██ چکیده‌ی مطلب‌های فصل بیستم نسخه‌ی پولی ایبوک هوش مصنوعی ██

 

مترجم: سهراب جلوه گر جلوه‌گر

 

چکیده‌ی مطلب‌های فصل بیستم- سیستم‌های طبقه‌بندی‌کننده

طبقه‌بندی‌، پردازه‌ی انتساب یک ورودی به یکی از کلاس‌های چندگانه می‌باشد‌.

سیستم طبقه‌بندی‌کننده، یک سیستم یادگیری ماشینی است که رشته قانون‌های دستوری ساده را برای راهنمایی عملکردش یاد می‌گیرد. (گُلدبِرگ)

یک سیستم تولید‌، از تعداد زیادی ‌قانون؛ حافظه‌ای که در آن واقعیّت‌ها قرار می‌گیرند؛ و یک الگوریتم که با استفاده از روش زنجیره‌ی پیشرو اجرا می‌شود و واقعیّت‌های جدید را با استفاده از قبلی‌ها به وجود می‌آورد‌، تشکیل شده است‌.

در یک سیستم تولید‌، برخی از قوانین ممکن است باعث عمل کردن قانون‌های دیگر شوند‌؛ در سیستم‌های تجاری‌، مسأله‌ این است که وقتی برای یک مورد بیش از یک قانون داریم‌، چه کار کنیم‌؟ [‌و کدام را اجرا نماییم‌؟]‌‌.

یک سیستم طبقه‌بندی کننده دارای سه جزء می‌باشد‌: یک قانون و سیستم پیام‌؛ یک سیستم انتساب اعتبار؛ و یک الگوریتم ژنتیکی برای تولید قانون‌های جدید‌.

در الگوریتم گزینش براساس سابقه‌ی بهتر، قانون‌ها براساس عملکرد قبلی انتخاب می‌شوند؛ به بیان دیگر، قانونی که دارای گذشته‌ی بهتری است، اجرا می‌شود.

در الگوریتم ژنتیکی پایه‌ی ما، همه‌ی جمعیّت‌، در زمان t‌، در زمان t+1‌ جایگزین می‌شود‌؛ این روش به‌خوبی برای بهینه‌سازی عمل می‌کند‌، ولی برای یادگیری‌، زیاد مناسب نمی‌باشد‌؛ به همین خاطر از روش گزینش بهترین‌ها(نخبه‌سالاری) برای حفظ برخی از قانون‌ها استفاده می‌نماییم‌.