دانلود ترجمه مقاله مدل های شباهت مبتنی بر قوانین فازی
ترجمه فارسی مقاله مدل های شباهت مبتنی بر قوانین فازی، امکان یادگیری از مبناهای موارد کوچک را فراهم میکند
.
| دانلود مقاله انگلیسی با ترجمه فارسی : |
| دانلود رایگان مقاله انگلیسی Fuzzy rule-based similarity model enables learning from small case bases |
|
|
.
| بخشی از ترجمه فارسی مقاله : مدل های شباهت مبتنی بر قوانین فازی، امکان یادگیری از مبناهای موارد کوچک را فراهم میکند |
| ایده ی شباهت نقش بسیار مهمی را در استدلال های موردی دارد. اما، معنی شباهت ممکن است در شرایط مختلف تفاوت داشته باشد و بسیار مبتنی بر دامنه ی مورد نظر میباشد. این مقاله یک مدل شباهت جدید را ارائه میدهد که مبتنی بر قوانین فازی زبانی به عنوان مخزن دانش میباشد. ما بر این باور هستیم که قوانین فازی میتوانند ابزار بسیار خوبی برای نشان دادن دانش و معیاری برای بررسی شباهت ها نسبت به معیار های قدیمی باشند. قوانین یادگیری شباهت فازی با استفاده از نمونه های شباهت که از جفت موارد شناخته شده ایجاد شده ، با دانش مخفی برای یادگیری شباهت، اجرا میشود.
ما مقایسه های جفت جفت از موارد را انجام میدهیم تا بتوانیم نمونه های تمرینی مناسب را برای هر قانون شباهت فازی به دست بیاوریم. نتایج تجربی نشان داد که این روش میتواند دانش شباهت فازی را از تعداد کمی از موارد به دست بیاورد و میتواند عملکردی قابل مقایسه با سیستم های CBR فراهم کند تا بر روی کتابخانه های موارد کم نیز از آن ها استفاده کرد. |
.
|
بخشی از مقاله انگلیسی : |
Fuzzy rule-based similarity model enables learning from small case bases |
| The concept of similarity plays a fundamental role in case-based reasoning. However, the meaning of “similarity” can vary in situations and is largely domain dependent. This paper proposes a novel similarity model consisting of linguistic fuzzy rules as the knowledge container. We believe that fuzzy rules representation offers a more flexible means to express the knowledge and criteria for similarity assessment than traditional similarity metrics. The learning of fuzzy similarity rules is performed by exploiting the case base, which is utilized as a valuable resource with hidden knowledge for similarity learning.
A sample of similarity is created from a pair of known cases in which the vicinity of case solutions reveals the similarity of case problems. We do pair-wise comparisons of cases in the case base to derive adequate training examples for learning fuzzy similarity rules. The empirical studies have demonstrated that the proposed approach is capable of discovering fuzzy similarity knowledge from a rather low number of cases, giving rise to the competence of CBR systems to work on a small case library. |
|
.
| مشخصات مقاله : | |
| عنوان فارسی: مدل های شباهت مبتنی بر قوانین فازی، امکان یادگیری از مبناهای موارد کوچک را فراهم میکند |
|
| عنوان انگلیسی: Fuzzy rule-based similarity model enables learning from small case bases |
|
| تعداد صفحات مقاله انگلیسی : 8 | تعداد صفحات ترجمه فارسی : 23 |
| سال انتشار : 2013 |
نشریه: الزویر – Elsevier |
| فرمت مقاله انگلیسی : PDF | فرمت ترجمه مقاله : ورد تایپ شده |
| کد محصول : 224 | رفرنس : دارد |
| محتوای فایل : zip | حجم فایل : 1.85Mb |
| رشته های مرتبط با این مقاله: مهندسی کامپیوتر | |
| گرایش های مرتبط با این مقاله: هوش مصنوعی | |
| مجله: محاسبات نرم کاربردی – Applied Soft Computing | |
| دانشگاه: دانشکده نوآوری، طراحی و مهندسی، دانشگاه ملبورن، سوئد |
|
| کلمات کلیدی: شباهت، استدلال مبتنی بر مورد، قوانین فازی، یادگیری | |
| وضعیت ترجمه عناوین تصاویر و جداول : ترجمه شده است | |
| وضعیت ترجمه متون داخل تصاویر و جداول : ترجمه نشده است | |
| وضعیت فرمولها و محاسبات در فایل ترجمه: به صورت عکس، درج شده است | |
| دانلود مقاله انگلیسی با ترجمه فارسی : |
| دانلود رایگان مقاله انگلیسی Fuzzy rule-based similarity model enables learning from small case bases |
|
|
| مطالب مرتبط: |
|
دانلود مقالات کامپیوتر با ترجمه فارسی دانلود رایگان مقاله انگلیسی با ترجمه فارسی |
.
| پشتیبانی : | |
| شما پس از انتخاب دکمه خرید در سایت کالج پروژه به سایت ایران عرضه جهت انجام مراحل خرید هدایت خواهید شد. | |
| – تلفن ثابت: ۰۴۱۴۲۲۷۳۷۸۱ – ساعات تماس: ۷ صبح الی ۱۸ عصر – آدرس ایمیل: iranarze.supt@gmail.com – تلگرام ایران عرضه: ۰۹۲۱۶۴۲۶۳۸۴ – پیامک: ۰۹۲۱۶۴۲۶۳۸۴ – آدرس: آذربایجان شرقی، مرند، خیابان کشاورزی، کوچه امین، پلاک ۳۰ – کد پستی: ۵۴۱۶۸۵۵۱۸۳ |
|
.
.
