فایل ورد کامل ترجمه مقاله روش یادگیری فازی Q برای هدایت کردن ربات خودکار ۲۶ صفحه در word

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 فایل ورد کامل ترجمه مقاله روش یادگیری فازی Q برای هدایت کردن ربات خودکار ۲۶ صفحه در word دارای ۲۶ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

لطفا نگران مطالب داخل فایل نباشید، مطالب داخل صفحات بسیار عالی و قابل درک برای شما می باشد، ما عالی بودن این فایل رو تضمین می کنیم.

فایل ورد فایل ورد کامل ترجمه مقاله روش یادگیری فازی Q برای هدایت کردن ربات خودکار ۲۶ صفحه در word  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی فایل ورد کامل ترجمه مقاله روش یادگیری فازی Q برای هدایت کردن ربات خودکار ۲۶ صفحه در word،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن فایل ورد کامل ترجمه مقاله روش یادگیری فازی Q برای هدایت کردن ربات خودکار ۲۶ صفحه در word :

دانلود فایل ورد کامل ترجمه مقاله روش یادگیری فازی Q برای هدایت کردن ربات خودکار ۲۶ صفحه در word
ترجمه در قالب فایل Word و قابل ویرایش میباشد
سال انتشار:۲۰۱۲
تعداد صفحه ترجمه:۱۴
تعداد صفحه فایل انگلیسی:۶

موضوع انگلیسی :A Fuzzy Q-Learning Approach to Navigation
of an Autonomous Robot
موضوع فارسی:دانلود فایل ورد کامل ترجمه مقاله روش یادگیری فازی Q برای هدایت کردن ربات خودکار ۲۶ صفحه در word
چکیده انگلیسی:Abstract—The proposed algorithm takes advantage of coupling
fuzzy logic and Q-learning to fulfill requirements of
autonomous navigations. Fuzzy if-then rules provide a reliable
decision making framework to handle uncertainties, and also
allow incorporation of heuristic knowledge. Dynamic structure
of Q-learning makes it a promising tool to adjust fuzzy
inference parameters when little or no prior knowledge is
available about the world. To robot, the world is modeled into
a set of state-action pairs. For each fuzzified state, there are
some suggested actions. States are related to their
corresponding actions via fuzzy if-then rules based on human
reasoning. The robot selects the most encouraged action for
each state through online experiences. Efficiency of the
proposed method is validated through experiments on a
simulated Khepera robot.
چکیده فارسی:خلاصه- الگوریتم پیشنهاد داده شده مزیت هایی را از روش منطق فازی جفت شده و یادگیری Q برای برآورده ساختن نیازهای مربوط به هدایت کردن خودکار دریافت کرده است. سپس قوانین فازی یک تصمیم گیری و یک چارچوب کاری قابل قبول را برای مدیریت کردن عدم اطمینان ها فراهم می سازد و همچنین اجازه استفاده کردن از دانش سلسله واری را نیز می دهد. ساختار دینامیکی مربوط به یادگیری Q آن را به صورت یک ابزار متعهد در آورده است که تنظیم کننده پارامترهای تداخل فازی در زمانی است که دانش کمی در این زمینه وجود دارد یا اصلا وجود ندارد که در این صورت در سراسر دنیا در دسترس می باشد. ربات در سر تا سر دنیا به صورت مجموعه ای از جفت ها با فعالیت حرکتی مدل شده است. برای هر وضعیت فازی شده، برخی از فعالیت های پیشنهاد داده شده وجود دارد. وضعیت ها مرتبط با فعالیت های منطبق آن ها از طریق قوانین فازی می باشد که خود براساس استدالال انسانی هستند. ربات فعالیت تحریک شده بیشتری را برای هر وضعیت از طریق آزمایش های آنلاین انتخاب می کند. کارایی مربوط به روش پیشنهاد داده شده از طریق آزمایش هایی براساس ربات شبیه سازی شده Khepera موجود می باشد