مرکز خرید پروژه،پایان نامه،تحقیقات

بررسی یادگیری ماشین در وب

بخشی از متن:
چکیده:
یادگیری ماشین زمینه­ ای از دانش کامپیوتر است که به تقلید از رفتار یادگیری ماشین می ­پردازد یعنی ماشین مانند انسان با تجربه یک عمل و دریافت بازخورد مناسب تشویقی و تنبیهی رفتار آینده خود را برنامــه ­ریزی می­ کند. یادگیری ماشین یکی از زمینه ­های هوش مصنوعی است.
یادگیری ماشین شاخه ­های متعددی دارد که در اینجا ما به کاربرد یادگیری ماشن در زمینه وب به زمینه یادگیری تقویتی پرداخته یم.
در فصل اول یادگیری ماشین به طور مشــروح بیان شده و در فصـل دوم کاربرد آن در وب بررســی شده­ است.

فهرست مطالب:                                                                                     
چکیده
یادگیری ماشین
مقدمه
1.تعاریف یادگیری
1-1 یادگیری ماشین چیست؟
1-2 هدف یادگیری ماشینی
2. انواع یادگیری
2-1 یادگیری با ناظر (هدایت شده)
2-2 یادگیری بدون ناظر(هدایت نشده)
2-3 یادگیری تقویتی
2-4 یادگیری نیمه نظارتی (نیمه سرپرست)
2-4-1 روش های یادگیری نیمه نظارتی
3 انواع ماشین های یادگیرنده
4 طراحی یک سیستم یادگیرنده
5 تکنیک های یادگیری ماشین
5-1 یادگیری استنتاجی خصوصا درخت تصمیم
5-1-1 ویژگی های درخت تصمیم
5-1-2 کاربرد درخت تصمیم
5-1-3 مسائلی اساسی برای هر درخت تصمیم
5-2 یادگیری پیوندگرا خصوصا شبکه عصبی مصنوعی
5-3 یادگیری از طریق محاسبات تکاملی
5-4 یادگیری از طریق برنامه ریزی سیستم های خبره
5-5 یادگیری تقویتی
6 کاربرد ماشین های یادگیرنده
1 كاوش وب به عنوان يك مساله يادگيري تقويتي
2 طراحي و پياده سازي كاوشگر يادگيري تقويتي
2-1 فاز يادگيري
2-1-1 پردازش داده‌هاي آموزشي و بدست آوردن مقادير Q هر ابرپيوند
2-1-2 نگاشت متن به مقادير Q
2-1-3 دسته بندي كننده هاي متن
2-1-3-1 دسته بندي كننده بيز ساده (Naïve Bayes)
2-1-3-2 دسته بندي كننده ماشينهاي بردار پشتيبان
2-2 فاز آزمايش
3 آزمايشات انجام شده
4 نتایج  حاصل پیاده سازی کاوشگر با روش یادگیری تقویتی
نتیجه گیری
منابع
فهرست اشکال

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.