این مقاله انگلیسی ISI در نشریه اسپرینگر در 9 صفحه در سال 2018 منتشر شده و ترجمه آن 13 صفحه میباشد. کیفیت ترجمه این مقاله ویژه – طلایی ⭐️⭐️⭐️ بوده و به صورت کامل ترجمه شده است.

مشخصات مقاله انگلیسی (PDF)
سال انتشار مقاله	2018
تعداد صفحات مقاله انگلیسی	9 صفحه با فرمت pdf
نوع مقاله	ISI
نوع ارائه مقاله	کنفرانس
رشته های مرتبط با این مقاله	پزشکی و مهندسی پزشکی
گرایش های مرتبط با این مقاله	غدد و متابولیسم یا اندوکرینولوژی، سایبرنتیک پزشکی
چاپ شده در کنفرانس	کنفرانس بین المللی علوم فناوری اطلاعات – International Conference on Information Technology Science
کلمات کلیدی	سیستم متخصص. تشخیص دیابت. شبکه عصبی. الگوریتم بازگشت به عقب
کلمات کلیدی انگلیسی	Expert system – Diabetes diagnosis – Neural network Back propagation algorithm
ارائه شده از دانشگاه	دانشگاه Covenant ، اوتا ، نیجریه
نویسندگان	Oluwatosin Mayowa Alade، Olaperi Yeside Sowunmi، Sanjay Misra، Rytis Maskeliūna،, and Robertas Damaševičius
شناسه دیجیتال – doi	https://doi.org/10.1007/978-3-319-74980-8_2
بیس	نیست ☓
مدل مفهومی	ندارد ☓
پرسشنامه	ندارد ☓
متغیر	ندارد ☓
رفرنس	دارای رفرنس در داخل متن و انتهای مقاله ✓
کد محصول	9996
لینک مقاله در سایت مرجع	لینک این مقاله در سایت Springer
نشریه اسپرینگر

نوشته دانلود ترجمه مقاله یک سیستم خبره بر پایه شبکه عصبی برای تشخیص دیابت شیرین (اسپرینگر 2018) (ترجمه ویژه – طلایی ⭐️⭐️⭐️) اولین بار در ترجمه فا پدیدار شد.

مشخصات مقاله انگلیسی (PDF)
سال انتشار	2013
تعداد صفحات مقاله انگلیسی	10 صفحه با فرمت pdf
نوع مقاله	ISI
نوع ارائه مقاله	ژورنال
رشته های مرتبط با این مقاله	مهندسی برق، مهندسی کامپیوتر
گرایش های مرتبط با این مقاله	هوش مصنوعی، الکترونیک قدرت و ماشینهای الکتریکی، مهندسی الکترونیک
چاپ شده در مجله (ژورنال)	نتایج بدست آمده در حوزه کاربردهای صنعت – Transactions on Industry Applications
کلمات کلیدی	سیستم خبره، شبکه عصبی، بهینه سازی ازدحام ذرات (PSO)، ماشین سنکرون مغناطیس دائم (PMSM)
کلمات کلیدی انگلیسی	(Expert system – neural network – particle swarm optimization (PSO) – permanent-magnet synchronous machine (PMSM
ارائه شده از دانشگاه	مرکز سیستم های پیشرفته برق، دانشگاه ایالتی فلوریدا، ایالات متحده آمریکا
نمایه (index)	Scopus – Master journals – JCR
نویسندگان	Yaw Nyanteh، Chris Edrington، Sanjeev Srivastava، and David Cartes
شناسه شاپا یا ISSN	ISSN 0093-9994
شناسه دیجیتال – doi	https://doi.org/10.1109/TIA.2013.2253081
ایمپکت فاکتور(IF) مجله	4.267 در سال 2018
شاخص H_index مجله	175 در سال 2019
شاخص SJR مجله	1.091 در سال 2018
شاخص Q یا Quartile (چارک)	Q1 در سال 2018
بیس	نیست ☓
مدل مفهومی	ندارد ☓
پرسشنامه	ندارد ☓
متغیر	ندارد ☓
رفرنس	دارای رفرنس در داخل متن و انتهای مقاله ✓
کد محصول	10156
لینک مقاله در سایت مرجع	لینک این مقاله در سایت IEEE
نشریه آی تریپل ای

نوشته دانلود مقاله ترجمه شده کاربرد هوش مصنوعی به منظور کشف خطای بی درنگ در ماشین های سنکرون مغناطیس ثابت – 2013 IEEE اولین بار در ترجمه فا پدیدار شد.

گروه آموزشی ترجمه فا اقدام به ارائه ترجمه مقاله با موضوع ” بررسی خسارت پل ها با سیستم خبره بر اساس شبکه پتری فازی ” در قالب فایل ورد نموده است که شما عزیزان میتوانید پس از دانلود رایگان مقاله انگلیسی و نیز مطالعه نمونه ترجمه و سایر مشخصات، ترجمه را خریداری نمایید.

مشخصات مقاله انگلیسی (PDF)
سال انتشار	1999
تعداد صفحات مقاله انگلیسی	20 صفحه با فرمت pdf
رشته های مرتبط با این مقاله	مهندسی عمران و مهندسی کامپیوتر
گرایش های مرتبط با این مقاله	مهندسی الگوریتم ها و محاسبات، سازه
مجله	تراکنش ها در سیستم ها، انسان و سیبرنتیک
دانشگاه	گروه علوم کامپیوتر و فناوری اطلاعات، دانشگاه مرکزی، تایوان
کلمات کلیدی	ارزیابی خسارت، سیستم های خبره مبتنی بر شبکه پتری فازی، ارزش حقیقی فازی، شبکه های پتری فازی سلسله مراتبی، الزامات ممکن
شناسه شاپا یا ISSN	ISSN 1941-0492
رفرنس	دارد
لینک مقاله در سایت مرجع	لینک این مقاله در سایت IEEE
نشریه آی تریپل ای

• فهرست مطالب:

چکیده
مقدمه
A. الزامات ممکن
B. سیستم های مبتنی برقواعد با عدم قطعیت و فازی
III. شبکه های پتری فازی
A. پتری شبکه
B. شبکه های پتری فازی
C. تحلیل شبکه های پتری فازی
D. استدلال بر پایه قوانین فازی و شبکه های پتری فازی
IV. سیستم های خبره مبتنی بر شبکه پتری فازی
A. ارائه دانش: شبکه های پتری فازی سلسله مراتبی
B.مکانیسم استدلال
C. تبدیل پایگاهای قانون فازی مودلر شده به شبکه های پتری فازی سلسله مراتبی
D .یک بررسی اجمالی از ابزار FPNES
V. کاربرد ارزیابی خسارت پل
A. استفاده از FPNES برای ارزیابی خسارت
B. توسعه پایگاه های قانون تشکیل شده
C. مطالعه موردی
VI. کارهای مرتبط
VII. نتیجه گیری
ضمیمه A
ضمیمه B

• بخشی از ترجمه:

VII. نتیجه گیری
یک رویکرد شبکه های پتری فازی برای مدل سازی استدلال مبتنی بر قاعده فازی برای گرداوری الزامات ممکن و استدلال فازی جهت کاربرد اطلاعات نامشخص و مبهم پیشنهاد شده است. سه مولفه کلیدی در استدلال مبتنی بر قواعد فازی ما – گزاره های فازی ، قوانین فازی حقیقی مشروط، و حقایق فازی حقیقی مشروط – می توانند به ترتیب به صورت مکان های فازی، تراکنش نامشخص، و نشانه فازی نامشخص فرموله شود. چهار نوع از تراکنش های نامشخص، استنتاج، تجمع، تکرار، و تحولات تجمع – تکرار، برای انجام مکانیزم استدلال مبتنی بر قواعد فازی معرفی شدند. ما همچنین یک چارچوب از سیستم های خبره یکپارچه را بر اساس شبکه پتری فازی مان، به نام سیستم خبره مبتنی بر شبکه پتری فازی پیشنهاد داده ایم.
ویژگی های عمده FPNES عبارتند از: ارائه دانش از طریق استفاده از شبکه های پتری فازی سلسله مراتبی، یک مکانیسم استدلال مبتنی بر شبکه های پتری فازی، و قوانین فازی مودولاریزه شده دگرگونی مبنای شبکه های پتری فازی سلسله مراتبی بودند کاربرد ارزیابی خسارت پل Da-Shi در تایوان به عنوان یک مثال از FPNES مورد استفاده قرار گرفته است. پیشنهادات FPNES منافع زیادی در پی دارند.

• بخشی از مقاله انگلیسی:

VII. CONCLUSION

A fuzzy Petri nets approach to modeling fuzzy rule-based reasoning is proposed to bring together the possibilistic entailment and the fuzzy reasoning to handle uncertain and imprecise information. The three key components in our fuzzy rule-based reasoning—fuzzy propositions, truthqualified fuzzy rules, and truth-qualified fuzzy facts—can be formulated as fuzzy places, uncertain transitions, and uncertain fuzzy tokens, respectively. Four types of uncertain transitions—inference, aggregation, duplication, and aggregation-duplication transitions—are introduced to fulfill the mechanism of fuzzy rule-based reasoning. We also propose a framework of integrated expert systems based on our fuzzy Petri net, called fuzzy Petri net-based expert system.

Major features of FPNES include: knowledge representation through the use of hierarchical fuzzy Petri nets, a reasoning mechanism based on fuzzy Petri nets, and transforming modularized fuzzy rule bases into hierarchical fuzzy Petri nets. An application to the damage assessment of the Da-Shi bridge in Taiwan is used as an illustrative example of FPNES. FPNES offers several benefits.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله

نوشته دانلود مقاله ترجمه شده بررسی خسارت پل ها با سیستم خبره بر اساس شبکه پتری فازی – مجله IEEE اولین بار در ترجمه فا پدیدار شد.

• بخشی از ترجمه:

چکیده
تحقیق کنونی برای ایجاد یک سیستم خبره با استفاده از مسئله ارجاع بیمارستانی به عنوان نمونه، شیوه جدیدی را ارائه می دهد. عوامل زیادی نظیر خصیصه های سازمانی، ریسک های بیمار، پیمودن مسافت و فرصت های ادامه حیات و عوارض، می بایست در تصمیم گیری انتخاب بیمارستان گنجانده شوند. مطلوب این است که هر بیمار به طور جداگانه به وسیله فرایند تصمیم نه تنها با در نظر گرفتن وضعیت شان بلکه باورهای آن ها در مورد ارزیابی مقایسه ای میان خصیصه های بیمارستانی مطلوب، درمان شود. یک سیستم خبره می تواند به این تصمیم گیری پیچیده کمک نماید. بالأخص زمانی که عوامل زیادی باید در نظر گرفته شوند، ما روشی را پیشنهاد داده ایم که الگوریتم سیستم پشتیبانی تصمیم گیری مبتنی بر بهینه سازی و پیش بینی (PODSS) خوانده می شود که بدون یک پایه دانش مشخص، سیستم خبره ای را به وجود می آورد. این الگوریتم دانش را خودش با ایجاد طبقه سازی های یادگیری ماشینی از طریق مجموعه ای از نمونه های برچسب زده شده، کسب می کند. در پاسخ به یک سؤال، ‌الگوریتم با استفاده از یک مرحله بهینه سازی، پیشنهاد سفارشی می دهد تا به بیمار کمک می کند که احتمال دستیابی به یک نتیجه مطلوب را به حد اکثر برساند. در این حالت،‌ بیمارستان پیشنهادی، راه حل بهینه ای است که احتمال نتیجه مطلوب را به حداکثر می کند. این سیستم خبره با طرح ریزی درست می تواند عوامل زیادی را ترکیب کند تا اینکه پشتیبانی تصمصم گیری انتخاب بیمارستان را در سطح فردی ارائه نماید.
١- مقدمه:
کیفیت مراقبت بهداشتی در ایالات متحده مسئله خیلی مهمی به شمار می آید. سالانه ده ها هزار نفر آمریکایی جان خود را از دست می دهند و خیلی ها از جراحات غیرکشنده ناشی از اشتباهات موجود در سیستم مراقبت بهداشتی رنج می برند. رهیافت های زیادی در جهت حل این مسئله هدایت گردیده اند. برای نمونه، چاچوب بهداشتی IT استراتژی های زیادی ارائه نموده است، نظیر ارتقاء گزینش IT ، پرورش همکاری ها، و افزایش حق انتخاب مصرف کننده آگاه در مورد درمانگاه ها یا آسایشگاه ها. آخرین استراتژی اهمیت دارد زیرا گوناگونی کیفیت مراقبت در سراسر نهاد های مراقبت بهداشتی، زیاد است.

• بخشی از مقاله انگلیسی:

Abstract

This study presents a new method for constructing an expert system using a hospital referral problem as an example. Many factors, such as institutional characteristics, patient risks, traveling distance, and chances of survival and complications should be included in the hospital-selection decision. Ideally, each patient should be treated individually, with the decision process including not only their condition but also their beliefs about trade-offs among the desired hospital features. An expert system can help with this complex decision, especially when numerous factors are to be considered. We propose a new method, called the Prediction and Optimization-Based Decision Support System (PODSS) algorithm, which constructs an expert system without an explicit knowledge base. The algorithm obtains knowledge on its own by building machine learning classifiers from a collection of labeled cases. In response to a query, the algorithm gives a customized recommendation, using an optimization step to help the patient maximize the probability of achieving a desired outcome. In this case, the recommended hospital is the optimal solution that maximizes the probability of the desired outcome. With proper formulation, this expert system can combine multiple factors to give hospital-selection decision support at the individual level.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله

نوشته دانلود ترجمه مقاله سیستم خبره ارجاع بیمارستان با الگوریتم سیستم پشتیبانی تصمیم گیری – مجله الزویر اولین بار در ترجمه فا پدیدار شد.

• فهرست مطالب:

چکیده

1. مقدمه

2. پیشینه

1.2. ریسک صنعت هوایی

2.2. ارزیابی ریسک پر کاربرد در صنعت هوایی

3.2. روش FORAS

3. سیستم ارزیابی ریسک عملیات پرواز

1.3. مبانی اصلی

2.3. مرور

3.3. نمایش ریسک

1.3.3 تجزیه سلسله مراتبی

2.3.3. نمایش از طریق سیستم خبره فازی

3.3.3. استنتاج و تحلیل ریسک

4.3.3 شناسایی پارامترهای اصلی و اقدامات اصلاحی

4.3. طراحی مدل

1.4.3. فرایند استخراج دانش

2.4.3. بررسی مدل

3.4.3. طرح تست و اعتبارسنجی

4. نتیجه گیری

تقدیر و تشکر

• بخشی از ترجمه:

4. نتیجه گیری
این مقاله متدولوژی را ارائه کرده است که از طریق آن می توان دانش ایمنی موجود در یک سازمان نظیر یک خط هوایی را استخراج کرد، نمایش داد و برای تحلیل ریسک عملیاتی هر یک از پرواز به کار گرفت. دانش به شکل یک مدل ریسک نمایش داده می شود، مبتنی بر تخصص انسان و در نتیجه نمایانگر تجربه خاص یک سازمان خاص است. از آنجایی که این مدل بر عوامل سببی تمرکز می کند به عنوان یک ابزار کاهش ریسک کنشگرانه و تصمیم یار مفید است. خروجی مدل، شاخص ریسک استاندارد شده ای است که می توان برای تعیین ریسک نسبی آن را با مقدار استاندارد مقایسه کرد. چنین تحلیل سریع، کمّی و یکپارچه ای برای بیان ریسک و مسائل ایمنی در سازمان ارزشمند است.
پژوهش های بعدی در سه مسیر انجام می شوند. بررسی پیاده سازی عملیاتی در یک خط هوایی (خطوط هوایی اِوا) اکنون در حال انجام است. این مطالعه تحلیل و اعتبارسنجی عمیق تری از نتایج را ارائه می کند و فایده واقعی چنین سیستمی را مشخص می کند. علاوه بر این، به روش قدرتمندتری برای تعیین عوامل ریسک «سببی تر» نیاز است. این موضوع پیچیده است زیرا یافتن تعریفی معنادار و مفید از «سببی ترین» یکی از چالش های پژوهشی مهم است. در نهایت، پس از یافتن یک تعریف مفید، می توان سیستم خبره دیگری را برای پیشنهاد اقدامات اصلاحی به کاربران طراحی کرد.

• بخشی از مقاله انگلیسی:

4. Conclusion

This paper has presented a methodology by which the safetyknowledge inherent in an organization such as an airline can beelicited, represented, and used for operational risk analysis on aflight-by-flight basis. The knowledge is represented as a risk model,based on human expertise, and thus representative of and specializedthe specific experience of a particular organization.Because the model focuses on causal factors, it is useful as a proactiverisk reduction tool and decision aid. Output of the model isnormalized risk index which can be compared to a baseline valueto determine relative risk. Such a rapid, quantitative, and consistentanalysis is a valuable aid to communication of risk and safetyissues within the organization.

Further research follows three tracks. A study of an operationalimplementation within an airline (EVA Airways) is now in progress.This study will provide a more in-depth analysis and validationof results, and determine the true usefulness of such a system.In addition, a more robust method of determining the ‘‘mostcausal” risk factors is necessary. This is a complex issue, as findinga meaningful and useful definition of ‘‘most causal” is a significantresearch challenge. Finally, when a useful definition has beenfound, a second expert system can be developed to suggest mitigativeactions to the users.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله

نوشته دانلود ترجمه مقاله سیستم خبره فازی جهت برآورد خطر در هوانوردی – مجله الزویر اولین بار در ترجمه فا پدیدار شد.

•  بخشی از ترجمه:

چکیده
منطق فازی،یک شبکه عصبی و سیستم خبره است که برای ایجاد یک سیستم تشخیصی ترکیبی با یکدیگر ترکیب شده اند.با استفاده از چنین سیستمی ما یک روش جدید برای فراگیری مبانی دانش استفاده می کنیم. سیستم ما شامل یک سیستم خبره فازی همراه با یک بیس دانشی با منبع دوگانه است. دو سری قوانین لازم هستند ، که به صورت استنباطی از مثالهای ارائه شده و به صورت استقرایی توسط فیزیک دانان بدست آمده اند. یک شبکه عصبی فازی سعی میکند که از داده های نمونه یاد گرفته و این اجازه را می دهد که قوانین فازی برای دانش پایه را استخراج کنیم.تشخیص electroencephalograms با تفسیر عناصر نموداری بعنوان یک نوع مشاهده در روش ما بکار گرفته می شود. نتایج اولیه نشان دهنده احتمالات مورد نظر با استفاده از روش ما می باشد.
مقدمه:
روشهای تکراری شناسایی و ارزیابی پدیده خاص را کار تشخیصی می نامند ،که یکی از کاربردهای اصلی برای هوش مصنوعی (AI) می باشد. با توجه به اینکه رنج وسیعی از چنین کاربرهای تشخیصی وجود دارد . اگرچه رنج وسیعی از چنین کاربردهای تشخیصی در پزشکی وجود دارد ولی این بخش مورد توجه استفاده کنندگام از هوش مصنوعی قرار دارد. عمومی ترین روشهای AI در بخش پزشکی مبتنی بر دانش و مدلسازی رفتار تشخیصی متخصصان است . انواع مختلفی از چنین سیستمهای خبره ای از زمانی که SHRTLIFFE روش SHRTLIFFE MYCIN را بعنوان یک سیستم خبره برای تشخیص آسیبهای خونی انسان طراحی و معرفی کرد ، بوسیله پزشکان مورد استفاده قرار گرفته است. یکی از بزرگترین مشکلات بر سر راه طراحی یک سیستم خبره مناسب ، گردآوری و دانش پایه آن است. ما روش جدیدی را معرفی میکنیم که در آن دانش پایه با منبع دوگانه بوسیله یادگیری قیاسی واستقرایی ایجاد می شود. شیکه های عصبی نیز از این راه برای تشخیص استفاده میکنند . آنها قادرند رابطه بین مجموعه داده ها را با داشتن اطلاعات نمونه که نشاندهنده لایه های ورودی و خروجی آنها است ،یاد بگیرند.

• بخشی از مقاله انگلیسی:

Abstract

Fuzzy Logic, a neural network and an expert system are combined to build a hybrid diagnosis system. With this system we introduce a new approach to the acquisition of knowledge bases. Our system consists of a fuzzy expert system with a dual source knowledge base. Two sets of rules are acquired, inductively from given examples and deductively formulated by a physician. A fuzzy neural network serves to learn from sample data and allows to extract fuzzy rules for the knowledge base. The diagnosis of electroencephalograms by interpretation of graphoelements serves as visualization for our approach. Preliminary results demonstrate the promising possibilities offered by our method.

1 Introduction

Repetitively applied cognitive tasks of recognizing and evaluating certain phenomena, called diagnostic tasks, are among the main applications for Artificial Intelligence (AI). As there exists a vast variety of such diagnostic tasks in medicine, it has always belonged to the spectrum of potential users of Artificial Intelligence. Most popular among AI methods in medicine are knowledge based systems [Buchanan and Shortliffe, 1985], modeling the diagnostic behaviour of experts. A variety of such expert systems is being used in everyday practice of physicians since Shortliffe introduced MYCIN Shortliffe, 1976], an expert system designed to diagnose infections of the human blood.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله

نوشته دانلود ترجمه مقاله کاربرد سیستم خبره فازی عصبی ترکیبی جهت تشخیص – مجله ACM اولین بار در ترجمه فا پدیدار شد.

 expert system

VIBEX پیشنهادی یک برنامه مشاوره مبتنی بر سیستم کامپیوتری است که براساس دانش عملی حوزه مسئله خاصی را بررسی می کند. VIBEX یک سیستم خبره می باشد که از توابع مختلفی پشتیبانی کرده و شماتیک سیستم در شکل 1 نشان داده شده است. سیستم از دو برنامه تشکیل می شود، VIBEX-TBL و VIBEX-DT. از VIBEX-TBL برای پرس و جوی فرایند تشخیصی با استفاده از DTA با ماتریس علت- نتیجه استفاده می شود که ارتعاش و شرایط ماشین را نشان می دهد. همچنین این سیستم حاوی یک ادیتور یا ویرایشگر DTA می باشد که از آن برای ورود، تغییر و حذف اطلاعات ارتعاش استفاده می شود. از آنجایی که VIBEX-TBL دارای 42 علت غیر عادی نهفته ارتعاش و 31 نشانه ارتعاش طبق 5 گروه اطلاعات ارتعاش می باشد، در نتیجه ازآن می توان مستقیماً برای تشخیص مسئله استفاده نمود. از VIBEX-DT برای پرس و جوی فرایند با استفاده از DT ساخته شده از طریق آموزش داده ها استفاده می شود. در VIBEX-DT، از مولد DT می توان مستقیماً و به راحتی برای ساخت DT جهت تشخیص ماشین آلات چرخشی با یک روش محاوره ای و شهودی استفاده نمود.

زمانی که از VIBEX-TBL برای تشخیص علل ارتعاش پیچیده استفاده می شود، مفید ظاهر شده و یک حسن دارد، زیرا VIBEX-DT می تواند علل ارتعاش را تعیین و معیارها را محدود نماید. سیستم های مرکب مکملی برای یکدیگر می باشند. برنامه سیستم روی پلتفرم ویندوز اجرا و دارای رابط یا واسط کاربری راحتی می باشد. از Visual Basic و ++ Visual C برای توسعه سیستم تشخیصی استفاده گردید.

منبع: کاربرد درخت تصمیم و جدول تصمیم جهت عیب یابی ارتعاش ماشین آلات چرخشی

نوشته سیستم VIBEX چیست؟ اولین بار در ترجمه فا پدیدار شد.

بخشی از ترجمه:

در این مقاله با استفاده از یک بازبینی علمی/پژوهشی و همچنین دسته بندی مقالات ارائه شده بین سال های ١٩٩۵ تا ٢٠٠۴ میلادی بر اساس شاخص واژه ی کلیدی و چکیده ی مقالات، به بازبینی توسعه های صورت گرفته شده بر روی سیستم های خبره(ES) پرداخته خواهد شد، تا به چگونگی توسعه ی متدلوژی ها و کاربرد های سیستم های خبره در این دهه پی برده شود. بر مبنای ١۶۶ مقاله و ٧٨ ژورنال آکادمیک ارائه شده تا سال ٢٠۴، این مقاله با استفاده از ١١ دسته بندی، به دسته بندی متدلوژی های سیستم های خبره خواهد پرداخت: سیستم های مبتنی بر قاعده ، سیستم های مبتنی بر دانش ، شبکه های عصبی ، سیستم های خبره ی فازی(FES)، متدلوژی شیئ گرا ، استدلال مبتنی بر مورد، معماری سیستم، سیستم های عامل هوشمند، متدلوژی پایگاه داده، مدل سازی و هستی شناسی. همه ی این دسته بندی ها به همراه کاربرد آنها و پژوهش ها و دامنه های مختلفی از مسائل ارائه خواهد شد. مباحثی ارائه شده است که شامل جهت گیری های توسعه ی زیر برای متدلوژی های سیستم خبره میباشد:
• متدلوژی های سیستم خبره، تمایل به توسعه به سمت خبره بودن داشته و کاربرد های این سیستم ها را میتوان از نوع دامنه ی مسئله گرا دانست.
• پیشنهاد شده است که متدلوژی های اجتماعی متفاوتی مانند فلسفه، علم شناختی، و رفتار انسان میتواند سیستم خبره را به عنوان نوع دیگری از متدلوژی پیاده سازی کند.
• توانایی تغییر پیوسته و حفظ یافته های جدیدی را میتوان یکی از نقاط قوت متدلوژی سیستم خبره دانست.

بخشی از مقاله انگلیسی:

Abstract This paper surveys expert systems (ES) development using a literature review and classification of articles from 1995 to 2004 with a keyword index and article abstract in order to explore how ES methodologies and applications have developed during this period. Based on the scope of 166 articles from 78 academic journals (retrieved from five online database) of ES applications, this paper surveys and classifies ES methodologies using the following eleven categories: rule-based systems, knowledge-based systems, neural networks, fuzzy ESs, objectoriented methodology, case-based reasoning, system architecture, intelligent agent systems, database methodology, modeling, and ontology together with their applications for different research and problem domains. Discussion is presented, indicating the followings future development directions for ES methodologies and applications: (1) ES methodologies are tending to develop towards expertise orientation and ES applications development is a problem-oriented domain. (2) It is suggested that different social science methodologies, such as psychology, cognitive science, and human behavior could implement ES as another kind of methodology. (3) The ability to continually change and obtain new understanding is the driving power of ES methodologies, and should be the ES application of future works. q 2004 Published by Elsevier Ltd. Keywords: Expert systems; Expert system methodologies; Expert system applications; Literature survey 1. Introduction Expert systems (ES) are a branch of applied artificial intelligence (AI), and were developed by the AI community in the mid-1960s. The basic idea behind ES is simply that expertise, which is the vast body of task-specific knowledge, is transferred from a human to a computer. This knowledge is then stored in the computer and users call upon the computer for specific advice as needed. The computer can make inferences and arrive at a specific conclusion. Then like a human consultant, it gives advices and explains, if necessary, the logic behind the advice (Turban & Aronson, 2001). ES provide powerful and flexible means for obtaining solutions to a variety of problems that often cannot be dealt with by other, more traditional and orthodox methods. Thus, their use is proliferating to many sectors of our social and technological life, where their applications are proving to be critical in the process of decision support and problem solving. As a part of ES research, this paper surveys the development of ES through a literature review and classification of articles from 1995 to 2004 as a basis, exploring the ES methodologies and applications during that period. The reason for choosing this period is that the Internet was opened to general users in 1994 and this new era of information and communication technology has played important roles, not only in the field of ES, but also in the ability to collect data from online database. This literature survey started on March 2003 and it was based on a search in the keyword index and article abstract for ‘ES’ on the Elsevier SDOS, IEEE Xplore, EBSCO (electronic journal service), Ingenta, and Wiley InterScience online database, for the period from 1995 to 2004, in which 10,439 articles were updated and found on June 2004. After topic filtering, there were 166 articles from 78 journals related to the keyword ‘ES applications’, 98 of which were connected to the methodology of keyword ‘ES methodology’. Based on the scope of 166 articles on ES applications, this paper surveys and classifies ES methodologies using eleven 0957-4174/$ – see front matter q 2004 Published by Elsevier Ltd. doi:10.1016/j.eswa.2004.08.003 Expert Systems with Applications xx (2004) 1–11 www.elsevier.com/locate/eswa * Tel.: C886-2947-2044; fax: C886-2945-3007. E-mail address: michael@mail.tku.edu.tw. DTD 5 ARTICLE IN PRESS categories: rule-based systems, knowledge-based systems, neural networks, fuzzy ESs, object-oriented methodology, case-based reasoning (CBR), system architecture development, intelligent agent (IA) systems, modeling, ontology, and database methodology together with their applications for different research and problem domains. The rest of the paper is organized as follows. Sections 2–12 present the survey results of ES methodologies and applications based on the above categories, respectively. Section 13 presents some discussion, extending to suggestions for future development of ES methodologies and applications. Finally, Section 14 contains a brief conclusion. 2. Rule-based systems and their applications A rule-based ES is defined as one, which contains information obtained from a human expert, and represents that information in the form of rules, such as IF–THEN. The rule can then be used to perform operations on data to inference in order to reach appropriate conclusion. These inferences are essentially a computer program that provides a methodology for reasoning about information in the rule base or knowledge base, and for formulating conclusions. Applications of rule-based systems on ESs are including: state transition analysis, psychiatric treatment, production planning, advisory system, teaching, electronic power planning, automobile process planning, hypergraph representation, system development, knowledge verification/ validation, alcohol production, DNA histogram interpretation, knowledge base maintenance, scheduling strategy, management fraud assessment, knowledge acquisition, knowledge representation, communication system fault diagnosis, bioseparation, material processing design, resource utilization, biochemical nanotechnology, probabilistic fault diagnosis, agriculture planning, load scheduling, apiculture, tutoring system, geoscience, and sensor control. The methodology of rule-based systems and their applications are categorized in Table 1. 3. Knowledge-based systems and their applications The most common definition of KBS is human-centered. This highlights the fact that KBS have their roots in the field of artificial intelligence (AI) and that they are attempts to understand and initiate human knowledge in computer systems (Wiig, 1994). The four main components of KBS are usually distinguished as: a knowledge base, an inference engine, a knowledge engineering tool, and a specific user interface (Dhaliwal & Benbasat, 1996). On the other hand, the term KBS includes all the organizational information technology applications that may prove helpful to manage the knowledge assets of an organization, such as ESs, rulebased systems, groupware, and database management systems (DBMS) (Laudon & Laudon, 2002). Some of these applications which are implemented by knowledge-based systems include the following: medical treatment, personal finance planning, engineering failure analysis, waste management, production management, thermal engineering, decision support, knowledge management, knowledge representation, power electronics design, framed buildings evaluation, financial analysis, chemical incident management, automatic tumor segmentation, business game, climate forecasting, agricultural management, steel composition design, strategic management, environmental protection, wastewater treatment, decision making and learning, isokinetics interpretation, chemical process controlling, therapy planning, plant process control, outage locating planning, concurrent system design, case validation, chip design, agriculture planning, power transmission protection, crop production planning, tropospheric chemistry modeling, planar robots, and urban design. The methodology of knowledge-based systems and their applications are categorized in Table 2.Some applications implemented by fuzzy ESs are such as: power load forecasting, online scheduling, chemical Table 2 Knowledge-based systems and their applications Knowledge-based systems/ applications Authors Medical treatment Alonso-Amo, Perez, Gomez, and Montes (1995) Personal finance planning Dirks, Kingston, and Haggith (1995) Engineering failure analysis Graham-Jones and Mwllor (1995) Waste management Wei and Weber (1996) Production management Dawood (1996) Thermal engineering Afgan and Carvalho (1996) Decision support Keefe and Preece (1996) Knowledge management Dutta (1997) Knowledge representation Mitra and Basu (1997) Framed buildings evaluation Lu and Simmonds (1997) Power electronics design Fezzani, Piquet, and Foch (1997) Financial analysis Matsatsinis, Doumpos, and Zopounidis (1997) Chemical incident management Finch and Lees (1997) Automatic tumor segmentation Clark et al. (1998) Business game Duan, Edwards, and Robins (1998) Climate forecasting Rodionov and Martin (1999) Agricultural management Girard and Hubert (1999) Steel composition design Manohar, Shivathaya, and Ferry (1999) Strategic management Volberda and Rutges (1999) Environmental protection Gomolka and Orlowski (2000) Wastewater treatment Baeza, Ferreira, and Laufuente (2000) Decision making and learning Mockler, Dologite, and Gartenfeld (2000) Isokinetics interpretation Alonso, Fuertes, Martinez, and Montes (2000) Chemical process controlling Barrera-Cortes, Astruc, and Tufeu (2001) Physical therapy planning Tunez, Aguila, and Marin (2001) Plant process control Acosta, Gonzalez, and Pulido (2001) Outage locating planning Liu and Schulz (2002) Concurrent system design Mills and Gomaa (2002) Case validation Knauf, Gonzalez, and Abel (2002) Chip design Bourbakis, Mogzadeh, Mertoguno, and Koutsougeras (2002) Agricultural planning Cohen and Shoshany (2002) Power transmission protection Orduna, Garces, and Handschin (2003) Crop production planning Edrees, Rafea, Fathy, and Yahia (2003) Tropospheric chemistry modeling Saunders, Pascoe, Johnson, Pilling, and Jenkin (2003) Urban design Xirogiannis, Stefanou, and Glykas (2004) Planar robots Sen, Minambres, Garrido, Almansa, and Soto (2004) Table 3 Neural networks and their applications Neural networks/applications Authors Fault diagnosis Wang, Qu, Liu, and Cheng (2004), Yang, Han, and Kim, (2004) Optimal power flow Decision making Alarm processing system Inference mechanisms Diagnostic system Machine learning Fu (1998) Power load forecasting Facility layout design Process control Knowledge learning Gold mining process design Robotic systems Parameter setting Waste treatment Biomedical application Mitigation processes control Engineering ceramics Acoustic signal diagnosing Li, Tasi, Tasi, and Chiu (2004) Crude oil distillation Liau et al. (2004) Shu-Hsien Liao / Expert Systems with Applications xx (2004) 1–11 3 DTD 5 ARTICLE IN PRESS process fault diagnosis, ecological planning, control systems, uncertainly reasoning, knowledge integration, fault diagnosis, power system classification, fault detection, demand evaluation, wastewater treatment, machinability data selection, water supply forecast, radiography classifi- cation, on-line analytic processing, hotel selection, dryer tool integration, pooled flood frequency analysis, medical consultation system, job matching, performance indexing, computer security, gesture recognition, and medical diagnosis. The methodology of fuzzy ESs together with their applications is categorized in Table 4. 6. Object-oriented methodology and their applications Object-oriented methodology combines into one object data together with the specific procedures that operate on this data, where the object combines data and program code. Instead of passing data to procedures, programs send a message for an object to perform a procedure that is already embedded in it. Then, the same message may be sent to many different objects, but each will implement that message differently. An object’s data are encapsulated from other parts of the system, so each object is an independent software building block that can be used in many different systems without changing the program code. Some applications implemented by object-oriented methodology include the following: industry diagnosis, knowledge learning, manufacturing information network, power system maintenance, knowledge engineering, syntactic programming, and knowledge representation. The methodology of object-oriented methodology and their applications are categorized in Table 5. 7. Case-based reasoning and their applications The basic idea of CBR is to adapt solutions that were used to solve previous problems and use them to solve new problems. In CBR, descriptions of past experience of human specialists, represented as cases, are stored in a database for later retrieval when the user encounters a new case with similar parameters. The system searches for stored cases with problem characteristics similar to the new one, finds the closest fit, and applies the solutions of the old case to the new case. Successful solutions are tagged to the new case and both are stored together with the other cases in the knowledge base. Unsuccessful solutions also are appended to the case base along with explanations as to why the solutions did not work (Kolonder, 1994). Some of the applications implemented by CBR include the following: manufacturing process design, knowledge management, power system restoration training, ultrasonic inspection, medical planning, medical application, fault diagnosis, e-learning, and knowledge modeling. These CBR and their applications are categorized in Table 6. 8. Modeling and their applications Modeling methodology becomes an interdisciplinary methodology of ES in order to build formal relationships with logical model design in different knowledge/problem Table 4 Fuzzy expert systems and their applications Fuzzy expert systems/ applications Authors Power load forecasting Kim, Park, Hwang, and Kim (1995) Online scheduling Chang and Thia (1996) Chemical process fault diagnosis Ozyurt and Kandel (1996) Ecological planning Zhu, Band, Dutton, and Nimlos (1996) Power system diagnosis Cho and Park (1997) Control systems Bugarin and Barro (1998) Uncertainly reasoning Pan, DeSouza, and Kak (1998) Knowledge integration Lee, Han, Song, and Lee (1998) Fault diagnosis Lee et al. (2000) and Soliman, Rizzoni, and Kim (1999) Power system classification Dash, Mishra, Salama, and Liew (2000) Fault detection EI-Shal and Morris (2000) Demand evaluation Benson and Asgarpoor (2000) Wastewater treatment Carrasco, Rodriguez, Punal, Roca, and Lema (2004), Punal, Rodriguez, Carrasco, Roca, and Lema (2002), and Punal et al. (2001) Machinability data selection Wong and Hamouda (2002, 2003) Water supply forecast Mahabir, Hicks, and Fayek (2003) Radiography classification Liao (2003) On-line analytic processing Leung, Lau, and Kwong (2003) Hotel selection Ngai and Wat (2003) Dryer tool integration Lababidi and Baker (2003) Medical diagnosis Meesad and Yen (2003) and Sendelj and Devedzic (2004) Pooled flood frequency analysis Shu and Burn (2004) Medical consultation system Boegl, Adlassnig, Hayashi, Rothenfluh, and Leitich (2004) Job matching Drigs et al. (2004) Performance indexing Padilla-Medina and Sanchez-Marin (2004) Computer security Reznik and Dabke (2004) Gesture recognition Frantti and Kallio (2004) Table 5 Object-oriented methodology and their applications Object-oriented methodology/ applications Authors Industry diagnosis Batanov and Cheng (1995) Knowledge representation Vranes and Stanojevic (1995) Electronic power capacity planning Deb (1995) Knowledge learning Menzies (1997) Power system maintenance Kawahara, Sasaki, Kubokawa, Asahara, and Sugiyama (1998) Knowledge engineering Geymayr and Ebecken (1998) Manufacturing information network Lau, Tso, and Ho (1998) Syntactic programming Depradine (2003) 4 Shu-Hsien Liao / Expert Systems with Applications xx (2004) 1–11 DTD 5 ARTICLE IN PRESS domains.

نوشته دانلود مقاله ترجمه شده برنامه های کاربردی و روش شناسی سیستم خبره – مجله الزویر اولین بار در ترجمه فا پدیدار شد.

فهرست مطالب:

 چکیده
1 مقدمه
2 سیستم هوشمند انتشار معکوس
3 سیستم خبره یا هوشمند مولتی BP (MBPES)
1 3 ساختار MBPES
2 3 الگوریتم ساخت MBPES
4 نتایج و تجزیه و تحلیل
1 4 مقایسه تعداد لایه های شبکه
2 4 آزمایش روی داده های ترانسفورماتور
3 4 تجزیه و تحلیل داده های آزمایشی کلید قدرت خلاء یا وکیوم
5 نتایج

بخشی از ترجمه:

5. نتایج
در این مقاله، در مواجهه با داده های واقعی در ترانسفورماتور و برکر فشار قوی ، با الگوریتم گروه بندی متوالی، موازی و هیبریدی، دو شبکه جدید مولتی BP پیشنهاد کردیم. به علاوه، آنها مسئله سرعت پائین همگرایی به خاطر تعداد زیاد لایه های شبکه را با موفقیت حل کرده و سرعت شناسایی و تشخیص را نیز به میزان زیادی افزایش دادند. به علاوه، با مقایسه BPNN و BPES، می توان دید که نتایج حاصل از شبکه های مولتی BP درست تر می باشند. با استفاده از شبکه مولتی BP برای شناسایی سیستم قدرت، نه تنها می توان ترانسفورماتور را به صورت آنلاین(روخطی) و آفلاین (برون خطی) شناسایی نمود، بلکه همچنین، سیستم به سرعت توصیه هایی در جهت شناسایی مطرح می کند.

بخشی از مقاله انگلیسی:

1. Introduction In modern times, power system becomes larger and more complex than before. With its fast development, higher demand for the sustainability and stability of power system is of great requirement. However, some common faults in power system have never been resolved very well and are still hindering the stability of power system, such as transmission fault, network distribution fault, power variable fault (Mizutani et al., 2007). Sometimes, even only one fault could destroy the equipments in power system, and might affect the whole power system. An even worse damage could cause conflagration and casualties, and leading to a huge pecuniary loss. Therefore, it is of great significance to do researches for preventing those faults from power system. And fault diagnosis is a powerful tool to guarantee the safety and reliability of power system. In power system, transformer is a kind of major equipment and plays an important role in power transmission. It can raise voltage so that power can be transported to the user with less loss. On the other hand, the transformer can reduce power into different voltage levels, which can satisfy variety needs of users. Because of its complex structure and function, transformer is tending to cause fault. Unfortunately, transformer fault is very difficult to predict. Moreover, if some accidents take place in transformer, the whole system has no choice but to stop to check and maintain the equipments. Therefore, it is believed that keeping the transformer running in perfect situation plays a key role in power system diagnosis (Lin and Zeng, 2009). High voltage circuit breaker (over 3 kV) is another important element in power system. It has two main functions, namely controlling and protecting. Firstly, it decides when and which parts of the power system should be started or stopped according to the requirements; secondly, when some errors occur in power networks or equipments, the high voltage circuit breaker will quickly break off the error parts from power system, so that other parts can work without influence. In other words, high voltage circuit breaker is able to control the normal current in power lines, and to deal with the overload current, short-circuit current and other abnormal current within a limited time. When a mistake happens in high voltage circuit breaker, it will usually expand to other parts of the power system and finally lead to a worse accident. There are some classical artificial intelligence technologies have been used in power system fault diagnosis, for example: the expert system (Ma et al., 2010), artificial neural networks (El-madany et al., 2011; Zhu et al., 2006; Huang et al., 2002; Karthikeyan et al., 2005), decision tree theory (Qu and Gao, 2008) etc. In recent years, some new theories have been applied in this field, such as data mining (Athanasopoulou and Chatziathanasiou, 2009), fuzzy set theory (Lee et al., 2000; Zhang et al., 2010), rough set theory (Li and Wang, 2010, Li et al., 2011), petri-network (Yang et al., 2004), support vector machine (Eristi and Demir, 2010), multi-agent systems (Zaki et al., 2007), and so on. Li and Liu had performed a comprehensive review of the above-mentioned methods (Li and Liu, 2010). They pointed out that there are some problems in the existing intelligent fault diagnosis expert system theology, such as the difficulty for knowledge gaining and managing, low on-line usage of fault diagnosis, high error rate, poor efficiency of inference process, and so on. Back propagation neural network (BPNN) expert system is an often used method in fault diagnosis. In real applications, BPNN usually has many layers. However, the training time of BPNN will grow exponentially with the layer number increasing. While more serious problem is that it is difficult to converge when BPNN has a large number of layers. Another problem is that the diagnostic accuracy Contents lists available at SciVerse ScienceDirect journal homepage: www.elsevier.com/locate/engappai Engineering Applications of Artificial Intelligence 0952-1976/$ – see front matter & 2012 Elsevier Ltd. All rights reserved. http://dx.doi.org/10.1016/j.engappai.2012.03.017 n Corresponding author. E-mail address: shixh@jlu.edu.cn (X. Shi). Engineering Applications of Artificial Intelligence 26 (2013) 937–944 of BPNN is still not satisfied. To solve those problems, we propose a so called multi-BP expert system (MBPES) method. In MBPES, the whole BPNN networks are divided into many sub-BP groups within a short depth, saying about 5 layers. In this manner, the consumed training time is greatly reduced and it is easy to achieve the convergence of the training process.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله با فرمت ورد

خرید نسخه پاورپوینت این مقاله جهت ارائه

نوشته دانلود ترجمه مقاله سیستم خبره شبکه های عصبی (BPES) در عیب یابی سیستمهای قدرت – مجله الزویر اولین بار در ترجمه فا پدیدار شد.

فهرست مطالب:

 چكيده
1 مقدمه
2 کارهای مرتبط
3 فیلتر کردن مشترک سریع
3 1 ساختار نزدیکترین همسایگی گراف
3 2 الگوریتم سریع توصیه گر
4 آزمایش
4 1 راه اندازی آزمایشی
4 1 1 مجموعه داده ها و الگوریتم
5 نتیجه گیری

بخشی از ترجمه:

نتیجه گیری
این مقاله RCF را که یک الگوریتم CF سریع است ارائه کرده است که از یک گراف K^’-NN بهره می¬برد. نه تنها این الگوریتم پیش بینی های کمتری را انجام میدهد در حالی که نتایج نادرست را فیلتر میکند ، بلکه از بازیابی سریع کاربران مشابه نیز پشتیبانی می¬کند . نتایج تجربی نشان می دهد خروجی به دست آمده از RCF ، نسبت به الگوریتم های مرسوم CF مبتنی بر آیتم یا کاربر، از هر دو نظر پیش پردازش زمان و پردازش پرس و جو در زمان، بدون به خطر انداختن سطح دقت و صحت ، بهتر است زمانی که ما مجموعه ی k و K^’ به ترتیب به 10 و 20 تنظیم کنیم . در حالی که بسیاری از کار های اخیر، مانند Birtolo و Ronca (2013) و Lee و همکاران. (2013)، در بهبود کیفیت توصیه تمرکز داشتند ، هدف اصلی رویکرد ما این است که زمان سپری شده مورد نیاز برای توصیه را کاهش دهیم .
محدودیت های رویکرد ما دو قسم هستند: اول، RCF برای مورد مناسب نیست جایی که ما مجبوریم ارزیابی تمامی آیتم های ارزیابی نشده را پیش بینی کنیم . در کار آینده، ما دوست داریم که یک الگوریتم جدید برای مقابله با این مشکل ارائه کنیم . دوم، عملکرد فیلتر حریص به طور قابل توجهی به مجموعه داده بستگی دارد به طوری که الگوریتم می تواند آهسته تر از پیوستن شاخص معکوس در بدترین حالت باشد . بنابراین ما در حال حاضر در حال توسعه یک الگوریتم ساخت نمودارK^’-KNN جدید هستیم که سطح بالایی از کیفیت و عملکرد را تضمین کند .

بخشی از مقاله انگلیسی:

5. Conclusions

This paper presents RCF, a fast CF algorithm which utilizes a k 0 – NN graph. Not only does this algorithm perform fewer predictions while filtering out inaccurate results, but it also supports the rapid retrieval of similar users. The experimental results show that our approach outperforms traditional user-based/item-based CF algorithms in terms of both preprocessing time and query processing time without sacrificing the level of accuracy when we set k and k 0 to 10 and 20, respectively. While much of the recent work, such as Birtolo and Ronca (2013) and Lee et al. (2013), focuses on improving the recommendation quality, the main aim of our approach is to reduce the elapsed time required for recommendation.

The limitations of our approach are twofold: first, RCF is not appropriate for the case where we have to predict the ratings for all of the unrated items. In future work, we would like to present a novel algorithm for coping with this problem. Second, the performance of greedy filtering significantly depends on the dataset so that the algorithm could be slower than inverted index join in the worst case. Thus we are currently developing a novel k 0 -NN graph construction algorithm that guarantees high level of quality and performance.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله با فرمت ورد

خرید نسخه پاورپوینت این مقاله جهت ارائه

نوشته دانلود ترجمه مقاله کاربرد گراف نزدیکترین همسایه K در الگوریتم فیلتر مشترک – مجله الزویر اولین بار در ترجمه فا پدیدار شد.