یکی از موضوعاتی که بسیار به زمینه هوش نزدیک است یادگیری می باشد . در واقع بدون وجود یادگیری هوش نمی تواند وجود داشته باشد زیرا یادگیری ابزار دریافت دانش های جدید است. یادگیری شما را قادر می سازد ازتجارب ووقایعی که برای خودتان پیش آمده استفاده کنید . ازین رو توانایی یادگیری یک ابزار قدرتمند محسوب می شود و هیچ تعجبی ندارد که بسیاری از برنامه نویسان می خواهند برنامه ای بسازند که بتواند این ابزاررا به همان ترتیبی که انسانها استفاده می کنند بکارگیرد برنامه هایی که بتوانداین عمل را انجام دهد ازلحاظ تئوری برای همیشه آخرین برنامه ای است که نوشته می شود زیرا این برنامه می تواند وظایف مختلف خودش را به سادگی و با فکر کردن یاد بگیرد. فن آوری جدید اطلا عات که سالانه باعث تولید تعداد زیادی کامپیوترهای قدرتمند تر و جدید تر می شود امروزه امکان جمع آوری، انتقال، ترکیب و ذخیره حجم زیادی از اطلا عات را با هزینه زیاد، عملی ساخته است.افزایش مستندات و تصاویر،صداها و جداول و….ما را به سمت استخراج اطلاعات از این داده ها رهنمون می سازد و با یک نگاه دقیق به داده ها در می یابیم که داده ها به تنهایی اگرچه زیاد هم باشند کافی نیستند. . یک روش برای استخراج داده ها با حجم زیاد داده کاوی می باشد که ماشینهای یادگیرنده یکی از کاربردهای ان است این ماشینها دانش مربوط به نمونه ها و مستندات که داده های ما هستند را استخراج می کنند. این سیستم ها به عبارتی رفتار یادگیری انسان را در سیستم های هوشمند شبیه سازی می کند. ماشین های یادگیرنده در سیستم های هوشمند برای افزایش دانش و تغییر آن، افزایش کارآیی و تصحیح اتوماتیک خطا مورد استفاده قرار می گیرند.
فهرست :
مقدمه
یادگیری ماشین
بررسی سیستم های طبقه کننده بر اساس آموزش ماشین سود بخشنده
چرا یادگیری؟
کیو – یادگیری
چالش های حوزه یادگیری ماشین
داده کاوی با استفاده از اتوماتای یادگیر
دستاوردهای حدید گوگل در زمینه یادگیری ماشین
یادگیری سارسا فازی با توزیع محلی پاداش
روش جدید K نزدیکترین همسایه فازی و ناهموار برای طبقه بندی نیمه نظارتی
منابع
دانلود پایان نامه کامل در مورد یادگیری ماشین (تعداد صفحات 92)