-
دسته‌بند انجمنی: مروری جامع
پنج‌شنبه 1 خرداد 1404 03:24
یک دسته‌بند انجمنی [1] ( AC ) یک مدل یادگیری نظارت‌شده است که از قوانین انجمنی برای پیش‌بینی برچسب‌های کلاس استفاده می‌کند. این مدل، تکنیک‌های کاوش قوانین انجمنی (شناسایی الگوهای مکرر در داده‌ها) و دسته‌بندی (اختصاص برچسب‌های هدف) را ترکیب می‌کند و نتایج قابل تفسیر و اغلب دقیقی ارائه می‌دهد. 1. ساختار مدل: - متشکل از...
-
Rough set
پنج‌شنبه 1 خرداد 1404 03:05
-
یادگیری ماشین مبتنی بر قانون
پنج‌شنبه 1 خرداد 1404 03:03
یادگیری ماشین مبتنی بر قانون [1] ( RBML ) اصطلاحی در علوم کامپیوتر است که شامل هر روش یادگیری ماشینی می‌شود که «قوانین» را برای ذخیره [2] ، دستکاری [3] یا اعمال شناسایی [4] ، یادگیری یا تکامل می‌دهد.[1][2][3] ویژگی تعیین‌کننده یک یادگیرنده ماشین مبتنی بر قانون، شناسایی و استفاده از مجموعه‌ای از قوانین رابطه‌ای است که...
-
سیستم‌های توصیه‌گر برای زبان مدل‌سازی یکپارچه (UML)
چهارشنبه 31 اردیبهشت 1404 06:20
این مرور سیستماتیک، تحقیقات مربوط به تعامل بین سیستم‌های توصیه‌گر ( RS ) و زبان مدل‌سازی یکپارچه ( UML ) را با تمرکز بر چگونگی کمک RS ها به وظایف مدل‌سازی UML و چگونگی پشتیبانی UML از توسعه RS ترکیب می‌کند. در زیر خلاصه‌ای ساختاریافته از یافته‌ها، روش‌ها و شکاف‌های کلیدی شناسایی‌شده در ادبیات آمده است. 1. سیستم‌های...
-
حافظه ژنتیکی در مقابل شبکه‌های عصبی سنتی: تفاوت‌های کلیدی
دوشنبه 22 اردیبهشت 1404 04:57
حافظه ژنتیکی در علوم کامپیوتر و شبکه‌های عصبی سنتی ( NN ) الگوهای متمایزی با روش‌ها، کاربردها و نقاط قوت منحصر به فرد هستند. در اینجا یک مقایسه ساختار یافته ارائه شده است: 1. روش اصلی * حافظه ژنتیکی: - الگوریتم‌های ژنتیکی ( GA ) را با حافظه توزیع‌شده پراکنده یا رگرسیون نمادین ترکیب می‌کند. - از اصول تکاملی (جهش،...
-
شبکه‌های عصبی گراف در مراقبت‌های بهداشتی
دوشنبه 22 اردیبهشت 1404 04:08
در اینجا یک ترکیب سیستماتیک از بررسی و یافته‌های مرتبط در مورد کاربردهای GNN در مراقبت‌های بهداشتی ارائه شده است: مرور سیستماتیک: شبکه‌های عصبی گراف در مراقبت‌های بهداشتی تمرکز: پیشرفت‌های اخیر (2017-2024)، روندها و جهت‌گیری‌های آینده در برنامه‌های مراقبت‌های بهداشتی مبتنی بر GNN ، همانطور که توسط پاول و همکاران...
-
بهینه‌سازی برنامه‌های بازیابی پس از بحران در شبکه‌های بدون مقیاس
دوشنبه 22 اردیبهشت 1404 03:50
جنرال موتورز یا یک کسب‌وکار محلی، کدام یک بهتر است در رکودهای پس از بحران، که در آن تحریک دولتی برای غلبه بر رکود در نظر گرفته شده است، تحریک شود؟ با توجه به محدودیت‌های بودجه، پرسیدن این سوال که چگونه می‌توان شانس بهبود اقتصادی را افزایش داد، کاملاً مرتبط است. یکی از عناصر کلیدی برای پاسخ به این سوال، درک ویژگی‌های...
-
بررسی روش‌های شبکه عصبی گراف برای پیش‌بینی پیوند پویا
دوشنبه 22 اردیبهشت 1404 03:31
پیش‌بینی پیوند پویا ( DLP ) در شبکه‌های در حال تکامل، به دلیل ماهیت زمانی تعاملات، چالش‌های منحصر به فردی را ارائه می‌دهد. شبکه‌های عصبی گراف ( GNN ) به عنوان ابزارهای قدرتمندی برای DLP ظهور کرده‌اند و از الگوهای ساختاری و زمانی بهره می‌برند. در زیر، ترکیبی ساختاریافته از روش‌ها، پیشرفت‌ها و چالش‌های DLP مبتنی بر GNN...
-
کنش (عمل)
یکشنبه 21 اردیبهشت 1404 02:48
این پست در مورد نظریه کنش است. برای مطالعه آثار لودویگ فون میزس [1] در این زمینه، به «کنش انسانی [2] » مراجعه کنید. برای مطالعه این مفهوم در جامعه‌شناسی، به «کنش اجتماعی [3] » مراجعه کنید. در فلسفه، کنش رویدادی است که یک عامل [4] برای هدفی [5] انجام می‌دهد، یعنی توسط نیت [6] فرد هدایت می‌شود.[1][2] اولین سوال در فلسفه...
-
یادگیری کاهش مقیاس گراف‌های بزرگ: یک بررسی جامع
جمعه 19 اردیبهشت 1404 04:50
کاهش مقیاس گراف‌های بزرگ ضمن حفظ ویژگی‌های ساختاری و عملکردی حیاتی، برای محاسبات کارآمد در حوزه‌هایی مانند شبکه‌های اجتماعی، زیست‌شناسی و سیستم‌های توصیه‌گر ضروری است. این بررسی، روش‌شناسی‌های کلیدی، پیشرفت‌ها و چالش‌های موجود در تکنیک‌های کاهش گراف را ترکیب می‌کند. 1. تکنیک‌های اصلی الف. درشت‌سازی گراف * هدف:...
-
انصاف در یادگیری گراف تقویت‌شده با یادگیری ماشین: یک بررسی
جمعه 19 اردیبهشت 1404 04:49
این بررسی، پیشرفت‌ها در تکنیک‌های انصاف برای سیستم‌های یادگیری گراف تقویت‌شده با یادگیری ماشین ( ML ) را ترکیب می‌کند و به سوگیری‌های ناشی از ساختارهای گراف، ویژگی‌های گره‌ها و طرح‌های الگوریتمی می‌پردازد. در زیر یک مرور ساختاریافته از روش‌شناسی‌های کلیدی، چالش‌ها و جهت‌گیری‌های آینده آمده است: 1. یادگیری گراف سنتی در...
-
حافظه توزیع‌شده پراکنده (SDM) به عنوان یک یادگیرنده مداوم
پنج‌شنبه 18 اردیبهشت 1404 04:46
حافظه توزیع‌شده پراکنده ( SDM ) یک مدل ریاضی و محاسباتی از حافظه بلندمدت انسان است که توسط پنتی کانروا در سال ۱۹۸۸ معرفی شد [2][3]. این مدل اطلاعات را با استفاده از بردارهای دودویی با ابعاد بالا ذخیره و بازیابی می‌کند و امکان فراخوانی قوی حتی از ورودی‌های نویزی یا جزئی را فراهم می‌کند. SDM با موارد زیر مشخص می‌شود: -...
-
تأثیر دانستن منبع اطلاعات بر برداشت خوانندگان: یک مطالعه اکتشافی در توییتر
پنج‌شنبه 18 اردیبهشت 1404 04:40
این مطالعه با عنوان «تأثیر دانستن منبع اطلاعات بر برداشت خوانندگان: یک مطالعه اکتشافی در توییتر» بررسی می‌کند که چگونه آگاهی از منبع اطلاعات بر اعتماد، اعتبار درک شده و تعامل خوانندگان با محتوا در توییتر تأثیر می‌گذارد. بینش‌های کلیدی از تحقیقات مرتبط: - اعتبار و اعتماد منبع: خوانندگان تمایل دارند اعتبار توییت‌ها را...
-
درک نقش کاربر در انتشار اطلاعات در شبکه‌های اجتماعی آنلاین: مروری بر ادبیات و مدل پیشنهادی کاربر
پنج‌شنبه 18 اردیبهشت 1404 04:38
شبکه‌های اجتماعی آنلاین ( OSN ) نحوه انتشار اطلاعات، تأثیرگذاری بر نظرات، تصمیم‌گیری‌ها و جنبش‌های اجتماعی را تغییر داده‌اند. کاربران در این شبکه‌ها نقش‌های متنوعی در فرآیند انتشار ایفا می‌کنند و درک این نقش‌ها برای مهار اثرات مثبت (مانند هشدارهای فاجعه، مشارکت مدنی) و کاهش اثرات منفی (مانند اطلاعات نادرست، اتاق‌های...
-
چگونه ذهن از شبکه‌های پیچیده مغز پدیدار می‌شود
پنج‌شنبه 18 اردیبهشت 1404 03:21
رشته جدید علوم اعصاب شبکه‌ای، تصویری از چگونگی ایجاد فعالیت ذهنی از تعاملات دقیق و هماهنگ بین نواحی مختلف مغز ارائه می‌دهد. شبکه‌ها زندگی ما را فرا گرفته‌اند. ما هر روز از شبکه‌های پیچیده جاده‌ها، راه‌آهن‌ها، مسیرهای دریایی و آسمان‌گذرهایی که توسط پروازهای تجاری طی می‌شوند، استفاده می‌کنیم. آنها حتی فراتر از تجربه...
-
تکامل مغز: محدودیت‌های رشدی و رشد نسبی
پنج‌شنبه 18 اردیبهشت 1404 02:44
تکامل اندازه و ساختار مغز توسط تعامل بین محدودیت‌های رشدی و انتخاب تطبیقی شکل می‌گیرد، که با هم بر نحوه رشد اجزای مغز نسبت به یکدیگر و اندازه کلی بدن تأثیر می‌گذارند. مفاهیم کلیدی 1. فرضیه محدودیت‌های رشدی - پیشنهاد می‌کند که اندازه مغز و بدن، و همچنین اجزای مغز به صورت جداگانه، تمایل دارند با هم تکامل یابند زیرا...
-
مسیرهای تکاملی برای جانبی شدن عملکردهای پیچیده مغز
پنج‌شنبه 18 اردیبهشت 1404 02:40
جانبی شدن مغز - تخصص نامتقارن نیمکره‌های چپ و راست - برای بهینه‌سازی کارایی محاسباتی و سازگاری در محیط‌های پیچیده تکامل یافته است. در زیر ترکیبی از مکانیسم‌های تکاملی، شواهد مقایسه‌ای و چارچوب‌های نظری آمده است: 1. ریشه‌های تکاملی اولیه - مبانی مهره‌داران: جانبی شدن به بیش از 500 میلیون سال پیش برمی‌گردد، با تخصص‌های...
-
تکامل شبکه‌های ارتباطی توزیع‌شده در مغز انسان
پنج‌شنبه 18 اردیبهشت 1404 02:39
تکامل شبکه‌های ارتباطی توزیع‌شده در مغز انسان، نشان‌دهنده‌ی تعامل منحصر به فرد سازگاری‌های ژنتیکی، رشدی و عملکردی است که زیربنای شناخت پیشرفته را تشکیل می‌دهند. در اینجا ترکیبی از مکانیسم‌ها و پیامدهای کلیدی آمده است: 1. گسترش قشر مغز و محرک‌های ژنتیکی * گسترش ویژه انسان: شبکه‌های ارتباطی توزیع‌شده، به‌ویژه در **قشر...
-
تکامل مغز و کامپیوتر: مسیرهای طی نشده
پنج‌شنبه 18 اردیبهشت 1404 02:38
تعامل بین تکامل بیولوژیکی و تکنولوژیکی، مسیرهای همگرا و هم مسیرهای واگرا را آشکار می‌کند که توسط محدودیت‌های معماری، انتخاب‌های اجتماعی و تفاوت‌های مکانیکی ذاتی شکل گرفته‌اند. 1. تکامل همگرا در مقابل طراحی الهام گرفته - محدودیت‌های معماری: مغز و کامپیوتر هر دو به دلیل چالش‌های مشترک در کارایی و استحکام، شباهت‌هایی را...
-
از بازیابی تا استدلال: پیشرفت عوامل هوش مصنوعی برای کشف دانش و همکاری
پنج‌شنبه 18 اردیبهشت 1404 02:37
تکامل عوامل هوش مصنوعی از بازیابی اطلاعات اولیه به استدلال بلادرنگ و کشف دانش مشارکتی، نشان‌دهنده تغییر الگو در نحوه پردازش و ترکیب دانش توسط ماشین‌ها است. 1. فراتر از تولید افزوده بازیابی ( RAG ) * محدودیت‌های RAG : در حالی که سیستم‌های RAG با بازیابی زمینه از منابع خارجی، دقت اطلاعات را بهبود می‌بخشند، اما همچنان...
-
استفاده از لایک‌های شما برای نفوذ به درون ذهن توسط هوش مصنوعی
جمعه 12 اردیبهشت 1404 08:19
ویژگی‌های لایک در رسانه‌های اجتماعی می‌توانند گنجینه‌ای از داده‌ها در مورد رفتار انسان را در اختیار مدل‌های هوش مصنوعی قرار دهند. اما با هوشمندتر شدن هوش مصنوعی، آیا می‌تواند قبل از اینکه کاربران ترجیحات خود را بدانند، آنها را بشناسد؟ آینده دکمه لایک در عصر هوش مصنوعی چیست؟ مکس لوچین - یکی از بنیانگذاران پی‌پال و...
-
رمزگشایی از قدرت مدل‌های زبانی بزرگ در تولید ساختار گراف
جمعه 12 اردیبهشت 1404 06:21
پیشرفت‌های اخیر نشان می‌دهد که مدل‌های زبانی بزرگ ( LLM ) می‌توانند با بهره‌گیری از قابلیت‌های تبدیل متن به کد و استدلال خود، ساختارهای گراف تولید کنند، حتی اگر ذاتاً برای وظایف گراف طراحی نشده باشند. در زیر ترکیبی از روش‌ها، بینش‌ها و چالش‌های تحقیقات پیشرفته آمده است: 1. روش‌های اصلی الف. تولید گراف از طریق سنتز کد...
-
مرور سیستماتیک: شبکه‌های عصبی گراف در مراقبت‌های بهداشتی
پنج‌شنبه 11 اردیبهشت 1404 13:48
تمرکز: پیشرفت‌های اخیر (2017-2024)، روندها و جهت‌گیری‌های آینده در برنامه‌های مراقبت‌های بهداشتی مبتنی بر GNN ، همانطور که توسط پاول و همکاران (2024) بیان شده و توسط مطالعات اخیر تأیید شده است. 1. کاربردهای کلیدی الف. پشتیبانی از تصمیم‌گیری بالینی - پیش‌بینی تجویز: مدل‌های ترکیبی (به عنوان مثال، RGNN که RNN و GNN را...
-
عدد دانبار و سیستم‌های پیش‌بینی رابرت روزن
چهارشنبه 10 اردیبهشت 1404 06:07
ارتباط بین عدد دانبار (محدودیت شناختی حدود ۱۵۰ رابطه اجتماعی پایدار) و سیستم‌های پیش‌بینی رابرت روزن (سیستم‌هایی که از مدل‌های داخلی برای پیش‌بینی و سازگاری با حالت‌های آینده استفاده می‌کنند) در تعامل پیچیدگی اجتماعی، تخصیص منابع شناختی و مدل‌سازی پیش‌بینی نهفته است. در اینجا یک سنتز ساختاریافته آمده است: ۱....
-
تحلیل داده‌های توپولوژیکی برای تحلیل شبکه‌های عصبی: یک بررسی جامع
شنبه 6 اردیبهشت 1404 03:13
**نویسندگان**: روبن بالستر، کارلس کاساکوبرتا، سرجیو اسکالرا این بررسی به طور سیستماتیک بررسی می‌کند که چگونه تحلیل داده‌های توپولوژیکی [1] ( TDA )- ابزاری که از ابزارهایی مانند همولوژی پایدار و نگاشتگر استفاده می‌کند - بینش‌های جدیدی در مورد رفتار، معماری و دینامیک آموزش شبکه‌های عصبی ارائه می‌دهد. TDA با تجزیه و...
-
تحلیل شبکه مکانی: ترکیبی از مفاهیم، روش‌ها و کاربردها
شنبه 6 اردیبهشت 1404 03:12
تحلیل شبکه مکانی، نظریه گراف را با داده‌های مکانی-فضایی ادغام می‌کند تا شبکه‌هایی را مطالعه کند که در آنها گره‌ها/یاخته‌ها در فضای فیزیکی یا مفهومی تعبیه شده‌اند. این رویکرد برای درک سیستم‌های دنیای واقعی مانند حمل و نقل، بوم‌شناسی و تعاملات اجتماعی، که در آنها روابط مکانی بر عملکرد تأثیر می‌گذارند، بسیار مهم است....
-
چگونه ابزارهای گراف دانش، توسعه هوش مصنوعی را در سال ۲۰۲۵ ساده می‌کنند
شنبه 6 اردیبهشت 1404 02:10
در سال ۲۰۲۵ ، ابزارهای گراف دانش، نحوه برخورد شما با هوش مصنوعی را متحول می‌کنند. این ابزارها داده‌های پیچیده را سازماندهی و متصل می‌کنند و درک روابط و الگوها را برای هوش مصنوعی آسان‌تر می‌کنند. کسب‌وکارها به طور فزاینده‌ای از آنها برای نگاشت از مجموعه داده‌ها و کشف بینش‌های پنهان استفاده می‌کنند. آنها با ادغام با...
-
حافظه مشترک توزیع شده
چهارشنبه 3 اردیبهشت 1404 06:35
Distributed shared memory حافظه مشترک توزیع شده (DSM) یک شکل از معماری حافظه است که در آن حافظه‌هایی که به صورت فیزیکی از یکدیگر جدا هستند، این قابلیت را دارند که به عنوان یک فضای آدرس که از نظر منطقی مشترک است، بیان شوند. اینجا، عبارت «مشترک» بدان معنی نیست که یک حافظه متمرکز تنها وجود دارد بلکه یعنی فضای آدرس...
-
حافظه پراکنده توزیع شده
چهارشنبه 3 اردیبهشت 1404 06:32
حافظه پراکنده توزیع شده ( Sparse Distributed Memory ) یک مدل ریاضی از حافظه بلند مدت انسان است که توسط پنتی کانروا در سال 1988 زمانی که او در مرکز تحقیقات ایمز ناسا بود معرفی شد.[1] این حافظه، چه در تئوری و چه در آزمایش، رفتارهایی را نشان می‌دهد که قبلاً توسط ماشین‌ها به آنها دسترسی نداشتند - مانند تشخیص سریع چهره‌ها...
-
Anticipation (artificial intelligence)
چهارشنبه 3 اردیبهشت 1404 06:31
پیش بینی (هوش‌مصنوعی) در هوش‌مصنوعی ( AI ) ، پیش بینی زمانی رخ می‌دهد که یک عامل بر اساس باورهای صریح خود در مورد آینده تصمیم‌گیری کند. به طور گسترده‌تر، «پیش‌بینی» می‌تواند به توانایی عمل به روش‌های مناسب که رویدادهای آینده را در نظر می‌گیرد، بدون اینکه لزوماً به طور صریح مدلی از رویدادهای آینده داشته باشد، اشاره...
