پایان نامه ترکیب سیستم های خبره و شبکه های عصبی و کاربرد آن در پزشکی

چکیده فارسی: در یک تعریف کلی می توان گفت سیستم های خبره،برنامه های کامپیوتری هستند که نحوه تفکر یک متخصص در یک زمینه خاص را شبیه سازی می کنندودر واقع این نرم افزار ها،الگوهای منطقی ای را که یک متخصص بر اساس آن ها تصمیم گیری می کند،شناسایی می نمایند و سپس بر اساس آن الگوها،مانند انسان ها تصمیم گیری می کنند. شبکه عصبی نیز یک سیستم پردازش داده هاست که از تعداد زیادی عناصر پردازشگر ساده و بسیار مرتبط با هم (یعنی همان اعصاب مصنوعی) تشکیل شده است و در ساختار آن از پوسته دماغی مغز الهام گرفته شده است. آنچه در نهایت می توان گفت این است که یکی از مزیت های ترکیب سیستم های خبره و شبکه های عصبی این است که می توانند در کنار متخصصان انسانی مورد استفاده قرار بگیرند که ماحصل آن تصمیم گیری مبتنی بر تخصص انسانی و دقت ماشینی است.این فناوری از دید تجاری نیز برای توسعه دهندگان آن سود آور است. صفحه عنوان فصل اول : مقدمه ای برسیستم های خبره 7 — 1-1 مقدمه 7 — 1-2 سیستم خبره چیست؟ 10 — 1-3 تفاوت های سیستم خبره با یک برنامه عادی 12 — 1-4 مفاهیم عمومی سیستم های خبره 14 — 1-5 ویژگی های یک سیستم خبره 18 — 1-6 توسعه تکنولوژی سیستم های خبره 19 — 1-7 محدوده ها و کاربردهای سیستم های خبره 25 — 1-8 اجزای یک سیستم خبره 30 — 1-9 خلاصه فصل دوم : طراحی سیستم های خبره 32 — 2-1مقدمه 32 — 2-2 انتخاب مسئله مناسب 33 — 2-2-1 انتخاب الگوی مناسب 33 — 2-2-2 عواید سیستم 33 — 2-2-3 ابزارها 34 — 2-3 مراحل ایجاد یک سیستم خبره 37 — 2-4 خطاها در مراحل ایجاد 40 — 2-5 مهندسی نرم افزار و سیستم های خبره 43 — 2-6 چرخه حیات سیستم خبره 46 — 2-7 یک مدل چرخه حیات تفضیلی 47 — 2-7-1 طراحی 48 — 2-7-2 تعریف دانش 49 — 2-7-3 طراحی دانش 52 — 2-7-4 تصدیق بر دانش 53 — 2-7-5 ارزیابی سیستم 54 — 2-8 خلاصه فصل3- مبنای شبکه های عصبی 56 — 3-1 مقدمه 56 — 3-2 مبنای پزشکی شبکه های عصبی 57 — 3-3 اعصاب مصنوعی 58 — 3-4 شبکه های عصبی مصنوعی 61 — 3-4-1 شبکه های عصبی و بازخور 62 — 3-4-2 شبکه های عصبی در یک نگاه 62 — 3-4-3 شبکه های عصبی شرکت پذیر 64 — 3-5 یادگیری و فراخوانی 66 — 3-5-1 یادگیری تحت نظارت 73 — 3-6 خصوصیات شبکه های عصبی مصنوعی 75 — 3-7 تاریخچه پیشرفت شبکه های عصبی 75 — 3-7-1 پرسپترون روزنبلات 78 — 3-7-2 پرسپترون های مینسکی و پیپرت فصل4-ترکیب سیستم های خبره و شبکه های عصبی 80 — 4-1مقدمه 81 — 4-2تفاوت های سیستم خبره و شبکه عصبی 81 — 4-2-1 سیستم خبره 82 — 4-2-2: شبکه های عصبی 82 — 4-2-3خصوصیات و تفاوت های سیستم های خبره و شبکه های عصبی 85 — 4-3کاربرد سیستم های خبره و شبکه های عصبی در پزشکی 85 — 4-3-1 استفاده از سیستم های خبره در علم پزشکی 85 — 4-3-2 مقالات کاربرد شبکه های عصبی در پزشکی 106 — 4-4 ترکیب سیستم خبره و شبکه عصبی 109 نتیجه گیری

جزوه سیستم های خبره

جزوه سیستم های خبره 

این فایل شامل دو جزوه می باشد .

شامل بخش های:

پیشگفتار
سیستمهای خبره ؛ مقدمه
پیاده سازی سیستمهای خبره
ساختار سیستمهای خبره
مهندسی دانش
روشهای بازنمایی دانش
تکنیکهای استنتاج
سیستمهای خبره قانون پایه
سیستمهای تولید
استخراج دانش
تصمیم گیری
استدلال فازی
استدلال احتمالی
اکتساب دانش
موضوعات تکمیلی  

دانلود مقاله مقدمه ای برسیستم های خبره

تعداد صفحات : 54 صفحه    -   

قالب بندی : word   

سیستم خبره چیست؟

اولین قدم در حل هر مسئله ای تعریف دامنه یا محدوده آن است.  این نکته همانطور که در مورد روشهای برنامه نویسی متعارف صحت دارد، در مورد هوش مصنوعی نیز درست است. اما به خاطر اسراری که از قبل در مورد هوش مصنوعی ( AI ) وجود داشته، هنوز هم برخی مایلند این عقیده قدیمی را باور کنند که " هر مسئله ای که تا به حال حل نشده باشد یک مسئله هوش  مصنوعی  است". تعریف متداول دیگری به این صورت وجود دارد " هوش مصنوعی کامپیوترها را قادر می سازد که کارهایی شبیه به آنچه در فیلمها دیده می شود انجام دهند".چنین تفکراتی در دهه 1970 میلادی رواج داشت، یعنی درست زمانی که هوش مصنوعی در مرحله تحقیق بود ولی امروزه مسائل واقعی بسیاری وجود دارند که توسط هوش مصنوعی و کاربردهای تجاری آن قابل حلند.

اگرچه برای مسائل کلاسیک هوش مصنوعی از جمله ترجمه زبانهای طبیعی، فهم کلام و بینایی هنوز راه حل عمومی یافت نشده است، ولی محدود کردن دامنه مسئله می تواند به راه حل  مفیدی منجر شود. به عنوان مثال، ایجاد یک « سیستم زبان طبیعی ساده » که ورودی آن جملاتی با ساختار اسم، فعل و مفعول باشد کار مشکلی نیست. در حال حاضر، چنین سیستمهایی به عنوان یک واسط در ایجاد ارتباط کاربر پسند با نرم افزارهای بانک اطلاعاتی و صفحه گسترده ها به خوبی عمل  می کنند. در حقیقت (پاره) جملاتی که امروزه در برنامه های کامپیوتری مخصوص بازی و سرگرمی به کار می روند توان بالای کامپیوتر در فهم زبان طبیعی را به نمایش می گذارند.

همان طور که شکل 1-1 نشان میدهد، هوش مصنوعی شامل چندین زیر مجموعه است. زیر مجموعه سیستمهای خبره یکی از موفق ترین راه حلهای تقریبی برای مسائل کلاسیک هوش مصنوعی است. پروفسور فیگن بام از دانشگاه استانفورد یکی از پیشکسوتان تکنولوژی سیستم های خبره، تعریفی در مورد سیستمهای خبره دارد : « ... یک برنامه کامپیوتری هوشمند که از دانش و روشهای استنتاج برای حل مسائلی استفاده می کند که به دلیل مشکل بودن، نیاز به تجربه و مهارت انسان » (Feigenbaum 82 ). بنابراین سیستم خبره یک سیستم کامپیوتری است که از قابلیت تصمیم گیری افراد خبره، تقلید می نماید. لغت تقلید به این معناست که سیستم خبره سعی دارد در تمام جنبه ها شبیه فرد خبره عمل  کند. عمل تقلید از شبیه سازی قوی تر است چون در شبیه سازی تنها در بعضی موارد شبیه چیزهای واقعی عمل می شود.

اگرچه هنوز یک برنامه چند منظوره برای حل مسائل ایجاد نشده است، ولی سیستمهای خبره در محدوده های خاص به خوبی عمل می کنند. برای اثبات موفقیت سیستمهای خبره فقط کافی است که کاربردهای متعدد سیستمهای خبره را در تجارت، پزشکی، علوم مهندسی ملاحظه نمود و یا کتابها، مجلات، سمینارها و محصولات نرم افزاری اختصاص یافته به سیستمهای  خبره را مشاهده کرد.

سیستمهای خبره یکی از شاخه های هوش مصنوعی است که همچون یک فرد خبره با استفاده وسیع از دانش تخصصی به حل مسائل می پردازد. فرد خبره کسی است که در یک زمینه خاص دارای تجربه و مهارت و در یک کلام خبرگی است. بنابراین فرد خبره دارای دانش یا مهارت خاصی است که برای بیشتر مردم ناشناخته و یا غیر قابل دسترسی است. فرد خبره مسایلی را حل می کند که یا توسط دیگران قابل حل نیست و یا او مؤثرترین ( و البته نه ارزانترین) راه حل را برای آن مسئله ارائه می دهد. وقتی سیستمهای خبره اولین بار در دهه 1970 توسعه یافتند، فقط دارای دانش خبرگی بودند. ولی لغت سیستم خبره امروزه اغلب به هر سیستمی اطلاق می شود که از تکنولوژی سیستم خبره استفاده می کند. این تکنولوژی می تواند شامل زبانهای خاص سیستمهای خبره، برنامه ها و سخت افزارهای طراحی شده برای کمک به توسعه و اجرای سیستمهای خبره باشد.

دانش موجود در سیستمهای خبره می تواند شامل تجربه و یا دانشی باشد که از طریق کتب، مجلات و افراد دانشمند قابل دسترسی است. اصطلاحات سیستم خبره، سیستم مبتنی بر دانش و یا سیستم خبره مبتنی بر دانش، به طور مترادف به کار می روند. بیشتر مردم از اصطلاح سیستم خبره به دلیل کوتاه بودنش استفاده می کنند. این در حالی است که ممکن است حتی در آن سیستم خبره هیچ تجربه و مهارتی وجود نداشته و فقط شامل دانش عمومی باشد.

شکل 2-1 مفهوم بنیانی یک سیستم خبره مبتنی بر دانش را نشان می دهد. کاربر حقایق (یا وقایع) و یا سایر اطلاعات را به سیستم خبره داده و در پاسخ، تجربه، تخصص و توصیه های عالمانه و در یک کلام خبرگی دریافت می کند. از نظر ساختار داخلی، سیستم خبره از دو بخش اصلی تشکیل می شود. بخش اول پایگاه دانش است. این پایگاه حاوی دانشی است که بخش دوم یعنی موتور استنتاج به کمک آن نتیجه گیری می کند. این نتایج، پاسخ سیستم خبره به سوالات کاربر می باشد.

سیستمهای مبتنی بر دانش کارا طوری طراحی شده اند که بتواند به عنوان یک دستیار هوشمند برای افراد خبره عمل کنند. این دستیاران هوشمند به وسیله تکنولوژی سیستمهای خبره طراحی شده اند و دلیل این کار، امکان بسط دانش آنها در آینده می باشد. هر چه دانش بیشتری به یک سیستم دستیار هوشمند اضافه شود، بیشتر شبیه به یک فرد خبره عمل می کند. توسعه یک سیستم دستیار هوشمند می تواند مرحله مهمی در ایجاد یک سیستم خبره کامل باشد. بعلاوه یک دستیار هوشمند می تواند با سرعت بخشیدن به حل مسئله، وقت فرد خبره را آزاد کند. معلمین هوشمند یکی دیگر از کاربردهای هوش مصنوعی هستند. بر خلاف سیستمهای قدیمی آموزش به کمک کامپیوتر، سیستمهای جدید می توانند بسته به زمینه و مفهوم، آموزش یا راهنمایی ارائه دهند (Giarratano 91a).

بر خلاف دانش مربوط به تکنیکهای حل مسایل عمومی، دانش یک فرد خبره حوزه مند است یعنی محدود به یک دامنه خاص است. دامنه یک مسئله، نشاندهنده حوزه خاصی همچون حوزه پزشکی، مالی، علوم و یا مهندسی است که یک فرد خبره می تواند مسایل آن را به خوبی حل کند. سیستمهای خبره طوری طراحی شده اند که مثل افراد خبره در یک حوزه خاص، مهارت داشته باشند. به عنوان مثال شما معمولا انتظار ندارید که یک متخصص شطرنج، در زمینه مسایل پزشکی نیز دانش تخصصی داشته باشد. تخصص داشتن در یک حوزه خاص، به خودی خود، منجر به تخصص داشتن در حوزه های دیگر نمی شود.

دانش یک فرد خبر درباره حل یک مساله خاص، حوزه دانش فرد خبره نامیده می شود.