برو بالا

فروشگاه فایلها ( فروش انواع فایل psd ، word ،excel )

فروش ویژه فایلهای تحقیقاتی

shadow

پایان نامه سیستمهای خبره

 

 

موضوع پروژه:
سیستمهای خبره
قیمت:     ۵۰۰۰۰ (قیمت به ریال)
قالب فایل:     Word
تعداد صفحات:     ۱۵۳
شرح پروژه:

فهرست مطالب:
چــکــیده ۵
مقدمه: ۶
فصل اول:   سامانه های خبره ۷
حوزه‌های کاربرد ۹
مزایای یک سیستم خبره چیست؟ ۹
سیستم های  متخصص چگونه کار می کنند؟ ۱۱
بانک اطلاعاتی ۱۱
تولید کننده مکالمه ۱۲
ماشین باهوش چیست؟ ۱۳
گذرى بیشتر بر سیستم هاى خبره ۱۳
نکات تاریخی ۱۵
هوش مصنوعی و سیستمهای خبره ۱۵
مزایا و محدودیت‌های سیستم‌های خبره ۲۰
مثال هایی از سیستم های متخصص تجاری ۲۲
فصل دوم:   کاربرد سیستمهای خبره ۲۳
کاربرد سیستم‌های خبره‌ ۲۴
● طراحی و زمانبندی‌ ۲۴
‌●تصمیم‌گیری‌های مالی‌ ۲۴
چند سیستم خبره مشهور ۲۵
عامل‌ها و سیستم‌های خبره  (Expert Systems) 27
عامل‌های هوشمند و هوش مصنوعی (AI) 28
فصل سوم:   هوش مصنوعی رباتیک سیستم خبره ۳۰
هوش مصنوعی رباتیک سیستم خبره ۳۱
کوچک، زیباست ۳۲
`توان خارق العاده` ۳۳
ابعاد تازه ۳۴
نیاز برای سیستم های خبره ۳۵
محدودیت سیستم های خبره نسبت به  انسان ۳۶
چه  موقع سیستم های خبره مفیدند ؟ ۳۷
توانایی یادگیری مشخصه اصلی سیستم خبره ۳۷
اجزای اصلی سیستمهای خبره ۳۷
مهارت های مورد نیاز برای مهندس دانش ۳۸
ابزار های ایجاد سیستم های خبره ۳۸
زبان های برنامه نویسی ۳۹
کاربرد اصلی سیستم های خبره ۳۹
فصل چهارم:   سیستمهای خبره در کتابخانه و محیط اطلاعاتی ۴۱
ماهیت سیستم خبره ۴۲
مسائل و مشکلات سیستمهای خبره ۴۳
مسائل انسانی ۴۴
مسائل اجرایی ۴۴
کاربردهای سیستمهای خبره در کتابخانه ها ۴۵
فهرست نویسی و رده بندی ۴۶
نمایه سازی و چکیده نویسی ۴۷
مجموعه سازی ۴۷
مدیریت اطلاعات ۴۷
عوامل هوشمند: (Intelligent Agents) 48
۱٫ عوامل فیلترگذار( مرور کردن اطلاعات) ۴۹
۲٫ عوامل جستجو ۴۹
وظایف یک عامل هوشمند ۵۰
خدمات مرجع ۵۰
شبیه سازی انسان ۵۲
نتیجه گیری ۵۳
ساختار سیستم های خبره کتابخانه ها ۵۳
جستجو در پایگاه های اطلاعاتی ۵۸
چرا سیستم های خبره این قدر معروف شده اند ؟ ۶۱
مثالی کاربردی از یک سیستم خبره : ارزیابی سیستم خبره برنامه ریزی تولید(GENESYS) 63
زمانبندی تولید هوشمند و مفاهیم مدیریتی ۶۴
الف: فراگیری دانش ۶۸
ب : نمایش دانش ۶۹
هوش مصنوعی سیستم های خبره وتأثیرآن برسیستم های پشتیبانی تصمیم ۷۱
فصل پنجم:   ابزارهای طراحی سیستمهای خبره ۷۴
زبان های هوش مصنوعی ۷۵
طراحی سیستم های خبره فازی از روی داده های ورودی خروجی ۷۸
فلسفهٔ هوش مصنوعی ۸۲
مدیریّت پیچیدگی ۸۳
تکنیک ها وزبانهای برنامه نویسی هوش مصنوعی ۸۵
سیستم‌های خبره ۸۶
عامل‌های هوشمند ۸۷
پردازش‌ زبان‌های‌ طبیعی‌ (NLP) 89
AIزمینه های پژوهشی دیگری را نیز شامل میشود ۹۰
تجربه های بدست آمده ۹۱
حساب کردن و شطرنج بازی کردن ۹۱
فصل ششم:   تکنیکها و زبانهای برنامه نویسی سیستمهای خبره ۹۳
زبان ، شناخت و خلاصه پردازی ۹۵
خلاصه پردازی طبقه بندی شده (سلسله مراتبی ) ۹۶
خصوصیات مطلوب یک زبان AI 101
خلاصه ای درباره LISP و PROLOG 117
PROLOG 118
فصل هفتم:   تاریخچه پیچیده  سیستمهای خبره و هوش مصنوعی ۱۲۸
تاریخچه پیچیده هوش مصنوعى ۱۲۹
آینده هوش مصنوعى ۱۳۶
* هدف هوش مصنوعى ۱۳۹
* هوش مصنوعى و هوش انسانى ۱۴۰
افقهای هوش مصنوعی ۱۴۶
نتیجه گیری ۱۴۹

چــکــیده

ـ هدف‌ از این‌ مقاله‌ آشنائی‌ با سیستمهای خبره به‌ عنوان‌ سمبل‌ ونماد دوران‌ فراصنعتی‌ و نقش‌ و کاربرد آن‌ در صنایع‌ و مؤسسات‌تولیدی‌ می‌باشد. بدین‌ منظور، این‌ موضوع‌ در قالب‌ دو مقاله‌ جداگانه‌و یا دو بخش‌ ارائه‌ می‌شود. در بخشهای ابتدایی این پایان نامه سیستمهای خبره‌ موردمطالعه‌ قرار می‌گیرد و سئوالاتی‌ نظیر این‌ که‌ سیستمهای خبره ‌چیست‌؟ شاخه‌های‌ عمده‌ هوش‌ مصنوعی‌ کدامند؟ و نهایتأ، سیستمهای خبره نیز تشریح‌ می‌شود. در بخش‌ های آتی ‌،کاربردهای‌ سیستمهای خبره ‌در صنایع‌ و مؤسسات‌تولیدی‌، بخصوص‌ در زمینه آدمواره‌ها مورد مطالعه‌ وتجزیه‌ و تحلیل‌ قرارمی‌گیرد.

مقدمه:
هوش مصنوعی (Artificial Intelligence) را باید عرصهٔ پهناور تلاقی و ملاقات بسیاری از دانش‌ها، علوم، و فنون قدیم و جدید دانست. ریشه‌ها و ایده‌های اصلی آن را باید در فلسفه، زبان‌شناسی، ریاضیات، روان‌شناسی، نورولوژی، و فیزیولوژی نشان گرفت و شاخه‌ها، فروع، و کاربردهای گوناگون و فراوان آن را در علوم رایانه، علوم مهندسی، علوم زیست‌شناسی و پزشکی، علوم ارتباطات و زمینه‌های بسیار دیگر.
هدف سیستمهای خبره بطور کلی ساخت ماشینی است که بتواند «فکر» کند. اما برای دسته بندی و تعریف ماشینهای متفکر، می‌بایست به تعریف «هوش» پرداخت. همچنین به تعاریفی برای «آگاهی» و «درک» نیز نیازمندیم و در نهایت به معیاری برای سنجش هوش یک ماشین نیازمندیم.
با وجودی که برآورده سازی نیازهای صنایع نظامی، مهم‌ترین عامل توسعه و رشد هوش مصنوعی بوده‌است، هم اکنون از فراورده‌های این شاخه از علوم در صنایع پزشکی، رباتیک، پیش بینی وضع هوا، نقشه‌برداری و شناسایی عوارض، تشخیص صدا، تشخیص گفتار و دست خط و بازی‌ها و نرم افزارهای رایانه‌ای استفاده می‌شود.

فصل اول:   سامانه های خبره

سامانه‌های خِبره یا سیستم‌های خِبره (Expert systems) به دسته‌ای خاص از نرم‌افزارهای رایانه‌ای اطلاق می‌شود که در راستای کمک به کاردانان و متخصّصان انسانی و یا جایگزینی جزئی آنان در زمینه‌های محدود تخصّصی تلاش دارند. اینگونه سامانه‌ها، در واقع، نمونه‌های ابتدایی و ساده‌تری از فن‌آوری پیش‌رفته‌تر سامانه‌های مبتنی بر دانش‌ به حساب می‌آیند.
این سامانه‌ها معمولاً اطلاعات را به شکل واقعیات (Facts) و قواعد (Rules) در دادگانی به نام پایگاه دانش به شکل ساختار مند ذخیره نموده، و سپس با استفاده از روشهایی خاص استنتاج از این داده‌ها نتایج مورد نیاز حاصل می شود.
در حقیقت برنامه هایی هستند که رفتار یک انسان متخصص در یک زمینه بخصوص را تقلید می کنند. این برنامه از اطلاعاتی که استفاده کننده در آن ها ذخیره می کند جهت اعلام یک عقیده در یک موضوع بخصوص استفاده می کند. از اینرو سیستم های خبره تا هنگامی که بتوانند موضوعی را که با پاسخ های شما مطابقت داشته باشد بیابند به سوال کردن از شما ادامه می دهند.

حوزه‌های کاربرد
سامانه‌های خبره موجبات انجام امور و یا تسهیل در انجام آنها را در زمینه‌های متنوّعی همچون پزشکی، حسابداری، کنترل فرایندها، منابع انسانی،خدمات مالی، و GIS فراهم می‌آورند. در هر یک از این زمینه‌ها می‌شود کارهایی از نوع راهنمایی، تحلیل، دسته‌بندی، مشاوره، طراحی، تشخیص، کاوش، پیش بینی، ایجاد مفاهیم، شناسایی، توجیه، یادگیری، مدیریت، کنترل، برنامه‌ریزی، زمان بندی و آزمایش را با مددجویی از سیستم‌های خِبره با سرعت و آسانی بیشتری به انجام رسانید.

مزایای یک سیستم خبره چیست؟
میزان مطلوب بودن یک سیستم خبره اصولا به میزان قابلیت دسترسی به آن و میزان سهولت کار با آن بستگی دارد.
می توان مزایایی که یک سیستم خبره در برابر انسان خبره دارد را به این صورت نام برد:
– برخلاف انسان متخصص که نیاز به خواب، استراحت و غذا و … دارد، یک سیستم متخصص ۲۴ ساعت در شبانه روز و ۳۶۵ روز در سال قابل دسترس است.
– دانش سیستم خبره از بین نمی رود بلکه می توان آنرا ذخیره نمود و حتی بسادگی می توان آنرا کپی برداری کرد.
– یک سیستم متخصص همواره دارای حداکثر کارآیی خود است ولی به محض آنکه یک انسان متخصص خسته شود صحت توصیه های وی ممکن است کاهش یابد.
– یک سیستم متخصص دارای شخصیت نیست. همانطور که شما هم درک کرده اید شخصیت های افراد مختلف اغلب با یکدیگر سازگار نیستند. اگر شما با یک متخصص رفیق یا دوست یا حداقل موافق نباشید، آنگاه احتمالا شانس اندکی برای استفاده از دانش این فرد خواهید داشت. عکس این حالت نیز صحیح است.

– آخرین برتری سیستم های خبره این است که به سادگی و با کپی برداری این برنامه از دستگاهی به دستگاه دیگر و در کمترین زمان ممکن می توان یک سیستم متخصص دیگر بوجود آورد در حالی که تبدیل یک انسان به یک متخصص زمانی طولانی نیاز دارد.

سیستم های  متخصص چگونه کار می کنند؟
هر سیستم متخصص از دو بخش تشکیل می شود:
– بانک اطلاعاتی
– تولید کننده مکالمه

بانک اطلاعاتی
منظور از بانک اطلاعاتی در اینجا مکانیسم نگهداری اطلاعات و قوانین ویژه ای در مورد یک موضوع بخصوص می باشد. با این توصیف دو اصطلاح زیر تعریف می‌شود:
– شیء(Object):
منظور از شیء در اینجا نتیجه ای است که با توجه به قوانین مربوط به آن تعریف می گردد.
– شاخص(Attribute): منظور از شاخص یا «صفت» یک کیفیت ویژه است که با توجه به قوانینی که برای آن در نظر گرفته شده است به شما در تعریف شیء یاری می دهد. بنابراین می توان بانک اطلاعاتی را بصورت لیستی از اشیاء که در آن قوانین و شاخص های مربوط به هر شیء نیز ذکر شده است در نظر گرفته شود. در ساده ترین حالت(که در اکثر کاربردها نیز همین حالت بکار می رود) قانونی که به یک شاخص اعمال می‌شود این مطلب را بیان می کند که آیا شیء مورد نظر شاخص دارد یا ندارد؟ یک سیستم متخصص که انواع مختلف میوه را شناسایی می کند احتمالاً دارای بانک اطلاعاتی به صورت زیر خواهد بود: شیء قانون شاخص سیب دارد روی درخت رشد می کند. دارد گرد است دارد رنگ قرمز یا زرد است ندارد در کویر رشد می کند انگور
بانک ساده شده بالا با تنها استفاده از قانون دارد:
شیء           شاخص هایی که دارد
سیب           رشد روی درخت
گرد بودن رنگ قرمز یا زرد رشد نکردن در کویر

تولید کننده مکالمه
آن بخش از سیستم متخصص است که سعی می کند از اطلاعاتی که شما ذخیره کرده اید جهت یافتن یک شیء منطبق با خواسته شما استفاده نماید. دو نوع عمده از تولید کننده های مکالمه وجود دارد :
– قطعی – احتمالی برخی قوانین قطعی هستند. به عنوان مثال یک شیمیدان می تواند با قطعیت و یقین اعلام کند که اگر اتم مورد نظر دارای ۲ الکترون باشد آنگاه این اتم به عنصر هلیم تعلق دارد. اکثر قوانین قطعی نیستند بلکه با یک درصد مشخص، احتمال وقوع آن‌ها می رود.

با این وجود در بسیاری از اینگونه موارد عامل عدم قطعیت از نظر آماری اهمیت چندانی ندارد و از این رو شما می توانید با این قوانین بصورت قوانین جبری برخورد کنید. در رابطه با این دو گروه عمده(یعنی قطعی و عدم قطعی) سه روش اساسی برای ساخت «تولید کننده مکالمه» وجود دارد: – استدلال پیشرو Forward Chaining – زنجیره سازی پسرو Backward Chaining – ارزشیابی Rule-Value تفاوت بین این سه روش به شیوه ای که «تولید کننده مکالمه» توسط آن سعی می کند به هدف خود برسد بستگی دارد.

ماشین باهوش چیست؟
تورینگ فردی بود که ادعا کرد ماشینی باهوش خواهد بود که بتواند در انجام یک آزمون موفق باشد.  بعد ها این آزمون به تست تورینگ معروف شد. ماشین باید در طی انجام یک مکالمه متنی مانند چت   (Chat) می توانست با طرف مقابل(انسان) طوری ارتباط برقرار کند که انسان تصور کند طرف مقابلش یک انسان است. تورینگ نوع ارتباط را از نوع متنی معرفی کرد شاید به این دلیل که محققان بیشتر به دنبال ایجاد ماشین باهوش باشند. نوع ارتباط می تواند به صورت صوتی هم باشد که نیازمند کار و تحقیقات گسترده ای در زمینه تشخیص گفتار است.

گذرى بیشتر بر سیستم هاى خبره
«استدلال» در میان اهل فن و صاحبان اندیشه تعاریف و تفاسیر متنوعى دارد. در نگاهى کلى، استفاده از دلیل و برهان براى رسیدن به یک نتیجه ازفرضیاتى منطقى با استفاده از روش هاى معین، تعریفى از استدلال تلقى مى شود؛ تعریفى که البته با دیدگاه هاى فلسفى و گاه ایده آل گرایانه از استدلال تفاوت دارد. با این حال موضوع مهم و اساسى در اینجا بحث در چیستى و چرایى این دیدگاه ها نیست، بلکه در مورد چگونگى طراحى سیستم هاى با قدرت استدلال، با هر تعریفى، براى رسیدن به مجموعه اى از تصمیمات منطقى  با استفاده از مفروضات یا به طور دقیق تر دانشى است که در اختیار آن ها قرار مى گیرد. سیستم هایى خبره (expert systems) اساسا براى چنین هدفى طراحى مى شوند. در حقیقت به واسطه الگوبردارى این سیستم ها از نظام منطق و استدلال انسان و نیز یکسان بودن منابع دانش مورد استفاده آن ها، حاصل کار یک سیستم خبره مى تواند تصمیماتى باشد که درحوزه ها و عرصه هاى مختلف قابل استفاده، مورد اطمینان و تاثیرگذار هستند.

بسیارى بر این باورند که سیستم هاى خبره بیشترین پیشرفت را در هوش مصنوعى به وجود آورده اند. آن چه درادامه مى خوانید نگاهى کوتاه به تعاریف و سازوکار سیستم هاى خبره و گذرى بر مزایا و محدودیت هاى به کارگیرى این سیستم ها در علوم و فنون مختلف است. طبیعتا مباحث کاربردى تر و عملى تر درباره سیستم هاى خبره و بحث درباره چگونگى توسعه و پیاده سازى آن ها، نیازمند مقالات جداگانه اى است که در ادامه به آن ها خواهیم پرداخت.

نکات تاریخی
تا ابتدای دهۀ ۱۹۸۰ (م) کار چندانی در زمینۀ ساخت و ایجاد سامانه‌های خِبره توسط پژوهش گران هوش مصنوعی صورت نگرفته بود. از آن زمان به بعد، کار های زیادی در این راستا و در دو حوزۀ متفاوت ولی مرتبط سامانه‌های کوچک خبره و نیز سامانه‌های بزرگ خبره انجام شده است.

هوش مصنوعی و سیستمهای خبره
هوش مصنوعی روشی است در جهت هوشمند کردن کامپیوتر تا قادر باشد در هر لحظه تصمیم گیری کرده و اقدام به بررسی یک مسئله نماید. هوش مصنوعی، کامپیوتر را قادر به تفکر می کند و روش آموختن انسان را تقلید می نماید. بنابراین اقدام به جذب اطلاعات جدید جهت بکارگیری مراحل بعدی می پردازد. مغز انسان به بخش هایی تقسیم شده است که هر بخش وظیفه خاص خود را جدا از بقیه انجام می دهد. اختلال در کار یک بخش تاثیری در دیگر قسمت های مغز نخواهد گذاشت. در برنامه های هوش مصنوعی نیز این مسئله رعایت می‌شود درحالی که در برنامه های غیر هوش مصنوعی مثل C یا Pascal تغییر در برنامه روی سایر قسمت های برنامه و اطلاعات تاثیر دارد.
مباحث کاربردی و مهم در تحقق یک سیستم هوش مصنوعی :
۱- سیستم های خبره(Expert Systems)
۲- شبکه های عصبیNeural Network
۳- الگوریتم های ژنتیک(Genetic Algorithms)
۴- سیستم های منطق فازی(Fuzzy Logic Systems)
یکی از اهداف هوش مصنوعی ، فهم هوش انسانی با شبیه‌سازی آن توسط برنامه‌های کامپیوتری است. البته بدیهی است که "هوش‌"‌ را می‌توان به بسیاری از مهارت‌های مبتنی بر فهم، از جمله توانایی تصمیم‌گیری، یادگیری و فهم زبان تعمیم داد و از این‌رو واژه‌ای کلی محسوب می‌شود.
بیشتر دستاوردهای هوش مصنوعی در زمینه تصمیم‌گیری و حل مسئله بوده است که اصلی‌ترین موضوع سیستم‌های خبره را شامل می‌شوند. به آن نوع از برنامه‌های هوش مصنوعی که به سطحی از خبرگی می‌رسند که می‌توانند به جای یک متخصص در یک زمینه خاص تصمیم‌گیری کنند، expert systems یا سیستم‌های خبره گفته می‌شود. این سیستم‌ها برنامه‌هایی هستند که پایگاه دانش آن‌ها انباشته از اطلاعاتی است که انسان‌ها هنگام تصمیم‌گیری درباره یک موضوع خاص، براساس آن‌ها تصمیم می‌گیرند. روی این موضوع باید تأکید کرد که هیچ‌یک از سیستم‌های خبره‌ای که تا‌کنون طراحی و برنامه‌نویسی شده‌اند، همه‌منظوره نبوده‌اند و تنها در یک زمینه محدود قادر به شبیه‌سازی فرآیند تصمیم‌گیری انسان هستند.

پیش نمایش

پاسخی بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

پنل ارسال پیامک
پایان نامه سبک هاي هويت وسلامت روان در زنان شاغل وخانه دار در شهر تهران
بررسی میزان مسئولیت پذیری در حیطه خانواده و جامعه بین دانش آموزان دختر
طرح psd فاکتور چاپ و تبلیغات رایگان
پایان نامه کارشناسی ارشد معماری – مجموعه گردشگری سوران