در این بخش کتاب طراحی و اکولوژی : چارچوبی برای یادگیری با نام لاتین Ecology and Design : Frameworks for Learning برای دانلود قرار داده شده است. این کتاب به زبان انگلیسی، با فرمت PDF و در 561 صفحه می‌باشد. در ذیل صفحه معرفی و فهرست مطالب کتاب آورده شده است.
چکیده:
امروزه فرایندهای توسعه نرم افزار،عمدتا بر پایه روش های مبتنی بر معماری بنا شده اند و معماری نرم افزار مبنای توسعه سیستم محسوب می شود.یکی از فرایندهای اصلی توسعه مبتنی بر معماری،ارزیابی معماری نرم افزار قبل از اتمام طراحی و ورود به مرحله طراحی دقیق و پیاده سازی سیستم می باشد،به گونه ای که اطمینان حاصل گرددمعماری مورد نظر به بهترین نحو نیازهای کاربران را فراهم می سازد.با توجه به تنوع سیستم ها و اهمیت ارزیابی معماری نرم افزار،روش های گوناگونی برای ارزیابی ارائه شده وانتخاب روش ارزیابی مناسب با توجه به نوع سیستم و تنوع روش ها یکی از مباحث اصلی و حساس در این زمینه است.در این چارچوب ها راه حلی برای انتخاب روش ارزیابی مناسب ارئه نشده است.همچنین این چارچوب ها عموما بر روی روش های ارزیابی مهمتری شبیه به یکدیگر تست شده اند.دراین مقاله چارچوبی برای مفایسه و انتخاب روش ارزیابی مناسب بر اساس چارچوب های قبلی،ارائه شده وسپس به مقایسه چندین روش مطرح ارزیابی معماری در این چارچوب پرداخته شده است.مهمترین ویژگی این چارچوب نسبت به چارچوب های قبلی،ارائه راه حلی برای انتخاب روش ارزیابی مناسب می باشد.
شامل 14 صفحه فایل word
موضوع فارسی : میماس: چارچوب برای یادگیری ماشین در سلامت سیستم های چند عاملی
موضوع انگلیسی : MLIMAS: A Framework for Machine Learning in Interactive Multi-Agent Systems
تعداد صفحه : 9
فرمت فایل :pdf
سال انتشار : 2015
زبان مقاله : انگلیسی
چکیده
سیستم های چند عامله در مجتمع، حوزه زمان واقعی نیاز به عوامل موثر به عمل هر دو مستقل و به عنوان بخشی از یک تیم.
پیچیدگی وظایف بسیاری از ناشی در این حوزه را حل کند با رفتارهای از پیش برنامه ریزی عامل آنها را دشوار می سازد.
عوامل باید به جای کشف راه حل خود به خود، با استفاده از یادگیری است. در این مقاله، ما در حال حاضر MLIMAS یک چارچوب برای
یادگیری ماشین در سلامت سیستم های چند عاملی. MLIMAS پیشنهاد شده است برای ارائه پاسخ به مسائل ناشی از
یکپارچه سازی الگوریتم های یادگیری ماشین در سیستم های چند عامله تعاملی، با تمرکز بر سه سوال من) چه یادگیری هستند
اهداف برای عوامل ؟، (II) چگونه می تواند سیستم یادگیری ماشین به معماری عامل یکپارچه؟ و (III) چگونه می توانید عوامل
یاد بگیرند؟ تعاملی MLIMAS آدرس این سه سوال به علاوه حمایت از سیستم های چند عامله شامل مستقل و
عوامل تطبیقی اقدام در زمان واقعی و محیط پر سر و صدا. به عنوان یک نتیجه از چنین قابلیت های مورد نیاز، MLIMAS اجازه می دهد تا پویا
و رفتار هوشمند از عوامل موثر در دستیابی به اهداف به محلی و ائتلاف خود را از قبیل از طریق مدل سازی عوامل دیگر
اقدامات و تعاملی در نظر گرفتن منافع از ترجیحات خود و دیگران را در یادگیری و دستیابی به اهداف عوامل.مطالعه ما به بررسی
چارچوب پیشنهادی در تاکسی دامنه در مقایسه با الگوریتم Q-یادگیری سنتی بدون به اشتراک تعاملی از
اطلاعات آزمایش های ما نشان داد 2 برابر بهبود برای این جایزه به طور متوسط در هر دریافت عوامل از دنباله نه
روش Q-آموزش سنتی است. علاوه بر این، ما٪ 80 بهبود کردم برای همان تعداد از آزمایشات از عوامل برای رسیدن به مسافران.
کلمات کلیدی: سیستم های چند عاملی؛ چارچوب یادگیری مبتنی بر عامل. تعاملی چند عامل یادگیری، هوش مصنوعی؛ فراگیری ماشین؛ مهندسی دانش؛ تاکسی دامنه