Could not compile stylesheet for simplistic. Using last compiled stylesheet.
تفاوت روشهای شبکه عصبی با روشهای سیستمهای خبره (expert system) به ویژه در حوزه عملکرد چیست؟

پاسخ پذیرفته شده

پنج شنبه, فوریه 06 2014, 09:44 AM - #لینک دائمی
در شبکه های عصب برای مدل سازی رفتار سیستم از داده های گذشته و مثال های مبتنی بر واقعیت استفاده می شود. به این معنی که شبکه های عصبی دارای ساختاری هستند که برای تنظیم شدن پارامترهای آن، نیاز به داده هایی آموزشی دارد. وقتی شبکه عصبی با استفاده از این داده ها در اضطلاح آموزش دید تبدیل به جعبه سیاهی می شود که توانایی تقلید از رفتار محیطی که بر مینای آن آموزش دیده سات را دارا می باشد.
اما سیستم های خبره می توانند به جای داده و بردار های عددی، به وسیله قوانین و تعاریفی که توسط انسان یا الگوریتم های بهینه سازی به وارد می شود قابلیت تقلید از رفتار محیط و یا ارائه پایسخ مناسب به محیط را پیدا می کند.
به خاطر این نوع تفاوت ساختار در محیط های مشابه تفاوت هایی بین عملکرد این دو قابل مشاهده است. شبکه عصبی مدلی جنرال و کلی از محیط می سازد و سعس دارد با توجه به امکانتش با کلی ترین حالت مدل را با خطای پاین پیش بینی کند. در حالت های خاص و نادری که در داده های قبلی چگالی کمی داشته شبکه عصبی خوب عمل نمی کند. ولی سیستم های خبره می توانند برای هر حالت خاص و نادی طراحی و مورد استفاده قرار گیرد.
از طرفی طراحی یک سیستم خبره بدون استفاده از الگوریتم های آموزشی بسیار دشوار و نیاز به تخصص و شناخت کامل محیط توسط طراح دارد.
ناگفته نماند که این دو حوزه های علکردی متفاوتی دارند و شبکه عصبی اغلب برای پیش بینی و یادگیری تابع مورد استفاده قرار می گیرد در حالی که سیستم خبره بیشتر برای تصمیم گیری و یا نهایتا اصلاح پیش بینی کاربرد دارد. و تفاوت های ارائه شده در بالا مقایسه این دو در زمانی است که در تقلید از رفتار محیط به کار گرفته شوند.

مرجع ها:

  1. http://Www.saeedfa.com
پاسخ به درستی کمینه شد Show
پاسخ ها (0)
  • هنوز به این بحث پاسخی داده نشده است
پاسخ شما