جستجوي پيشرفته | کتابخانه مجازی الفبا

امروزه کنترل رایانه‌ای حمل ونقل شهری در سرتاسر دنیا به شکل امری معمول درآمده و دامنه آن از کنترل‌کننده‌های مجزّا برای تقاطعها تا سامانه‌های پوشش‌دهنده کل شبکه شهری گسترش یافته است و همگی آنها بر کنترل‌ترافیک و تشخیص‌ وسیله نقلیه برای تنظیم ‌مدت ‌زمان‌چراغ ‌سبز ‌و ‌فواصل‌زمانی بین دوره‌های ‌چراغ‌ها ‌در ‌تقاطعهای مجاور برای‌ واکنش به ‌تغییرات ‌جریان ‌ترافیک، تکیه دارند. این تحقیق رویکرد رایانه‌ای‌ جدیدی‌ را برای ‌کنترل هوشمند چراغهای راهنمایی تقاطعهای مجزا ارائه می‌کند. دو تفاوت عمده این تحقیق در مقایسه با روشهای هوشمند دیگری که به کنترل چراغ راهنمایی پرداخته‌اند نخست‌ نوع داده‌های اولیه و دیگری ‌رویکرد کنترلی آن است. استفاده از تصاویر به جای داده‌های شناسگرهای حلقه‌های القایی و مدلسازی دانش‌حوزه در‌قالب هستان‌نگار و به اشتراک‌گذاری و استفاده از آن به منظور کنترل چراغ راهنمایی مواردی هستند‌که با رویکردهای مشابه کنترل هوشمند چراغ راهنمایی تفاوت دارند. تشخیص ترافیک با استفاده از پردازش تصویر فواید متمایزی نسبت به فنّاوری مبتنی بر حلقه‌های القایی دارد. همچنین ایجاد هستان‌نگار کنترل چراغ راهنمایی و بکارگیری آن نه تنها دانش این حوزه را استخراج کرده، بلکه امکان به اشتراک گذاشتن آن و نیز باز استفاده آن را برای دیگران فراهم می‌کند، علاوه بر این، روش مذکور استقلال عمل در حوزه کنترل نرم افزاری ترافیک را نیز افزایش می‌دهد بدین معنا که سیستم‌های کنترلی مختلف با در اختیار داشتن هستان‌نگار می‌توانند متغیرها، پارامترها و قواعد خود را با افزودن یا کاستن قواعد هستان نگار توسعه دهند و بدین ترتیب توسعه سیستمهای کنترل هوشمند با پیچیدگی کمتری همراه خواهد بود. روش پیشنهادی با رویکرد کنترلی زمان ثابت در محیط متلب شبیه‌سازی، مقایسه و ارزیابی شده است. نتایج این ارزیابی نشان می‌دهد که سیستم جدید در تمامی شرایط ارزیابی نتایج بهتری نسبت به سیستم زمان ثابت دارد.

در سالهاي اخير تلاشهاي زيادي براي طراحي روشهاي يادگيري و خودکار سازي فرايند ساخت هستان نگار در جهان انجام شده است. هستان نگارها در زمينه هاي زيادي نظير وب معنايي، جويشگرها، تجارت الکترونيکي، پردازش زبان طبيعي، مهندسي دانش، استخراج و بازيابي اطلاعات، طراحي دادگان، سامانه‌هاي چند کارگزاره و کتابخانه‌هاي ديجيتال و غيره کاربرد دارند. مشکل عمده در ساختن هستان نگارها، اکتساب دانش و زمانبر بودن ساخت آنها براي کاربردهاي مختلف است. بنابراين ساخت خودکار هستان نگار راه حل مناسبي براي چيره شدن بر اين مشکلات است. در دو دهة اخير فعاليت‌هاي زيادي در زمينة يادگيري هستان نگار انجام شده و روش ها، ابزارها و سامانه‌هاي مختلفي نيز ارائه شده که از روشها و الگوريتم هاي رشته‌هاي مختلفي مانند پردازش زبان طبيعي، يادگيري ماشيني، اكتساب دانش، استخراج اطلاعات ، پردازش نمادين و احتمالاتي بهره مي‌‌گيرند. سامانه‌هاي پيشنهاد شده در بسياري از شاخصها، خصيصه‌ها و روشهاي يادگيري از ساير سامانه‌هاي متمايز هستند. در اين رساله روش نويني براي يادگيري هوشمند هستان نگار در تمام سطوح يادگيري ارائه شده که مي توان از آن در کاربردها و حوزه‌هاي مختلف استفاده کرد. در اين روش نيازي به وجود هستان نگارهاي عمومي يا تخصصي اوليه و واژگان معنايي از پيش تعريف شده نبوده و پايگاه دانش اولية آن تنها شامل مجموعه‌اي از متون ورودي است. سامانة يادگيرندة پيشنهادي با شروع از متون ورودي و با استفاده از رهيافت پيشنهادي در اين رساله قادر خواهد بود هستان نگار حوزه‌هاي مختلف را استخراج کند. در اين روش از ترکيبي از روشهاي زباني، آماري، مبتني بر الگو و روشهاي يادگيري ماشين بر اساس روش C-value، شبکه عصبي نظرية تشديد وفقي و شبکة بيز استفاده شده است. از طرفي به منظور مواجهه با عدم قطعيت داده‌ها و غني سازي هستان نگار قطعي، با استفاده از ترکيب شبکة عصبي و نظرية فازي روش نويني براي استخراج هستان نگار فازي پيشنهاد شده است. از اين روش در استخراج هستان نگارهاي قطعي و فازي حوزة فنّاوري اطلاعات استفاده شده است. هستان نگارهاي استخراج شده به منظور جستجوي معنايي اسناد کتابخانة محلي (که در آن اسناد مرتبط با حوزة فنّاوري اطلاعات قرار داده شده) بر اساس رويکرد بسط پرسمان به‌کار برده شده‌اند. نتايج حاصل از پياده‌سازي هستان نگار فازي بيانگر دقت بالاتر حدود 0/07 و نتايج حاصل ازپياده‌سازي هستان نگار قطعي بيانگر دقت بالاتر حدود 05/0 نسبت به روشهاي مبتني بر کليد واژه است. همچنين ميانگين دقت مفاهيم هستان نگار فازي حدود 0/09 و ميانگين دقت مفاهيم هستان نگار قطعي حدود 06/0 نسبت به ميانگين دقت مفاهيم ساير روشهاي مشابه بهبود داشته است.