کتابی با بیش از ۴۰۰ صفحه به زبان فارسی که برای علاقه مندان به این زمینه در سایت PersianArticles.com قرار داده شده
آدرس دانلود :
این مقاله رو که خانم مینا شیرالی زحمت ترجمش رو کشیدن در سایت PersianArticles.com قرار دادم
لطفا به این آدرس مراجعه کنید
http://www.persianarticles.com/view_article.asp?AN=183
آدرس مقاله منبع :
scalable distributed discoveryof Resource Pahs in Telecommunication Networks Using Cooprative Ant-Like Agents
این مقاله رو که خانم مینا شیرالی زحمت ترجمش رو کشیدن در سایت PersianArticles.com قرار دادم
لطفا به این آدرس مراجعه کنید
نسل پنجم رایانه به رایانه ایی اطلاق می شود که هوش مصنوعی را به کار می گیرند. اینها قادر به درک زبان های طبیعی و تشخیص مطالب و نوشتاری هستند و می توانند به ما در تصمیم گیری های پیچیده کمک کنند. IBM ظهور ابررایانه غول آسای خود را به نام ASCI ارغوانی را که اولین نماینده ی نسل پنجم رایانه ها تلقی می شود، اعلام کرده است. این رایانه می تواند با سرعت 467 ترا فلاپ کارکند و در مجموع نیروی کارکردش بیش از قدرت کل 500 دستگاهی است که اخیرا در لیست رایانه ها به نام TOP 500 اعلام شده است. این نسل از رایانه ها در تلاشند شکل انسان را به خود بگیرند. روبات ژاپنی به شکل بچه گربه و با نام Robokoneko ، مغزی به قدرت 40 میلیون نورون CAM دارد. دانشمندان معتقدند در شرایط زیستی آینده نزدیک، ما باید توانایی های بشری خود را با افزودن قطعات رایانه و لوازم ذخیره ساز به بدنهایمان بالاتر ببریم تا بتوانیم در شرایط دشواری که خودمان به وجود آورده ایم به حیات ادامه بدهیم. این موجودات بشری پیشرفته که به وسایل خارجی مجهز شده اند، سایبورگ نامیده می شوند.
فهرست مندرجات
۱ سایبورگ چیست؟
۲ نمونه های زنده ۲.۱ دکتر استیو مان ۲.۲ کوین وارویک
۳ پیامدها ی اخلاقی
۴ نتیجه
۵ منابع
سایبورگ چیست؟
نگاهی کوتاه به ریشه ی لغوی سایبورگ نشان می دهد که این کلمه مخفف کلمات سایبرنتیک و ارگانیسم است. سایبر از کلمه ی یونانی Kubernetas به معنی سکان دار کشتی گرفته شده است . سایبرنتیک علم ارتباط ماشین با انسان است. این کلمه در دهه 1940 توسط نوربرت وینر به کار رفت . او و دانشمندان همکارش عقیده داشتند، در جامعه و در کارهایی که به صورت مکانیکی انجام می شود، ماشین باید جای انسان را بگیرد و انسان ها باید به کارهایی بپردازند که نیاز به خلاقیت و تفکر دارد. مانفرد کلاینز کلمه سایبورگ را در سال 1960 برای تشریح نیاز انسان به کار برد که عملکرد های بیولوژیکی خود را به صورت مصنوعی تقویت کند تا بتواند در محیط پرستیز فضا به کار خود ادامه دهد. در اصل سایبورگ به انسانی گفته می شود که وسایلی نظیر مخزن اکسیژن، دریچه ی قلب مصنوعی یا پمپ انسولین، به عملکرد های بدنش کمک کنند یا آن ها را تحت کنترل داشته باشند. این اصطلاح طی سال ها معنی عام تری یافته است: وابستگی انسان به تکنولوژی. دراین معنا از کلمه ی سایبورگ می توان برای توصیف هر کس که برای انجام کارهای روزانه اش به رایانه وابسته است، استفاده کرد.
نمونه های زنده:
دکتر استیو مان دکتر استیو مان از اعضای بخش مهندسی الکترونیک و رایانه ی دانشگاه تورنتو کانادا است. او مخترع رایانه ی پوشیدنی می باشد که به عنوان قسمتی از تز دکترایش در MT ، به نام هوش مصنوعی طراحی شده بود. او یکی از سایبورگ های است که در روی سیاره ی ما زندگی می کند . دکنر مان رایانه ی پوشیدنی را طراحی کرده است که خود همیشه از آن استفاده می کند. این رایانه ی پوشیدنی کاملا با عینک هایی که برای دیدن واقعیت های ملموس به چشم می زنیم و یا وسایل کمک دیجیتال شخصی تفاوت دارد. یکی از این تفاوت ها آماده بودن همیشگی این وسیله است که بخشی از وجود دکتر مان می باشد. رایانه ی پوشیدنی نوع جدیدی از کارهای مشترک انسان - رایانه را امکانپذیر می سازد. او همه چیز را از طریق رایانه ی پوشیدنی اش به صورت صفحات قالب بندی شده ی ابر متن می بیند. ویژگی این وسیله این است که کاربر آن می تواند در حین کار با رایانه، کار دیگری نیز انجام دهد که کاملامغایر با عینک های سه بعدی است. کار این وسیله فراتر از وارد کردن هوش انسان در رایانه است که یکی از اهداف تحقیق در زمینه ی هوش مصنوعی می باشد. هدف رایانه ی پوشیدنی به وجود آوردن ترکیب های همیاری انسان و ماشین است. با آن انسان کارهایی را انجام می دهد که در آنها مهارت بیشتری دارد و رایانه کارهایی را که در آن ها تواناتر است. پس از مدتی طولانی، رایانه ی پوشیدنی شروع به کار می کند مثل عملکرد واقعی مغز و بدن و دیگر موجودیت مجزای آن حس نمی شود. در واقع کاربر به حدی به این دستگاه عادت می کند که وقتی آن را از خود جدا می کند، در نبودش احساس ناراحتی می کند،درست مثل این که ما لباسها و کفش های خود را که به آن ها عادت کرده ایم از خود دورکنیم. ما اکثرا ، چه د رمکان عمومی و چه در محیطی که کفش و لباس از ما محافظت می کنند، بدون آنها احساس ناراحتی شدیدی می کنیم . رایانه های پوشیدنی حافظه ی فوق العاده ای دارند به نام حافظه ی عکسی که به وسیله ی آن کاربر، اطلاعاتی که از قبل جمع آوری شده را به طور کامل به یاد می آورد. دکتر مان عقیده دارد که این اختراع می تواند کیفیت زندگی روزانه را برای بسیاری از مردم بالا ببرد، زیرا به ما قدرت عمل بسیاری می بخشد و باعث می شود کاربر احساس آسایش و ایمنی شخصی کند. شما می توانید با کلیک کردن بر روی چشم راست دکتر مان، با او در http://eyetap.org/tpw تماس بگیرید.
کوین وارویک:
پرفسور کوین وارویک، سایبورگ زنده ی دیگری است که از شهامت بسیار برخوردار است و در تحقیقاتش سلیقه ای کاملا متفاوت دارد. او سرپرست گروهCIRG(Cybernetics Intelligent Research Group) در دانشگاه ردینگ انگلستان است. به عقیده ی او بشر به مرحله ی کهنگی رسیده است. در سال 1998 برای کار گذاشته شدن یک طعه سیلیکون فرستنده - گیرنده خودکار بازوی کوین وارویک تحت یک عمل جراحی قرار گرفت که بخشی از پروژه ی او به نام سایبورگ 1 بود. پس از این تجربه ، او اولین انسان روی کره ی زمین بود که یک قطعه رایانه در بدنش کار گذاشته شده است. به وسیله ی این کار، یک رایانه کوین واروی را در حین عبور از راهروها و دفاتر بخش دانشگاهی که در آ ن کار می کند ، با استفاده از یک علامت مشخصه ی خاص که توسط قطعه ی کار گذاشته شده ارسال می شود ، هدایت می کند. او می تواند در ها را باز کند ، چراغ ها و بخاری ها و دیگر رایانه ها را حتی بدون بلند کردن انگشت روشن کند. به محض ورود، رایانه به او خوش آمد می گوید و تعداد نامه ها ی دریافت شده در صندق پستش را به اطلاع وی می رساند. او در مارس 2002 رسانه ها را با پروژه ی وحشت آورش به نام سایبورگ 2002 به حیرت انداخت که طی آن تعداد صد ردیف الکترود به وسیله ی عمل جراحی در نسوج عصبی میانه ی بازوی چپش کار گذاشته شد. در تعدادی از آزمایش های انجام شده علائمی که توسط الکترود ها ردیابی شده به کار رفته است، از همه بارزتر آن که می توانست یک صندلی چرخ دار الکتریکی و یک دست مصنوعی را کنترل کند. به عقیده ی وارویک انواع عواطف را می توان ضبط نمود. وقتی علامت به سیستم عصبی برخورد کند، می تواند تولید احساس کند.به خصوص در مورد علائمی نظیر درد این موضوع بیشتر صادق است. به این دلیل او سعی می کند علائمی که توسط سیستم عصبی اش در حین تجربه ی حسی نظیر خوشحالی فرستاده می شود ضبط کند و هنگامی که د رحالت غمگینی است آن ها را دوباره به اجرا درآورد. به زودی قرار است یک قطعه سیلیکون نیز در سیستم عصبی همسر وارویک،ایرنا، کار گذاشه شود. او کوشش می کند علائم داده شده به حرکات بازویش را ضبط کرده، آ نگاه آ نها را برای بازوی همسرش به اجرا درآورد و ببیند آیا با علائم داده شده توسط او بازوی همسرش بلند می شود یا نه. و نظریه ی متهورانه ی دیگری به نام تبادل فکر دارد. می گوید در حال حاضر شیوه ی ارتباط و تبادل ما یعنی سخنگویی، خیلی آهسته و پشت سر هم است و از اشتبا ه مصون نیست. توانایی برقراری ارتباط از طریق فکر بسیار هیجان انگیز است. البته باید بیاموزیم که چگونه از این طریق به خوبی ارتباط برقرار کنیم، به خصوص چه طور افکارمان را به یکدیگر منتقل کنیم. بدون شک سخنگویی یک وسیله ی کهنه و از دور خارج شده است. عقیده ی وارویک را می توان تهدیدی علیه میراث بشری ما یعنی هنر ها و زبان های کهنه دانست. او عقیده دارد درآینده وسایل ورودی موجود نظیر موش و صفحه کلید به وسیله ی علائم الکتریکی که به وسیله ی مغز کاربر فرستاده می شود،جایگزین خواهند شد. دانشمندان کلاسیک هوش مصنوعی ، پروفسور وارویک را به دلیل تجارب غیر قابل پیش بینی و هیجان انگیزش یک دلقک و بازیچه ی رسانه ها نامیده اند، ولی او کسی است که به عنوان اولین سایبورگ گام پیش گذاشته تا بشریت را نجات دهد.
پیامدها ی اخلاقی
اعلام وجو د سایبورگها در میان روشنفکرا ن بحث هایی را بر انگیخته است. بسیاری از آن ها سایبورگ ها را تهدیدی علیه بشریت تلقی می کنند، زیرا ویژگی افکار ممکن است به خطر بیافتد و از میان رفتن ارزش های انسانی و هنر هایی نظیر شعر ممکن است از پیامدها ی آ ن باشد. با این حال از آن جا که همیشه فناوری شمشیری دوسویه بوده است، جامعه ی بشری هم سود فراوانی از پیشرفت انسان ها می برد.
نتیجه
خواه ناخواه سایبورگ ها راه خود را در جامعه بشری باز خواهند کرد. اما واکنش ما نسبت به فکر کاشتن قطعات رایانه در اعصاب ممکن است متفاوت باشد. بدون شک سایبورگ ها کاربرد فراوانی دارند. شاید بتوانند ما را باهوش تر، کارآمدتر، سازنده تر و حتی ثروتمند تر کنند. اما به نظر بیشتر مردم، این منافع بالقوه، از میان رفتن آن چه مار ا به صورت انسان در می آورد، نمی ارزد.
منبع : مرکز توسعه و تبادل دانش فناوری اطلاعات : http://www.itpaper.ir/Articles/sayborge.aspx
برای دوستانی که درخواست مقاله انگلیسی راجب کلونی مورچگان کرده بودن این مقاله رو واسه دانلود گذاشتم :
در مورد قسمت q>q0 هم باید بگم که این شرط باعث انتخاب مسیر درست و بهینه مورچه می شود. q0 مقداری است که شما باید بر اساس آزمایشاتی که روی الگوریتم انجام می دهید بدست آورید.
حتماً بارها شنیدهاید که کامپیوتر از یک منطق صفر و یک تبعیت میکند. در چارچوب این منطق، چیزها یا درستند یا نادرست، وجود دارند یا ندارند. اما انیشتین میگوید: <آنجایی که قوانین ریاضیات (کلاسیک) به واقعیات مربوط میشوند، مطمئن نیستند و آنجا که آنها مطمئن هستند، نمیتوانند به واقعیت اشاره داشته باشند.> هنگامی که درباره درستی یا نادرستی پدیدهها و اشیایی صحبت میکنیم که در دنیای واقعی با آنها سروکار داریم، توصیف انیشتین تجسمی است از ناکارآمدی قوانین کلاسیک در علم ریاضیات. از این رو میبینیم اندیشه نسبیت شکل میگیرد و توسعه مییابد. در این مقاله میخواهیم به اختصار با منطق فازی آشنا شویم. منطقی که دنیا را نه به صورت حقایق صفر و یکی، بلکه به صورت طیفی خاکستری از واقعیتها میبیند و در هوش مصنوعی کاربرد فراوانی یافته است.
کجا اتومبیل خود را پارک میکنید؟
تصور کنید یک روز مطلع میشوید، نمایشگاه پوشاکی در گوشهای از شهر برپاشده است و تصمیم میگیرید، یک روز عصر به اتفاق خانواده سری به این نمایشگاه بزنید. چون محل نمایشگاه کمی دور است، از اتومبیل استفاد همیکنید، اما وقتی به محل نمایشگاه میرسید، متوجه میشوید که عده زیادی به آنجا آمدهاند و پارکینگ نمایشگاه تا چشم کار میکند، پر شده است.
اما چون حوصله صرف وقت برای پیدا کردن محل دیگری جهت پارک اتومبیل ندارید،با خود میگویید: <هر طور شده باید جای پارکی در این پارکینگ پیدا کنم.> سرانجام در گوشهای از این پارکینگ محلی را پیدا میکنید که یک ماشین به طور کامل در آن جا نمیشود، اما با کمی اغماض میشود یک ماشین را در آن جای داد، هرچند که این ریسک وجود دارد که فضای عبور و مرور دیگر خودروها را تنگ کنید و آنها هنگام حرکت به خودرو شما آسیب برسانند. اما به هرحال تصمیم میگیرید و ماشین خود را پارک میکنید.
بسیارخوب! اکنون بیایید بررسی کنیم شما دقیقاً چه کار کردید؟ شما دنبال جای توقف یک اتومبیل میگشتید. آیا پیدا کردید؟ هم بله، هم نه. شما در ابتدا میخواستید ماشین را در جای مناسبی پارک کنید. آیا چنین عملی انجام دادید؟ از یک نظر بله، از یک دیدگاه نه. در مقایسه با وقت و انرژی لازم برای پیدا کردن یک مکان راحت برای توقف خودرو، شما جای مناسبی پیدا کردید. چون ممکن بود تا شب دنبال جا بگردید و چنین جایی را پیدا نکنید. اما از این نظر که اتومبیل را در جایی پارک کردید که فضای کافی برای قرارگرفتن ماشین شما نداشت، نمیتوان گفت جای مناسبی است.
اگر به منطق کلاسیک در علم ریاضیات مراجعه کنیم و این پرسش را مطرح نماییم که قبل از ورود به پارکینگ چند درصد احتمال میدادید جایی برای پارک کردن پیدا کنید، پاسخ بستگی به این دارد که واقعاً چه تعداد مکان مناسب (فضای کافی) برای توقف خودروها در آنجا وجود داشت؟ اگر به حافظه خود رجوع کنید، شاید به یاد بیاورید که هنگام ورود به پارکینگ و چرخیدن در قسمتهای مختلف آن، گاهی خودروهایی را میدیدید که طوری پارک کردهاند که مکان یک و نیم خودرو را اشغال کردهاند. بعضی دیگر نیز کج و معوج پارک کرده بودند و این فکر از ذهن شما چند بار گذشت که اگر صاحب بعضی از این خودروها درست پارک کرده بودند، الان جای خالی برای پارک کردن چندین ماشین دیگر هم وجود داشت.
با علم ریاضیات و آمار و احتمال در مواجهه با چنین شرایطی قادر به پاسخگویی نیستیم. اگر قرار بود بر اساس منطق صفر و یک یا باینری کامپیوتر، روباتی ساخته شود تا اتومیبل شما را در یک مکان مناسب پارک کند، احتمالش کم بود. چنین روباتی به احتمال زیاد ناکام از پارکینگ خارج میشد. پس شما با چه منطقی می توانستید اتومبیل خود را پارک کنید؟ شما از منطق فازی استفاده کردید.
دنیای فازی
میپرسم <هوا ابری است یا آفتابی؟> پاسخ میدهی: نیمهابری. میپرسم <آیا همه آنچه که دیروز به من گفتی، راست بود؟> پاسخ میدهی: بیشتر آن حقیقت داشت. ما در زندگی روزمره بارها از منطق فازی استفاده میکنیم.
واقعیت این است که دنیای صفر و یک، دنیایی انتزاعی و خیالی است. به ندرت پیش میآید موضوعی صددرصد درست یا صددرصد نادرست باشد؛ زیرا در دنیای واقعی در بسیاری از مواقع، همهچیز منظم و مرتب سرجایش نیست.
تئوری مجموعههای فازی و منطق فازی را اولین بار پرفسور لطفیزاده در رسالهای به نام <مجموعههای فازی - اطلاعات و کنترل> در سال 1965معرفی نمود. از نخستین روز تولد اندیشه فازی، بیش از چهل سال میگذرد. در این مدت نظریه فازی، چارچوب فکری و علمی جدیدی را در محافل آکادمیک و مهندسی معرفی نموده و دیدگاه دانشمندان را نسبت به کمّ و کیف دنیای اطرافمان تغییر داده است. منطق فازی جهانبینی بدیع و واقعگرایانهای است که به اصلاح شالوده منطق علمی و ذهنی بشر کمک شایانی کرده است.
کاربردهای منطق فازی
منطق فازی کاربردهای متعددی دارد. سادهترین نمونه یک سیستم کنترل دما یا ترموستات است که بر اساس قوانین فازی کار میکند. سالهاست که از منطق فازی برای کنترل دمای آب یا میزان کدرشدن آبی که لباسها در آن شسته شدهاند در ساختمان اغلب ماشینهای لباسشویی استفاده میشود.
امروزه ماشینهای ظرفشویی و بسیاری از دیگر لوازم خانگی نیز از این تکنیک استفاده میکنند. منطق فازی در صنعت خودروسازی نیز کاربردهای فروانی دارد. مثلاً سیستم ترمز و ABS در برخی از خودروها از منطق فازی استفاده میکند. یکی از معروفترین نمونههای بهکارگیری منطق فازی در سیستمهای ترابری جهان، شبکه مونوریل (قطار تک ریل) توکیو در ژاپن است. سایر سیستمهای حرکتی و جابهجایی بار، مثل آسانسورها نیز از منطق فازی استفاده میکنند
سیستمهای تهویه هوا نیز به وفور منطق فازی را بهکار میگیرند. از منطق فازی در سیستمهای پردازش تصویر نیز استفاده میشود. یک نمونه از این نوع کاربردها را میتوانید در سیستمهای <تشخیص لبه و مرز> اجسام و تصاویر(3) مشاهده کنید که در روباتیک نیز کاربردهایی دارد. به طور کلی خیلی از مواقع در ساختمان سیستمهای تشخیص الگوها (Pattern Recognition)مثل سیستمهای تشخیص گفتار و پردازش تصویر از منطق فازی استفاده میشود
منطق فازی و هوش مصنوعی
جالبترین کاربرد منطق فازی، تفسیری است که این علم از ساختار تصمیمگیریهای موجودات هوشمند، و در راس آنها، هوش انسانی، به دست میدهد.
شاید یکی از جالبترین کاربردهای منطق فازی هوش مصنوعی در بازیهای رایانهای و جلوههای ویژه سینمایی باشد. فیلم ارباب حلقهها را بخاطر بیاورید. شاید اگر بگوییم ارباب حلقهها فیلمی تقریبا مجازی است، سخنی به گزاف نگفته باشیم. بیشتر قسمتهای این فیلم اساسا درون کامپیوتر خلق شدهاند و واقعیت خارجی ندارند. کارگردان فیلم نزد یک متخصص جلوههای ویژه رفت و از او خواست که نرمافزاری بسازد که بتواند 70 هزار سوارکار زرهپوش در حال حرکت را همچنان که به کشتار و خونریزی مشغولند، شبیه سازی کند.
در این برنامه متخصصان کامپیوتر و انیمیشن ابتدا موجوداتی را به صورت الگو ایجاد کرده بودند و سپس به کمک منطق فازی مصداقهایی تصادفی از این موجودات خیالی پدیدآورده بودند که حرکات تصادفی- اما از پیش تعریف شدهای - در اعضای بدن خود داشتند.
این موجودات در حقیقت دارای نوعی هوش مصنوعی بودند و میتوانستند برای نحوه حرکت دادن اعضای بدن خود تصمیم بگیرند. در عین حال تمام موجوداتی که در یک لشکر به سویی میتاختند یا با دشمنی میجنگیدند، از جهت حرکت یکسانی برخودار بودند و به سوی یک هدف مشخص حمله میکردند.
این ساختار کاملاً پیچیده و هوشمند به فیلمسازان اجازه داده بود که این موجودات افسانهای را در دنیای مجازی کامپیوتر به حال خود رها کنند تا به سوی دشمنان حمله کنند و این همه بیتردید بدون بهرهگیری از منطق فازی امکانپذیر نبود.
شرکت Massive Software که به دلیل بهکارگیری منطق فازی برای ایجاد هوشمصنوعی در طراحی لشکریان فیلم ارباب حلقهها برنده جایزه اسکار شد، بعداً این تکنیک را در فیلمهای دیگری همچون I.Robot و King Kong نیز بهکار برد.
استفاده از منطق فازی برای
منبع : http://www.persianforum.net/RSS_post_feed.asp?TID=14168
سلام خدمت تمام دانشجویان و دانش پژوهان عزیز.
این بار هم با مجموعه ای بی نظیر از مقالات کامپیوتری در زمینه های مختلف تجارت الکترونیک، IT، بازشناسی(تشخیص) گفتار، شبکه های عصبی، رباتیک، مهندسی نرم افزار و کلونی مورچگان شما را شگفت زده می کنم. امیدوارم بتوانید از آنها استفاده نمائید و برای ترویج علم میان ایرانیان از هر گونه تلاشی دریغ نفرمائید.
کلیه مقالات زیر در دسترس و قابل دانلود هستند که عبارتند از:
بازشناسی (تشخیص) گفتار
تحقیقات خودم در مورد بازشناسی گفتار
مدل مخفی مارکوف و مدلهای زبانی N-gram
ارائه یک مدل قطعه بندی نرم برای مدلسازی کشش زمانی در سیستمهای بازشناسی واج
ارائه روش TSD-PGMM در بازشناسی گوینده مستقل از متن
ارائه روش آماری FPD-GMM در بازشناسی گفتار
مقاله ای عملی در مورد تشخیص گفتار
Automatic Speech Recognition And Synthesis(انگلیسی)
اینترنت
سیستم ترمز ضدقفل(ABS) – کاربردی از سیستمهای کنترلی در خودروهای پیشرفته
هوش مصنوعی
بهینه سازی بروش الگوریتم مورچگان
Artificial Intelligence and Music:(انگلیسی)
Ant Colony Optimization For The Total Weighted Tardiness Problem (انگلیسی)
رباتیک
مهندسی نرم افزار
نرم افزار تشخیص گفتار از روی حرکات لب طراحی شد.
نرم افزار تشخیص گفتار از روی حرکات لب توسط فارغ التحصیلان کارشناسی ارشد دانشکده مهندسی پزشکی دانشگاه صنعتی امیر کبیر طراحی شد.
به گزارش خبرگزاری مهر، رضا شالباف - مجری طرح، کاربرد سامانه های لب خوانی رایانه ای را در تشخیص فرامین ناتوانان گفتاری، تشخیص برخی کلمات خاص، مکمل بازشناسی گفتار صوتی و همچنین کاربردهای نظامی و اطلاعاتی و حفاظتی ذکر کرد.
این محقق گفت : فرآیند بازشناسی تصویری گفتار شامل دو مرحله استخراج ویژگی از دنباله تصاویر لب و طبقه بندی ویِژگی های بدست آمده است.
وی افزود : ویژگی های گفتاری تصویر حرکات لب این افراد که دارای رنگ پوست و ظاهر متفاوتی بودند به کمک طراحی یک الگوریتم جدید استخراج شده و در مرحله بعد با استفاده از الگوریتم مدل مخفی مارکوف، حرکات و گفتار تصویری تشخیص داده شد.
شالباف افزود: این نرم افزار به معلولینی کمک می کند که دچار آسیب در سیستم صوتی بوده و قادر به برقراری ارتباط با دیگران نیستند. این افراد معمولا توانایی انجام صحیح حرکات لب به شکلی که برای تکلم لازم است را داشته و در حالت ایده آل می توان با انجام لب خوانی به مقصود آنها پی برد.
مجری طرح اضافه کرد: بهره گیری از اطلاعات تصویری از شکل های لب و حرکات آن، دقت و اطمینان سیستم های تشخیص اتوماتیک گفتار صوتی را خصوصا در محیط های نویزی بطور قابل توجهی بهبود می دهد.
این فارغ التحصیل دانشگاه امیر کبیر خاطرنشان کرد: در کاربرد حفاظتی، این سامانه می تواند با بهره گیری از حرکات لب و بدون ثبت سیگنال صوتی، کلمات خاصی را شناسایی و تصویر گوینده آن را در مراکز عمومی و محل های تردد ثبت کند.
وی گفت : آزمایش این نرم افزار بر روی مجموعه دادگان جمع آوری شده شامل 20 نفر زن و مرد بین سنین 20 تا 50 سال صورت گرفته و روی 6 واژه گفتاری 1، 2،3،4،5،6با 91 درصد موفقیت، بازشناسی گفتار انجام شده است.
شالیباف گفت: این پژوهش ها در مراحل تکمیلی می توانند با افزایش تعداد کلمات قابل شناسایی، محدوده تشخیص را هر چه بیشتر افزایش دهند.
مجری طرح افزود: این نرم افزار به معلولینی که از صندلی چرخدار استفاده می کنند و فقط توانایی انجام صحیح حرکات لبشان را دارند کمک می کند. بدین ترتیب که با کمک دوربین فیلمبرداری، حرکات لب آنها ثبت می شود و پس از آنالیز، فرامین لازم به ویلچر داده می شود.
منبع : " خبرگزاری مهر "
زبانهاي برنامهنويسي هوش مصنوعي(AI) ابزار اصلي بررسي و ساخت برنامههاي كامپيوتري هستند كه ميتوانند در شبيهسازي فرايندهاي هوشمند مانند يادگيري، استدلال و فهم اطلاعات نمادين بكار بروند. هر چند اخيراً زبان كامپيوتر اصولاً براي استفاده از كامپيوترها براي انجام محاسبات با اعداد طراحي شده بود، اما بزودي دريافتند كه رشتهاي از بيتها نه تنها اعداد بلكه ميتوانند اشياي دلخواه را نيز نمايش دهند. عمليات روي ويژهگيها يا نمادها ميتواند با استفاده از قوانين براي ايجاد، انتساب يا دستكاري نشان داده شود. اين تصور از محاسبات نمادين بعنوان تعريف الگوريتمهايي كه هر نوع اطلاعات را پردازش ميكنند و بنابراين ميتواند براي شبيهسازي هوش انسان بكار برود مناسب است.
بزودي برنامه نويسي با نمادها كه نياز به سطح بالايي از چكيدگي دارند توليد ميشوند، غير از امكاناتي كه با زبانهاي برنامه نويسي مخصوص پردازش اعداد ممكن بود مانند فرترن
I-زبانهاي برنامه نويسي AI
در AI خودكار كردن يا برنامهنويسي همه جنبههاي شناخت انساني بوسيله بنيادهاي شناخت علمي روشهاي نمادين و غير نمادين AI، پردازش زبان طبيعي، ديد كامپيوتري و سيستمهاي تكامل يا سازگار مطرح ميشود. لازم است دامنه مسئلههاي خيلي پيچيده در ابتداي مرحله برنامهنويسي يك مسئله AI معين، مشخص شود كه كافي نيست. تنها بوسيله تعامل و افزايش اصلاحات خصوصيات بسيار دقيق ممكن است. در حقيقت مسئلههاي معمول AI به بسياري از زمينههاي خاص گرايش دارند، بنابراين روشهاي ذهني بايد بوسيله توليد و آزمايش روشها بطور تجربي توسعه يابند(مشهور به نمونه سازي سريع). در اينصورت برنامهنويسي AI بطور قابل توجهي با روشهاي استاندارد مهندسي نرمافزار متفاوت بوده زيرا برنامهنويسي معمولا از يك مشخصات رسمي با جزئيات شروع ميشود. در برنامهنويسي AI پيادهسازي در واقع جزئي از پردازش مشخصات مسئله است. به اقتضاي طبيعت مسئلههاي AI برنامهنويسي AI مزاياي بسياري دارد اگر زبانهاي برنامه نويسي، برنامهنويسAI را آزاد بگذارند و در بسياري از ساختارهاي فني محدود نكنند (مانند ساختار انواع دادهاي جديد سطح پايين، دستيابي دستي به حافظه). ترجيحاً سبك برنامهنويسي اعلاني براي استفاده در ساختارهاي پيشساخته دادهاي سطح بالا(مانند ليستها و درختها) و عمليات(مانند تطبيق الگوها) مناسب است، بنابراين محاسبات نمادين سطح خلاصهسازي بيشتري نسبت به آنچه كه با زبانهاي دستوري استاندارد مانند فرترن، پاسكال يا C امكانپذير خواهد بود را پشتيباني ميكند. البته طبقهبندي خلاصه سازي آسان نيست، زيرا تدوين برنامههاي AI روي كامپيوترهاي استاندارد وان نيومن نميتواند به كارآمدي زبانهاي دستوري باشد. هر چند يك مسئله مسلم AI فهم آن است (حداقل جزئيات) امكان دارد با تنظيم مجدد آن به شكل خصوصيات جزئي شده با بكار بردن يك زبان دستوري پياده سازي مجدد شود. با توجه به نيازمنديهاي محاسبات نمادين و برنامهنويسي AI دو الگوي جديد برنامهنويسي كه به سبك دستوري پيشنهاد ميشوند بوجود ميآيد: سبك برنامهنويسي تابعي و منطقي. هر دو بر مبناي رياضيات طرحريزي شدهاند، يعني نظريه توابع بازگشتي و منطق رسمي. اولين زبان برنامهنويسي AI كاربردي كه هنوز هم بطور گسترده استفاده ميشود زبان برنامهنويسي Lisp است كه در اواخر دهه 1950 توسط جان مك كارتي توسعه يافته است. Lisp برمبناي نظريه توابع رياضي و خلاصهسازي Lambda است. تعدادي از كاربردهاي مهم و موثرAI در Lisp نوشته شده است. كه ما بعضي از جزئيات اين زبان برنامهنويسي را در اين مقاله شرح خواهيم داد. در اوايل دهه 1970 يك الگوي برنامهنويسي جديد بنام برنامهنويسي منطقي بر اساس محاسبات گزارهاي بوجود آمد. اولين و مهمترين زبان برنامهنويسي منطقي Prolog است كه توسط آلن كالمرار، رابرت كوالسكي و فيليپ راسل توسعه يافته است. مسئلهها در prolog بصورت حقايق، بديهيات و قوانين منطقي براي استنباط حقايق جديد بيان ميشوند. Prolog با قانون رياضي در محاسبات گزارهاي و نتايج نظري بدست آمده در زمينه اثبات قضيه خودكار در اواخر دهه 1960 بنا نهاده شده است.
نويسنده: Gunter Neumann
German Research Center for Artificial Intelligence (LT–Lab, DFKI)
ترجمه: احد محمّدي خواجه
E-mail: ae1359m@gmail.com
دانشجوي كارشناسي ناپيوسته كامپيوتر(تراكتورسازي تبريز)
لینک اصل مطلب : http://www.irandoc.ac.ir/data/E_J/vol5/mohammadi_k.htm
هوش جمعی
فرض كنید شما و گروهی از دوستانتان به دنبال گنج میگردید. هر یك از اعضای گروه یك فلزیاب و یك بیسیم دارد كه میتواند مكان و وضعیت كار خود را به همسایگان نزدیك خود اطلاع بدهد. بنابراین شما میدانید آیا همسایگانتان از شما به گنج نزدیكترند یا نه؟ پس اگر همسایهای به گنج نزدیكتر بود شما میتوانید به طرف او حركت كنید. با چنین كاری شانس شما برای رسیدن به گنج بیشتر میشود و همچنین گنج زودتر از زمانی كه شما تنها باشید، پیدا میشود.
این یك مثال ساده از رفتار جمعی یا Swarm behavior است كه افراد برای رسیدن به یك هدف نهایی همكاری میكنند. این روش مؤثرتر از زمانی است كه افراد جداگانه عمل كنند. Swarm را میتوان به صورت مجموعهای سازمان یافته از موجوداتی تعریف كرد كه با یكدیگر همكاری میكنند. در كاربردهای محاسباتی Swarm intelligence از موجوداتی مانند مورچهها، زنبورها، موریانهها، دستههای ماهیان و دستهی پرندگان الگو برداری میشود. در این نوع اجتماعات هر یك از موجودات ساختار نستباً سادهای دارند ولی رفتار جمعی آنها بینهایت پیچیده است. برای مثال در كولونی مورچهها هر یك از مورچهها یك كار سادهی مخصوص را انجام میدهد ولی به طور جمعی عمل و رفتار مورچهها، ساختن بهینهی لایهء محافظت از ملكه و نوزادان، تمیز كردن لانه، یافتن بهترین منابع غذایی و بهینهسازی استراتژی حمله را تضمین میكند. رفتار كلی یك Swarm به صورت غیر خطی از آمیزش رفتارهای تكتك اجتماع بدست میآید یا به عبارتی یك رابطهی بسیار پیچیده بین رفتار جمعی و رفتار فردی یك اجتماع وجود دارد. رفتار جمعی فقط وابسته به رفتار فردی افراد اجتماع نیست بلكه به چگونگی تعامل میان افراد نیز وابسته است. تعامل بین افراد، تجربهی افراد دربارهی محیط را افزایش میدهد و موجب پیشرفت اجتماع میشود. ساختار اجتماعی Swarm بین افراد مجموعه كانالهای ارتباطی ایجاد میكند كه طی آن افراد میتوانند به تبادل تجربههای شخصی بپردازند، مدلسازی محاسباتی Swarmها كاربردهای موفق و بسیاری را در پی داشته است مانند:
Function optimization, Finding optimal roots, scheduling, structural optimization, Image and data analysis
كاربردهای زیادی از مطالعهی Swarmهای مختلف وجود دارد. از این دسته میتوان به كولونی مورچهها (Ant Colony) و دستهی پرندگان (Bird Flocks) اشاره نمود.
Particle Swarm Optimization : PSO
الگوریتم PSO یك الگوریتم جستجوی اجتماعی است كه از روی رفتار اجتماعی دستههای پرندگان مدل شده است. در ابتدا این الگوریتم به منظور كشف الگوهای حاكم بر پرواز همزمان پرندگان و تغییر ناگهانی مسیر آنها و تغییر شكل بهینهی دسته به كار گرفته شد. در PSO، particleها در فضای جستجو جاری میشوند. تغییر مكان particleها در فضای جستجو تحت تأثیر تجربه و دانش خودشان و همسایگانشان است. بنابراین موقعیت دیگر particleهای Swarm روی چگونگی جستجوی یك particle اثر میگذارد. نتیجهی مدلسازی این رفتار اجتماعی فرایند جستجویی است كه particleها به سمت نواحی موفق میل میكنند. Particleها در Swarm از یكدیگر میآموزند و بر مبنای دانش بدست آمده به سمت بهترین همسایگان خود میروند.
Particle swarm Optimitation Algorithm
اساس كار PSO بر این اصل استوار است كه در هر لحظه هر particle مكان خود را در فضای جستجو با توجه به بهترین مكانی كه تاكنون در آن قرار گرفته است و بهترین مكانی كه در كل همسایگیاش وجود دارد، تنظیم میكند.
فرض كنید میخواهیم زوج مرتب [x,y] را طوری بدست آوریم كه تابع F(x,y)=x2+y2، مینیمم شود. ابتدا نقاطی را به صورت تصادفی در فضای جستجو، روی صفحهی x-y انتخاب میكنیم. فرض كنید این Swarm را به 3 همسایگی تقسیم كنیم كه در هر همسایگی نقاط موجود با یكدیگر تعامل دارند. در هر همسایگی هر یك از نقاط به سمت بهترین نقطه در آن همسایگی و بهترین مكانی كه آن نقطه تاكنون در آن قرار داشته است، حركت میكند. برای حل یك مسئله چند متغیر بهینهسازی میتوان از چند Swarm استفاده كرد كه هر یك از Swarmها كار مخصوصی را انجام میدهند. این همان ایدهای است كه Ant colony از آن ریشه میگیرد. از آنجا كه دانش Swarm intelligence بسیار جدید است در حال حاضر كاربردهای كمی از آن شناخته شده است. ولی صاحبنظران معتقدند با این رشد روزافزون، Swarm intelligence میتواند نقش مهمی را در علوم مختلف از جمله مهندسی نفت ایفا كند.
تهیه کنندگان:
نیما حمیدیان دانشجوی مهندسی حفاری
حامد دارابی دانشجوی مهندسی بهره برداری
سلام به دوستان عزیزی که به این وبلاگ سر میزنن.
با توجه به مقوله های هوش مصنوعی و بخصوص الگوریتم ژنتیک که در رشته های مختلف کاربرد بسیاری پیدا کرده و علاقه مندان زیادی پیدا کرده می خوام ۲ مقاله در مورد فروشنده دوره گرد یا Traveling Sales Person: TSP در وبلاگ قرار بدم.
2 مقاله در مورد الگوریتم ژنتیک یا Genetic Algorithms و فروشنده دوره گرد یا Traveling Sales Person: TSP در قالب PDF .
شرمنده دوست عزیز آقای مجتبی جلالیان که مقاله ۱۵۰-۱۰۰ صفحه ای می خواستن.
فعلا این ۲۵ صفحه ای رو داشته باشید تا بعد.
قبلا مطلبی مختصر در مورد شبکه های عصبی در وبلاگ قرار داده بودم ولی اینبار کلیه تحقیقاتم در این زمینه را جمع آوری کردم و دوست دارم شما از آن بی بهره نباشید.
این مطالب از سایتها و وبلاگهای عزیزان دیگری جمع آوری شده که همینجا از آنها ممنونم چون در اصل تولید کننده مطالب آنها هستند و من فقط آنها را در یک مقاله جمع کرده ام.
امیدوارم مفید باشه.
مقاله شبکه های عصبی Artificial Neural Network
لطفا نظر یادتون نره
+ نوشته شده در 85/04/20ساعت 7:34 بعد از ظهر توسط مه