مقالات جذاب سيستم هاي خبره (فارسی) - صفحه 5 - Artificial Intelligence

**Astaraki** · ۰۵-۲-۱۳۹۰, ۱۰:۲۵ بعد از ظهر

39- طراحي يک سيستم خبره براي تشخيص و پيشنهاد در مورد شيوه درمان سرطان خون

مقدمه: سيستم هاي خبره با هدف در دسترس قرار دادن مهارت هاي افراد متخصص، براي افراد غير متخصص طراحي شده اند. اين برنامه ها الگوي تفکر و شيوه عملکرد انسان را شبيه سازي مي کنند و باعث نزديکي عملکرد سيستم هاي خبره با عملکرد انسان يا فرد خبره مي شوند. تاکنون سيستم هاي خبره گوناگون در زمينه علوم پزشکي ارايه شده و از اين حيث يکي از علوم پيشتاز مي باشد. سرعت عمل همواره در تشخيص و درمان بيماري سرطان خون و در بهبود حال بيماران بسيار موثر مي باشد، اما گاهي دسترسي به پزشکان متخصص براي بيماران وجود ندارد و از اين رو طراحي سيستمي با دانش پزشک متخصص که تشخيص و راه درمان مناسب را به بيماران ارايه نمايد، شرايط درمان به موقع بيماران را فراهم مي کند.
روش بررسي: در اين مقاله يک سيستم خبره براي تشخيص سرطان خون با استفاده از پوسته VP-Expert ارايه؛ و در آن دانش لازم براي تشخيص و پيشنهاد درمان به صورت قواعد در پايگاه دانش سيستم ذخيره شده است.
يافته ها: در صورت عدم حضور خبرگان با استفاده از نرم افزارهاي هوشمند مي توان تاحد نسبتا قابل اعتمادي به تشخيص و ارايه شيوه درمان پرداخت.
نتيجه گيري: استفاده از سيستم هاي هوشمند و نيمه هوشمندي چون سيستم هاي خبره مي تواند به صورت تصميم يار در اختيار استفاده کنندگان قرار گيرد. هر چند در حال حاضر به هيچ وجه نمي تواند جايگزين خبرگان شود.

كليد واژه: سيستم خبره سرطان خون، تشخيص بيماري، شيوه درمان

**Astaraki** · ۰۵-۲-۱۳۹۰, ۱۰:۴۳ بعد از ظهر

40- سیستم خبره بنگاه املاک

**Astaraki** · ۰۵-۳-۱۳۹۰, ۰۹:۰۸ قبل از ظهر

41- تعيين محل هيپوكمپوس در تصاوير mri مغز انسان با استفاده از يک سيستم خبره

هيپوكمپوس قسمتي از ماده خاكستري و يكي از ساختارهاي طبيعي مغز انسان است. براي منظورهاي تحقيقاتي، تشخيصي و درماني، تخمين حتي الامكان دقيقي از حجم اين ساختار مورد نياز است. اين كار معمولا از طريق بررسي تصاوير mri انجام مي شود. تخمين حجم هيپوكمپوس مي تواند در سه مرحله به انجام رسد: (1 تعيين محل تقريبي، (2 تشخيص مرزهاي دقيق، (3 محاسبات مربوط به تخمين حجم هيپوكمپوس. اين مقاله روشي اتوماتيك (خودكار) براي تعيين محل هيپوكمپوس ارايه مي دهد.
روش پيشنهادي تركيبي از يك نوع بينايي مبتني بر جستجو براي استخراج اطلاعات تصوير، و يك سيستم خبره براي تحليل اطلاعات جمع آوري شده، مي باشد. براي طراحي سيستم خبره مورد نياز، از يك پوسته سيستم خبره به نام vp-expert، استفاده شده است. تحليل اطلاعات از طريق قواعدي انجام مي شود كه برخي مبتني بر دانش آناتومي و برخي مبتني بر خاصيت تقارن شكل گرفته است. نتايج به دست آمده نشان مي دهد كه تا حد زيادي مي توان به اين روش براي تعيين محل يا بازشناخت اشيا در تصاوير پيچيده پزشكي اميد داشت. با اين روش در 128 تصوير از 6 بيمار، تمام لايه هاي بدون هيپوكمپوس شناسايي شده است، ضمن آنكه در %58.3 از لايه هاي داراي هيپوكمپوس محل اين ساختار به نحو خوبي مشخص شده است.

**Astaraki** · ۰۵-۳-۱۳۹۰, ۰۹:۲۳ قبل از ظهر

42- تدوين يک سيستم خبره فازي جهت طراحي ساختار سازماني

در اين مقاله با فرض قرار دادن رويكرد اقتضايي، سعي شده است، مدلي بر مبناي رياضيات فازي جهت تعيين ساختار مناسب سازماني ارايه گردد. مدل معرفي شده پنج مرحله دارد. در مرحله اول يك سيستم فازي طراحي مي شود كه ورودي هاي آن را چهار بعد مهم محتوايي سازمان و خروجي آن را شكل هاي مختلف سازماني معرفي شده توسط مينتزبرگ، تشكيل مي دهند. در مرحله دوم ورودي ها و خروجي ها پس از افرازبندي، به اعداد فازي تبديل مي شوند. قوانين استنتاج (موتور استنتاج) در مرحله سوم تبيين مي گردند. در مرحله چهارم فازي زدايي انجام مي گيرد. در نهايت مدل طراحي شده در مرحله پنجم آزمون مي شود.

كليد واژه: ساختار سازماني، تئوري مجموعه هاي فازي، ابعاد محتوايي، رويكرد اقتضايي، سيستم خبره

**Astaraki** · ۰۵-۳-۱۳۹۰, ۰۹:۵۷ قبل از ظهر

43- تبيين قابليت هاي توانمندساز سيستم خبره براي ارتقاي تصميمات راهبردي سازمان

تصميم گيري زيربناي ايجاد سازمان و حرکت، رشد و توسعه آن ها براي کسب اهداف مشخص در سطوح راهبردي است و بر پايه ادراک، دانش، آگاهي از پيامدها، شناخت محيط و سرعت عمل رهبران و مديران سازمان صورت مي گيرد. گستردگي و پيچيدگي فرايند هاي لازم براي تحقق به عزم سازمان و اتخاذ تصميم هاي راهبردي ضرورت بهره مندي سازمان از يك سامانه سيستماتيک و هوشمند تصميم گيري را غيرقابل اجتناب مي سازد. در اين مقاله به بررسي و تبيين قابليت هاي توانمندساز سيستم خبره و تاثير آن بر تصميمات سازمان مورد مطالعه در سطوح استراتژيک به مطالعه مي پردازد. جامعه آماري تحقيق را 68 نفر از مديران سازمان در سطوح ارشد و مياني در تعامل با ماهيت محتوايي يك سيستم هوشمند تصميم گيري شکل مي دهد. تحقيق متضمن فرضياتي در چارچوب تشخيص ماهيت مسايل سازمان، قدرت ادراک تصميم گيران، شناسايي فرصت ها، انتخاب راهکار مناسب و ارزيابي تصميمات سطوح استراتژيک است که با توجه به ويژگي هاي سيستم خبره مورد بررسي و آزمون قرار گرفته است. پس از ارايه داده ها، تحليل رفتار آزمودني ها و تبيين نتايج آزمون فرضيه ها، راهبرد هايي جهت اشاعه سيستم هاي هوشمند در سطوح مديريت عالي سازمان ارايه مي شود.

كليد واژه: تصميم راهبردي، سيستم خبره، هستارشناختي توانمندي ها، تعامل سازه هاي تصميم خبره محور

**Astaraki** · ۰۵-۳-۱۳۹۰, ۱۰:۱۰ قبل از ظهر

44- پيدا كردن نقاط شكست در هماهنگي رله ها با استفاده از سيستم خبره

يكي از مشكلاتي كه در شبكه هاي قدرت به هم پيوسته وجود دارد، مساله هماهنگي رله هاي شبكه مي باشد، اصلي ترين قسمت هماهنگي رله هاي يك شبكه، پيدا كردن نقاط شروع اين هماهنگي است كه به آنها مجموعه نقاط شكست مي گويند. راهكارهاي زيادي براي پيدا كردن اين مجموعه پيشنهاد شده است كه مهمترين و كاراترين آنها تاكنون تئوري گراف بوده است{ 1،2،3}. مشكل اساسي تئوري گراف در اين است كه فقط به توپولوژي سيستم قدرت پرداخته و پارامترهاي بسيار ديرگي كه در شبكه قدرت تعيين كننده شروع هماهنگي هستند را در نظر نمي گيرد. در حاليكه ساير پارامترهاي ديگري كه در تعيين نقاط شكست تاثير دارند نيز بايد منظور شوند. طرز تاثير اين پارامترها بر نقاط شكست با توجه به تجربيات افراد خبره تعيين مي شود. در اين مقاله تحليل جامعي در خصوص پارامترهاي موثر بر مشخص شدن نقاط شكست نظير نوع عناصر حفاظتي همچون عنصر سريع، سطح اتصال كوتاه، دور و نزديك بودن به منبع، تعداد رله هاي وابسته به هر رله و …. صورت مي گيرد. در اين تحليل تئوري گراف يكي از پارامترها مي باشد. براساس قوانين خبره ياد شده، برنامه كامپيوتري قابل انعطافي نوشته شده و آزمايش برنامه بر روي مثال هايي انجام گرفته و نتايج با جواب هاي تئوري گراف مقايسه مي شود.

كليد واژه: حفاظت سيستم هاي قدرت، سيستم هاي خبره، هماهنگي رله ها، نقاط شكست

عسكريان ابيانه حسين,رضوي فرزاد

**Astaraki** · ۰۵-۱۶-۱۳۹۰, ۱۱:۱۰ قبل از ظهر

45- طراحی مدل پیش بینی ترکیب در صنعت نفت (مدل سیستم های خبره تصمیم گیرنده)

چکیده:
پیش بینی های مختلف مسایل اقتصادی متکی به روش های اقتصادسنجی می باشد و توان بالای این مدل ها در برآورد معادلات خاص منجر به استفاده وسیع از این مدل ها شده است. از حدود دو دهه قبل روش های ترکیبی در پیش بینی مطرح شده است و در این تحقیق، رویکرد پیش بینی ترکیبی در مدل های اقتصادی مورد بررسی و تجزیه و تحلیل قرار گرفته است.رویکرد مذکور به خاطر توان بالایی که در کاهش میزان خطای نتایج پیش بینی دارد، در مسایل مختلف مالی و اقتصادی و بازرگانی به کار گرفته شده است. در این تحقیق سعی شده است با تأکید بر آخرین دستاوردها در حوزه مسایل پیش بینی ترکیبی، با استفاده از این رویکرد تا حد امکان خطاهای پیش بینی تقاضای نفت را کاهش داد. جهت مدلسازی ترکیبی، در ابتدا با استفاده از روش های مختلف، پیش بینی انجام شده است که در این مطالعه آنها روش های فردی نامیده شده اند. مدل های پیش بینی فردی مورد استفاده شامل روش های هموارسازی نمایی، تحلیل روند، باکس جنکینز، تحلیل های علّی و مدل شبکه عصبی می باشد. نتایج این روش های فردی (که از بین روش های مختلف برگزیده شده و از نظر آماری مدل آنها معنادار می باشد) با استفاده از رویکرد شبکه عصبی مصنوعی (در این ترکیب روش فردی پیش بینی عصبی وارد نشده است)، روش رگرسیون چند متغیره (با لحاظ تمام روش ها و نیز با عدم وارد نمودن پیش بینی های فردی شبکه عصبی مصنوعی) با یکدیگر ترکیب و مقایسه شده است.داده های مورد استفاده شامل تقاضای نفت کشورهای اوپک از سال 1960 تا 2002 به عنوان متغیر وابسته و قیمت، تقاضای سایر انرژی ها، جمعیت و ارزش افزوده در بخش صنعت به عنوان متغیر های مستقل لحاظ شده اند که در روش های تک متغیره فقط متغیر مستقل (با متغیر وابسته زمان) برای پیش بینی استفاده شده است و در روش های علّی و شبکه عصبی تمام متغیر های بیان شده وارد شده اند. داده های مورد استفاده برای تمام متغیر ها از سال 1960 تا 1996 و داده های آزمایش از سال 1996 تا 2002 بوده است. معیارهای اصلی mse و mape محاسبه شده برای مقادیر پیش بینی بیانگر کاهش قابل ملاحظه خطای روش های ترکیبی نسبت به روش های فردی است و روش ترکیبی مناسب در این مطالعه به ترتیب شبکه های عصبی و رگرسیون چند متغیره بوده است.

کلید واژه:
پیش بینی ترکیبی، سریهای زمانی، شبکه های عصبی مصنوعی، رگرسیون چند متغیره، یستم های خبره، صنعت نفت، ایران

**Astaraki** · ۰۵-۱۶-۱۳۹۰, ۱۱:۵۸ قبل از ظهر

46- طراحی یک سیستم پشتیبان تصمیم‌گیری(DSS) در مدیریت برای حل مسأله تسطیح منابع در مدیریت پروژه با رویکرد الگوریتم ژنتیک (GA)

چکیده:
تسطیح و تخصیص منابع از وظایف اصلی مدیریت پروژه می‌باشد. در صورتیکه محدودیتی در میزان منابع قابل دسترس وجود نداشته باشد، مسئله تسطیح منابع مطرح می شود و لازم است تا نوسانات بکارگیری منابع بدون افزایش زمان اجرای پروژه کاهش یابد. در این مقاله برای سیستم پشتیبان تصمیم گیری در مدیریت جهت حل مسئله تسطیح منابع- وسائط حمل و نقل به ویژه در زمانی که از تابع هدف چندگانه که از نوع مسایلNP-hard محسوب می‌شوند، در کارخانه اندود بتن لوله (Coating) شرکت مهندسی و ساخت تاسیسات دریایی ایران، از الگوریتم ژنتیک استفاده شده است. این روش که الهام گرفته از طبیعت است، مسئله مورد نظر را به خوبی حل نموده و جواب‌های مطلوب ارائه می‌دهد. نتایج حاصل از اجرای برنامه که در ادامه ذکر خواهد شد، این مطلب را تائید می کند. ‌روش تحقیق در این مقاله از نوع میدانی و پیمایشی بوده که در پاسخ به پرسش مطرح شده برآمده که آیا می‌توان با استفاده از یک مدل GA، تسطیح منابع را طوری طراحی کرد که با یک DSS به مدیران یاری نماید؟ ‌نتایج تحقیق حاکی از این امر است که الگوریتم GA قادر است جواب‌های بسیار خوب را در زمان قابل قبولی ارائه دهد.

کلید واژه: تسطیح منابع، سیستم پشتیبان تصمیم گیری، الگوریتم ژنتیک

**Astaraki** · ۰۵-۱۶-۱۳۹۰, ۱۲:۱۳ بعد از ظهر

47-طراحی سیستم پشتیبان تصمیم درشرائط عدم قطعیت (فازی) بکمک تکنیک آزمون فرض فازی جهت ایجاد ابزار اولویت بندی پیمانکاران پروژه

چکیده:
پیچیدگی فرایند تصمیم گیری و حرکت فاکتورهای موثر بر فضای تصمیم، از داده های قطعی به سمت داده های فازی، لزوم بکارگیری مدلهای کارامدتر را در محیط های عملیاتی ضروری می سازد. لذا در این تحقیق، باتوجه به اهمیت تصمیمات اخذ شده توسط مدیران پروژه و نقش آن در اجرای موفق پروژهها، تلاش گردیده، ضمن آشنائی با تکنیک آزمون فرض فازی و استنتاجات مربوطه، از طریق ایجاد یک سیستم نرم افزاری تحت نرم افزار Fuzzy tech شرائط اخذ تصمیم و تحلیل نتائج مربوطه، با داده های نادقیق، جهت گزینش و یا اولویت بندی پیمانکاران پروژه فراهم شود.

کلید واژه:
گزینش پیمانکار، سیستم های پشتیبان تصمیم، آزمون فرض، منطق فازی، آزمون فرض فازی . افراز بندی فازی

**Astaraki** · ۰۵-۱۶-۱۳۹۰, ۰۲:۱۱ بعد از ظهر

48- سیستمهای خبره و کاربرد آن در مدیریت

چکیده:
تاکنون در مورد بازنمائی دانش بح ث های زیادی صورت گرفته است ولی درمورد چگونگی استفاده از آن درحل مسائل واقعی کمتر صحبت شده است از این رو دراین مقاله به معرفی،کاربرد و چگونگی استفاده از سیستمهای خبره پرداخته می شود . سیستمهای خبره بدنبال حل ان دسته از مسائل واقعی می باشند که عموماً حل انها به یک انسان متخصص نیاز دارد.در واقع سیستم متخصص (خبره )یکی از شاخه های هوش مصنوعی است که با گردآوری دانش تخصصی و اطلاعات کارشناسی دریک حوزه خاص و با استفاده از منطق می کوشد تا درکنار متخصصان و همپای آنان به عرضه خدمات تخصصی بپردازد . سیستم خبره به عنوان یکی از شاخه های هوش مصنوعی امروزه بسیار مورد توجه قرار گرفته و به شدت در حال گسترش است .هر چند نباید از این مساله نیز غافل شویم که با وجود تمام مزایا و کاربردهای سیستمهای خبره ، نباید آنها را نوشداروی همه دردها تلقی نمود . در انتهای مقاله به برخی مشکلات این سیستمها اشاره شده و در نهایت مشکلات و تنگناهای بکارگیری سیستمهای خبره در ایران نیز عنوان می شود.

کلید واژه: سیستم خبره، هوش مصنوعی، مدیریت، سیستم دانش مدار