چکیده:
هدف از تدوین این مقاله معرفی رایانش نرم و روشهای مختلف آن جهت مدلسازی پدیدهها میباشد.رایانش نرم1به مجموعه در حال تکاملی از روشهایی گفته میشود که جهت ساخت سیستمهای هوشمندی که همانند انسان استدلال میکنند و قابلیت مواجهه با عدم قطعیت در مسائل را دارند،مورد استفاده قرار میگیرند. در این مقاله در ابتدا به توضیح شبکههای عصبی در رویکرد رایانش نرم پرداخته میشود،سپس روشهای دیگر این رویکرد از قبیل الگوریتم ژنتیک و کلا مبحث یادگیری ماشینی توضیح داده خواهد شد.ازآنجائیک هدف اصلی در ساخت مدل کشف دانش از آن میباشد،در ادامه روشهای مختلف کشف دانش و قانون از شبکههای عصبی بیان خواهد شد
خلاصه ماشینی:
"(به تصویر صفحه مراجعه شود) شکل 2:طرح استنتاج مشخصهگرا (Han,1996:399) (1)- Data Mining (2)- Attribute Oriented Induction-AOI (3)- Queries برای اینکه این روش بتواند روابطی را که کشف میکند به مسائل دیگر تعمیم دهد،نیاز دارد تا دانش کشفشده را به فرم خاصی بهنام سلسلهمراتب مفاهیم درآورد.
(به تصویر صفحه مراجعه شود) شکل 6:تابعهای انتقال لجستیک و تانژانت هایپربولیک (Hagan et al,2006:36) تابع لجستیک دارای برد خروجی[1 و 0]است و مقدار آن ai به صورت زیر محاسبه میشود: 1+e-net input/1-ai (6) تابع تانژانت هایپربولیک دارای برد خروجی[1 و 1-]است و مقدار آن به صورت زیر است: e-net input+e-net input/enet input-e-net input-ai (7)-آموزش شبکه عصبی مرحله آموزش در شبکههای عصبی پاسخی به این سؤال میدهد که آیا مجموعهای از پارامترهای شبکه(وزنها و بایاسها)وجود دارد که به آن توانایی تبدیل مجموعه الگوهای ورودی به خروجیهای مورد انتظار را بدهد؟اگر هست،این مقادیر چه هستند.
نتیجه بعدی روش مشتقات جزئی تعیین میزان تاثیر هرکدام از ورودیها بر خروجی شبکه است با این فرمول: (به تصویر صفحه مراجعه شود)(11) برای هر ورودی یک مقدار SSD محاسبه میشود.
(به تصویر صفحه مراجعه شود) شکل 9:دیاگرام تفسیر شبکه (Ozesmi,1999:16) استخراج قانون از شبکههای عصبی گسترش موارد استفاده از شبکههای عصبی مصنوعی در زمینههای مختلف مهندسی، علمی،صنعتی،اقتصادی و پزشکی بهدلیل قابلیتهای متعدد این روش است.
(به تصویر صفحه مراجعه شود) شکل 11:الگوریتم ترپان (Craven et al,2006:5) خلاصه به دلیل ویژگیهایی که برخی از مسائل در دنیای واقعی از خود نشان میدهند،از جمله مسائل مدلسازی،مسائل دارای فضای حل گسترده و همینطور مسائلی که در آنهها نیاز به کشف دانش از دادههای مسأله بدون مداخله انسان وجود دارد،روشهای کلاسیک مدلسازی به اندازه کافی موفقیت نداشتهاند."