محمدرضا ملاخلیلی میبدی - دانشکده مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران
محمدرضا میبدی - دانشکده مهندسی کامپیوتر و فناوری اطلاعات دانشگاه صنعتی امیرکبیر

در این مقاله یک آتاماتای توزیع شده جدید به نام آتاماتای یادگیر توزیع شده توسعه یافته برای یادگیری توزیع توام مجموعه ای ازمتغیرهای تصادفی معرفی خواهد شد. این شبکه از آتاماتاها، در محیط هایی که پاسخ محیط به مجموعه ای از اقدامات انجام شده توسط آتاماتا،مستقل از یکدیگر نبوده و نوعی وابستگی شرطی میان این پاسخ ها حاکم باشد، کاربرد دارد. نشان داده ایم که این آتاماتای جدید قادر است تخمینیاز توزیع شرطی اقدام ها را فرا بگیرد. در ادامه چارچوبی مبتنی بر آتاماتای یادگیر توزیع شده جدید پیشنهادی، برای حل مساله یادگیری برخطپارامترهای شبکه ارائه شده است. این چارچوب با داده هاو شواهد جدید منطبق شده و عملیات به روزرسانی پارامترها را انجام می دهد. بابررسی های ریاضی و آزمایش های عملی روی شبکه های نمونه، نشان داده ایم که این مدل جدید قادر است با تخمینی با دقت برابر با تخمین بیزین،یادگیری پارامترهای یک شبکه بیزی را انجام دهد. علاوه بر ویژگی افتراقی بودن و یادگیری برخط، این ساختار جدید با شرایطی که داده ها ناکاملباشند نیز سازگار است و به دلیل استفاده از روابط یادگیری خطی و مبتنی بر آتاماتای یادگیر، سربار محاسباتی کمی نیز دارد.

آتاماتای یادگیر توزیع شده، تخمین درست نمایی بیشینه، یادگیری پارامتری شبکه بیزی