|
|
|
|
افزایش تعداد مسائل منجر به رسیدن به هدف در محیط های پر پیچ وخم با استفاده از یک مدل مناسب سیستمهای طبقه بند یادگیر مبتنی بر دقت
|
|
|
|
|
|
|
|
نویسنده
|
یوسفی علی ,حکمی اعظم
|
|
منبع
|
ششمين همايش ملي فناوريهاي نوين در مهندسي برق، كامپيوتر و مكانيك ايران - 1402 - دوره : 6 - ششمین همایش ملی فناوریهای نوین در مهندسی برق، کامپیوتر و مکانیک ایران - کد همایش: 02221-18264 - صفحه:0 -0
|
|
چکیده
|
سیستم های طبقه بند یادگیر در مسیر یابی ربات های هوشمند در محیط های مختلف بسیار کار آمد می باشند. یکی از این نوع سیستمها که اخیرا مورد توجه محققان قرار گرفته است سیستمهای مبتنی بر دقت xcsاست بهبود مسیر یابی یک محیط ماز که الگوی مناسبی برای یک ربات مسیر یاب می باشد بسته به نوع چینش محیطی می تواند پیچیدگی های مختلفی داشته و از توپولوژی های مختلفی تبعیت کند . افزایش تعداد مسائل منتج به هدف در یک مساله در محیط ماز از جمله دغدغه های مهم در این نوع محیط هاست. در این مقاله با ارائه یک روش جدید ، در سه نقشه از نقشه های ماز نسبت به افزایش تعداد مسائل منجر به رسیدن به هدف پرداخته شده است. با توجه به اینکه این سیستم ها معمولا غیر مار کوفی است از حافظه در نگهداری بهترین ترکیب شرط- کنش استفاده شده است . نتایج بدست آمده موید بهبود عملکرد ماز به روش جدید در مقایسه با سایر روش های پایه است .
|
|
کلیدواژه
|
هدف، ماز، سیستم طبقه بند یادگیر، سیستم های طبقه بند یادگیر مبتنی بر دقت
|
|
آدرس
|
, iran, , iran
|
|
پست الکترونیکی
|
azam.hokmi@iauh.ac.ir
|
|
|
|
|
|
|
|
|
|
|
|
|
|
increasing the number of problems leading to achieving the goal in maze environments by using a suitable model of accuracy-based learning classifier systems.
|
|
|
|
|
Authors
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|