الگوریتم تصمیم گیری سطح بالا با تحلیل سیگنال های قطر مردمک
Publish place: Journal of Advanced Signal Processing، Vol: 5، Issue: 1
Publish Year: 1400
Type: Journal paper
Language: Persian
View: 276
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_JASP-5-1_011
Index date: 17 April 2022
الگوریتم تصمیم گیری سطح بالا با تحلیل سیگنال های قطر مردمک abstract
محققین سعی دارند با پیاده سازی الگوریتم های تصمیم گیری مشابه عملکرد مغز، به قدرت قابل توجه ذهن انسان دست یابند. تصمیم های سلسله مراتبی، تصمیمات پیچیده ای هستند که نیاز به مکانیزم های استدلال فراشناختی در مغز دارند. بازخورد منفی، قطعیت و قدرت محرک، پارامتر هایی هستند که در شکل گیری این نوع تصمیمات نقش دارند. در این پژوهش به منظور ساخت یک چارچوب محاسباتی مشابه عملکرد مغز برای سیستم های هوشمند، درک ماهیت بیولوژی شکل گیری تصمیمات سطح بالا، استفاده از انواع دیگر داده ها علاوه بر داده های رفتاری نیز مهم خواهد بود. از آنجایی که پاسخ های غیرارادی چشمی حاصل از خروجی آزمایش روان-فیزیک، نماینده معتبری از عملکرد ساز و کار نورونی مغز می باشند، در این پژوهش علاوه بر تحلیل داده های رفتاری به این مسئله پرداخته شده است که آیا با تحلیل داده های غیرارادی انسان (سیگنال های چشمی) می توان به دینامیک حاکم بر تغییرات تصمیمات سطح بالا پی برد. دیده شد که اندازه قطر مردمک، احتمال تغییر در پارامترهای تصمیم های سطح بالا را پیش بینی می کند و بازتاب استراتژی تصمیم سطح بالای فرد تحت شرایط پیچیده است. سپس در راستای توسعه ابزار های مشابه عملکرد مغز در محیط های پیچیده، چارچوبی برای تصمیمات سلسله مراتبی ارائه شده است.
الگوریتم تصمیم گیری سطح بالا با تحلیل سیگنال های قطر مردمک Keywords:
الگوریتم تصمیم گیری سطح بالا با تحلیل سیگنال های قطر مردمک authors
لیلا یحیایی
گروه مهندسی کامپیوتر، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
رضا ابراهیم پور
دانشکده مهندسی کامپیوتر، دانشگاه تربیت دبیر شهید رجایی، تهران، ایران
عباس کوچاری
گروه مهندسی کامپیوتر، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :