شماره کتابشناسی ملی
شماره
۱۹۸۵۹پ
زبان اثر
زبان متن نوشتاري يا گفتاري و مانند آن
per
عنوان و نام پديدآور
عنوان اصلي
فرمول بندی حرکت یک ربات متحرک با اتوماتای سلولی و شبکه عصبی مصنوعی برای جذب انرژی بیشتر در واحد زمان
عنوان اصلي به زبان ديگر
The Formulation of moving a Mobile Robot with Cellular Automata and Artifical Neural Network to absorb more energy per unit time
نام نخستين پديدآور
/وحید پاشایی راد
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
: فناوریهای نوین
تاریخ نشرو بخش و غیره
، ۱۳۹۷
نام توليد کننده
، افشار
مشخصات ظاهری
نام خاص و کميت اثر
۸۰ص
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
چاپی - الکترونیکی
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
ارشد
نظم درجات
مکاترونیک
زمان اعطا مدرک
۱۳۹۷/۰۶/۰۵
کسي که مدرک را اعطا کرده
تبریز
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
در این پایان‌صنامه به ارائه‌صی روش‌صهای ترکیبی جدیدی از اتوماتای یادگیرسلولی و شبکه عصبی اسپایکینگ پرداخته شده است که در هرکدام از آن‌صها، یک سیستم یادگیر، وظیفه‌صی آموزش یک ربات متحرک برای طی مسیرهایی با کمترین گام زمانی را بر عهده دارد .این روش‌صهای ترکیبی با استفاده از ویژگی‌صها و قابلیت‌صهایی که هریک از دو الگوریتم اتوماتای یادگیرسلولی و شبکه عصبی اسپایکینگ دارند و همچنین به جهت رفع نواقص هر یک از دو الگوریتم فوق ایجاد شده است .در واقع ما سیستمی را تعلیم می‌صدهیم که با گذشت زمان و اعمالی که در یک محیط کاملا ناشناخته انجام می‌صدهد و همچنین با استفاده از اطلاعات و سیگنال-های تقویتی که از محیط اطراف خود دریافت می‌صصکند، وضعیت اعمال خود را در هر مرحله به‌صروز رسانی کرده و برای اعمالی که در گام‌صهای بعدی انجام خواهد داد، حرکات بهینه‌صتر و سنجیده‌صتری را براساس یادگیری صورت گرفته، انتخاب کند .ما چهار الگوریتم ترکیبی پیشنهاد کرده‌صایم که عبارت‌صاند از :ترکیب همزمان الگوریتم‌صهای اتوماتای یادگیرسلولی و شبکه عصبی اسپایکینگ که برای دو الگوریتم از چهار الگوریتم مورد مطالعه ما انجام خواهد شد و تفاوت این دو الگوریتم در نحوه پاداش)مجازات(دهی به سیستم خواهد بود، دو الگوریتم بعدی پس از ترکیب به صورت همزمان، به ترتیب یکبار به عنوان ورودی برای الگوریتم اتوماتای یادگیرسلولی و یکبار هم به عنوان ورودی برای الگوریتم شبکه عصبی اسپایکینگ قرار می‌صگیرند .نتایج و تفاوت این چهار الگوریتم پیشنهادی با یکدیگر و همچنین با هر یک از دو الگوریتم اتوماتای یادگیر سلولی و شبکه عصبی اسپایکینگ هنگامی که به صورت جداگانه و غیرترکیبی فرآیند یادگیری را انجام می‌صدهند، بررسی شده است .نتایج به‌صدست آمده نشان‌صدهنده این مطلب است که در الگوریتمی که نحوه‌صی پاداش)مجازات(دهی براساس تقویت یک عمل اتوماتا و تضعیف فقط عمل مقابل اتوماتا بوده است و نیز در الگوریتمی که از اتوماتای یادگیرسلولی در انتهای الگوریتم استفاده شده میزان موفقیت براساس معیار مجموع مسیرها به ترتیب ۹۹/۸۵ و ۹۹/۶۹ می‌صباشد
متن يادداشت
This thesis proposes new integration methods for two algorithms: Cellular Learning Automata (CLA) and Spiking Neural Network (SNN). Each of these includes a learning system responsible for teaching a mobile robot how to go the paths with the minimum time step using features and capabilities offered by Cellular Learning Automata (CLA) and Spiking Neural Network (SNN). The proposed method also seeks to remove the defects in both algorithms. We intend to teach a system that does certain acts in a completely unknown environment over time while also using data and reinforcement signals received from the environment in order to update on the status of acts on a daily basis and select more optimal and calculated moves acts for next steps according to learned material. Four synthesized algorithms introduced here are: simultaneous integration of Cellular Learning Automata (CLA) and Spiking Neural Network (SNN) algorithms that accounts for two algorithms which would differ only in terms of rewarding/punishing method. Two other algorithms are introduced after the simultaneous integration and include placing each algorithm as inputs for, first, Cellular Learning Automata (CLA) and then for Spiking Neural Network (SNN). The results as well as the differences between these algorithms and also how they differ from Cellular Learning Automata (CLA) and Spiking Neural Network (SNN) which do the teaching separately and in non-integrative way. The results showed that, based on total paths criterion, success in two algorithms (one in which rewarding method includes reinforcing one act of one automata while impoverishing the counterpart act; the other applied CLA towards the end of the algorithm) are 99.85 and 99.69
عنوان اصلی به زبان دیگر
عنوان اصلي به زبان ديگر
The Formulation of moving a Mobile Robot with Cellular Automata and Artifical Neural Network to absorb more energy per unit time
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )
مستند نام اشخاص تاييد نشده
پاشایی راد، وحید
مستند نام اشخاص تاييد نشده
Pashaeirad, Vahid
دسترسی و محل الکترونیکی
يادداشت عمومي
سیاه و سفید
وضعیت فهرست نویسی
وضعیت فهرست نویسی
نمایه‌سازی قبلی
