ارائه یک الگوریتم جدید تصمیم گیر وزنی مبتنی بر آتوماتای یادگیر
Publish place: International Conference on Science and Engineering
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 912
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICESCON01_0233
تاریخ نمایه سازی: 25 بهمن 1394
Abstract:
تحمل پذیری خطا ، امروزه در صنعت ، پزشکی و صنایع دفاعی امری ضروری است . تحمل پذیری خطا به معنی رسیدن به ایمنی و دسترس پذیری مناسب است . یکی از راهکارهای آن اعمال افزونگی به ماژول های سیستم است . در این حالت باید از بین نتایج مختلفی که در ماژول های ورودی بدست می آیند ، بهترین آنها توسط مولفه ای به نام تصمیم گیر انتخاب شود . از اینرو انتخاب تصمیم گیر مناسب در سیستم های بحرانی بسیار مهم است . تصمیم گیرها با توجه به کاربردشان به انواع مختلفی تقسیم می شوند که یکی از پرکاربردترین آنها ، تصمیم گیر میانگین وزنی است . در این مقاله یکتصمیم گیر میانگین وزنی جدید مبتنی بر آتوماتای یادگیر پیشنهاد می شود . تصمیم گیرهای میانگین وزنی محاسبات وقت گیر و پیچیدگی زمانی بالایی دارند . در اینجا با استفاده از آتوماتای یادگیر ، عمل تخصیص وزن به ماژول ها به صورت هوشمند انجام می شود ، به همین دلیل از انجام محاسبات پیچیده اجتناب می شود و درنتیجه زمان اجرا نیز کاهش می یابد . از طرفی برخی از تصمیم گیرها ایمنی و دسترس پذیری مطلوبی را که نقش بسزایی در اجرای صحیح سیستم ها دارند ، ارائه نمی دهند . نتایج تجربی نشان می دهند که تصمیم گیر پیشنهادی این دو پارامتر را در حضور خطاهای دائمی و متناوب ، به طرز چشمگیری بهبود می بخشد
Keywords:
تحمل پذیری خطا الگوریتم های تصمیم گیری میانگین وزنی دسترس پذیری ایمنی آتوماتای یادگیر
Authors
الهام بهرامسری
دانشکده مهندسی کامپیوتر،دانشکده فنی و مهندسی ، دانشگاه آزاد اسلامی واحد الیگودرز
عباس کریمی
دانشکده مهندسی کامپیوتر،دانشکده فنی و مهندسی ، دانشگاه آزاد اسلامی واحد اراک
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 :