پیاده سازی دنیای هیولا وامپوس با سی شارپ

بخشی از متن اصلی :

پیاده سازی دنیای هیولا وامپوس با سی شارپ

مشابه دنیای مکش، دنیای Wumpus شبکه‌ای از مربع است که توسط دیوارهایی احاطه شده‌اند، که هر مربع می‌تواند شامل

عامل‌ها و اشیاء باشد. وظیفه عامل یافتن طلا و بازگشتن به نقطه شروع و بالا رفتن از غار است. برای مشخص نمودن وظیفه

عامل، ادراکات، عملیات و اهداف آن را باید مشخص کنیم. در دنیای Wumpus، اینها به صورت زیر هستند:

از مربعی که شامل Wumpus است و مربع‌های مجاور (نه قطری) عامل بوی بدی را دریافت می‌کند .

در مربعهایی که مستقیماً مجاور با چاله‌ها هستند، عامل نسیمی را دریافت می‌کند.

زمانی که Wumpus کشته می‌شود، فریادی سر می‌دهد که هر جایی از غار شنیده می‌شود.

ادراکات به عامل به صورت لیستی از پنج سیمبول داده می‌شود.

مانند دنیای مکش، عملایتی برای جلو رفتن، چرخیدن 90 به سمت چپ، چرخیدن 90 به سمت راست وجود دارد.

عامل نابود خواهد شد زمانی که وارد یک مربع شامل سیاده چاله و یا کی Wumpus زنده می‌‌شود.

هدف عامل یافتن طلا و برگرداندن آن به خانه شروع با سرعت تمام است، بدون آنکه کشته شود

در مربعی که طلا وجود دارد، عامل یک درخششی را درک می‌کند.

زمانی که یک عامل به داخل دیواره قدم بر می‌دارد، ضربه‌ای را دریافت می‌کند.

فرمت فایل : C Sharp

هوش مصنوعی

موضوع ارائه:هوش مصنوعی

نام مرجع : Artificial Intelligence A Modern Approach   نویسنده : استوارت راسل، پیتر نورویگهوش مصنوعی Artificial Intelligence فهرست
هوش مصنوعی چیست؟
مبانی هوش مصنوعی
تاریخچه هوش مصنوعیهوش مصنوعی چیست؟عاقلانه فکر کردنمانند انسان فکر کردنعاقلانه عمل کردنمانند انسان عمل کردنمانند انسان عمل کردن Acting humanly
 هنر ساخت ماشینهایی که کارهایی را انجام میدهند که آن کارها توسط انسان با فکر کردن انجام میشوند.
مطالعه برای ساخت کامپیوترها برای انجام کارهایی که فعلاً انسان آنها را بهتر انجام میدهد.تست تورینگمانند انسان فکر کردن Thinking humanly
تلاش جدید و هیجان انگیز برای ساخت ماشین هایی متفکر و با حس کاملخودکارسازی فعالیت های مرتبط با تفکر انسان، فعالیتهایی مثل تصمیم گیری، حل مسئله، یادگیریعاقلانه فکر کردن Think rationally مطالعه توانایی های ذهنی از طریق مدل های محاسباتی (منطق گرایی)
مطالعه محاسباتی که منجر به درک و استدلال می شود.عاقلانه عمل کردن Act rationallyطوری عمل کند که بهترین نتیجه را ارائه دهد
هوش محاسباتی، مطالعه طراحی عامل های هوشمند استمبانی هوش مصنوعیفلسفه: منطق، استدلال، ناشی شدن تفکر از مغز فیزیکی، مبانی یادگیری، زبان و عقلانیتروان شناسی: تطبیق، اثر طبیعی ادراک و تاثیر آن بر محیطزبان شناسی: علم ارائه، گرامرریاضیات: نمایش رسمی الگوریتمها، محاسبات، تصمیم پذیری و تصمیم ناپذیری، احتمالنظریه کنترل و سیبرنتیک: تحت کنترل در آوردن محصولات مصنوعی، ثبات و پایداری، طراحی عامل بهینهعلوم عصبی: نحوه پردازش اطلاعات توسط مغزاقتصاد: نظریه تصمیمهای عقلایی، نظریه بازیمهندسی کامپیوتر: ساخت کامپیوترهای سریعتاریخچه هوش مصنوعی»1943، مک کولوچ و والتر پیتز: ارایه مدل نرون مصنوعی بیتی( دو حالته) قابل یادگیری به منظور محاسبه هر تابع قابل محاسبه. 1950، آلن تورینگ اولین بار دید کاملی از هوش مصنوعی را تحت عنوان “ محاسبات ماشینی و هوشمند” ارایه نمود. 1951، هینسکی و ادموندز اولین کامپیوتر شبکه عصبی را طراحی کردند. 1952، آرتور سامویل: برنامه ای ساخت که یاد میگرفت بهتر از نویسنده اش بازی کند؛ در نتیجه این تصور را که “کامپیوتر فقط کاری را انجام میدهد که به آن گفته شود” نقض کرد. 1956،نشست کارگروهی دورتموند: انتخاب نام هوش مصنوعی1959، هربرت جلونتر: برنامه(GTP) را ساخت که قضایا را با اصل موضوعات مشخص ثابت می کرد. 1958، جان مک کارتی: تعریف زبان لیسپ که بهترین زبان هوش مصنوعی شد. 1958-1973، جیمز اسلاگل: برنامه حل مسایل انتگرالگیری فرم بسته تام ایوانز: برنامه حل مشابهت های هندسیدانیل بابروز: برنامه حل مسایل جبریدیوید هافمن: پروژه محدوده بینایی روبات در جهان بلوکها دیوید والتز: سیستم بینایی و انتشار محدود (1973-1966) کند شدن مسیر تحقیقات هوش مصنوعی  
 پیچیده شدن الگوریتم برنامه های جدید  برنامه ترجمه متون  
 انجام ناپذیری بسیاری از مسائلی که سعی در حل آنها بود  عدم موفقیت اثبات قضایا با مفروضات بیشتر   بکارگیری بعضی محدودیتها روی ساختارهای اساسی  محدودیت نمایش پرسپترون دو ورودی(1969- 1979) سیستم های مبتنی بر دانش
جست و جوی همه منظوره که سعی بر یادگیری داشت تا پیمودن راه حل کامل  مثل برنامه DENDRAL، بوچانان و همکارانش در سال 1969 • مزیت برنامه DENDRAL این بود که اولین سیستم پاداش غنی بود
 متدولوژی جدید سیستم خبره مثل سیستم MYCIN که برای تشخیص عفونتهای خونی طراحی شد • استفاده از فاکتورهای قطعیت
 افزایش تقاضا برای شِمای نمایش دانش  استفاده از منطق در پرولوگ، استفاده از ایده مینسکی یعنی قابها و ... 1980 تا کنون: تبدیل هوش مصنوعی به یک صنعت 1986 تاکنون: برگشت به شبکه های عصبی 1987 تاکنون: هوش مصنوعی به علم تبدیل میشود 1995 تاکنون: ظهور عاملهای هوشمند...277 صفحهپاورپوینت

بینایی کامپیوتر و کاربردهای آن

از میان همه شاخه‌های هوش مصنوعی، شاید کاربردی‌ترین آن‌ها کامپیوتری و مکانیزه کردن سیستم‌های بینایی باشد. دامنه کاربرد این شاخه از فناوری در حال رشد، بسیار وسیع است و از کاربردهای عادی و معمولی مثل کنترل کیفیت خط تولید و نظارت ویدئویی گرفته تا تکنولوژی‌های جدید مثل اتومبیل‌های بدون راننده را دربرگرفته است. دامنه کاربردهای این تکنولوژی براساس تکنیک‌های مورد استفاده در آن‌ها تغییر می‌کند. دراین مقاله سعی داریم به شما نشان دهیم که سیستم‌های بینایی ماشین چگونه کار می‌کنند و مروری کوتاه بر اهداف، تکنیک‌ها و تکنولوژی‌های موجود داشته باشیم و سعی داریم با نحوه کار بینایی ماشین و پیشرفت آن‌ها که مطابق با سیستم بینایی انسان است، آشنا شویم. در این متن، بررسی‌ خود را با دو مثال انجام می‌دهیم. اولی سیستم کنترل کیفیت خط تولید است که شامل نحوه عکس‌برداری و ذخیره و شیوه تفسیر عکس‌های گرفته شده به‌صورت خودکار است و دیگری به‌عنوان یک مثال پیچیده‌تر، چگونگی بینایی یک ربات را توضیح می‌دهد.

28 صفحه فایل ورد با فونت 11 به همراه تصویر

فهرست:

مقدمه

کنترل کیفیت خط تولید

عکس‌برداری

چشم انسان

دوربین CCD

درک تصویر

پردازش اطلاعات در  مغز

نمایش دانش

نتیجه گیری بخش اول

کاربرد در صنعت

کاربرد در پزشکی

کاربرد در رباتیک

کاربرد در ورزش

کاربرد در هویت سنجی و امنیتی

کاربرد در تشخیص چهره

کاربرد در زمین شناسی

کاربرد در فضانوردی ونجوم

کاربرد در شهرسازی

کاربرد در هنر وسینما

کاربرد در فناوری های علمی

کاربرد در روانشناسی

کاربرد در کشاورزی

بخش سوم تشخیص پلاک خودرو

کاربردهای سیستم شناسایی شماره پلاک خودرو

کاربرد سیستم در دولت الکترونیک

کاربرد سیستم در پارکینگ های عمومی

شناسایی خودروهای مسروقه

سیستم متحرک شناسایی پلاک خودرو

تشخیص محل پلاک خودرو