[صفحه اصلی ]   [ English ]  
بخش‌های اصلی
درباره دانشکده::
مدیریت دانشکده::
اعضای هیات علمی ::
معرفی افراد::
امور آموزش::
امور پژوهشی::
آموزش الکترونیکی::
پردیس شماره 2::
اخبار و رویدادها::
فضاهای آموزشی و تحقیقاتی ::
تسهیلات پایگاه::
::
ورود به سایت دروس

AWT IMAGE

نام کاربری
کلمه عبور

AWT IMAGE
رمز ورود را فراموش کرده‌اید؟

..
دفاعیه کارشناسی ارشد

دفاعیه کارشناسی ارشد

..
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
:: پویان دوزنده ::
 | تاریخ ارسال: ۱۳۹۴/۱۰/۲۲ | 

AWT IMAGE

آقای پویان دوزنده دانشجوی کارشناسی ارشد آقای دکتر محمدرضاجاهدمطلق روز شنبه ۹۴/۱۰/۲۶ ساعت ۱۷:۰۰ در اتاق سمینار واقع در طبقه سوم دانشکده کامپیوتر از پروژه کارشناسی ارشد خود تحت عنوان ارائه مدلی عقلانی برای استقراء علّی دفاع خواهند نمود.

چکیده

یادگیری قوانین علّی از طریق استقراء مشاهدات، یکی از مهم‌ترین ارکان کارکرد ذهنی انسان است. تاکنون پژوهشگران علوم شناختی مدل‌های متعددی از استقراء علّی انسان ارائه کرده‌اند و تمرکز اصلی تحقیقات گذشته، قابلیت پیش‌بینی انسان با بررسی قدرت ارتباط (در مدل‌های دودویی) و یا چگونگی ارتباط (در مدل‌های دنباله‌دار) بین دو متغیر علت و معلول بود. استفاده از قوانین یادگرفته‌شده در پیش‌بینی، مستلزم اطمینان انسان از وجود ارتباط علّی بین دو موجودیت علت و معلول است و وجود این ارتباط در مدل‌های گذشته به عنوان پیش‌فرض درنظر گرفته می‌شد. اخیراً در مباحث مدل‌سازی استقراء علّی، این پیش‌فرض بررسی شده و موضوع تحقیق در این زمینه به صورت سوالی قابل طرح است:  انسان چگونه به وجود یک ارتباط علّی بین علت و معلول پی می‌برد؟

در چند سال گذشته در بحث مدل‌هایی که با داده‌های دودویی کار می‌کنند، این مسأله واکاوی شده و نتایج تحقیقات منجر به معرفی رویکردی واحد در این زمینه شده است. اما در مدل‌هایی که با مقادیر دنباله‌دار برای متغیرهای علت و معلول کار می‌کنند، چنین پیشرفتی صورت نگرفته و هنوز وجود ارتباط علّی بین علت و معلول به عنوان پیش‌فرض درنظر گرفته می‌شود. با بررسی این پیش‌فرض، ما در تحقیق حاضر سعی داریم تا در ابتدا عوامل تأثیرگذار در اطمینان انسان از وجود یک ارتباط علّی را از طریق مطالعه مباحث روانشناسی شناسایی کنیم. اگر ارتباط بین دو متغیر دنباله‌دار را همانند یک تابع ریاضی درنظر بگیریم، چگونه انسان قادر به تشخیص این توابع در دنیای واقعی است؟ سه عامل تأثیرگذار در شناسایی این توابع که پیشنهاد می‌شوند‌ عبارتند از: دشواری پیشین توابع، میزان خطا در داده‌های مشاهده شده و تعداد نقاط نمونه‌برداری شده. این پیشنهاد در قالب یک فرمول ارائه می‌شود که قادر است اطمینان انسان از وجود ارتباط علّی بین دو متغیر علت و معلول را اندازه‌گیری کند. در مرحله بعد، به دلیل نیاز به بستر مناسبی برای پیاده‌سازی این فرمول، مدل موردنظر خود را در قالب سیستمی معرفی می‌کنیم که در این سیستم، توابع پیشین پس از تطبیق بر نقاط ورودی، پارامتردهی شده و سپس مقدار خطا و تعداد نقاط محاسبه می‌شوند. با در دست داشتن مقدار عددی سه عامل معرفی‌شده، ما قادر خواهیم بود برای هر سری از نقاط ورودی به مدل، ضریب اطمینان را محاسبه کنیم. پس از پیاده‌سازی کامپیوتری، کارائی مدل با انجام آزمایشی با کارائی شرکت‌کنندگان مقایسه می‌شود. نتایج آزمایش حاکی از آن است که مدل ارائه‌شده تا حد قابل‌قبولی قادر است تغییرات در اطمینان انسان از وجود ارتباط بین علت و معلول را اندازه‌گیری کند.

واژه‌های کلیدی: استقراء داده‌های دنباله‌دار، تشخیص وجود ارتباط علّی، اندازه‌گیری اطمینان، مدل بیزی

Abstract

What makes people infer that two continuous-valued entities are functionally related? The existence of a functional link between two supposed variables has been taken for granted in past models of human function learning. By examining this presupposition, we claim that human confidence in the existence of a link between a cue and a criterion is affected by three factors: the prior difficulty of functions, the level of noise in observed data, and the sample size. This formula is then embedded in a novel Bayesian model of function learning which can also be used for predictions. In an experiment, the performance of a computational implementation of the resulting model is compared with human behavior. The results show that this probabilistic model is successful in tracking changes in human confidence. A close correspondence between the predictions of the model and humans was also achieved.

Keywords: Function learning, Function recognition, Confidence measurement, Bayesian model

.

 

پویان دوزنده

    رشته مهندسی کامپیوتر- گرایش هوش مصنوعی و رباتیک

  استاد راهنما:

  دکتر محمدرضاجاهدمطلق

  استاد داور داخلی: دکتر بهروز مینایی

  استاد داور خارجی : دکتر کامبیز بدیع

  تاریخ دفاع: شنبه ۲۶ دیماه ۹۴

  زمان: ساعت ۱۷:۰۰

 

  مکان: دانشکده مهندسی کامپیوتر- طبقه سوم- اتاق سمینار

 از اساتید بزرگوار، دانشجویان گرامی و دیگر متخصصان و علاقه مندان به موضوع دفاعیه دعوت
می شود با حضور خود موجبات غنای علمی و ارتقای کیفی را فراهم سازند.

 

  دانشکده مهندسی کامپیوتر مدیریت تحصیلات تکمیلی

 

 

 

 

 

 

دفعات مشاهده: 1414 بار   |   دفعات چاپ: 316 بار   |   دفعات ارسال به دیگران: 0 بار   |   0 نظر
سایر مطالب این بخش سایر مطالب این بخش نسخه قابل چاپ نسخه قابل چاپ ارسال به دوستان ارسال به دوستان
School of Computer Engineering
Persian site map - English site map - Created in 0.191 seconds with 967 queries by yektaweb 3433