردازش هوشمند، دانشکده مهندسی برق و کامپیوتر، دانشگ
قطب علمی کنترل و پردازش هوشمند، دانشکده مهندسی برق و کامپیوتر، دانشگ
قطب علمی کنترل و پردازش هوشمند، دانشکده مهندسی برق و کامپیوتر، دانشگ
قطب علمی کنترل و پردازش هوشمند، دانشکده مهندسی برق و کامپیوتر، دانشگ
چکیده
مدلسازی و تعیین اطمینان سنسوری یکی از مباحث مهم و اساسی در ترکیب اطلاعات میباشد. یادگیری ضرایب و پارامترهای مدل نایقینی برای 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.کلیدواژه ها
الگوریتم PBIL ، ترکیب اطلاعات، نظریه شواهد دمپستر - شافرمقالات مرتبط جدید
اطلاعات بیشتر در مورد 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.