Fuzzy Logic in Machine Learning
Fuzzy Logic in Machine Learning
com
استاد راهنما:
مهندس امیر عباس برادران
توسط:
فاطمه نقاده
پاییز 2931
[Link]
[Link]
[Link]
[Link]
پیطگفتار:
ثيٷڀبځ كايبڃڈ ؿك صڄـ ؿډڈ ٳڄچڃي ام ٣چاٿٺ آټي څ ٳټيـي پيِل٫ت ُڄبؽتڈ ُـڇ اًت .ٷلؿٍ ؿكًت
اٿچكً ،ل٣ت $تڄـي #ؿك ٳبكډب څ كڅٍډبي اؿاكي ،ثڊلڇڅكي څ ؽـٿبت ٣ڀچٿي ،ؿًتلًي ثڈ اٛال٣بت ُلٳتډب
ډڀڈ ام ٿنايبي كايبڃڈډبًت .اٿلڅمڇ ًبمٿبځډب رڊت پلؿامٍ ٳبكډبيي صچځ ڃٸڊـاكي څ ثڈ كڅم كًبڃي عٌبةډب
څ ؿاكاييډبي ؽچؿ ،كاډِبځ كا ثڈ ًچي اًت٬بؿڇ ام كايبڃڈډب ثبم ڃڀچؿڇاڃـ .ٳبكثلؿډبيي صچځ ٻچامٽ ؽبڃٸي،
ؽچؿكڅډب ،ډچاپيڀبډب څ اثناك ٓڄ٤تي ،ؿًتٸبڇډبي اٻٴتليٴي ،ٳڄتلٹ اڃتٰبٹ ڃيلڅ څ ؽٜچ ٙٳبكؽبڃڈډب څ ٷيلڃـڇ
ٿبډچاكڇ تچً ٚكايبڃڈ ًلڅييؿډي ٿيُچڃـ .ډڀنٿبځ ثب پيِل٫ت څ ًبمٿبڃـډي ًبمٿبځډب څ ثڄٸبڇډبي ٳچصٲ
څ ٿتچً ،ٚٳِبڅكميٓ ،ڄ٤تي څ ...ؽـٿبت كايبڃڈاي ډل كڅم ڃ٬چف ؽچؿ كا ؿك مڃـٷي ارتڀب٣ي څ اٯتٔبؿي اڃٌبځ
ڃين ڃِبځ ٿيؿډڄـ.
څٻي ؿيٸل كايبڃڈډبي ؿڅٿڄٰٜي ٓ٬ل څ يٲ رچاثٸچي ڃيبمډبي ثِل ڃيٌت څ ثبيـ ًيٌتپډبيي ًبؽت ٳڈ ثڈ
ثڈ ُيچڇډبي صڄـٿٰـاكي ت٬ٴل څ ت٤ټپ اڃٌبځ ڃنؿيٲ ثبُـ څ اثڊبٽ څ ٣ـٽ ٯ٤ٜيت كا ډپ ُبٿٺ ُچؿ .ؿك ايڂ
كاًتب ٿڄٜٮ رـيـي ثڈ ڃبٽ ٿڄٜٮ ٫بمي تچً ٚپلڅٌ٫چك ٻ٬ٜيماؿڇ ٿ٤ل٫ي ُـ څ ام آځ پي اڃجچڇ ٿٰبالت ثلاي
پيبؿڇ ًبمي ايڂ ٿڄٜٮ ؿك ًيٌتپډبي ٳبٿپيچتلي څ اٻٸچكيتپډبي ٿچرچؿ ،اكائڈ ُـ.
ډـ ٩ٿب ؿك ايڂ پوڅډَ ډپ ثلكًي ربٿ٤ي پيلاٿچځ ايڂ ٿجغج څ ٳبكثلؿډبي آځ ؿك يبؿٷيلي ٿبُيڂ اًت.
ٻقا پي ام ثيبځ ت٤بكي ٪څ تبكيؾضڈ څ اڃچا ١كڅٍډبي ٿڄٜٮ ٫بمي څ يبؿٷيلي ٿبُيڂ ،ٿلڅكي ثل ٿٰبالت ٿ٤تجل
څ رـيـ اكائڈ ُـڇ ؿك ايڂ مٿيڄڈ ؿاُتڈ څ ايـڇډبي رـيـي ٳڈ ؿاؿڇ ُـڇ اًت كا ؽچاډيپ ٷ٬ت.
اٿيـڅاكيپ ٳڈ ايڂ احل ثتچاڃـ ٳڀٴي ثلاي ؿڅًتبڃي ثبُـ ٳڈ ثڈ تغٰيٮ ؿك ايڂ مٿيڄڈ ٣الٯڀڄـ ډٌتڄـ.
يٲ
[Link]
[Link]
صَرتجلسِ دفاعیِ
ؿك رټٌڈ ثڈ پبيبځ كًبڃيـڇ څ ؿك تبكيؼ ثڈ علڅ٩ ثب ڃڀلڇ .
ؿك ٿغٺ ؿاڃِٸبڇ پيبٽ ڃچك ٳبُبځ ثلٷناك ُـ ام پلڅهڇ ؽچؿ ؿ٫ب ١ڃڀچؿڇ اًت. ؿ٫ب٣يڈ ٳڈ كاى ًب٣ت
ؿڅ
[Link]
[Link]
تقذین ًاهِ:
ل
راسخىن فی ا علم
ًڈ
[Link]
[Link]
سپاس ًاهِ:
هس نع
خداوند دنیا را هب انساناه هدهی داد ات ردآن سندگی کنىد ،اس متاهیش بهري جىیىد و هب امکل ربسىد .رد آفرینش تمام تی رمز و راسی نهفتً است هک
جست
انسان با دى و تأمل رد آن میتىاند هب سعادت دست یابد .او رد ایه راي هب کمک دستاهیی ربای سهىلت و صحت راهش نیاسمىد است پس
مح
هب دور اس ادب است هک اگر آانن یادی وکىد .لذا ربخىد السم میدانم اس ایههک رد رپتى الطاف خاهص الهی و رد ضز رپ فیض زبرگانی مؤفق هب اراهئ
مح
تزم دااگشني جىاب دکتز عباس فراهتی و مدریگروي معزس رشتً جىاب دکتز حمیدی سپاسگزاری نمایم.
ح
رد پایان ،شایستً است اس کمکاه و راهنماییاهی بی ردیغ و صبىراهن خىاره مهربانم سزکار خانم مهىدس حمیدي نقادي هک رد تمام مرا ل ایه نىشتار
ت هم
ذىن مشاوری دلسىس مرا یاری دادي است ،امکل شكر را نمایم.
لی
« اگر میتىانم دوررت را منيبب ،هب د ل آن است هک رب شاهناهی غىل پیكران ایستاديام»
صڊبك
[Link]
[Link]
چکیذُ:
ٿڄٜٮ ٫بمي ٿ٤تٰـ اًت ٳڈ اثڊبٽ ډڀيِڈ څ ډڀچاكڇ ؿك رچډلڇ څ ٿبډيت ٣ټپ ثوچؿڇ څ ٿوي توچاځ ام آځ ثڊولڇ
رٌت .ثڄبثلايڂ ثڈ ؿڃجبٹ ًبؽتڂ ًيٌتپ ډبيي اًت ٳڈ اثڊبٽ كا ثڈ ٣ڄچاځ ثؾِي ام ًيٌوتپ ،ډ٘وپ ڃڀوچؿڇ څ
ٿـٹ ٳڄـ .ميلا تڄڊب ؿك ايڂ ٓچكت اًت ٳڈ ٿي تچاځ ؿك ًيٌوتپ ډوبي ٿجتڄوي ثول ډوچٍ ٿٔوڄچ٣ي ،ك٫توبك څ
٣ٴياٻ٤ڀٺ ايڂ ٷچڃڈ ًيٌتپډب كا ثڈ ك٫تبك اڃٌبڃي ڃنؿيٲ ڃڀچؿڇ څ ثڈ ڃتيزڈ ؿٻؾچاڇ ؿًوت يب٫وت .ثول ډڀويڂ
اًبى ٳبكثلؿ ٿڄٜٮ ٫بمي ؿك عٺ ٿٌبئٺ ډچٍ ٿٔڄچ٣ي ،ثيَ ام پيَ ؿك عبٹ ٷٌتلٍ اًت.
ٻقا پي ام ٿ٤ل٫ي ٿڄٜٮ ٫بمي تچً ٚپلڅٌ٫چك ٻ٬ٜيماؿڇُ ،ڀبك ميبؿي ام ٿغٰٰبځ عچمڇ ٣ټچٽ ٳبٿپيچتل ثوڈ
ايڂ ٿٰچٻڈ څ ٳبكثلؿي ٳلؿځ آځ ؿك ٿٌبئٺ كڅي آڅكؿڇ څ ٿٰبالت څ پوڅډَډبي ميبؿي ثب ايڂ ٿچٗچ٣بت ٿڄتِل
ُـڇ اًت.
ؿك ايڂ تغٰيٮ ډپ ډـ ٩آټي ٿب ٿ٤ل٫ي څ ڃٰـ څ ثلكًي كڅٍډبي ٿجتڄي ثل ٿڄٜٮ ٫بمي څ يبؿٷيلي
ٿبُيڂ اًت .كڅاٹ ٳبك ثٔچكت ٿٜبٻ٤ڈ كڅٍډبي ٿِبثڈ ؿك ٿٰبالت ٿ٤تجل څ رـيـ Springer ،Elsevier ،ISI
څ IEEEٿيثبُـً .پي ثب اًت٬بؿڇ ام ڃتبيذ ُجيڈًبمي كڅٍډبي پيِڄڊبؿي ؿك ايڂ ٿٰبالت ً٤ي ؿك اكائڈ
كاڇعٺډبي رـيـ ثڈ ٳڀٲ ڃٰب ٙٯچت څ ٗ ٪٤ايڂ كڅٍډب ؽچاډيپ ؿاُت.
ؿك ايڂ مٿيڄڈ ٔ٫ٺ اڅٹ ثڈ ٿ٤ل٫ي ،تبكيؾضڈ څ ٿ٬بډيپ آټي ٿڄٜٮ ٫بمي پلؿاؽتڈ څ ؿك ٔ٫ٺ ؿڅٽ ت٤بكي ٪څ
اڃچا ١كڅٍډب څ تٴڄيٲډبي يبؿٷيلي ٿبُيڂ ثڈ ډڀلاڇ ٿنايب څ ٿ٤بيت ډل يٲ كا ثيبځ ڃڀچؿڇ څ ؿك ٔ٫ٺ ًچٽ
ٿلڅكي ثل ٿٰبالت رـيـ ؿك ايڂ عچمڇ ؿاُتڈ څ ؿك ٔ٫ٺ صڊبكٽ ثڈ ثيبځ ايـڇډبي رـيـ پيلاٿچځ يبؿٷيلي
ٿبُيڂ څ ٿڄٜٮ ٫بمي ٿيپلؿاميپ څ پلڅهڇ كا ثب ثيبځ ڃتبيذ ثڈ پبيبځ ؽچاډيپ كًبڃـ.
کلوات کلیذی :ٿغبًجبت ڃلٽ ،ٿڄٜٮ ٫بمي ،ٿزڀچ٣ڈډبي ٫بميً ،يٌتپډبي ٫بمي ،يبؿٷيلي ٿبُيڂ،
پڄذ
[Link]
[Link]
فْرست هغالب
صفحِ عٌَاى
1 فصل اٍل :هٌغق فازی؛ هعرفی ،تاریخچِ ،هفاّین اصلی ………………………………………
2 .1-1ٿٰـٿڈ …………………………………………………………………………………………………
3 .2-1ٿغبًجبت ڃلٽ ………………………………………………………………………………………
5 .3-1ٿڄٜٮ ٫بمي …………………………………………………………………………………………
7 ً .4-1يل تٜچك ٿڄٜٮ ٫بمي ……………………………………………………………………………
17 ً .5-1يٌتپډبي ٫بمي …………………………………………………………………………………
18 ً .1-5-1يٌتپډبي ٫بمي صٸچڃڈ ًيٌتپډبي ډٌتڄـ؟ …………………………………
19 .6-1ٿ٬بډيپ آټي ؿك ٿڄٜٮ ٫بمي ……………………………………………………………………
22 .7-1ؽالٓڈ…………………………………………………………………………………………………
23 فصل دٍم :یادگیری هاضیي؛ تعاریف ،اًَاع رٍشّا ٍتکٌیکّا ………………………………
24 .1-2ٿٰـٿڈ …………………………………………………………………………………………………
25 .2-2ت٤بكي ٪يبؿٷيلي ……………………………………………………………………………………
25 .3-2يبؿٷيلي ٿبُيڂ صيٌت؟…………………………………………………………………………
27 .4-2ډـ ٩يبؿٷيلي ٿبُيڄي……………………………………………………………………………
28 .5-2اڃچا ١يبؿٷيلي ………………………………………………………………………………………
28 .1-5-2يبؿٷيلي ثب ڃبٟل …………………………………………………………………………
29 .2-5-2يبؿٷيلي ثـڅځ ڃبٟل ……………………………………………………………………
29 .3-5-2يبؿٷيلي تٰچيتي…………………………………………………………………………
29 .4-5-2يبؿٷيلي ڃيڀڈ ڃ٠بكتي …………………………………………………………………
29 .1-4-5-2كڅٍډبي يبؿٷيلي ڃيڀڈ ڃ٠بكتي………………………………………
30 .6-2كُتڈډبي ٣ټڀي څ ڃڀچڃڈډبيي ام تأحيلُبځ ثل يبؿٷيلي ٿبُيڄي…………………………
31 .7-2اڃچا ١ٿبُيڂ ډبي يبؿٷيلڃـڇ ……………………………………………………………………
31 .8-2كڅٍډبي يبؿٷيلي ٣بٿٺ …………………………………………………………………………
32 ٛ .9-2لاعي يٲ ًيٌتپ يبؿٷيلي …………………………………………………………………
33 .10-2ٿِٴالت ٿبُيڂډبي يبؿٷيلڃـڇ ………………………………………………………………
34 .11-2تٴڄيٲډبي يبؿٷيلي ٿبُيڂ …………………………………………………………………
34 .1-11-2يبؿٷيلي اًتڄتبري ؽٔچٓب ؿكؽت تٔڀيپ ……………………………………
35 .1-1-11-2څيوٷيډبي ؿكؽت تٔڀيپ ……………………………………………
35 .2-1-11-2ٳبكثلؿډبي ؿكؽت تٔڀيپ ……………………………………………
36 .3-1-11-2ٿٌبئٺ اًبًي ثلاي ډل ؿكؽت تٔڀيپ ……………………………
َُ
[Link]
[Link]
51 فصل سَم :هٌغق فازی ٍ یادگیری هاضیي؛ هرٍر هالقات ………………………………………
52 .1-3ٿٰـٿڈ …………………………………………………………………………………………………
53 .2-3ٿزڀچ٣ڈډبي ٫بمي ثـيڊي ثب اًتؾلاد ٯچا٣ـ ٫بمي ام ؿكؽتډبي تٔڀيپ ٫بمي ……
54 .3-3ٿـٹ ډچٍ ٿغبًجبتي تلٳيجي ٿجتڄي ثل ٿڄٜٮ ٫بمي څ ٿبُيڂ ثلؿاك پِتيجبځ ……
55 ً .4-3يٌتپډبي كاثٜڈاي ٔ٣جي٫ -بمي ثلاي تٰليت څ پيَثيڄي ٧يلؽٜي ………………
56 ُ .5-3جٴڈډبي ٿجتڄي ثل ٿڄٜٮ ٫بمي ………………………………………………………………
57 .6-3ٿڄٜٮ ٫بمي ؿك تچٻيـ :ٿلڅك اؿثيبت څ ڃلٽا٫ناك تؾٔٔي……………………………………
59 .7-3اًتڄتبد ٯچاڃيڂ ٫بمي ثب ًيٌتپ ايڀڄي ٿٔڄچ٣ي څ آٿچمٍ پبكتيِڂډبي ٫بمي ……
59 .8-3ؽالٓڈ ………………………………………………………………………………………………
60 فصل چْارم :هٌغق فازی ٍیادگیری هاضیي؛ بیاى ایذُّای جذیذ ………………………
61 .1-4ٿٰـٿڈ …………………………………………………………………………………………………
ډ٬ت
[Link]
[Link]
ډِت
[Link]
[Link]
فْرست ضکلّا
صفحِ عٌَاى
1 فصل اٍل :هٌغق فازی؛ هعرفی ،تاریخچِ ،هفاّین اصلی ………………………………………
12 ُٴٺ .1-1ڃغچڇ ڃڀبيَ ٿزڀچ٣ڈډبي ٫بمي تچً ٚثټٲ ………………………………………………
13 ُٴٺ .2-1ٿزڀچ٣ڈ ٫بمي ثيبڃٸل ثټڄـي ٯـ اڃٌبځ ………………………………………………………
14 ُٴٺ .3-1تبحيل تچٓي ٪ٳڄڄـڇډب ثل ٿزڀچ٣ڈډبي ٫بمي ………………………………………………
14 ُٴٺ .4-1ڃٸلٍ اكًٜچيي ؿك اكتجب ٙثب ثټڄـ ٯـ ثچؿځ ………………………………………………
17 ُٴٺ .5-1ڃٸلٍ ٫بمي ثڈ ثټڄـي ٯـ اڃٌبځ ………………………………………………………………
19 ُٴٺ .6-1ٿٰبيٌڈ ثيڂ ٿزڀچ٣ڈ ٫بمي څ ٿزڀچ٣ڈ ٯ٤ٜي ……………………………………………
19 ُٴٺ .7-1ڃڀچؿاك څځ ڃِبڃـډڄـڇ ٿزڀچ٣ڈ ٫بمي …………………………………………………………
20 ُٴٺ .8-1تبث٘٣ ٢چيت ٿخټخي ………………………………………………………………………………
20 ُٴٺ .9-1تبث٘٣ ٢چيت فڅمڃٰڈاي …………………………………………………………………………
21 ُٴٺ .10-1تبث٘٣ ٢چيت ٷچًيڂ …………………………………………………………………………
21 ُٴٺ .11-1تبث٘٣ ٢چيت مڃٸچٻڈاي …………………………………………………………………………
23 فصل دٍم :یادگیری هاضیي؛ تعاریف ،اًَاع رٍشّا ٍتکٌیکّا ………………………………
34 ُٴٺ .1-2ڃڀچؿاك ٿلثچ ٙثڈ تٌٰيپثڄـي ٿٌبئٺ ؿك يبؿٷيلي ٿبُيڂ ………………………………
39 ُٴٺ .2-2ڃڀچؿاك ٿلثچ ٙثڈ تٌٰيپثڄـي ٿٌبئٺ ؿك ٿڄٜٮ ٫بمي ……………………………………
ڃڈ
[Link]
[Link]
فصل اٍل
[Link]
[Link]
.1-1هقذهِ:
ثلاي ٿٰبثټڈ ٿؤحل ثب پيضيـٷي كڅما٫نڅځ ؿك ثلكًي ،ٿٜبٻ٤ڈ ،ٿـٹ ًبمي ،څ عوٺ ٿٌوبئٺ رـيوـ ؿك ٫ينيوٲ،
ٿڊڄـًي ،پنُٴي ،ميٌتُڄبًي ،څ ثٌيبكي ام اٿچكٷچڃبٷچځ ؿيٸل ،ايزبؿ څ اثـا ١كڅٍډبي ٿغبًجبتي رـيـي
ٿچكؿ ڃيبم ُـڇ اًت ٳڈ ثيِتل ام پيَ ثڈ ُيچڇ ډبي ت٬ٴل څ ت٤ټپ ؽچؿ اڃٌبځ ڃنؿيٲ ثبُـ .ډـ ٩آټي آڃٌت
ٳڈ تب عـ اٿٴبځ ،كايبڃڈ ډب ثتچاڃڄـ ٿٌبئٺ څ ٿِٴالت ثٌيبك پيضيـڇ ٣ټڀي كا ثب ډڀبځ ًڊچٻت څ ُيچايي ثلكًي
څ عٺ څ ٔ٫ٺ ٳڄڄـ ٳڈ فډڂ اڃٌبځ ٯبؿك ثڈ اؿكاٱ څ اؽق تٔڀيڀبت ًلي ٢څ ٿڄبًت اًت .ٻوقا ؿًوتيبثي ثوڈ
ؿاڃَ ثـڅځ اثڊبٽً ،بٹډبي ٿتڀبؿي اڃٌبځ كا ثڈ صبٻَ ٳِيـڇ اًت .ؿك اڅايٺ ٯولځ ثيٌوتپ ،ؿاڃِوڀڄـاځ ثوب
ٿِبډـڇ ٿِٴالتي ٳڈ ثلاي ٯچاڃيڂ ڃيچتڂ ؿك اڃـامڇډبي ٿچٻٴچٻي ثڈ څرچؿ آٿـڇ ثچؿ ،ثڈ ايڂ ڃتيزڈ كًيـڃـ ٳڈ
ًبؽتبكډبي ًڄتي ٣ټچٽ پبًؾٸچي پـيـڇډبي ٳُِ ٪ـڇ ڃيٌت .ؿك ايڂ ًبٹډب ثب آڃٴڈ پـيـڇډبي ٧يلٯ٤ٜوي
ڃڀچؿ يب٫تڈ ثچؿڃـ ،ډڄچم ډپ ؿاڃِڀڄـاځ ٿ٤تٰـ ثچؿڃـ ٳڈ تڄڊب كاڇ ا٫نايَ ٳبكايي ًيٌتپډب ا٫نايَ ؿٯت اًت.
ؿك ًبٹ ،1965پلڅٌ٫چك ٻ٬ٜيماؿڇ ڃ٠ليڈ ًيٌتپډبي ٫بمي كا ٿ٤ل٫ي ٳلؿ .ؿك ٘٫بيي ٳڈ ؿاڃِڀڄـاځ ٣ټچٽ
ٿڊڄـًي ثڈ ؿڃجبٹ كڅٍډبيكيبٗي ثلاي ُٴٌت ؿاؿځ ٿٌبيٺ ؿُچاكتل ثچؿڃـ ،ڃ٠ليڈ ٫بمي ثڈ ٷچڃڈاي ؿيٸل ام
ٿـٹًبمي ،اٯـاٽ ٳلؿ.
ٿڄٜٮ ٫بمي ٿ٤تٰـ اًت ٳڈ اثڊبٽ ؿك ٿبډيت ٣ټپ اًت .ثل ؽال ٩ؿيٸلاځ ٳڈ ٿ٤تٰـڃـ ٳڈ ثبيـ تٰليوتډوب كا
ؿٯيٮتل ٳلؿ تب ثڊلڇڅكي ا٫نايَ يبثـ ،ٻ٬ٜيماؿڇ ٿ٤تٰـ اًت ٳڈ ثبيـ ثڈ ؿڃجبٹ ًبؽتڂ ٿـٹډبيي ثچؿ ٳڈ اثڊبٽ
كا ثڈ ٣ڄچاځ ثؾِي ام ًيٌتپ ٿـٹ ٳڄـ .ؿك ٿڄٜٮ اكًٜچيي ،يٲ ؿًتڈثڄـي ؿكًت څ ڃبؿكًوت څروچؿ ؿاكؿ.
تڀبٽ ٷناكڇډب ؿكًت يب ڃبؿكًت ډٌتڄـ .پي رڀټڈ «ډچا ًلؿ اًت» ،ؿك ٿـٹ اكًوٜچيي اًبًوبي يوٲ ٷوناكڇ
ڃڀيثبُـ ،صلا ٳڈ ٿٰـاك ًلؿ ثچؿځ ثلاي ا٫لاؿ ٿؾتټ ٪ٿت٬بڅت اًت څ ايڂ رڀټڈ اًبًوبي ډڀيِوڈ ؿكًوت يوب
ڃبؿكًت ڃيٌت .ؿك ٿڄٜٮ ٫بمي ،رڀالتي ډٌتڄـ ٳڈ ٿٰـاكي ؿكًت څ ٿٰـاكي ڃبؿكًت ډٌتڄـ .ثلاي ٿخوبٹ،
رڀټڈ"ډچا ًلؿ اًت" يٲ ٷناكڇ ٿڄٰٜي ٫بمي ٿيثبُـ ٳڈ ؿكًتي آځ ٷبډي ٳپ څ ٷبډي ميوبؿ اًوت .ٷوبډي
ډڀيِڈ ؿكًت څ ٷبډي ډڀيِڈ ڃبؿكًت څ ٷبډي تب عـڅؿي ؿكًت اًت .ٿڄٜٮ ٫بمي ٿيتچاڃـ پبيڈكين ثڄيبڃي
ثلاي ٫ڂآڅكي رـيـي ثبُـ ٳڈ تبٳڄچځ ډپ ؿًتبڅكؿډبي ٫لاڅاڃي ؿاُتڈ اًت.
ؿك ايڂ ٔ٫ٺ اثتـا ٿجغج ٿغبًجبت ڃلٽ ثيبځ ُـڇ ًپي ٿڄٜٮ ٫بمي ،ٳڈ يٴي ام ُبؽڈډبي ايڂ كُتڈ ثچؿڇ
څ ٿچٗچ ١آټي ٿبًت څ تبكيؾضڈ آځ كا اكائڈ ٳلؿڇ څ ًپي ثڈ ثلكًي ًيٌتپډبي ٫بمي ٿيپلؿاميپ .ؿك ڃڊبيت
ٿڊپتليڂ ٿ٬بډيپ ؿك ٿڄٜٮ ٫بمي ٿخٺ ٿزڀچ٣ڈډبي ٫بمي ،تبث٘٣ ٢چيت ،ا٣ـاؿ ٫بمي څ ...كا ثيبځ ٿيڃڀبييپ.
[Link]
[Link]
.2-1هحاسبات ًرم:
ٿغبًجبت $كايبڃَ #ڃلٽ 1ثڈ ٿزڀچ٣ڈاي ام ُيچڇډبي رـيـ ٿغبًجبتي ؿك ٣ټچٽ كايبڃڈ ،ډچٍ ٿٔڄچ٣ي،2
يبؿٷيلي ٿبُيڂ 3څ ثٌيبكي ام مٿيڄڈډبي ٳبكثلؿي ؿيٸل اٛال٭ ٿيُچؿ .ؿك تڀبٿي ايڂ مٿيڄڈډب ثڈ ٿٜبٻ٤ڈ،
ٿـٹًبمي څ آڃبٻين پـيـڇډبي ثٌيبك پيضيـڇاي ڃيبم اًت ٳڈ ُيچڇډبي ٣ټڀي ؿٯيٮ ؿك ٷقُتڈ ثڈ عٺ آًبځ،
تغټيټي ،څ ٳبٿٺ آڃڊب ٿچّ٫ٮ ڃجچؿڇاڃـ.
ؿك ٿٰبيٌڈ ثب تـاثيل٣ټڀي ڃلٽ ،كڅٍډبي ٣ټڀي ثٴبك ك٫تڈ $كڅٍډبي ًؾت #ؿك ًـڇډبي پيِيڂ ،ٳڈ ثلآٿـڇ
ام ٛجي٤ت څ ڃغچڇ ك٫تبك ٿبُيڂ ثچؿڇ څ تڄڊب ام ٣ڊـڇ ٿـٹًبمي څ آڃبٻين ًبٿبڃڈډبي ڃٌجتبي ًبؿڇ ؿك ٿٴبڃيٲ،
٫ينيٲ ،څ ثلؽي ام مٿيڄڈډبي ٳبكثلؿي څ ٿڊڄـًي ثلآٿـڇاڃـ .ٿٌبئٺ پيضيـڇتلي ډڀضچځ ًبٿبڃڈډبي څاثٌتڈ
ثڈ ٣ټچٽ ميٌتُڄبًي څ پنُٴي٣ ،ټچٽ ارتڀب٣ي٣ ،ټچٽ اڃٌبڃي٣ ،ټچٽ ٿـيليت څ ڃ٠بيل آڃڊب ثيلڅځ ام ٯټڀلڅ
آټي څ تچ٫يٮآ٫ليڂ كڅٍډبي كيبٗي څ تغټيټي ؿٯيٮ ثبٯي ٿبڃـڇ ثچؿڃـُ .بيبځ فٳلًت ٳڈ ؽٔبيْ ًبؿٷي
څ پيضيـٷي اٿچكي ډٌتڄـ ڃٌجي ،څ ثڈٛچك يٰيڂ ،ا٧ټت ٿـٹًبميډبي كيبٗي څ ٣ټڀي ٿچّ٫ٮ ؿك ٷقُتڈ ډپ،
ثڈ ٿ٬ڊچٽ ٿٜټٮ ٳالٽ ،ثٌيبك پل اډڀيت څ پيضيـڇ ثچؿڇاڃـ.
ٿغبًجبت ڃلٽ ثب تٰجٺ ڃبؿٯيٮ ثچؿځ څ ثب ٿغچك ٯلاك ؿاؿځ فډڂ اڃٌبځ ثڈپيَ ٿيكڅؿ .څ ثڈ اڃٌبځ څ تـاثيل
اتؾبف ُـڇ امًچي فډڂ اڅ ثڈ ٿڄ٠چك عٺ څ ٔ٫ٺ ٿٌبئٺ اؽتٔبّ پيـا ٿيٳڄـ .آٺ ډـايت ٳڄڄـڇ ٿغبًجبت
ڃلٽ ثڊلڇثلؿاكي ام ؽبٓيت ٣ـٽ ؿٯيٮ ثچؿځ رڊت ٿڊبك ٳلؿځ ٿٌأٻڈ څ پبييڂ آڅكؿځ ډنيڄڈ كاڇعٺ اًت.
ٿغبًجبت ڃلٽ كا ٿيُچؿ عبٓٺ تالٍډبي رـيـ ٣ټڀي ؿاڃٌت ٳڈ ٿـٹًبمي ،تغټيٺ ،څ ؿك ڃڊبيت ٳڄتلٹ
ًيٌتپډبي پيضيـڇ كا ثب ًڊچٻت څ ٿچّٰ٫يت ميبؿتلي اٿٴبځپقيل ٿيًبمؿ .ثڈ ٣ڄچاځ ٿڊپتليڂ ُبؽڈډبي ايڂ
ٿغبًجبت ،ثبيـ ٿڄٜٮ ٫بميُ ،جٴڈډبي ٔ٣جي ٿٔڄچ٣ي ،څ اٻٸچكيتپ هڃتيٲ كا ڃبٽ ثلؿ.
ٿغبًجبت ڃلٽ ؿڅ ث٤ـ كا ايزبؿ ٿيٳڄـ .يٴي ث٤ـ ڃلٿي اًت ٳڈ ڃٌجت ثڈ ؿڃيبي څاٯ ٢څرچؿ ؿاكؿ ي٤ڄي
ڃٸلٍ ٿغبًجبت ڃلٽ ثڈ څاٯ٤يت يٲ ڃٸلٍ ڃلٽ اًت؛ ثـيڂ ٿ٤ڄي ٳڈ ثڈ ربي ايڄٴڈ ثٸچييپ ايڂ صڄيڂ ثبيـ
ثبُـ څاٯ٤يت كا آڃضڄبځ ٳڈ ډٌت ً٤ي ٿيٳڄيپ تٔچيل ٳلؿڇ څ ثب آځ ثلؽچكؿ ٳڄيپ .ايڂ ؿيـٷبڇ اڅٹ ٿغبًجبت
ڃلٽ ٿيثبُـ .ؿيـٷبڇ ؿيٸلي ډپ ډٌت څ آځ تلٳيت ثيڂ پبكاؿايپډبُ$ 4بؽڈډبي #ٿڄٜٮ ٫بميُ ،5جٴڈډبي
ٔ٣جي ٿٔڄچ٣ي ،6څ اٻٸچكيتپ هڃتيٲ اًت .ثڈ ٣جبكت ؿيٸل ؿك ٿغبًجبت ڃلٽ ثب تلٳيت ُجٴڈډبي ٔ٣جي څ
٫بمي يب اٻٸچكيتپ هڃتيٲ څ ٫بمي يب اٻٸچكيتپ هڃتيٲ څ ُجٴڈډبي ٔ٣جي ٿيتچاځ ثڈ صيني ؿًت يب٫ت ٳڈ ارنا
آڃڊب ڃڀيتچاڃٌتڄـ ثڈ آځ ثلًڄـ.
1
Soft computing
2
Artificial Intelligence
3
Machine Learning
4
Paradigm
5
Fuzzy Logic
6
Artificial Neural Networks
[Link]
[Link]
ؽيټي ربٻت اًت ثـاڃيـ ٳڈ تٲ تٲ ارنا ٿغبًجبت ڃلٽ ثڈ ٷچڃڈاي ام ٛجي٤ت څ ثڈ ؽٔچّ ٿ٨ن اڃٌبځ
اٻڊبٽ ٷل٫تڈاڃـُ .جٴڈډبي ٔ٣جي ٿـٻي ٳڀي ام ٿ٨ن اڃٌبځ اًت څ ؿك ٿٰبثٺ آځ ٿڄٜٮ ٫بمي يٲ ٿـٹ ٳي٬ي
يب يٲ پبيٸبڇ ؿاڃَ 1ام ٿ٨ن اڃٌبځ اًت .پي ثڈ ڃغچي ډپ ُجٴڈډبي ٔ٣جي څ ډپ اٻٸچكيتپډبي هڃتيٲ څ ډپ
٫بمي څ يبؿٷيلي تٰچيتي 2ٳڈ كيِڈ آځ كڅاڃِڄبًي اًت ،ام ٿ٨ن اڃٌبځ څ ت٤بٿٺ آځ ثب ٿغي ٚڃِبت ٿيٷيلؿ.
اٻجتڈ ُبيبځ فٳل اًت ٳڈ ٧يل ام ايڂ ًڈ پبكاؿايپ ٿ٤لڅ ،٩پبكاؿايپډبي ؿيٸلي ډپ څرچؿ ؿاكڃـ .ٿخٺ اٻڊبٽ
ٷل٫تڂ ام ًيٌتپ ايڀڄي ثـځ اڃٌبځ يب ٳال اٻڊبٽ ٷل٫تڂ ام مڃـٷي ثڈ ٓچكت مڃـٷي ٿٔڄچ٣ي 3ثڈ ٷچڃڈاي ٳڈ
ُڀب ډپ تٴبٿٺ څ ډپ يبؿٷيلي كا ؿك ٯبٻت ٿٔڄچ٣ي ثتچاڃيـ ؿاُتڈ ثبُيـ.
ثغج ٿغبًجبت ڃلٽ ام اڅاً ٚؿډڈ 90تچً ٚپلڅٌ٫چك ٻ٤٬ٜټيٌ٣ٸلماؿڇ ٿِڊچك ثڈ پلڅٌ٫چك ماؿڇ ٿٜلط
ُـ .اڅ ؿكًبٹ 1992ؿك ت٤لي ٪ٿغبًجبت ڃلٽ ٷ٬ت« :ٿغبًجبت ڃلٽ يٲ پـيـڇ ڃچٟڊچك اًت ٳڈ ؿك احل ت٤بٿٺ
ثيڂ پبكاؿايپ ډبي ٿؾتټ ٪پـيـاك ُـڇ اًت .ثـيڂ ٿ٤ڄي ٳڈ ام ٯجٺ ت٤ييڂ ُـڇ ڃيٌت .ٿغبًجبت ڃلٽ ً٤ي
ٿيٳڄـ ثڈ تچاڃبيي ؿًت يبثـ ٳڈ ٿبڃڄـ ٿ٨ن اڃٌبځ ت٬ٴل ٳڄـ ،ٿغبًجڈ ٳلؿڇ څ ثتچاڃـ يبؿ ثٸيلؿ څ اًتڄتبد ٳڄـ؛
ؿك ٿغيٜي ٳڈ تچاٽ ثب ٣ـٽ ٯ٤ٜيت څ ٣ـٽ ؿٯت اًت».
ُبؽڈډبي ٿغبًجبت ڃلٽ ډڀبځډبيي ډٌتڄـ ٳڈ ؿك ډچٍ ٿغبًجبتي اًت٬بؿڇ ٿيُچڃـ .څ ډل صڄـ ٳڈ ؿك
ثٌيبكي ام ٿٰبالت ثڈ ٓچكت ربيٸنيڂ ډپ اًت٬بؿڇ ٿيُچڃـ ،څٻي ثبيـ ٷ٬ت ٳڈ ايڂ ؿڅ ٿٰچٻڈ ؿڅ ؿيـٷبڇ ٳبٿال
ٿت٬بڅت ،ثڈ اثناكډبيي اًت ٳڈ ؿك ٟبډل ٳبٿال ٿِبثڈ ډپ ثچؿڇ څ ؿك ثٜڂ ٳبك ٳبٿالي ثب ډپ ٿت٬بڅت ډٌتڄـ.
ؿك څاٯ ٢ٿغبًجبت ڃلٽ يٲ ڃٸلٍ څاٯ ٢ثيڄبڃڈ ثڈ څاٯ٤يت اًت څ ثلؽالُ ٩يچڇډبي ٿغبًجبتي ًؾت ٳڈ
تڀبٿي ډڀّت څ تچاځ ؽچؿ كا ثڈ ؿٯيٮثچؿځ ،څ ؿك رڊت ٿـٹڃڀچؿځ ٳبٿٺ عٰيٰت ٿٜ٤چ ٩ٿيؿاكڃـ ،كڅٍډبي
ڃلٽ ثل اًبى تغڀّٺ ڃبؿٯيٮ ڃٸليډب ،عٰبيٮ رنئي څ ڃبٳبٿٺ ،څ ٰ٫ـاځ اٛڀيڄبځ اًتچاك ٷلؿيـڇاڃـ .ؿكٱ ډل
صڈ كڅُڂتل ام صلايي ،صٸچڃٸي ،څ ڃين ٫ټٌ٬ڈ ايڂٷچڃڈ ٿغبًجبت رـيـ اًت ٳڈ ا٫ٮډبي رـيـ ؿك ٣ټچٽ
پيضيـڇ آيڄـڇ كا كڅُڂٿيًبمؿ.
پبكاؿايپډبي ٿؾتټ ٪ٿغبًجبت ڃلٽ ٿٴڀٺ څ ډپ ا٫ناي يٴـيٸل ډٌتڄـ .پي ثب تلٳيت آڃڊب ثڈ ٣ڄچاځ ٿخبٹ
اٻٸچكيتپ هڃتيٲ څ ُجٴڈ ٔ٣جي يب ُجٴڈ ٔ٣جي څ ٫بمي يب ډڀڈ ايڂ پبكاؿايپډب ؿك يٲ ٯبٻت ًچؿٿڄـ،
اٿيـڅاكيپ ثڈ تچاڃبيي ثلًيپ ٳڈ ؿك تٲ تٲ آڃڊب څرچؿ ڃـاكؿ .ډـ ٩ٿغبًجبت ڃلٽ ايڄٌت ٳڈ ؿك عٺ ٿِٴالت
پيضيـڇ ثڈ ًبؽتبكي تچاڃڀڄـتل ام ډل يٲ ام ا٘٣بيَ ؿًت يبثـ.
اٿلڅمڇ ٿغبًجبت ڃلٽ ،ثڈ ٣ڄچاځ اثناكي ٿڊپ ؿك ٿ٬بډيپٛ ،لاعيً ،بؽتڅًبم څ اًت٬بؿڇ ام اٛال٣بت ډچُڀڄـ
ًيٌتپُ ،ڄبؽتڈ ُـڇ اًت .صڄيڂ ًيٌتپډبيي يٲ ڃَٰ ٿغچكي ؿك ٣ڀټٴلؿ ربٿ٤ڈ ٿـكځ اي٬ب ٿيٳڄڄـ.
ٿخال يٴي ام ثنكٵتليڂ مٿيڄڈډبي ٳبكثلؿ ٿغبًجبت ڃلٽ ؿك ايزبؿ څ ٷٌتلٍ څة ٿ٤بڃي ٷلا ٿيثبُـ.
1
Knowledge base
2
Reinforcement learning
3
Artificial life
[Link]
[Link]
ثب تچرڈ ثڈ ٿٜبٻت ثبال اډڀيت ثلكًي ايڂ ٿجغج څ ُبؽڈډبي ٿؾتټ ٪آځ ثڈ ؽچثي ٿِؾْ ٿيُچؿ .اٷل
ثؾچاډيپ ٫ ٰٚ٫بمي كا ٿخبٹ ثنڃيپ ،ؿك ًبٹ ٫ ،2007بمي ثيِتليڂ ٿيناځ اكرب 1١كا ؿك ٫ټٌ٬ڈ ؿاُتڈ څ ايڂ
ڃِبځ ٿيؿډـ ٳڈ ؿيـٷبڇ ٫بمي ثٌيبك پبيڈاي ثچؿڇ اًت .صچځ ٌ٫ټ٬ڈ ،ٿبؿك ٣ټچٽ ٿيثبُـ.
تئچكي ٿزڀچ٣ڈډبي ٫بمي څ ٿڄٜٮ ٫بمي كا پلڅٌ٫چك ٻ٤٬ٜټيٌ٣ٸلماؿڇ ؿك ًبٹ 1965اكائڈ ڃڀچؿ .ډـ٩
اڅٻيڈ اڅ ؿك آځ مٿبځ ،تچً٤ڈ ٿـٻي ٳبكآٿـتل ثلاي تچٓي٫ ٪لآيڄـ پلؿامٍ مثبځډبي ٛجي٤ي ثچؿ .اڅ ٿ٬بډيپ څ
آالعبتي ډڀضچځ ٿزڀچ٣ڈډبي ٫بمي ،كڅيـاؿډبي ٫بمي ،ا٣ـاؿ ٫بمي څ ٫بميًبمي كا څاكؿ ٣ټچٽ كيبٗيبت څ
ٿڊڄـًي ڃڀچؿ .ام آځ مٿبځ تبٳڄچځ ،پلڅٌ٫چك ماؿڇ ثڈ ؿٻيٺ ٿ٤ل٫ي ڃ٠ليڈ ثـي ٢څ ًچؿٿڄـ ٿڄٜٮ ٫بمي څ
تالٍډبيَ ؿك ايڂ مٿيڄڈ ،ٿچ٫ٮ ثڈ ٳٌت رچاين ثيڂاٻڀټټي ٿت٤ـؿي ُـڇ اًت.
.3-1هٌغق فازی:
ؿكٳبكثلؿ كڅماڃڈ ٿب ام مثبځ ٛجي٤ي ثلاي اكائڈ ؿاڃَ څ اٛال٣بت ،ٿٰـاك ميبؿي اثڊبٽ ،ثي ؿٯتي څ يب ٫بمي ثچؿځ
څرچؿ ؿاكؿ٣" .ټي ثټڄـ ٯبٿت اًت" ٿخبٹ ًبؿڇاي ام ايڂ ڃچ ١ٿيثبُـ .ٿڄٜٮ ؿڅ اكمُي ٳالًيٲ ٯبؿك ثڈ
ٓچكيٳلؿځ اًتـالٹډبيي ٳڈ ُبٿٺ صڄيڂ ٣جبكتډبيي ډٌتڄـ ،ڃڀيثبُـ .ؿك ٿٰبثٺ ٿڄٜٮ ٫بمي ٿـ٣ي اًت
ٳڈ ٿيتچاڃـ صڄيڂ اًتـالٹډبيي كا $اًتـالٹډبي تٰليجيٓ #چكي ڃڀبيـ .تئچكي ٿزڀچ٣ڈډبي ٫بمي څ ٿڄٜٮ
٫بمي كا ڃؾٌتيڂ ثبك پلڅٌ٫چك ٻ٤٬ٜټي ٌ٣ٸلماؿڇ اًتبؿ ايلاڃياالٓٺ ؿاڃِٸبڇ ٳبٻي٬لڃيب ؿك كًبٻڈاي ثڈ ڃبٽ
«ٿزڀچ٣ڈډبي ٫بمي ،اٛال٣بت څ ٳڄتلٹ» ڃڈتڄڊب ثڈ ٣ڄچاځ كڅٍُڄبًي ٳڄتلٹ ثټٴڈ ثڈ ٣ڄچاځ كاډي ثلاي
پلؿامٍ ؿاؿڇډب ؿك ًبٹ 1965اكائڈ ڃڀچؿ.
څاهڇ ٫بمي ؿك ٫لډڄٶ ٻ٨ت آٳٌ٬چكؿ ثڈ ٓچكت ٿجڊپ ،ٷڄٶ ،ڃبؿٯيٮ ،ٷويذ ،ٿِ٨وچٍ ،ؿكډوپ څ ڃبٿِوؾْ،
ت٤ليُ ٪ـڇ اًت٣ .جبكات ؿيٸلي ٿخٺ ٳلٳي ،ؿكډپ څ ثلډپ ،پلمؿاك ،تيلڇ څ ڃبٿ٤ټچٽ ڃين ام رڀټڈ ٿ٤بڃي ؿيٸول
څاهڇ ٫بمي اًت .ؿك ٿزڀچ ،١څاهڇ ٫بمي ثڈ «ٿ٬بډيپ ٫بٯـ ٿلم ؿٯيٮ» اُبكڇ ؿاكؿ .ماؿڇ ؿك پبًؼ ثڈ ايڂ ًچاٹ ٳڈ
صلا ٳټڀڈ ٫بمي كا ثلاي ايڂ ڃ٠ليڈ اڃتؾبة ٳلؿڇ اًت ،ٿيٷچيـ:
«ٿڂ ٳټڀڈ ٫بمي كا اڃتؾبة ٳلؿٽ صچځ اعٌبى ٿي ٳلؿٽ ٳڈ ايڂ ٳټڀڈ ثب ثيِتليڂ ؿٯت آڃضڈ كا ؿك ايڂ
ڃ٠ليڈ آٿـڇ اًت ،تچٓي ٪ٿي ٳڄـ».
ثڄبثلايڂ ٣جبكت ٿڄٜٮ ٫بمي ثڈ ؿڅ ٿ٤ڄب ثڈ ٳبك ٿيكڅؿ .ؿك ٿ٤ڄبي ٿغـڅؿ ٿڄٜٮ ٫بمي يٲ ًيٌتپ ٿڄٰٜي
ثب ډـٓ ٩چكيٳلؿځ اًتـالٹډبي تٰليجي اًت څ ؿك ايڂ ٿ٤ڄب ثٌٜي ام ٿڄٜٮ صڄـاكمُي ثڈ ُڀبكٿيكڅؿ څ
اكمٍډبي ٓـ٭ ؿك ايڂ ٿڄٜٮ ا٣ـاؿعٰيٰي ثبمڇ ] [0-1اًت .څ ؿك ٿ٤ڄبي ٷٌتلؿڇ ٿ٤بؿٹ تئچكي ٿزڀچ٣ڈډبي
٫بمي اًت.
1
Citation
[Link]
[Link]
ام مٿبځ پيـايَ ٣ټچٽ كايبڃڈ ،ٿڄٜٮ ثڈ ٣ڄچاځ كُتڈ رـيـ ،ؿك ثٜڂ آځ ربي ٷل٫تڈ اًت .ؿك ؿډڈ 1950څ
1960پوڅډِٸلاځ پيَثيڄي ٳلؿڃـ ٳڈ ډل ٷبڇ ؿاڃَ ثِل ثتچاڃـ ٿڄٜٮ ٳبكثلؿي ُ$يچڇ اًتـالٹ ثڈ كڅٍ
ٰ٣ٺ ًټيپ #كا ثڈ ٳڀٲ ڃڀبؿډبي كيبٗي تچٓي ٪ٳڄـً ،بؽت ٿبُيڂ ډچُڀڄـ ٿڀٴڂ ؽچاډـ ثچؿ .ثڈ ؽبٛل
پيضيـٷي اًتـالٹډبي اڃٌبځ ،ايڂ ٿچٗچ ١ثيَ ام آڃضڈ ؿك اثتـا ثڈ ڃ٠ل ٿيكًيـ ٿِٴٺ اًت.
ٿڄٰٜي ٳڈ ا٧ټت ٿيُڄبًيپ څ تب عـڅؿي ثب آځ آُڄب ډٌتيپ ٿڄٜٮ ؿڅاكمُي اًت .ٿڄٜٮ ؿڅاكمُي يب
ٿڄٜٮ ثچٻي ؿًتٸبډي ام ٯچاڃيڂ څ آچٹ اًت ٳڈ ؿك آځ ډل ٷناكڇ يب ؿكًت اًت يب ٧ټ ٚي٤ڄي يٲ يب ٓ٬ل!!
اٿب ڃچ٣ي ٿڄٜٮ صڄـ اكمُي ثڈ ڃبٽ ٿڄٜٮ ٫بمي ڃين څرچؿ ؿاكؿ ٳڈ ثل اًبى ٿزڀچ٣ڈډبي ٫بمي ثڄب ُـڇ
اًت .ٿڄٜٮډبي صڄـ اكمُي صبكصچةډبيي ٿڄٰٜي ډٌتڄـ ٳڈ ثيَ ام ؿڅ اكمٍ ؿكًت ؿاكڃـ .اًبًبي ٿڄٜٮ
٫بمي يٲ ٿڄٜٮ ٳبكثلؿي اًت څ ؿك كُتڈډبي ٿتڄچ٣ي ٿبڃڄـ ډچٍٿٔڄچ٣ي څ ڃ٠ليڈ ٳڄتلٹ $ڃ٠ليڈ ٳڄتلٹ
ُبؽڈاي ام كيبٗي ٳبكثلؿي څ ٿڊڄـًي اًت ٳڈ ثڈ ك٫تبك ًبٿبڃڈډبي پچيب ً$يٌتپډبي ؿيڄبٿيٲ #ام ډـايت
ٿتلڅ ٷل٫تڈ تب پلڅڃـڇډبي رلٽُڄبًي څ ٿٜبٻ٤بت كڅاځُڄبًي څ ربٿ٤ڈُڄبؽتي ٿيپلؿامؿ #.ٳبكثلؿ ؿاكؿ.
ثڈ ٳڀٲ ٿڄٜٮ ٫بمي ٣جبكتډبيي ٿخٺ ڃٌجتبي ٷلٽ يب ؽيټي ًلؿ ٫لٿچٻينڇ څ ثلاي پلؿامٍ تچً ٚٳبٿپيچتلډب
آٿبؿڇ ٿيُچڃـ .ٿڄٜٮ ٫بمي ؿكڅاٯ ٢كڅٍډبي اًتـالٹ څ ڃتيزڈٷيلي ٿ٨ن كا ٿـٹًبمي ٿيٳڄـ.
ثڈ ٛچك ٳټي ايڂ ٿجغج پيضيـڇ څ ثٌيبك ٷٌتلؿڇ كا ٿيتچاځ ثڈ ًبؿٷي ايڂٷچڃڈ ت٤لي ٪ٳلؿ« :ٿڄٜٮ ٫بمي
٫لاتل ام ٿڄٜٮ اكمٍډبي ٓ٬لڅيٲ ڃلٽ ا٫ناكډبي ٳالًيٲ ك٫تڈ څ ؿكٷبډي رـيـ ثلاي ؿڃيبي ٣ټچٽ ڃلٽ ا٫ناكي
څ كايبڃڈډب ٿيٷِبيـ ،ميلا ٘٫بي ڃبڅاٗظُ ،ڄبڅك څ ثيڃڊبيت ثيڂ ا٣ـاؿ ٓ٬لڅ يٲ كا ډپ ثڈ ٳبك ٿيٷيلؿ٫ .بمي ام
٘٫بي ثيڂ ؿڅاكمٍ ثلڅيپ يب ڃلڅيپ اكمٍ رـيـ ُبيـ ثلڅيپ يب ٿيكڅيپ اٷل ،كا اًتؾلاد ٳلؿڇ څ ثڈ ٳبك ٿيثلؿ.
ثڈ ٛچك ٣ڀـڇ ٣الٯڀڄـاځ ثڈ ٿڄٜٮ ٫بمي ؿك ؿڅ ٷلڅڇ ربي ٿي ٷيلڃـ :اڅٹ ،ٿڄٜٮ ؿاڃبځ ٳڈ ٿڄٜٮ ٫بمي كا
ثڈ ٣ڄچاځ عبٻت ؽبٓي ام ٿڄٜٮډبي صڄـ اكمُي ؿك ڃ٠ل ٷل٫تڈ ٳڈ آڃڊب ؽچؿ ُبؽڈاي ام ٿڄٜٮ ٿيثبُڄـ .آڃڊب
ثڈ ؿڃجبٹ ٿٌبئٺ ثبم څ ربٻجي ؿكآځ ثچؿڇ څ تغٰيٰبت ثٌيبك اكمُڀڄـي ؿكايڂثبكڇ اڃزبٽ ؿاؿڇاڃـ.ؿڅٽ ،څ ثڈ ډڀبځ
اډڀيت ٿغٰٰبڃي ډٌتڄـ ٳڈ ؿكٷيل ٳبكثلؿډبي ٿڄٜٮ ٫بمي څ ٿغبًجبت ڃلٽ ٿيثبُڄـ .ايڂ يٲ څاٯ٤يت اًت
ٳڈ اٳخل ايڂ ا٫لاؿ ٿڄٜٮؿاڃبځ يب ٿڄٜٮٳبكاځ عل٫ڈاي ڃيٌتڄـ ،ٻقا ثڈ ٛچكي ٳڈ ؿيـڇ ُـڇ څ ثڈ ًبؿٷي ډپ
ات٬ب٭ ٿيا٫تـ يٲ ٳبكثلؿ ډل صڄـ ډچُڀڄـاڃڈ څ ٿچٰ٫يتآٿين ٿڀٴڂ اًت ثڈ ٛليٰي اڃزبٽ ٷل٫تڈ ٳڈ ٳبٿال
ٓغيظ ڃجچؿڇ څ ًبؿڇٻچعبڃڈ ثڈ ڃ٠ل ٿيكًـ $اكائڈ اًتبڃـاكؿ رڄجڈډبي ٿڄٰٜي ٳڄتلٹٳڄڄـڇډبي ٫بمي ام
ٿخبٹډبي ثبكم ډٌتڄـ .#ايڂ څاٯ٤يت ٳڈ ا٣تٰبؿات پبيڈاي ٿڄٜٮ ؿاڃبځ آًيت ڃجيڄـ صڄـاځ اډڀيتي ڃـاكؿ.
اٿب ٰ٣يـڇ ثٌيبكي ام ٿڄٜٮ ؿاڃبځ ايڂ اًت ٳڈ ؿكٱ ثڊتل ام پبيڈډبي ٿڄٰٜي څ كيبٗي ٿڄٜٮ ٫بمي ثڈ
ٿ٤ڄي ٣بٽ څ ٿ٤ڀچٻي ثلاي ثڈ ٳبكٷيلاځ ٿڄٜٮ ٿ٬يـ ٿيثبُـ ميلا اٷل آڃڊب ثڊتل څ ثيِتل آڃضڈ كا ٳڈ اڃزبٽ
ٿيؿډڄـ ثِڄبًڄـ ٿٌټڀبي اٿيـ ثڈ ثڊتل اڃزبٽ ؿاؿځ ؿك ډل ٻغ٠ڈ ثيِتل ؽچاډـ ثچؿ٣ .الڅڇ ثل آځ ت٬بډپ ٿتٰبثٺ
ثيڂ ٿڄٜٮ ؿاڃبځ $ٳالًيٲ يب ٧يل ٳالًيٲ #څ ٿغٰٰبځ ؿك عچمڇ ٿڄٜٮ ٫بمي ثڈ ډڀٴبكي ثيِتل څ ؿك ڃتيزڈ
[Link]
[Link]
1
Semantics
[Link]
[Link]
ثبډچٍ ثچؿځ څ ميجب ثچؿځ ؿك ڃ٠ل ٷل٫ت .اٿب ؿك ثٌيبكي ام ٣ټچٽ ڃ٠يل كيبٗيبت څ ٿڄٜٮ٫ ،لٕ ثل ايڂ اًت ٳڈ
ٿلمډب څ ٿغـڅؿڇډبي ؿٯيٰب ت٤ليُ ٪ـڇاي څرچؿ ؿاكؿ څ يٲ ٿچٗچ ١ؽبّ يب ؿك ٿغـڅؿڇ آځ ٿلم ٿيٷڄزـ يب
ڃڀيٷڄزـ .ٿچاكؿي صچځ ډڀڈ يب ډيش٫ ،بڃي يب ٧يل٫بڃي ،مڃـڇ يب ٿلؿڇ ،ٿلؿ يب مځ٬ً ،يـ يب ًيبڇ٬ٓ ،ل يب يٲ ،څ
ثڈ ٓچكت ٳټي ايڂ يب ڃٰيٖ ايڂ .ؿك ايڂ ٣ټچٽ ډل ٷناكڇاي يب ؿكًت اًت يب ڃبؿكًت ،پـيـڇډبي څاٯ٤ي يب
ً٬يـ ډٌتڄـ يب ًيبڇ.
ايڂ ثبڅك ثڈ ً٬يـ څ ًيبڇډب٬ٓ ،ل څ يٲډب څ ايڂ ڃ٠بٽ ؿڅ اكمُي ثڈ ٷقُتڈ ثبم ٿيٷلؿؿ څ عـاٯٺ ثڈ يچڃبځ
ٯـيپ څ اكًٜچ ٿيكًـ .ٯجٺ ام اكًٜچ ڃچ٣ي فډڄيت ٫ټٌ٬ي څرچؿ ؿاُت ٳڈ ثڈ ايڂ ايڀبځ ؿڅؿڅيي ثب ُٲ څ
تلؿيـ ٿيڃٸليٌت .ثچؿا ؿك ډڄـ ،پڄذ ٯلځ ٯجٺ ام ٿٌيظ څ تٰليجبي ؿڅ ٯلځ ٯجٺ ام اكًٜچ مڃـٷي ٿيٳلؿ .اڅٻيڂ
ٯـٽ ؿك ًيٌتپ ا٣تٰبؿي اڅ ٷلين ام رڊبځ ًيبڇ څ ً٬يـ څ ثلؿاُتڂ ايڂ عزبة ؿڅ اكمُي ثچؿ .ڃٸليٌتڂ ثڈ
رڊبځ ثڈ ٓچكتي ٳڈ ډٌت .ام ؿيـ ثچؿا رڊبځ كا ثبيـ ًلاًل تڄبٯٖ ؿيـ ،رڊبڃي ٳڈ صينډب څ ڃبصينډب ؿك آځ
څرچؿ ؿاكؿ .ؿك آځ ٷٺډبي كم ډپ ًلػ ډٌتڄـ څ ډپ ٧يلًلػ .ؿك ٿڄٜٮ ثچؿا ډپ Aؿاكيپ ډپ ڃٰيٖ .Aؿك
ٿڄٜٮ اكًٜچ يب Aؿاكيپ يب ڃٰيٖ .Aٿڄٜٮ A$يب ڃٰيٖ #Aؿك ٿٰبثٺ ٿڄٜٮ A$څ ڃٰيٖ .#Aثڈ ثيبځ ؿيٸل
ٿڄٜٮ ايڂ يب آځ اكًٜچ ؿك ٿٰبثٺ ٿڄٜٮ ت٘بؿ ثچؿا.
ٿڄٜٮ اكًٜچ اًبى كيبٗيبت ٳالًيٲ كا تِٴيٺ ٿيؿډـ .ثل اًبى آچٹ څ ٿجبڃي ايڂ ٿڄٜٮ ډڀڈ صين
تڄڊب ٿِڀچٹ يٲ ٯب٣ـڇ حبثت ٿيُچؿ ٳڈ ثڈ ٿچرت آځ يب آځ صين ؿكًت اًت يب ڃبؿكًت .ؿاڃِڀڄـاځ ڃين ثل
ډڀيڂ اًبى ثڈ تغټيٺ ؿڃيبي ؽچؿ ٿيپلؿاؽتڄـ .ٷلصڈ آڃڊب ډڀيِڈ ٿٜڀئڂ ڃجچؿڃـ ٳڈ صڈ صيني ؿكًت
اًت څ صڈ صيني ڃبؿكًت څ ٷل صڈ ؿكثبكڇ ؿكًتي يب ڃبؿكًتي يٲ پـيـڇ ٿِؾْ ٿڀٴڂ ثچؿ ؿصبك تلؿيـ
ُچڃـ ،څٻي ؿك يٲ ٿچكؿ ډيش تلؿيـي ڃـاُتڄـ څ آځ ايڄٴڈ ډل پـيـڇاي يب ؿكًت اًت يب ڃبؿكًت.
ډل ٷناكڇ ،ٯبڃچځ يب ٯب٣ـڇاي يب ٯبثٺ اًتڄبؿ اًت يب ڃيٌت .ثيَ ام ؿڅ ډناك ًبٹ اًت ٳڈ ٯبڃچځ اكًٜچ
ت٤ييڂ ٿيٳڄـ ٳڈ ام ڃ٠ل ٫ټٌ٬ي صڈ صين ؿكًت يب ڃبؿكًت اًت .ايڂ ٯبڃچځ اڃـيِيـځ ؿك مثبځ ،آٿچمٍ څ
ا٫ٴبك ٿب كًچػ ٳلؿڇ اًت.
ٿڄٜٮ اكًٜچيي ،ؿٯت كا ٫ـاي ًڊچٻت ٿيٳڄـ .ڃتبيذ ٿڄٜٮ اكًٜچيي ،ؿڅ اكمُي ،ؿكًت يب ڃبؿكًتً ،يبڇ
يب ً٬يـ څ ٓ٬ل يب يٲ ٿيتچاڃـ ٿٜبٻت كيبٗي څ پلؿامٍ كايبڃڈ اي كا ًبؿڇ ٳڄـ .ٿيتچاځ ثب كُتڈاي ام ٓ٬ل څ
يٲډب ثٌيبك ًبؿڇتل ام ٳٌلډب ٳبك ٳلؿ .اٿب عبٻت ؿڅ اكمُي ڃيبمٿڄـ اڃٜجب٭ څكمي څ ام ثيڂ ثلؿځ مڅائـ اًت.
ثڈ ٣ڄچاځ ٿخبٹ ډڄٸبٿي ٳڈ ٿيپلًيـ :آيب ُڀب ام ٳبك ؽچؿ كاٗي ډٌتيـ ؟ ڃڀيتچاځ اڃت٠بك رچاة ثټڈ يب ؽيل
ؿاُت ،ٿٸل آڃٴڈ ثب تٰليت ثباليي ٓغجت ٳڄيـ ً .چكځ ٳلٳڄٸبؿ٫ 1يټٌچ ٩اٷنيٌتبڃٌيبٻيٌت ،ؿكًبٹ 1843
ٳتبثي ؿك كاثٜڈ ثب تٔڀيپٷيلي څ آماؿاڃـيِي ثڈ ڃبٽ يب ايڂ يب آځ 2ڃچُت .اڅ ؿك ايڂ ٳتبة ثِل كا ثلؿڇ ٳيڊبڃي
1
Soren kierkengaard
2
Either – or
[Link]
[Link]
اڃتؾبةډبي ؿڅؿڅيي ؿك تٔڀيپٷيليډبيَ ڃبٿيـ .تٔڀيپٷيلي ثڈ اڃزبٽ يب ٣ـٽ اڃزبٽ ٳبكي څ تٔڀيپٷيلي
ؿكثبكڇ ثچؿځ يب ڃجچؿځ صيني.
ٷل صڈ ٿيتچاځ ٿخبٹډبي ٫لاڅاڃي كا فٳل ٳلؿ ٳڈ ٳبكثلؿ ٿڄٜٮ اكًٜچيي ؿك ٿچكؿ آڃڊب ٓغيظ ثبُـ ،اٿب ثبيـ
تچرڈ ؿاُت ٳڈ ڃجبيـ آڃضڈ كا ٳڈ تڄڊب ثلاي ٿچاكؿ ؽبٓي ٿٔـا٭ ؿاكؿ ثڈ تڀبٽ پـيـڇډب ت٤ڀيپ ؿاؿ .ؿك ؿڃيبيي
ٳڈ ٿب ؿك آځ مڃـٷي ٿيٳڄيپ ،اٳخل صينډبيي ٳڈ ؿكًت ثڈ ڃ٠ل ٿيكًڄـ ،ڃٌجتبي ؿكًت ډٌتڄـ څ ؿك ٿچكؿ
ٓغت څ ًٰپ پـيـڇډبي څاٯ٤ي ډڀچاكڇ ؿكربتي ام ٣ـٽ ٯ٤ٜيت ٓـ٭ ٿيٳڄـ.
ثڈ ٣جبكتي ؿيٸل پـيـڇډبي څاٯ٤ي تڄڊب ًيبڇ يب تڄڊب ً٬يـ ڃيٌتڄـ ،ثټٴڈ تب اڃـامڇاي ؽبٳٌتلي ډٌتڄـ.
پـيـڇډبي څاٯ٤ي ډڀچاكڇ ٫بمي ،ٿجڊپ څ ٧يلؿٯيٮ ډٌتڄـ .تڄڊب كيبٗي ثچؿ ٳڈ ًيبڇ څ ً٬يـ ثچؿ څ ايڂ ؽچؿ
صيني رن يٲ ًيٌتپ ٿٔڄچ٣ي ٿتِٴٺ ام ٯچا٣ـ څ ڃِبڃڈډب ڃجچؿ٣ .ټپ ،څاٯ٤يتډبي ؽبٳٌتلي يب ٫بمي كا ثب
اثناك ًيبڇ څ ً٬يـ كيبٗي ثڈ ڃڀبيَ ٿيٷقاُت څ ايڂ صڄيڂ ثچؿ ٳڈ ثڈ ڃ٠ل ٿيكًيـ څاٯ٤يتډب ڃين تڄڊب ًيبڇ
يب ً٬يـ ډٌتڄـ .ثـيڂ تلتيت ؿك عبٻيٴڈ ؿك تڀبٿي رڊبځ عتي يٲ پـيـڇ كا ڃڀيتچاځ يب٫ت ٳڈ ٓـ ؿكٓـ
ؿكًت يب ٓـ ؿك ٓـ ڃبؿكًت ثبُـ٣ ،ټپ ثب اثناك كيبٗي ؽچؿ ډڀڈ پـيـڇډبي رڊبځ كا ايڂ ٛچك ثيبځ ٿيٳلؿ.
ؿك ايڂ رب ثچؿ ٳڈ ٣ټپ ؿصبك اُتجبڇ ُـ.
ٻقا ًيٌتپډبي ٫بمي ٿٜلط ُـڃـ .ايڂ ًيٌتپډب ڃڀچڃڈاي ام ٘٣چيت ٿزڀچ٣ڈ څ ٿڄٜٮ ډٌتڄـ ٳڈ كيِڈ
1
ؿك٫ټٌ٬ڈ يچڃبځ ثبًتبځ ؿاكڃـ .ؿٯت كيبٗيبتي ٿلثچ ٙثڈ ٿچٰ٫يت آځ ؿكثؾَ ا٠٣ڀي ام تالٍډبي آكيٌتچتچٹ
څ ٫الً٬ڈاي اًت ٳڈ ٯجال ٿيميٌتڈاڃـ .ؿك تالٍ ثلاي حجت تئچكي ٿؾتٔل ؿك ٿڄٜٮ څ كيبٗي ،آڃڊب ٯچاڃيڂ
ت٬ٴل كا ٿٜلط ٳلؿڃـ .يٴي ام ايڂ ٯچاڃيڂ ،ٯبڃچځ اُتلاٱ اًتخڄبيي اًت ٳڈ ٿيٷچيـ ډل ٷناكڇ يب ؿكًت اًت
يب ڃبؿكًت .عتي څٯتي پبكٿيڄـم 2اڅٻيڂ ڃٌؾڈ ام ايڂ ٯبڃچځ كا ٿ٤ل٫ي ٳلؿ $عـڅؿ ً 400بٹ ٯجٺ ام ٿيالؿ#
ٿچكؿ ا٣تلاٗبت رـي ٯلاك ٷل٫ت .ډلاٳټيتچى 3پيِڄڊبؿ ٳلؿڇ ٳڈ ډل صين ٿي تچاڃـ ډڀنٿبځ يب ؿكًت ثبُـ يب
ڃبؿكًت .پالتچ 4اًبى ٳبكٍ كا ثلٿڄٜٮ ٫بمي ٷقاُتڈ څ ٷ٬ت ثڈ رن ؿكًت څ ٧ټ ٚرن ًچٿي ډپ څرچؿ ؿاكؿ.
ؿيٸل ٫الً٬ڈ ډپ ام ايڂ ؿيـٷبڇ تج٤يت ٳلؿڇاڃـ ام رڀټڈ ډٸٺ ،5ٿبكٳي 6څ اڃٸټي.7
ٻچٳبًيچيٴن 8ٳٌي ثچؿ ٳڈ ثلاي اڅٻيڂثبك كڅٍ ًيٌتڀبتيٴي كا اكائڈ ٳلؿ ٳڈ ڃڀچڃڈاي ام ٿڄٜٮ ؿڅ ٿٰـاكڇ
آكيٌتچتچٹ اًت .عتي ؿك مٿبځ عبٹ ،ثلؽي يچڃبڃيبځ ؿك رليبځ ٫بمي ًبمي پيَ ٯـٽ ډٌتڄـ$ .تچرڈ :اكتجبٙ
ثب ٿڄٜٮ ؿك ٛي 2ډناك ًبٹ ٯجٺ ام ثيڂ ك٫تڈ ثچؿ.#
1
Aristutool
2
Parmyndz
3
Heraclitus
4
Plato
5
Hegel
6
Marx
7
Engels
8
Lvkasyvykz
[Link]
[Link]
ؿك ٿزڀچ٣ڈډبي ٫بمي ثلؽال ٩ٿزڀچ٣ڈډبي ٯ٤ٜي ٣ڄبٓل ثڈ ؿڅ ؿًتڈ ٘٣چ څ ٧يل٘٣چ تٌٰيپ ڃڀيُچڃـ،
ثټٴڈ ثل اًبى آڃضڈ ٿب ت٤لي ٪ٿيٳڄيپ ٿيناځ ٘٣چيت ٣ڄبٓل ؿك ٿزڀچ٣ڈډبي ٫بمي ثيڂ ٓ٬ل څ يٲ ٿت٨يل
اًت .ؿكٱ ٿزڀچ٣ڈډبي ٫بمي اڅٻيڂ ٯـٽ ؿك څكڅؿ ثڈ ٿجغج كيبٗيبت ٫بمي اًت ٳڈ ؿك ٿٰبثٺ كيبٗيبت
ٳالًيٲ ٯلاك ؿاكؿ .ٿجڄبي كيبٗيبت ٳالًيٲ ،ٿڄٜٮ اكًٜچيي اًت ٳڈ ؿك آځ پـيـڇډبي ٿؾتټ ٪تڄڊب ؿڅ
رڄجڈ ؿاكڃـ ،ؿكًت يب ڃبؿكًت٬ٓ ،ل يب يٲ .ؿك ٿڄٜٮ اكًٜچيي عبٻت ٿيبڃڈاي څرچؿ ڃـاكؿ څ ُيچڇ اًتـالٹ
ٯ٤ٜي څ ٓليظ اًت .ام ٛل ٩ؿيٸل كيبٗيبت ٫بمي ثل پبيڈ اًتـالٹ تٰليجي 1ثڄب ُـڇ ٳڈ ٿڄٜجٮ ثب ٛجي٤ت څ
ًلُت ًيٌتپډبي اڃٌبڃي اًت .ؿك ايڂ ڃچ ١اًتـالٹ ،عبٻتډبي ٓ٬ل څ يٲ تڄڊب ٿلمډبي اًتـالٹ كا ثيبځ
ٿيٳڄڄـ څ ؿك څاٯ ٢اًتـالٹ تٰليجي عبٻت ت٤ڀيپ يب٫تڈ اًتـالٹ ٯ٤ٜي څ ٓليظ اكًٜچيي اًت.
ؿڅ عبؿحڈ ؿك اڅايٺ ٯلځ ثيٌتپ ٿڄزل ثڈ ُٴٺٷيلي ٿڄٜٮ ٫بمي 2يب ٿڄٜٮ ٿجڊپُ 3ـ $ٿڄٜٮ ٫بمي ي٤ڄي
تچاځ اًتـالٹ ثب ٿزڀچ٣ڈ ٫بمي #اڅٻيڂ عبؿحڈ پبكاؿڅٳيډبي ٿٜلط ُـڇ تچً ٚثلتلاڃـ كاًٺ ؿك اكتجب ٙثب
ٿڄٜٮ اكًٜچيي ثچؿ .ثلتلاڃـ كاًٺ ثڄيبؿډبي ٿڄٰٜي ثلاي ٿڄٜٮ ٫بمي $ٿڄٜٮ ٿجڊپ #كا ثڄب ڃڊبؿ اٿب ډلٷن
ٿچٗچ ١كا تٰ٤يت ڃٴلؿ .ثلتلاڃـ كاًٺ ؿك اكتجب ٙثب ٿڄٜٮ اكًٜچيي صڄيڂ ثيبځ ٿيؿاكؿ:
«تڀبٽ ٿڄٜٮ ًڄتي ثڄب ثڈ ٣بؿت ٫لٕ كا ثل آځ ٿيٷقاكؿ ٳڈ ڃڀبؿډبي ؿٯيٰي ثٴبك ٷل٫تڈ ُـڇ اًت ثڈ ايڂ
ؿٻيٺ ٿچٗچ ١ؿك ٿچكؿ ايڂ مڃـٷي ؽبٳي ٯبثٺ ثڈ ٳبكٷيلي ڃيٌت ثټٴڈ ٰٚ٫ثلاي يٲ مڃـٷي ٿبڅكاء اٻٜجي٤ڈ
4
ٿ٤تجل اًت».
ؿڅٿيڂ عبؿحڈ ٳِ ٪آٺ ٣ـٽ ٯ٤ٜيت تچً ٚډبينڃجلٵ ؿك ٫ينيٲ ٳچاڃتچٽ ثچؿ آٺ ٣ـٽ ٯ٤ٜيت ٳچاڃتچٿي
ډبينڃجلٵ ثڈ ثبڅك ٳچكٳچكاڃڈ ٿب ثڈ ٯ٤ٜيت ؿك ٣ټچٽ څ عٰبيٮ ٣ټڀي ؽبتڀڈ ؿاؿ څ يب ؿًت ٳپ آڃلا ؿصبك تنٻنٹ
ًبؽت .ډبينڃجلٵ ڃِبځ ؿاؿ ٳڈ عتي اتپډبي ٿ٨ن ڃبٿٜڀئڂ ډٌتڄـ .عتي ثب اٛال٣بت ٳبٿٺ ڃڀي تچاڃيـ صيني
ثٸچييـ ٳڈ ٓـؿكٓـ ٿٜڀئڂ ثبُيـ ډبينڃجلٵ ڃِبځ ؿاؿ ٳڈ عتي ؿك ٫ينيٲ عٰيٰت ٷناكڇډب تبث ٢ؿكربت
اًت .ؿك ايڂ ٿيبځ ٿڄٰٜيچځ ثلاي كډبيي ام ؽِٴي څ رنٿيت ٿڄٜٮ ؿڅ اكمُي ،ٿڄٜٮډبي صڄـ اكمُي كا ثڈ
5
٣ڄچاځ ت٤ڀيپ ٿڄٜٮ ؿڅ اكمُي پبيڈٷقاكي ٳلؿڃـ اڅٻيڂ ٿڄٜٮ ًڈ اكمُي ؿك ًبٹ 1930تچً ٚٻچٳبًيڈ څيش
څيش 5ٿڄٜٮؿاځ ٻڊٌتبڃي پبيڈٷقاكي ُـً .پي ٿڄٜٮؿاڃبځ ؿيٸلي ڃ٠يل ثچؽچاك ،6ٳټيڂ 7څډيتيڄٶ 8ڃين
1
(0, ٿڄٜٮډبي ًڈ اكمُي ؿيٸلي اكائڈ ٳلؿڃـ .ؿكٿڄٜٮ ًڈ اكمُي ٷناكڇډب ثلعٌت ًڈ اكمٍ ), 1
2
1
Approximate Reasoning
2ٿڄٜٮ ٫بمي كا ؿك ٫بكًي كيبٗيبت ڃبؿٯيٮ ،ٿِٴٲُ ،چكيـڇ ،ٿڄٜٮ ڃبؿٯيٮ ،ٿڄٜٮ ٿ٬بډيپ ڃبؿٯيٮ ،ٿڄٜٮ ؽبٳٌتلي ،ڃين ت٤لي ٪ٳلؿڇاڃـ.
3ٿڄٜٮ ٿجڊپ آٜالط ٫يټٌچ٫بځ اًت.
4ثلتلاڃـ كاًٺ ،اثڊبٽ ،ٿزټڈ اًتلاٻيبيي ٫ټٌ٬ڈ ،رټـ يٲ1923 ،
5
Lukasiewicz
6
Bochvar
7
Kliieene
8
Heyting
[Link]
[Link]
ٿٰـاكؿډي ٿيُچڃـ ٻقا ايڂ ٿڄٜٮډب څاٯ٤يتډب كا ثڊتل ام ٿڄٜٮ اكًٜچيي ) (0, 1ڃِبځ ٿيؿډڄـ څٻي كڅُڂ
اًت ٳڈ ٿڄٜٮ ًڈ اكمُي ڃين ثب څاٯ٤يت ٫بٓټڈ ؿاكؿ ٻقا ٿڄٜٮډبي nٿٰـاكڇ تچً ٚٿڄٰٜيچځ ام رڀټڈ
ٻچٳبًيڈ څيش اكائڈ ُـ .ؿك ٿڄٜٮ nٿٰـاكڇ ډل ٷناكڇ ٿيتچاڃـ يٴي ام اكمٍډبي ؿكًتي ٿزڀچ٣ڈ ميل كا اؽتيبك
ٳڄـ:
1 2
Tn {0, , , } ,1
n n
كڅُڂ اًت ٳڈ ډل صڈ ٣ nـؿ ٓغيظ ٿخجت ثنكٵتلي اڃتؾبة ُچؿ ؿًتڈثڄـي اكمٍ ٷناكڇډب $ٷلؿ ٳلؿځ
آڃڊب ثڈ يٴي ام ا٣ـاؿ ٿزڀچ٣ڈ #Tnثڈ څاٯ٤يت ڃنؿيٴتل ؽچاډـ ثچؿ څ اٷل nثڈ ًڀت ثي ڃڊبيت ٿيٺ ٳڄـ
) (n يٲ ٿڄٜٮ ثيڃڊبيت ٿٰـاكڇ ت٤لي ٪ٿيُچؿ ٳڈ ؿكرڈ ؿكًتي ډل ٷناكڇ ٿيتچاڃـ يٲ ٣ـؿ ٷچيب ثيڂ
ٓ٬ل څ يٲ ثبُـ ٿڄٜٮ ٳبٿٺتل آځ اًت ٳڈ ډل ٷناكڇ ثتچاڃـ ډل ٣ـؿ عٰيٰي ثيڂ ٓ٬لڅيٲ كا اؽتيبك ٳڄـ ٳڈ
آځ كا ٿڄٜٮ اًتبڃـاكؿ ٻچٳبًيڈڅيش ٿيڃبٿڄـ ؿك څاٯ ٢اكمٍ ٷناكڇډب ؿك ايڂ ٿڄٜٮ ٛي٬ي ثيڂ ؿكًتي څ
ڃبؿكًتي يب ثيڂ ٓ٬ل څ يٲ اًت.
ٿڄٜٮ ٫بمي ڃين يٲ ٿڄٜٮ صڄـاكمُي اًت .ؿك ايڂ ٿڄٜٮ ثڈ ربي ؿكًت يب ڃبؿكًتً ،يبڇ څً٬يـ څ ٓ٬ل
يب يٲً ،بيڈډبي ڃبٿغـڅؿي ام ؽبٳٌتلي ثيڂ ًيبڇ څ ً٬يـ څرچؿ ؿاكؿ تڀبين ٣ڀـڇ ٿڄٜٮ ٫بمي ثب ٿڄٜٮ
صڄـ اكمُي آځ اًت ٳڈ ؿك ٿڄٜٮ ٫بمي عٰيٰت څ عتي فات ٿٜبٻت ډپ ٿيتچاڃـ ڃبؿٯيٮ ثبُـ ؿك ٿڄٜٮ
٫بمي ٿزبم ثڈ ثيبځ رڀالتي ام ٯجيٺ "ٳبٿالي ؿكًت اًت" يب "ٳپڅثيَ ؿكًت اًت" ډٌتيپ څ عتي ٿيتچاځ
ام اعتڀبٹ ڃبؿٯيٮ ٿخٺ تٰليجبي ٧يلٿڀٴڂ ڃڈ صڄـاځ څ ثڄـكت ڃين اًت٬بؿڇ ٳلؿ ثـيڂ تلتيت ٿڄٜٮ ٫بمي ڃ٠بٽ
ٳبٿال ٿڄ٬ٜ٤ي كا ؿك ؽـٿت مثبځ ٛجي٤ي ٯلاك ٿيؿډـ.
ٿڄٜٮ ٫بمي يٲ رڊبځثيڄي رـيـ اًت ٳڈ ٣ټيك٧پ كيِڈ ؿاُتڂ ؿك ٫لډڄٶ ٿِل٭ مٿيڂ ثب ڃيبمډبي
ؿڃيبي پيضيـڇ اٿلڅم ثٌيبك ًبمٷبكتل ام ٿڄٜٮ اكًٜچيي اًت ٿڄٜٮ ٫بمي رڊبځ كا آځٛچك ٳڈ ډٌت ثڈ
تٔچيل ٿيٳِـ ثـيڊي اًت صچځ فډڂ ٿب ثب ٿڄٜٮ اكًٜچيي پلڅكٍ يب٫تڈ ثلاي ؿكٱ ٿ٬بډيپ ٫بمي ؿك اثتـا
ثبيـ ٳڀي تأٿٺ ٳڄيپ څٻي څٯتي آځ كا ُڄبؽتيپ ؿيٸل ڃڀيتچاڃيپ ثڈ ًبؿٷي آڃلا ٫لاٿچٍ ٳڄيپ ؿڃيبيي ٳڈ ٿب
ؿكآځ مڃـٷي ٿيٳڄيپ ؿڃيبي ٿجڊڀبت څ ٣ـٽ ٯ٤ٜيت اًت ٿ٨ن اڃٌبځ ٣بؿت ٳلؿڇ ٳڈ ؿك صڄيڂ ٿغيٜي ٫ٴل
ٳڄـ څ تٔڀيپ ثٸيلؿ څ ايڂ ٯبثټيت ٿ٨ن ٳڈ ٿيتچاڃـ ثب اًت٬بؿڇ ام ؿاؿڇډبي ڃبؿٯيٮ څ ٳي٬ي ثڈ يبؿٷيلي څ
ڃتيزڈٷيلي ثپلؿامؿ ؿك ٿٰبثٺ ٿڄٜٮ اكًٜچيي ٳڈ المٿڈ آځ ؿاؿڇډبي ؿٯيٮ څ ٳڀي اًت ٯبثٺ تأٿٺ اًت.
ٿڄٜٮ ٫بمي كا ٿيتچاځ ٿڄٜٮ ؽبٳٌتلي ڃبٿيـ ٿڄٜٮ ؿڅ اكمُي ٿڄٜٮ ؽبٳٌتلي كا ڃبؿيـڇ ٿيٷيلؿ آځ كا
ڃ٬ي ٿيٳڄـ يب آځ كا تڀبٿبي ًيبڇ څ ً٬يـ ٫لٕ ٿيٳڄـ ٿڄٜٮ ٫بمي ثيبځ ٿيؿاكؿ ٳڈ تٰليجبي تڀبٽ عٰيٰت،
عٰيٰتي ؽبٳٌتلي اًت اٿب ٿڄٜٮ ؿڅ ٿٰـاكي ثيبځ ٿيؿاكؿ ٳڈ تڀبٽ عٰيٰت ،عٰيٰتي ًيبڇ څ ً٬يـ اًت
عٰيٰتي ٳبٿالي ؿكًت يب ٳبٿالي ڃبؿكًت.
[Link]
[Link]
ٿڄٜٮ ٫بمي ٣جبكت اًت ام اًتـالٹ ثب ٿزڀچ٣ڈ ٫بمي ٿزڀچ٣ڈډبي ٫بمي تچً ٚٿبٳي ثټٲ څ ٻ٬ٜي ماؿڇ
اكائڈ ٷلؿيـ اثتـا ؿك ًبٹ 1937ٿبٳي ثټٲ٫ -1يټٌچ ٩ٳچاڃتچٽ – ٿٰبٻڈاي كار ٢ثڈ آڃبٻين ٿڄٜٮ ثڈ ڃبٽ اثڊبٽ
كا ؿك ٿزټڈ ٣ټپ ٿڄتِل ٳلؿ اٻجتڈ رڊبځ ٣ټپ څ٫ټٌ٬ڈ ٿٰبٻڈ ثټٲ كا ڃبؿيـڇ ٷل٫ت اٷل ايڂ صڄيڂ ڃڀيُـ ٿب ډپ
اٳڄچځ ثبيـ ٿڄٜٮ ٷڄٶ كا ثزبي ٿڄٜٮ ٫بمي ٿچكؿثلكًي ٯلاك ٿيؿاؿيپً .پي ؿك ًبٹ 1965پلڅٌ٫چك ٻ٬ٜي
ماؿڇ ٿٰبٻڈاي تغت ٣ڄچاځ ٿزڀچ٣ڈډبي ٫بمي ٿڄتِل ًبؽت .ؿك ايڂ ٿٰبٻڈ اڅ ام ٿڄٜٮ صڄـ ٿٰـاكي ٻچٳبًيڈ
څيش ثلاي ٿزڀچ٣ڈډب اًت٬بؿڇ ٳلؿ اڅ ڃبٽ ٫بمي كا ثلاي ايڂ ٿزڀچ٣ڈډب ؿك ڃ٠ل ٷل٫ت تب ٿ٬ڊچٽ ٫بمي كا ام
ٿڄٜٮ ؿڅؿڅيي ؿڅك ًبمؿ اڅ ٻ٨ت ٫بمي كا اڃتؾبة ٳلؿ تب ډڀضچځ ؽبكي ؿك صِپ ٣ټپ ٿـكځ ٫لڅ كڅؿ.
ٿٰبٻڈ ثټٲ ثلاي اڅٻيڂ ثبك ٿزڀچ٣ڈ ٫بمي كا ثب صيني ٳڈ عبال ٿب آځ كا ٿڄغڄي ٘٣چيت ٿيڃبٿيپ ،ت٤لي٪
ٳلؿ .ڃٰب ٙكڅي ٿڄغڄي ،ٿٰيبى اڃـامڇٷيلي ٘٣چيت ٣ڄبٓل ٿزڀچ٣ڈ ٫بمي Aيب ڃٰيٖ Aكا ڃِبځ ٿي ؿډڄـ.
ٿڄغڄي Aڅ ڃٰيٖ Aاًبى ڃ٠ليڈ ٫بمي اًت .ثټٲ ڃِبځ ؿاؿ ٳڈ ډل صيني ډپ تب عـڅؿي Aڅ ډپ تب
عـڅؿي ڃٰيٖ Aاًت .ډل صيني ډپ ٯلٿن اًت څ ډپ ڃيٌت ،ډپ ثنكٵ اًت څ ډپ ڃيٌت .ډپ ڃلٽ اًت څ
ډپ ڃيٌت .ډڀضڄيڂ ايڂ ٿڄغڄي ڃِبځ ٿيؿډـ ٳڈ Aڅ ڃٰيٖ Aٿ٤ٴچى ډپ ډٌتڄـ څ ام رڀ ٢ؿكرڈ
٘٣چيت يٲ ٿٰـاك ٿِؾْ ٿخٺ X1ؿك Aڅ ڃٰيٖ Aٿٰـاك يٲ ثڈ ؿًت ٿيآيـ.
ؿك ُٴٺ #1-1$ٿِؾْ اًت ٳڈ ؿكرڈ ٘٣چيت X1ؿك ٿزڀچ٣ڈ Aثلاثل ./1څ ؿك ٿزڀچ٣ڈ ڃٰيٖ Aثلاثل
./9اًت ٳڈ ٿزڀچ ١آڃڊب ثلاثل يٲ ٿي ُچؿ ڃٰٜڈ تٰب ٢ٛؿڅ ٿڄغڄي Aڅ ڃٰيٖ X2$ Aؿك ُٴٺ #1-1
1
ٿيثبُـ .ؿك ڃٰٜڈ A ، X2څ ڃٰيٖ Aثب ډپ ثلاثلڃـ (Not A=A) .څ ؿك څاٯ ٢ٿجڊپ ؿاكاي ؿكرڈ ٘٣چيت
2
ثچؿځ څ ٫بمي ثچؿځ ؿك ايڂ ڃٰٜڈ ثڈ ثيِتليڂ ٿٰـاك ؽچؿ ٿي كًـ.
ٿبٳي ثټٲ ٣جبكت "ٿجڊپ" كا ثڈ ايڂ ؿٻيٺ اًت٬بؿڇ ٳلؿ ٳڈ ثلتلاڃـ كاًٺ څ ؿيٸل ٿڄٜٮؿاڃبځ آځ كا ثلاي
صيني ٳڈ ٿب اٳڄچځ آڃلا " ٫بمي" ٿيڃبٿيپ اًت٬بؿڇ ٳلؿڇ ثچؿڃـ ڃ٠ليڈ ثټٲ ٿچكؿ ٯجچٹ څاٯ ٢ڃِـ څ ؿك ٿزټڈاي
اؽتٔبٓي ٳڈ تڄڊب ٷلڅڇ اڃـٳي آځ كا ٿٜبٻ٤ڈ ٿيٳلؿڃـ ؿك ًٴچت ثڈ ٫لاٿچُي ًپلؿڇ ُـ ٿبٳي ثټٲ ؿك
ًبٹ 1909ؿك ُڊل ثبٳچ ؿك ٳڄبكڇ ؿكيبي ؽنك ثڈ ؿڃيب آٿـڇ ثچؿ ؿك ًبٹ 1989ؿكٷقُت پي ام ٿبٳي ثټٲ
1
Max Black
[Link]
[Link]
يٲ پلڅٌ٫چك ايلاڃي ثڈ ڃبٽ ٻ٬ٜيماؿڇ ثب يٲ ت٨ييل رـيـ $ت٨ييل ڃبٽ اثڊبٽ ثڈ ٫بمي #كاڇ تبمڇاي كا ثلاي ٯجچالڃـځ
ايڂ ايـڇ ثبم ٳلؿ.
ٻ٬ٜي ماؿڇ ؿك ًبٹ 1921ؿك ثبٳچ $ډڀبځ ُڊلي ٳڈ ٿبٳي ثټٲ ٿتچٻـ ُـڇ ثچؿ #صِپ ثڈ رڊبځ ٷِچؿ.
ٻ٬ٜي ماؿڇ يٲ ُڊلڅڃـ ايلاڃي ثچؿ ؿك عبٻيٴڈ مثبځ اڅ كڅًي ثچؿ پـكٍ يٲ تبرل څ ؽجلڃٸبك كڅمڃبٿڈ ايلاڃيبځ
ثچؿ .ٻ٬ٜي ماؿڇ ام 10تب ً 20بٻٸي ؿك ايلاځ مڃـٷي ٳلؿ څ ثڈ ٿـكًڈ ٿقډجي ك٫ت ؿك ًبٹ 1942ثب ؿكرڈ
ٻيٌبڃي ٿڊڄـًي ثل٭ ام ؿاڃِٴـڇ ٫ڄي ؿاڃِٸبڇ تڊلاځ ٫بك ٥اٻتغٔيٺ ُـ اڅ ؿكًبٹ 1944ثڈ آٿليٴب څ
ؿاڃِٸبڇ MITك٫ت څ ؿك ًبٹ 1946ؿكرڈ ٫چ٭ٻيٌبڃي كا ؿك ٿڊڄـًي ثل٭ ٷل٫ت ؿك آځ ٿچٯ ٢ثچؿ ٳڈ
څاٻـيڄَ ام ايلاځ ثڈ آٿليٴب $ڃيچيچكٱ #ك٫تڄـ ٻ٬ٜي ماؿڇ MITكا تلٱ ٳلؿ څ ثڈ څاٻـيڄَ ؿكڃيچيچكٱ پيچًت
څ څاكؿ ؿاڃِٸبڇ ٳټڀجيب ُـ ؿكًبٹ 1951اڅ ؿكرڈ ؿٳتلي ؽچؿ كا ؿك كُتڈ ٿڊڄـًي ثل٭ ؿكيب٫ت ٳلؿ څ ثڈ
اًتبؿاځ ؿاڃِٸبڇ ٳټڀيجب ٿټغٮ ُـ اڅ ؿك آڃزب تب مٿبڃي ٳڈ ثڈ ucثلٳټي ك٫ت ،اٯبٿت ؿاُت.
ؿك ًبٹ 1963كيبًت ثؾَ ثل٭ ucثلٳټي كا ٳڈ ثبالتليڂ ٣ڄچاځ ؿك كُتڈ ٿڊڄـًي ثچؿ ثل ٣ڊـڇ ؿاُت
ً 20بٹ پيَ ام آځ اڅ ٰٚ٫ثڈ ؽـٿتٴبكاڃَ ؿك ؽبڅكٿيبڃڈ ٫لٿبځ ؿاؿ عبٹ ا٫لاؿي ؿك ثبالتليڂ كتجڈډبي
آٿچمُي ٿڊڄـًي كا اًتؾـاٽ ٿي ٳلؿ ٿچكؿ ًچاٹ څپلًَ ٯلاكٿي ؿاؿ څ تِچيٮ يب اؽلاد ٿي ڃڀچؿ.
ؿك ًبٹ 1965پلڅٌ٫چك ٻ٬ٜيماؿڇ ٿٰبٻڈ ٿزڀچ٣ڈډبي ٫بمي كا ؿك ٿزټڈ اٛال٣بت څ ٳڄتلٹ ٿڄتِل ًبؽت ؿك
ايڂ ٿٰبٻڈ ٻ٬ٜيماؿڇ صيني كا ٳڈ ثلتلاڃـ كاًٺ ربځ ٻچٳبًيڈڅيش څ ٿبٳي ثټٲ څ ؿيٸلاځ آځ كا اثڊبٽ يب صڄـ
اكمُي ڃبٿيـڇ ثچؿڃـ ٫بمي ڃبٿيـ ٿزڀچ٣ڈډبي ٫بمي ثب ٿخبٹ ٿزڀچ٣ڈ ٯـ اڃٌبځ آ٧بم ثڈ ٳبك ٳلؿ ايڂ ٿچكؿ اڅٻيڂ
ٿزڀچ٣ڈ ٫بمي ٿ٤ل٫ي ُـڇ تچً ٚٻ٬ٜي ماؿڇ ثچؿ .ٻ٬ٜي ماؿڇ ٿ٬ڊچٽ ثټڄـي ٯـ اڃٌبځ كا ثب ٿڄغڄي ٿتڄبًت آځ
ثيبځ ٳلؿ ُ$ٴٺ#2-1
ٻ٬ٜي ماؿڇ ايڂ ٿزڀچ٣ڈ ٫بمي كا ٿڄغڄي ٘٣چيت 1ڃبٿيـ ايڂ ٿڄغڄي ؿكًت ډڀبڃڄـ ٿڄغڄي اكائڈ ُـڇ
تچً ٚٿبٳي ثټٲ ٣ڀٺ ٿيٳڄـ .ايڂ ٿڄغڄي ثلاي ډل اڃـامڇ ٯـ ؿكرڈ ٘٣چيتي كا اكائڈ ٿيؿډـ ډل اڃٌبڃي تب
عـڅؿي ثټڄـ اًت څ تب عـڅؿي ڃين ثټڄـ ڃيٌت .ثڄبثلايڂ ٿڄغڄي ثټڄـ ڃجچؿځ ٣ٴي ٿڄغڄي ثټڄـ ثچؿځ اًت.
1
Membership curve
[Link]
[Link]
1
$ربيي ٳڈ Aڅ ڃٰيٖ Aثب ډپ ُ$ٴٺ #2-1څ ايڂ ؿڅ ٿڄغڄي يٴـيٸل كا ؿك ڃٰٜڈ ٿيبڃي ثب ؿكرڈ ٘٣چيت
2
ثلاثلڃـ #.ٯ ٢ٜٿيٳڄڄـ .ٻ٬ٜي ماؿڇ ؿكٓـؿ ثچؿ تب ڃِبځ ؿډـ صٜچك ٿزڀچ٣ڈډبي ٫بمي ٿغبًجبت ٻ٠٬ي كا
ٿيتچاڃڄـ اڃزبٽ ؿډڄـ ُڀب ٿيتچاڃيـ تڀبٽ تچٓي ٪ٳڄڄـڇډبي ؿٻؾچاډتبځ كا ؿك ٿٰبثٺ ٳټڀڈ ثټڄـي ٯلاك ؿډيـ،
ٿخال ؽيټي ثټڄـ ثب٣ج ثبم ُـځ ٿڄغڄي ثټڄـي څ ٳپ څ ثيَ ثټڄـ ثب٣ج رڀُ ٢ـځ ٿڄغڄي ثټڄـي ٿيُچؿ
ُ$ٴٺ 3-1ايڂ ٿٜټت كا ڃِبځ ٿيؿډـ#
ثؾِي ام تچاڃبييډبي ٿزڀچ٣ڈډبي ٫بمي مٿبڃي ٿِؾْتل ٿيُچؿ ٳڈ ثڈ ٿزڀچ٣ڈډبي ٧يل٫بمي ثڈ ُيچڇاي
ؿٯيٮتل تچرڈ ٳڄيپ ايڂ ٿڄغڄيډب تچاث ٢پټڈاي يب ؽٜچ ٙٿڄٰ٤ٜي ډٌتڄـ ٳڈ Aڅ ڃٰيٖ Aكا ٿِؾْ
ٿيٳڄڄـ ؿك ؿيـٷبڇ اكًٜچيي ثټڄـي يٲ ٿ٬ڊچٽ ؿڅ اكمُي اًت اڃٌبڃڊب يب ثټڄـٯـ ډٌتڄـ يب ڃيٌتڄـ څ ډيش
اڃٌبڃي ڃڀيتچاڃـ ډپ ؿك ٿزڀچ٣ڈ ثټڄـ ثچؿځ څ ډپ ؿك ٿزڀچ٣ڈ ثټڄـ ڃجچؿځ څرچؿ ؿاُتڈ ثبُـ ؿك صڄيڂ
ٿزڀچ٣ڈاي ُڀب ؿك يٲ اكت٬ب ١ٿ٤يڂ $ٿخالي ٫ 6چت #ثڈ ٛچك ڃبٷڊبڃي ام ثټڄـ ٯـ ڃجچؿځ ثڈ ثټڄـ ٯـ ثچؿځ رڊَ
ٿيٳڄيـ ُ$ٴٺ 4-1ايڂ ٿٜټت كا ڃِبځ ٿيؿډـ#
اٿب ثټڄـ ٯـ ثچؿځ ڃين ٿبڃڄـ تڀبٽ ؽٔچٓيبت ؿيٸل ؿك رڊبځ ٿچٗچ ١څ ٿٜټجي ڃٌجي اًت .يٲ ٿڄغڄي
ٿيتچاڃـ ايڂ ت٨ييل يٴڄچاؽت كا ڃِبځ ؿډـ اٿب يٲ ؽ ٚډلٷن آڃلا ڃِبځ ڃڀيؿډـ .ايڂ ؽچؿ ٿنيت ؿيٸلي ام
ٿزڀچ٣ڈډبي ٫بمي اًت.
ؿك ًبٹ ،1973ٻ٬ٜيماؿڇ ٿٰبٻڈ ؿيٸلي ٿڄتِل ٳلؿ څ ؿك آځ ثب رنييبت ثيِتلي ؿك ٿچكؿ ٿڄٜٮ څ كيبٗيبت
٫بمي څ ثٴبكٷيلي آځ ؿك ًيٌتپډبي ٳڄتلٹ ثغج ٳلؿ .ؿك ًبٹ 1974اڅٻيڂ ًيٌتپ ٳڄتلٻي ٳڈ ٿلثچ ٙثڈ
[Link]
[Link]
تڄ٠يپ يٲ ٿچتچك ثؾبك ثچؿ څ ثل اًبى ٿڄٜٮ ٫بمي ٳڄتلٹ ٿيُـ پيبؿڇًبمي ٷلؿيـ .ؿك ًبٹ 1985ؿك
آمٿبيِٸبڇ ثٺ اڅٻيڂ تلاُڈ ڃبؿٯيٮ ًبؽتڈ ُـ څ ث٤ـ ام آځ تلاُڈډبيي ثب ٯـكت ثيِتل تچٻيـ ُـ تلاُڈاي ثڈ
ڃبٽ F310ٳڈ ؿك ًبٹ ً 1989بؽتڈ ُـ ٯبؿك اًت ثبٻ ٦ثل 50ډناك اًتڄتبد ٫بمي كا ؿك يٲ حبڃيڈ اڃزبٽ ؿډـ.
ثـيڊي اًت ٳڈ كڅڃـ تچً٤ڈ څ اًت٬بؿڇ ام تلاُڈډبي ٫بمي كاڇ كا ثلاي اًت٬بؿڇ ام كايبڃڈډبيي ٳڈ ام ايڂ ًؾت
ا٫ناك اًت٬بؿڇ ٿي ٳڄڄـ ،ثبم ؽچاډـ ٳلؿ.
ثب تچرڈ ثڈ ٿٜبٻت فٳل ُـڇ ٿيتچاځ ٷ٬ت ٳڈ كيبٗيبت ٿزڀچ٣ڈډبي ٫بمي صين رـيـي ڃجچؿ ٿزڀچ٣ڈډبي
٫بمي ډڀبځ رجلي كا ٿچكؿ اًت٬بؿڇ ٯلاك ٿيؿاؿ ٳڈ ٻچٳبًيڈ څيش ڃيپ ٯلځ ٯجٺ ؿك ٿڄٜٮ صڄـ اكمُياٍ ٿچكؿ
اًت٬بؿڇ ٯلاك ؿاؿڇ ثچؿ .ډڀبځ صيني ٳڈ ؿك ٻيٌت اثڊبٽ يب ٿزڀچ٣ة ٿبٳي ثټٲ اًت٬بؿڇ ُـڇ ثچؿ .اٿب ٻ٬ٜي
ماؿڇ ڃبٽ ٫بمي كا ثڈ ؿٻيٺ اكتجب َٛثب اعٌبى ٣بٿيبڃڈ ثلاي آځ اڃتؾبة ٳلؿ اڅ اعٌبى ٿيٳلؿ ڃ٠ليڈ ٫بمي
ڃ٠ليڈ اثڊبٽ ٿبٳي ثټٲ كا تٌؾيل ٳلؿڇ اًت .ڃ٠ليڈ ٫بمي ثب پِتٴبك ٻ٬ٜي ماؿڇ ٷٌتلٍ يب٫ت ډڀلاڇ ثب
ٷٌتلٍ ايڂ ڃ٠ليڈ اڃتٰبؿاتي ثل آځ څاكؿ ُـ ٳڈ ٣ڀـڇ تليڂ آڃڊب كا ٿي تچاځ ؿك ًڈ ٷلڅڇ تٌٰيپ ثڄـي ٳلؿ:
اڅٻيڂ ٷلڅڇ ٿڄتٰـيڂ ًچاٹ ٿيٳلؿڃـ ٳبكثلؿ ٿڄٜٮ رـيـ $ٿڄٜٮ ٫بمي #صيٌت؟ ُڀب صڈ صيني ٿيتچاڃيـ
ثب ٿزڀچ٣ڈ ٫بمي اڃزبٽ ؿډيـ؟ ؿكٿٰبثٺ ايڂ ًچاٹ څ پي ام ٿ٤ل٫ي ٿڄٜٮ ٫بمي ثڈ ؿڃيبي ٣ټپ ،ٻ٬ٜيماؿڇ څ
پيلڅاڃَ ثڈؿٻيٺ تچاڃبييډبي ٿغـڅؿ ٳبٿپيچتلډبي ٳچصٲ ؿك آځ ؿڅكاځ ثلاي ٳبكثلؿي ٳلؿځ ايڂ كڅيٴلؿ ثڈ
ڃ٠ليڈ ٿزڀچ٣ڈډب ،ثلاي ًبٹډب ډيش ٳبكثلؿي ڃتچاڃٌتڄـ ڃِبځ ؿډڄـ .ٻقا ؿك اثتـا ٿٰبڅٿتډبي ثٌيبكي ؿك ثلاثل
پقيلٍ ايڂ ڃ٠ليڈ ٓچكت ٷل٫ت .اٻجتڈ ثؾِي ام ايڂ ٿٰبڅٿتډب ،صڄبځ ٳڈ فٳل ُـ ،ڃبُي ام ثلؿاُتډبي
ڃبؿكًت ام ٿڄٜٮ ٫بمي څ ٳبكايي آځ ثچؿ .ٿڄٜٮ ٫بمي ثيَ ام ثيٌت ًبٹ پي ام 1965ام ؿكٷبڇ ؿاڃِٸبڇډب
ثڈ ثيلڅځ كاڇ ڃيب٫ت ميلا ٳڀتل ٳٌي ٿ٤ڄبي آڃلا ؿكٱ ٳلؿڇ ثچؿ .تب ايڂٳڈ ثلاي اڅٻيڂ ثبك ؿك ؿډڈ 70اڅٻيڂ
ٳبكثلؿډبي ٿڄٜٮ ٫بمي ٟبډل ُـ اٿب ا٧ټت اًجبة ثبميډبي كايبڃڈاي ثلٷل٫تڈ ام ايـڇډبي ًبؿڇ كيبٗي ثچؿ.
اڅٻيڂ ًيٌتپ ٫بمي تچً ٚاثلاډيپ ٿڀـاڃي 1ؿك اڃٸټٌتبځ اكائڈ ُـ څ ايڂ ٿڄٜٮ ثلاي تڄ٠يپ يٲ ٿچتچك ثؾبك ثڈ
ٳبكآٿـ .ربٻت ايڂٳڈ ،ٿڄٜٮ ٫بمي ؿك ًبٹډبي ڃؾٌت تچٻـٍ ثيِتل ؿك ؿڃيبي ٿِل٭ مٿيڂ ،ثڈڅيوڇ ٳِچك
هاپڂ ثب اًتٰجبٹ كڅثڈكڅ ُـ ،څ ؿك اڅاً ٚؿډڈ 80ٿيالؿي ٓڄ٤تٸلاځ هاپڄي ٿ٤ڄب څ اكمٍ ٓڄ٤تي ايڂ ٣ټپ كا
ؿكيب٫تڈ څ ٿڄٜٮ ٫بمي كا ثڈ ٳبك ٷل٫تڄـ .اڅٻيڂ پلڅهڇ آڃڊب ٛلط ډـايت څ ٳڄتلٹ تڀبٽ ؽچؿٳبك ٯٜبك ميلمٿيڄي
ُڊل ًڄـاي ثچؿ ٳڈ تچًُ ٚلٳت ډيتبصي ثلڃبٿڈكيني څ ًبؽتڈ ُـ .ڃتيزڈ ايڂ ٛلط ٿچ٫ٮ څ صِپٷيل
هاپڄيډب ثڈ ٛچك ًبؿڇ ايڄٸچڃڈ ؽالٓڈ ٿيُچؿ :آ٧بم علٳت ڃبٿغٌچى $تٴبځډبي ٟلثڈاي #ٯٜبكُ ،تبةٷل٫تڂ
ڃبٿغٌچى ،تلٿن څ ايٌتبؿځ ڃبٿغٌچى څ ٓل٫ڈرچيي ؿك ٿٔل ٩ثل٭ .ام ايڂ پي ٿڄٜٮ ٫بمي ثٌيبك ًلي ٢ؿك
تٴڄچٻچهي ؿًتٸبڇډبي ٓچتي څ تٔچيلي هاپڄيډب كاڇ يب٫ت $ام رڀټڈ ڃټلميـځ تٔچيل ٫يټپ ؿيزيتبٹ ٗڀڂ
ٻلميـځ ؿًت ٫يټپثلؿاك #څ تا سال 0991ژاپنيها بيش از 011محصول با كاربردهاي كنترل فازي ارائه دادند .اٿب
1
Ebrahim mamdani
[Link]
[Link]
اًتيالي اڃـيِڈ ٳالًيٲ ٓ٬ل څ يٲ ؿك ٳِچكډبي ٿ٨لة مٿيڂ ،اربمڇ كُـ اڃـٳي ثڈ ايڂ ڃ٠ليڈ ؿاؿ .څ
اكڅپبييډب ثٌيبك ؿيل ،ي٤ڄي ؿك اڅاً ٚؿډڈ 90ٿيالؿي ،پي ام ؽچاثيـځ ٿچد ثغجډبي ٣ټڀي ؿك كاثٜڈ ثب
ٿڄٜٮ ٫بمي اًت٬بؿڇ ٓڄ٤تي ام آځ كا آ٧بم ٳلؿڃـ .څ ثڈ تـكيذ ايڂ ٣ټپ ٳبكثلؿډبيي پيـا ٳلؿڇ څ څًبيٺ
اٻٴتلڅڃيٴي څ ؿيزيتبٻي رـيـي څاكؿ ثبماك ُـڃـ ٳڈ ثل اًبى ٿڄٜٮ ٫بمي ٳبك ٿيٳلؿڃـ ،ٿؾبٻ٬تډب ڃين اڃـٱ
اڃـٱ ٳبډَ يب٫تڄـ.
ثبيـ ٷ٬ت ؿك هاپڂ اًتٰجبٹ ام ٿڄٜٮ ٫بمي٣ ،ڀـتبي ثڈ ٳبكثلؿ آځ ؿك كڅثبتيٲ څ ډچٍ ٿٔڄچ٣ي ٿلثچ ٙٿيُچؿ.
ٿچٗچ٣ي ٳڈ يٴي ام ڃيلڅډبي آټي پيَثلڃـڇِ ايڂ ٣ټپ ٛي ً 40بٹ ٷقُتڈ ثچؿڇ اًت .ؿك عٰيٰت ٿيتچاځ
ٷ٬ت ثؾَ ثنكٷي ام تبكيؾضڈ ؿاڃَ ډچٍ ٿٔڄچ٣ي ،ثب تبكيؾضڈ ٿڄٜٮ ٫بمي ډڀلاڇ څ ډپؿاًتبځ اًت.
ؿڅٿيڂ ٷلڅڇ ٿڄتٰـيڂ امٿلاٳن ٣ټڀي څ پوڅډِي اعتڀبالت ثچؿڃـ ٻ٬ٜيماؿڇ اما٣ـاؿ ثيڂ 0څ 1ثلاي تچٓي٪
اثڊبٽ $ٿچٗچ٣بت څ ٿجبعج ؽچؿ #اًت٬بؿڇ ٿيٳلؿ ٿتؾٔٔيڂ اعتڀبالت ڃين اعٌبى ٿيٳلؿڃـ ٳڈ آڃڊب ڃين
ډڀيڂ ٳبك كا اڃزبٽ ٿيؿډڄـ څٯچ ١ؿكٷيلي ٧يلٯبثٺ ارتڄبة ثچؿ .ثيِتل ايڂ اڃتٰبؿات ٫بمي كا ډڀبځ اعتڀبٹ ثب
ٻجبى ٿجـٹ ٿيؿاڃٌت آڃڊب اعٌبى ٿيٳلؿڃـ ٳڈ ٻ٬ٜي ماؿڇ صين رـيـي اكائڈ ڃٴلؿڇ اًت څ څاٯ٤ب ٳبك ؽبٓي
اڃزبٽ ڃـاؿڇ اًت آڃڊب ثيبځ ٿيٳلؿڃـ ٳڈ ٻ٬ٜي ماؿڇ تچاځ ؽچؿ كا كڅي ٯـكت ثيبځ ٿزڀچ٣ڈډبي ٫بمي څ ٯـكت
تٜبثٮ آڃڊب ثب ٳټڀبت ٿٜ٤چ ٩ٳلؿڇ اًت ؿك پبًؼ ثڈ ايڂ ًچاٹ ٻ٬ٜي ماؿڇ ثيبځ ٿيؿاكؿ ٳڈ «آچالي صڄيڂ
صبكصچثي كاډي ثلاي ٿچارڊڈ ثب ٿٌبيټي اًت ٳڈ ؿك آڃڊب ڃبؿٯيٮ ثچؿځ ثڈ ؽبٛل ٣ـٽ څرچؿ ٿ٤يبك ٓليظ
٘٣چيت ؿكٷلڅڇ اًت ڃڈ ع٘چك ٿت٨يلډبي تٔبؿ٫ي» ثلاي ٿخبٹ ثڈ ٿڄغڄي ُٴٺ 4-1ڃٸبڇ ٳڄيـ ُڀب ٿيتچاڃيـ
٣ـؿ كڅي ٿڄغڄي كا ثڈ ٣ڄچاځ ؿكرڈاي ام ثټڄـثچؿځ يٲ ٫لؿ تٔچك ٳڄيـ اٿب ڃڀيتچاڃيـ آځ كا ٿبڃڄـ يٲ اعتڀبٹ
ؿك ڃ٠ل ثٸيليـ آيب اڃٌبڃي ثڈ اكت٬ب٫ 5/8 ١چت ثټڄـ ٯـ اًت يب ڃڈ؟ ثيڄَ ٫بمي ٿيٷچيـ ٳڈ ثڈ اڃـامڇ " 80ثټڄـ
ٯـ اًت څ ثڄبثلايڂ ثڈ اڃـامڇ " 20ثټڄـ ٯـ ڃيٌت اٿب آيب ٿي تچاځ ُؾٔي كا ٳڈ ٫ 5/8چت ٯـ ؿاكؿ ثب اعتڀبٹ
" 80ثټڄـ ٯـ ؿاڃٌت څ ثب اعتڀبٹ " 20ثټڄـ ٯـ ڃـاڃٌت؟ ثڄبثلايڂ ٿڄ٠چك ام ٫بمي ٿت٤ټٮ ثچؿځ اًت ٣جچك ام
ٿلمډب ،ؿكربت اڃٜجب٭ډب.
ًچٿيڂ اڃتٰبؿ ام ډڀڈ ٿڊپتل ثچؿ .آځ ٯڊل آُٴبك ٿڄٜٮ ؿڅ اكمُي ثچؿ ثلاي ٻ٬ٜي ماؿڇ ؿكًت ثچؿځ يب عتي
ؿاُتڂ ٟبډلي ؿكًت ؿك آځ ثچؿ ٳڈ ٿڄٜٮ اكًٜچ ڃبؿيـڇ اڃٸبُتڈ ُچؿ ايڂ ثـاځ ٿ٤ڄب اًت ٳڈ صينډب ٿزجچك
ڃيٌتڄـ ًيبڇ يب ً٬يـ ثبُڄـ .اڃتٰبؿات ؿڅ اكمُي ؽچؿ ؿڅ ڃچ ١ثچؿڇاڃـ :ڃچ ١اڅٹ ٿيٷچيـ ٳڈ ٿڄٜٮ ؿڅ اكمُي
ٳبكآيي ؿاكؿ ،ٿڄٜٮ ؿڅ اكمُي ډناكاځ ًبٹ اًت ٳڈ ثڈ ٿب ؽـٿت ٳلؿڇ څ كايبڃڈډب كا ثڈ ٳبك اڃـاؽتڈ اًت
ٿڀٴڂ اًت ٿٰـاكي ډنيڄڈ ؿاُتڈ ثبُـ اٿب ًبؿڇ اًت څ ٳبك ٿيٳڄـ .ڃچ ١ؿڅٽ اڃتٰبؿ ٫ليبؿي ام ؽِپ اًت.
ايڂ ٿچكؿ كؿ پبي ٣ټپ رـيـ ؿك كؿ A$څ ڃٰيٖ #Aڅ آلاك ثڈ ؿكًتي A$يب ڃٰيٖ #Aاًت اٿب ؿك ايڂ ٿچكؿ
ڃين ٿيتچاځ ٷ٬ت ٳڈ ٿڄٜٮ صڄـ اكمُي ٿيتچاڃـ ٿِٴٺ ؿڅ اكمُي كا ڃين عٺ ٳڄـُ .ڀب ډڄچم ٿيتچاڃيـ ث٘٤ي
ٿڄبٛٮ "100 Aيب ڃٰيٖ "100 Aكا ع ٞ٬ٳڄيـ .ٿخالي ؿك ُٴٺ 4-1ٿزجچك ڃيٌتيـ ٳڈ ؽٜي ثيڂ ثټڄـي
[Link]
[Link]
څ ڃٰيٖ آځ ؿك ٫ 6چت ثٴِيـ اٿب ٿيتچاڃيـ ُيجي ام ٫ 5چت ثڈ ٫ 6چت كًپ ٳڄيـ ُ$ٴٺ#5-1
ډلصڈ ُيت ؽ ٚثيڂ 5څ ٫ 6چت ٳڄـتل ثبُـ ٿڄغڄي ٿلثچٛڈ ٫بميتل ؽچاډـ ثچؿ ؿك ايڂ ٿڄغڄي ؿك ٯٌڀت
ُيتؿاك A$څ ڃٰيٖ #Aڅ ؿك ؽبكد ايڂ ُيت A$يب ڃٰيٖ #Aثلٯلاك اًت.
.5-1سیستنّای فازی:
ًيٌتپډبي ٫بميً ،يٌتپډبيي ډٌتڄـ ثب ت٤لي ٪ؿٯيٮ څ ٳڄتلٹ ٫بمي ڃين ڃچ ١ؽبٓي ام ٳڄتلٹ ٧يلؽٜي
ٿيثبُـ ٳڈ آځ ډپ ؿٯيٰبي ت٤لي ٪ٿيٷلؿؿ .ايڂ ٿٜټت ٿِبثڈ ٳڄتلٹ څ ًيٌتپډبي ؽٜي ٿيثبُـ ٳڈ څاهڇ
ؽٜي يٲ ٓ٬ت ٫ڄي ثچؿڇ ٳڈ عبٻت څ څٗ٤يت ًيٌتپ څ ٳڄتلٹ كا ٿِؾْ ٿيٳڄـ .صڄيڂ صيني ؿكٿچكؿ
څاهڇ ٫بمي ڃينڅرچؿؿاكؿ .اًبًبي ٷلصڈ ًيٌتپډبي ٫بمي پـيـڇډبي ٧يلٯ٤ٜي څ ڃبٿِؾْ كا تچٓي ٪ٿيٳڄڄـ،
ثب ايڂ عبٹ ؽچؿ تئچكي ٫بمي يٲ تئچكي ؿٯيٮ ٿيثبُـ.
ؿڅ ڃچ ١تچريڈ ثلاي تئچكي ًيٌتپډبي ٫بمي څرچؿ ؿاكؿ:
ؿڃيبي څاٯ٤ي ٿب ثٌيبك پيضيـڇتل ام آځ اًت ٳڈ ثتچاځ يٲ تچٓي ٪څ ت٤لي ٪ؿٯيٮ ثلاي آځ ثڈ ؿًت آڅكؿ
ثڄبثلايڂ ثبيـ يٲ تچٓي ٪تٰليجي يب ډڀبځ ٫بمي ٳڈ ٯبثٺ ٯجچٹ څ ٯبثٺ تزنيڈ څ تغټيٺ ثبُـ ،ثلاي يٲ ٿـٹ
ٿ٤ل٫ي ُچؿ.
ثب علٳت ٿب ثٌچي ٔ٣ل اٛال٣بت ،ؿاڃَ ٿ٤ل٫ت ثِلي ثٌيبكاډڀيت پيـا ٿيٳڄـ .ثڄبثلايڂ ٿب ثڈ ٫لٗيڈاي
ڃيبم ؿاكيپ ٳڈ ثتچاڃـ ؿاڃَ ثِلي كا ثڈ ُٴټي ًيٌتڀبتيٲ ٫لٿچٻڈ ٳلؿڇ څ آڃلا ثڈ ډڀلاڇ ًبيل ٿـٹډبي كيبٗي
ؿك ًيٌتپډبي ٿڊڄـًي ٯلاك ؿډـ.
تچريڈ اڅٹ ٷلصڈ ؿكًت اًت ،ثب ايڂ عبٹ ٛجي٤ت څاعـي كا ثلاي تئچكي ًيٌتپډبي ٫بمي ٿِؾْ
ڃڀيٳڄـ .ؿك عٰيٰت تڀبٿي ڃ٠ليڈډبي ٣ټچٽ ٿڊڄـًي ،ؿڃيبي څاٯ٤ي كا ثڈ ُٴټي تٰليجي ،تچٓي ٪ٿيٳڄڄـ .ثڈ
٣ڄچاځ ٿخبٹ ؿك ٣بٻپ څاٯ ٢تڀبٿي ًيٌتپډبي ؽٜي ٿيثبُـ .يٲ تئچكي ٿڊڄـًي ؽچة ام يٴٌچ ثبيـ ثتچاڃـ
ٿِؾٔڈډبي آټي څ ٳټيـي ؿڃيبي څاٯ٤ي كا تچٓي ٪ٳلؿڇ څ ام ًچيي ؿيٸل ٯبثٺ تزنيڈ تغټيٺ كيبٗي ثبُـ.
[Link]
[Link]
ثڄبثلايڂ ام ايڂ رڄجڈ تئچكي ٫بمي ت٬بڅتي ثب ًبيل تئچكيډبي ٣ټچٽ ٿڊڄـًي ڃـاكؿ.
تچريڈ ؿڅٽ ٿِؾٔڈ څاعـي ام ًيٌتپډبي ٫بمي كا تچٓي ٪ٳلؿڇ څ څرچؿ تئچكي ًيٌتپډبي ٫بمي كا ثڈ
٣ڄچاځ يٲ ُبؽڈ ٿٌتٰٺ ؿك ٣ټچٽ ٿٌتٰٺ كا ؿك ٣ټچٽ ٿڊڄـًي تچريڈ ٿيٳڄـ .ثڈ ٣ڄچاځ يٲ ٯب٣ـڇ ٳټي يٲ
تئچكي ٿڊڄـًي ؽچة ثبيـ ٯبؿك ثبُـ ام تڀبٿي اٛال٣بت ٿچرچؿ ثڈ ڃغچ ٿؤحلي اًت٬بؿڇ ٳڄـ.
ؿك ًيٌتپډبي ٣ڀټي اٛال٣بت ٿڊپ ام ؿڅ ٿڄجً ٢لصِڀڈ ٿيٷيلڃـ .يٴي ام ٿڄبث ٢ا٫لاؿ ؽجلڇ ٿيثبُڄـ ٳڈ
ؿاڃَ څ آٷبډيِبځ كا ؿك ٿچكؿ ًيٌتپ ثب مثبځ ٛجي٤ي ت٤لي ٪ٿيٳڄڄـ .ٿڄج ٢ؿيٸل اڃـامڇٷيليډب څ ٿـٹډبي
كيبٗي ډٌتڄـ ٳڈ ام ٯچا٣ـ ٫ينيٴي ٿِتٮ ُـڇاڃـ .ثڄبثلايڂ يٲ ٿٌئټڈ ٿڊپ تلٳيت ايڂ ؿڅ ڃچ ١اٛال٣بت ؿك
ٛلاعي ًيٌتپډب اًت ثلاي اڃزبٽ ايڂ تلٳيت ًؤاٹ ٳټيـي ايڂ اًت ٳڈ صٸچڃڈ ٿيتچاځ ؿاڃَ ثِلي كا ؿك
صڊبكصچثي ٿِبثڈ ٿـٹډبي كيبٗي ٫لٿچٻڈ ٳلؿ .ثڈ ثيبځ ؿيٸل ًؤاٹ اًبًي ايڄٌت ٳڈ صٸچڃڈ ٿيتچاځ ؿاڃَ
ثِلي كا ثڈ يٲ ٫لٿچٹ كيبٗي تجـيٺ ٳلؿ .اًبًبي آڃضڈ ٳڈ يٲ ًيٌتپ ٫بمي اڃزبٽ ٿيؿډـ ،ډڀيڂ تجـيٺ
اًت .ٻقا ثلاي ايڄٴڈ ثـاڃيپ ايڂ تجـيٺ صٸچڃڈ ٓچكت ٿيٷيلؿ ،ثبيـ ًيٌتپډبي ٫بمي كا ثِڄبًيپ.
1
Knowledge or Rule – Based System
[Link]
[Link]
ثڈ څًيټڈ تچاث٘٣ ٢چيتي ٿِبثڈ اُٴبٹ «ٳڀتل« څ «ثبال» «ٿت٤بؿٹ»« ،ٿتچً« »ٚثيِتل» «پبييڂ» ٳټڀبت
ٿِؾْ ٿيُچڃـ .اٻجتڈ المٽ ثڈ فٳل اًت ٳڈ ؿك ُلاي ٚڅاٯ٤ي ت٤ـاؿ ٯچا٣ـ ثيِتلي ڃيبم ؽچاډـ ثچؿ .ثب ايڂ
عبٹ ٿب ٿيتچاڃيپ يٲ ًيٌتپ ٫بمي كا ثل اًبى ايڂ ٯچا٣ـ ثٌبميپ .ام آڃزب ٳڈ ًيٌتپ ٫بمي ثڈ ٣ڄچاځ ٳڄتلٹ
ٳڄڄـڇ اًت٬بؿڇ ُـڇ ،آڃلا ٳڄتلٹٳڄڄـڇ ٫بمي ڃين ٿيڃبٿڄـ.
٫لٕ ٳڄيـ Xٿزڀچ٣ڈ ٿلرُ 2٢بٿٺ ډلڃچ ١ٿزڀچ٣ڈ ام ٣ڄبٓل xثٌتڈ ثڈ ڃچ ١ٿٌئټڈ ثبُـ ،ٿزڀچ٣ڈ ٫بمي
Aؿك Xثڈ ٓچكت يٲ ڃڀچؿاك څځ ٿٜبثٮ ُٴٺ 7-1ڃِبځ ؿاؿڇ ٿيُچؿ .ثڈ ٛچكٳټي٣ ،ڄبٓل Xٿٰبؿيل٣ـؿي
ڃيٌت څٻي ثلاي كاعتي تغټيٺ ،ثڈ ٣ڄبٓل Xٿٰبؿيل ٣ـؿي عٰيٰي ڃٌجت ؿاؿڇ ٿيُچؿ.
رڊبځ X
٣ڄٔل x
ٿت٨يل ٫بمي :څاهڇډبيي ؿكمثبځ ٛجي٤ي اًت ٳڈ ثلاي تچٓي ٪ٿ٬بډيڀي ٳڈ ٿٰبؿيل ٫بمي ؿاكڃـ اًت٬بؿڇ
ٿيُچؿ .څ ؿك ٯچاڃيڂ ٫بمي ٳبكثلؿ ؿاكؿ .ٿخال ؿك ٷناكڇ "٣ټي رچاځ اًت" ٿت٨يل٫بميً :ڂ څ ٿٰـاك ٫بمي:
رچاځ اًت.
1
Crisp Set
2
Universe of discourse
[Link]
[Link]
تبث٘٣ ٢چيت :ډل ٿزڀچ٣ڈ ٫بمي ٿيتچاڃـ تچً ٚيٲ تبث٘٣ ٢چيت ڃِبځ ؿاؿڇ ُچؿ ٳڈ ثيبڃٸل ٳالى
$ؿكرڈ٘٣ #چيت ٣ڄٔل xؿكٿزڀچ٣ڈ ٿلر X ٢ثڈ ٿزڀچ٣ڈ ٫بمي Aاًت .اٷل ؿكرڈ ٘٣چيت يٲ ٣ڄٔل ام
ٿزڀچ٣ڈ ثلاثل ثب ٓ٬ل ثبُـ ،آځ ٘٣چ ٳبٿالي ام ٿزڀچ٣ڈ ؽبكد اًت څ اٷل ؿكرڈ ٘٣چيت يٲ ٘٣چ ثلاثل ثب
يٲ ثبُـ ،آځ ٘٣چ ٳبٿالي ؿك ٿزڀچ٣ڈ ٯلاك ؿاكؿ .عبٹ اٷل ؿكرڈ ٘٣چيت يٲ ٘٣چ ٿبثيڂ ٓ٬ل څ يٲ
ثبُـ ،ايڂ ٣ـؿ ثيبڃٸل ؿكرڈ ٘٣چيت ڃٌجي 1ٿيثبُـ.
تبث٘٣ ٢چيت ٣ڄبٓل ٿزڀچ٣ڈ ٿلر X ٢كا ثڈ ٿٰبؿيل ٣ـؿي ؿك ثبمڇ ] [0,1ڃٸبُت ٿيٳڄـ .څ ؿكرڈ
اٿٴبځپقيلي $ڃڈ اعتڀبٹ٘٣ #چيت ډل ٣ڄٔل ثڈ ٿزڀچ٣ڈ ٫بمي Aكا ڃِبځ ٿيؿډـ .ؿك ايڄٔچكت ٿزڀچ٣ڈ
}]A {( x, A ( x)); x X , A ( x) [0,1 ٫بمي Aكا ٿيتچاځ ثڈ ٓچكت ميل ڃِبځ ؿاؿ:
عبٹ اٷل ٿلر ٢ٿزڀچ٣ڈاي ام ٣ڄبٓل ٷٌٌتڈ xi 2ثبُـ ،ٿزڀچ٣ڈ ٫بمي Aكا ثڈ ٓچكت ًڀجټيٲ ميل ڃِبځ
A A ( x1 ) x1 A ( x2 ) x2 ... A ( xn ) xn
xi X
A ( xi ) xi ٿيؿډڄـ:
A
xi X
A ( xn ) xn څ اٷل ٿزڀچ٣ڈ ٿلر ٢پيچًتڈ 3ثبُـ ثڈ ٫لٽ ميل ڃڀبيَ ٿيؿډڄـ:
.2تبث٘٣ ٢چيت فڅمڃٰڈاي :5ايڂ ڃچ ١تبث٘٣ ٢چيت ثب صڊبك پبكاٿتل d, c, b, aٳڈ ؿك آځ a<b<c<dاًت،
ثڈ ٓچكت ميل ت٤لي ٪ٿيُچؿ:
0 xa
xa
a xb
b a
xa d x
trapezoid(x|a, b, c, d) 1 (b x c max[min ,1, ]), 0
d x ba d c
cxd
d c
0 xd ضکل .9-1تابع عضَیت رٍزًقِای
1
Partial Membership Degree
2
Discrete
3
Continuous
4
Triangular Membership Function
5
Trapezoidal Membership Function
[Link]
[Link]
.3تبث٘٣ ٢چيت ڃلٿبٹ :1ايڂ ڃچ ١تبث٘٣ ٢چيت ثب ؿڅ پبكاٿتل ,cٳڈ ؿكآځ ٣ لٕ څ cٿلٳن تبث٘٣ ٢چيت
x c
( 0.5
)2 كا ڃِبځ ٿيؿډـ ،ثڈ ٓچكت ميل ت٤لي ٪ٿيُچؿ:
gauss(x| , c) = e
.4تبث٘٣ ٢چيت مڃٸچٻڈاي :2ايڂ ڃچ ١تبث٘٣ ٢چيت ډپ ثب ًڈ پبكاٿتل c, b, aٿِؾْ ٿيُچؿ ٳڈ ؿك آځ a
٣لُٕ b ،يت څ cٿلٳن تبث٘٣ ٢چيت ٿيثبُـ:
1
= )gbell(x|a, b, c
xc
2b
1
a
٣ ڀټٸلډبي ٿزڀچ٣ڈاي ٿڄٜٮ ٫بمي :ٿخٺ ٿزڀچ٣ڈډبي ٯ٤ٜي ٿيتچاځ يٴٌلي ٣ڀټيبت كا ؿك ايڂ ٿڄٜٮ
ت٤ڀيپ ؿاؿ .ايڂ ٣ڀټيبت كڅي يٲ يب صڄـ تبث٘٣ ٢چيت ا٣ڀبٹ ُـڇ څ يٲ تبث٘٣ ٢چيت $ؿكرڈ #كا ڃتيزڈ
ٿيؿډـ.
A ( x) 1 A ( x) , x X .1ٿتڀپ$ 3ٿٴڀٺ #ٿزڀچ٣ڈ ٫بمي:
AB ( x) max( A ( x) , B ( x)) , x X .2ارتڀب 4١ؿڅ ٿزڀچ٣ڈ ٫بمي:
AB ( x) min( A ( x) , B ( x)) , x X .3اُتلاٱ 5ؿڅ ٿزڀچ٣ڈ ٫بمي:
1
Gaussian Membership Function
2
Generalized Bell Membership Function
3
Complement
4
Union
5
Intersection
6
Inclusion
[Link]
[Link]
ثلٍ :5αيٲ ٿزڀچ٣ڈ ٯ٤ٜي ام ٣ڄبٓل ٿزڀچ٣ڈ ٫بمي Aاًت ٳڈ ؿكرڈ ٘٣چيت آځ ثنكٷتل يب ٿٌبڅي
ثب يٲ ٿٰـاك آًتبڃڈ ٿِؾْ ُـڇ ؿك ٿغـڅؿڇ ] [0,1اًت.
]A {x X A ( x) } , [0,1
.7-1خالصِ
ؿك ايڂ ٔ٫ٺ ،ٿڄٜٮ ٫بمي ثڈ ٛچك ٳبٿٺ ٿ٤ل٫ي ُـ .ډڀضڄيڂ ؿك ايڂ ٔ٫ٺ ً٤ي ٳلؿيپ كڅيٴلؿډبي ٿجتڄي
ثل ٿڄٜٮ ٫بمي كا ثڈ ډڀلاڇ تبكيؾضڈ اًت٬بؿڇ ام ٿڄٜٮ ٫بمي ،ثيبځ ٳڄيپ .ؿك ايڂ ٔ٫ٺ ٿچاكؿي ام ٯجيٺ
ٿغبًجبت ڃلٽ څ ًيٌتپډبي ٫بمي ثڈ ٛچك ٳبٿٺ تِليظ ُـ.
1
Equality
2
T-norm
3
Height
4
Support Set
5
α-cut
[Link]
[Link]
فصل دٍم
[Link]
[Link]
.1-2هقذهِ
ٿيؿاڃيپ ٳڈ تزلثڈډب ؿك ٿٌيل مٿبځ عبٓٺ ٿيُچڃـ څ ثڈ ٣جبكت ؿيٸل ،ډيش ٳي آيڄـڇ ؽچؿ كا تزلثڈ ڃٴلؿڇ
اًت .ٿيناځ يبؿٷيلي ٿب ثڈ ؿكرڈ ٳبٿٺ ثچؿځ اٛال٣بت ٯجټي ٿب ثٌتٸي ؿاكؿ .يبؿٷيلي ،يٲ ك٫تبك ٿڊپ اڃٌبځ څ
يٴي ام ٿچٗچ٣بتي ٳڈ ثٌيبك ثڈ ډچٍ ڃنؿيٲ اًت ،ٿغٌچة ٿيُچؿ .ؿك څاٯ ٢ثـڅځ څروچؿ يوبؿٷيلي ډوچٍ
ڃڀيتچاڃـ څرچؿ ؿاُتڈ ثبُـ ميلا يبؿٷيلي اثناك ؿكيب٫ت ؿاڃَ رـيـ اًوت .څ ډول ك٫توبكي ٳوڈ ام آؿٿوي ًول
ٿيمڃـ ٿ٤ټچٹ يبؿٷيلي اًت .يبؿٷيلي ًجت ٿيُچؿ ٳڈ اڃٌبځ ؿاڃَ ؽچؿ كا ڃٌجت ثڈ ٿغي ٚاٛلا ٩ا٫نايَ
ؿډـ .اٛال٣بت ؿكيب٫تي ام ٛليٮ عچاى ،تچً ٚٿ٨ن اڃٌبځ پلؿامٍ ُـڇ څ ٯبثټيت ت٬ٴل څ تٰ٤ٺ ،ؿاڃَ ٿغويٚ
كا ام اٛال٣بت ؿكيب٫تي اًتؾلاد ٳلؿڇ څ فؽيلڇ ٿيڃڀبيـ .يبؿٷيلي تچاڃبيي ثڊجچؿ ك٫تبك ثول اًوبى تزلثيوبت څ
ٿِبډـات ٯجټي اًت .ام ايڄلڅ تچاڃبيي يبؿٷيلي يٲ اثناك ٯـكتڀڄـ ٿغٌچة ٿي ُچؿ.
ٻقا ٿٰچٻڈ يبؿٷيلي ٿبُيڄي ثڈ ٛچك ٷٌتلؿڇ ؿك ډچٍ ٿٔڄچ٣ي ٿٜلط ُـ ٳڈ ډـ ٩آځ ًبؽت ًيٌتپډبي
ډچُڀڄـ ٯبثٺ اڃٜ٤ب٩تل څ ډچُڀڄـتلي اًت ٳوڈ ٯوبؿك ثوڈ اًوتؾلاد ؿاڃَ$يوبؿٷيلي #ام ٿغوي ٚثوچؿڇ څ ثوب
ُجيڈًبمي ك٫تبك اڃٌبځ ،ام تزلثيبت ٷقُتڈ اًت٬بؿڇ ٳلؿڇ څ يٲ ٿٌئټڈ كا عٺ ٿيٳڄڄـ .يٴي ام ٣ڀـڇتوليڂ
ٳبكثلؿډبي تٴڄيٲډبي تچٻيـ ُـڇٛ ،لاعي څ تچٻيـ پبيٸبڇ ؿاڃَ ًيٌتپډبي ؽجلڇ ٿيثبُـ .عٌبًيت ٿلعټڈ
ٛلاعي څ تچٻيـ پبيٸبڇ ؿاڃَ ًيٌتپډبيؽجلڇ ثڈ عـي اًت ٳڈ آڃلا ٿيتچاځ تڄٸڄبي ٛلاعوي ًيٌوتپډوبي
ؽجلڇ ؿاڃٌت .ٿبُيڂډبي يبؿٷيلڃـڇ رڊت تٌلي ٢څ اتچٿبتيٲ ٳلؿځ ايڂ ٫لايڄـ ٿچكؿ اًت٬بؿڇ ٯلاك ٷل٫تڈاڃـ.
تغٰيٰبت ؿكمٿيڄڈ ٿبُيڂډبي يبؿٷيلڃـڇ ثلتچٻيـ ًيٌتپډبيي ٿتڀلٳناًت ٳڈ ٯبؿكڃـ ؿاڃَ ٿ٬بډيپ څاكتجبٙ
ثيڂ آڃڊب كا ؿكيٲ ٿغي ٚثل اًبى ٿِبډـڇ ڃڀچڃڈډبيي ام آڃڊب $عـاٯٺ يٲ ڃڀچڃڈ ثڈ اماي ډل ٿ٬ڊچٽ #اًتؾلاد
ڃڀچؿڇ څ ام ايڂ ؿاڃَ رڊت ُڄبًبيي پـيـڇډبي ؿيٸل ؿك آيڄـڇ اًت٬بؿڇ ڃڀبيڄوـ .ايوڂ ٿبُويڂډوب ٿزڀچ٣وب ام
تٴڄيٲ اًتٰلا رڊت يبؿٷيلي اًت٬بؿڇ ٿيڃڀبيڄـ٣ .ـٽ څرچؿ يٲ صڊبكصچة رڊت ډوـايت اًوتٰلاء څ تچٻيوـ
يٲ اًتڄتبد ٓغيظ ،څرچؿ اٛال٣بت ٿِ٨چٍ ُـڇ څ ث٘٤ب ٧ټ ٪٤ٗ ،ٚمثبځ تچٓي٬ٸل ٿغي ٚڅ ڃڀچڃڈډب څ ٯټت
ڃڀچڃڈډب ؿك ٿغيُ ،ٚـيـا ٳبكايي ٿبُيڂډبي يبؿٷيلڃـڇ كا تغت تبحيل ٯلاك ٿيؿډوـ ،توب آڃزوبيي ٳوڈ ؿٯوت څ
ٓغت ؿاڃَ اؽق ُـڇ كا ڃڀبيَ ٿيؿډـ٣ .ټچٽ ٿؾتټ٬ي ؿك اكتجب ٙثب يبؿٷيلي ٿبُويڂ ؿك اكتجوب ٙډٌوتڄـ ام
رڀټڈ :ډچٍ ٿٔڄچ٣ي ،كڅاڃِڄبًي٫ ،ټٌ٬ڈ ،تئچكي اٛال٣بت ،آٿبك څ اعتڀبالت ،تئچكي ٳڄتلٹ څ...
ؿك ايڂ ٔ٫ٺ ٿجبعج ٿلثچ ٙثڈ ؿكى يبؿٷيلي ٿبُيڂ ام رڀټڈ ت٤لي ٪يبؿٷيلي ،ت٤لي ٪يبؿٷيلي ٿبُويڂ،
اڃچا ١يبؿٷيلي ،ٿِٴالت ٿبُيڂډبي يبؿٷيلڃـڇ څ تٴڄيٲډبي يبؿٷيلي ٿبُيڂ ثيبځ ٿيُچؿ.
[Link]
[Link]
.2-2تعاریف یادگیری:
تبٳڄچځ ت٤بكي ٪ثٌيبكي ؿك كاثٜڈ ثب يبؿٷيلي ثيبځ ُـڇ اًت ٳڈ ؿك اؿاٿڈ صڄـ ڃڀچڃڈ كا ٿيآڅكيپ:
ٿيڄٌٴي :1ايزبؿ ت٨ييلات ٿ٬يـ ؿك ٿ٨ن.
ٿيضبٻٌٴي :2ت٨ييل يب تلٳيت ڃڀبيَډبي ٿؾتټ ٪ام آڃضڈ تزلثڈ ٳلؿڇايپ.
څاٻيبڃت :3تغٔيٺ ؿاڃَ ؿك ٿچاكؿي ٳڈ ثلڃبٿڈكيني ٓليغي څرچؿ ڃـاكؿ.
ً بيڀچځ :4يٲ پلڅًڈ ٿڄبًتًبمي ٳڈ ٿيتچاڃـ ًيٌتپ كا ثلاي اڃزبٽ ؿڅثبكڇ يٲ څٟي٬ڈ ٿچحلتل ًبمؿ.
٫ لډڄٶ ٻ٨ت ٿيلاث ٫لډڄٸي آٿليٴب :5ٳٌت ؿاڃَ څ يب ٫ڊپ آځ ام ٛليٮ ٿٜبٻ٤ڈ ،آٿچمٍ څ يب تزلثڈ.
ثڊجچؿ ٣ڀټٴلؿ ام ٛليٮ تزلثڈ
1
Minsky
2
Michalski
3
Valiant
4
Simon
5
American Heritage Dictionary
6
Arthur Samuel
7
Tom M. Mitchell, 1997
8
Longley
9
Ethem Alpaydin
[Link]
[Link]
څيتڂ څ ٫لاڃٲ :1يبؿٷيلي ثلاي يٲ ٿچرچؿيت مٿبڃي عبٓٺ ٿيُچؿ ٳڈ آځ ٿچرچؿيت ثتچاڃوـ ك٫توبكٍ كا
ثڈ ٷچڃڈاي ت٨ييل ؿډـ ٳڈ ٣ڀټٴلؿ ثڊتلي ؿك آيڄـڇ ؿاُتڈ ثبُـ يبؿٷيلي ٿبُيڂ ٫لآيڄـ يب كڅُي ٳڈ ٛوي
آځ يٲ ؿًتٸبڇ ك٫تبكٍ كا ؿك ڃتيزڈ اًت٬بؿڇ ام تزلثيبت ٷقُتڈ څ ؿاؿڇ ډب ت٨ييل ٿيؿډـ.
ٳچډبڅي :2ؿك ٳِ ٪ؿاڃَ ،3يبؿٷيلي ٿبُيڂ ٿ٤ڀچالي ثڈ ٿ٤ڄبي اًت٬بؿڇ ام اٻٸچكيتپډبي اًتٰلايي ثڈ ٳوبك
ثلؿڇ ٿيُچؿ ٳڈ يٲ ٿلعټڈ ام ٫لايڄـ اًتؾلاد ؿاڃَ اًت.
ؿيتليش :4ډـ ٩يبؿٷيلي ٿبُيڂ ًبؽت ًيٌتپ ٳبٿپيچتلي اًت ٳڈ ثتچاڃـ تٜبثٮ پيـاٳڄـ څ امتزلثيبتَ
امتزلثيبتَ يبؿ ثٸيلؿ.
ڃيټٌچځ :5يبؿٷيلي ٿبُيڂ ا٧ټت كرچ ١ٿيٳڄـ ثڈ ت٨ييلاتي ؿك ًيٌتپډب ٳڈ ډڀولاڇ ثوب ډوچٍ ٿٔوڄچ٣ي
اًت .ٿخٺ ُڄبًبيي ،تِؾيْ ،ثلڃبٿڈ كيني ،ٳڄتلٹ كثبت ،پيَ ثيڄي څ ٧يلڇ.
تٰټيـ ام ٷقُتڈ ثلاي اڃزبٽ ثڊتل ٳبكډب ؿك آيڄـڇ
ثلڃبٿڈكيني كايبڃڈاي ثلاي ثڊيڄڈًبمي يٲ ٣ڀټٴلؿ ثب اًت٬بؿڇ ام ؿاؿڇډب څ تزلثيبت
ًيٌتپډبي ٿجتڄي ثل يبؿٷيلي ٿبُيڂ٤ً ،ي ؿك ثبمڃڀبيي ؿاڃَ څ ت٤ڀيپ ؿاڃوَ آٿچؽتوڈ ُوـڇ ؿك ٫لايڄوـ
كڅيبكڅيي ثب تزلثيبت يب ؿاؿڇډبي آٿچمُي ؿاكڃـ .ايوڂ ًيٌوتپډوب ٿويتچاڃڄوـ ثولاي ثولامٍ تچاثو ٢پيضيوـڇ،
ؿًتڈثڄـي څ ؽچُڈثڄـي ٿچكؿ اًت٬بؿڇ ٯلاك ٷيلڃـ.
كُتڈ يبؿٷيلي ٿبُيڂ ثڈ ؿڃجبٹ پبًؼ ايڂ پلًَډب اًت ٳڈ ٿب صٸچڃڈ ٿيتوچاڃيپ ًيٌوتپډوبيي كايبڃوڈاي
ثٌبميپ ٳڈ ثب ٳٌت تزلثڈ ثڈ ٛچك ؽچؿٳبك ثڊجچؿ يبثڄـ څ ٯچاڃيڂ پبيوڈاي ٳوڈ ثول ډڀوڈ ٫لآيڄوـډبي يوبؿٷيلي
ٿبُيڂ عبٳپاڃـ صڈ ډٌتڄـ؟» ايڂ پلًَډب ٛي ٪ٷٌتلؿڇاي ام څٟبي ٪يبؿٷيلي كا ثڈ ؿڃجبٹ ؿاكؿ .ايڂ كُتڈ
٣ټڀي ؿك كاثٜڈ ثب ٛلاعي څ تچً٤ڈ اٻٸچكيتپډب اًت څ ثڈ كايبڃڈډب اربمڇ ٿيؿډـ تب ك٫تبكډوب كا ثول اًوبى ؿاؿڇ
ډبي تزلثي ٿخٺ ؿاؿڇډبي عٌٸل يب پبيٸبڇ ؿاؿڇډب تٴبٿٺ ؿډڄـ .يٲ يبؿٷيلڃوـڇ ٿويتچاڃوـ ٿنايوبي ڃڀچڃوڈډوب
$اٛال٣بت #كا ثلاي اؽق څيوٷيډبي ٿچكؿ ٣الٯڈ ثٸيلؿ .ؿاؿڇډب ثڈ ٓچكت ڃڀچڃڈډبيي ؿيـڇ ُچؿ ٳڈ كڅاثو ٚثويڂ
ٿت٨يلډبي ٿِبډـڇ ُـڇ كا ڃِبځ ٿيؿډـ٣ .ڀـڇ تڀلٳن تغٰيٰبت ٿلثچ ٙثڈ يبؿٷيلي ٿبُيڂ ډپ ثل ايڂ اًبى
ثڄب ُـڇ ٳڈ ٿبُيڂډب ثڈ ٛچك ؽچؿٳبك ثيبٿچمڃـ تب اٻٸچډوبي پيضيوـڇ كا تِوؾيْ ؿډڄوـ څ ثول اًوبى ؿاؿڇډوب
تٔڀيپٷيلي ډچُڀڄـ اڃزبٽ ؿډڄـ.
عـڅؿ ً 30بٹ اًت ٳڈ تغٰيٰبت ؿك مٿيڄڈ ٿبُيڂډبي يبؿٷيلڃـڇ ثڈ ٛچك رـي ؿڃجبٹ ٿويُوچؿ .ډوـ ٩ام
تغٰيٰبت ؿك ايڂ مٿيڄڈ ،ؿًتيبثي ثڈ تٴڄيٲډبيي اًت ٳڈ اٿٴبځ ُجيڈًبمي ك٫تبك يبؿٷيلي ثوڈ ٣ڄوچاځ يوٲ
ك٫تبك ډچُڀڄـاڃڈ كا ثڈ څًيټڈ كايبڃڈ ام ؿاؿڇډب ٫لاډپ ٳڄڄـ .څ ڃينٳبكٳلؿي ام ٿبُيڂ اًت ٳڈ تچاڃبيي اڃزوبٽ آځ
1
Witten & Frank, 2000
2
Ron Kohavi
3
KDD: Knowledge Discovery In Databases
4
Dietterich, 1999
5
Nilsson, 1996
[Link]
[Link]
ؿك ٿبُيڂ ايزبؿ ُـڇ اًت ،ثڈ ايڂ ڃغچڇ آالط ٳڈ ثل اًبى آمٿچځ څ ډڀضڄيڂ ثل اًبى ٿيناځ ؿكًت اڃزوبٽ
ؿاؿځ آځ ٳبك كا يبؿٷيلي ٿبُيڄي ٷچييپ.
[Link]
[Link]
ؿك٣ڀٺ ڃچُتڂ ثلڃبٿڈ ثلاي تِؾيْ يٲ ٓچكت ٿيتچاڃـ ٳبكٿِٴټي ثبُـ .ميولا ت٤ليو ٪ؿٯيٰوي ثولايَ
څرچؿ ڃـاكؿ څ عتي ؿك ٓچكت څرچؿ ؿاُتڂ ڃچُتڂ ثلڃبٿڈ ثلاًبى آځ ٳبك ًوؾتي اًوت .ٻوقا ثوڈ روبي
ڃچُتڂ يٲ ثلڃبٿڈ ثب ؿًت ،ٿٰـاك ميبؿي ڃڀچڃڈ ٓغيظ څ ا٣ڀبٹ آځ ثوڈ يوٲ اٻٸوچكيتپ يوبؿٷيلي ٿبُويڂ
ثلڃبٿڈاي تچٻيـ ٿيٳڄيپ ٳڈ ٳبك ٿچكؿ ڃ٠ل كا اڃزبٽ ؿډـ .ايڂ ثلڃبٿڈ ثٌيبك ثب آڃضڈ ٳڈ ٯولاك ثوچؿ ثوب ؿًوت
ڃچُتڈ ُچؿ ٿت٬بڅت ؽچاډـ ثچؿ .اٷل ايڂ ثلڃبٿڈ ؿكًت ڃچُتڈ ُـڇ ثبُـ ٿيتچاڃوـ ثولاي ڃڀچڃوڈډوبيي ٳوڈ
تبٳڄچځ ڃـيـڇ اًت ڃين ؽلڅري ٿچكؿ ڃ٠ل كا تچٻيـ ٳڄـ.
ث٘٤ي ٳبكډب كا ثـكًتي ڃڀيتچاځ تچٓي ٪ڃڀچؿ .ؿكٓچكتيٳڈ ٿڀٴڂ اًت آڃڊب كا ثتچاځ ثڈ ٓچكت ٿخبٹډبي
$څكڅؿي ؽلڅري #ٿ٤يڂ ڃڀچؿ.
ٿڀٴڂ اًت ٿغي ٚؿك ٛچٹ مٿبځ ت٨ييل ٳڄـ .ٿبُيڂ ٿيتچاڃـ ثب يبؿٷيلي ايڂ ت٨ييلات ؽوچؿ كا ثوب آځډوب
څ٫ٮ ؿډـ.
ٿڀٴڂ اًت ٿچٯٛ ٢لاعي يٲ ًيٌتپ تڀبٿي څيوٷيډبي آځ ُڄبؽتڈ ُـڇ ڃجبُوـ ؿك عوبٻيٳوڈ ٿبُويڂ
ٿيتچاڃـ عيڂ ٳبك آڃڊب كا يبؿ ثٸيلؿ.
ك٫تبك څ ٣ڀټيبت ُبٿٺ يبؿٷيلي ٳبكډبي رـيـ ،ٷل٫تڂ تٔڀيڀبت ثڊتل څ ٿٜڀئڂتل ،ا٫نايَ تچاڃوبييډوبي
ٿچرچؿ ،ا٫نايَ ًل٣ت اڃزبٽ څٟبي ٪ثڊجچؿ ٿييبثـ.
پلؿامٍ څ ا٫نايَ ؿاڃَ ُبٿٺ ٫لٿچٻڈٳلؿځ $تڄ٠يپ #څٗچط ٿ٬بډيپ څ ٯچاڃيڂ ٿچرچؿ ،ٳِ ٪كڅاث ٚؿاؿڇډب،
ٳِ ٪كڅٍډبي ك٫تبكي رڊبځ اٛلا٩
ا٫نايَ تچاڃبيي ٿغبًجبتي
كڅُي آًبځتل ثلاي ًبؽت ثلڃبٿڈډب ڃٌجت ثڈ آڃضڈ تبٳڄچځ ثلڃبٿڈڃچيٌوي ُوـڇ اًوت ٿبڃڄوـ ٿچتچكډوبي
رٌتزچ ،ثبميډبي ٳبٿپچتلي ،كاثٚډبي ٳبكثل ،كثبتډبي رٌتزچٷل ٿؾلة ،ٳبك ثب ؿاؿڇډبي ثلؽٚ
٫ ڊپ ثڊتل يبؿٷيلي اڃٌبڃي /عيچاڃي.
.5-2اًَاع یادگیری
.1-5-2يبؿٷيلي ثب ڃبٟل$ 1ډـايتُـڇ :#يبؿٷيلي ډـايتُـڇ ،يٲ كڅٍ ٣ڀچٿي ؿك يبؿٷيلي ٿبُيڂ اًت
ٳڈ ؿك آځ ٳبكثل ڃَٰ ٿ٤ټپ كا ثبمي ٳلؿڇ څ ثڈ يٲ ًيٌتپ ،ٿزڀچ٣وڈ ر٬وت ډوبي څكڅؿي ؽلڅروي ٿٜټوچة
$ثلصٌت ،ٳالى #كا اكائڈ ٿيؿډـ ډـً ٩يٌتپ يبؿٷيل ثـًت آڅكؿځ ٫لٗيڈاي اًت ٳڈ تبث ٢څ يب كاثٜڈ ثيڂ
څكڅؿي څيب ؽلڅري كا عـى ثنڃـ $ثلآڅكؿ ڃڀبيـ .#څ ً٤ي ؿكٳڀيڄڈٳلؿځ تبث ٢ؽٜب ؿاكؿ .يبؿٷيلي ډـايتُـڇ
ڃيبمٿڄـ ت٤ـاؿي ؿاؿڇ څكڅؿي ثڈ ٿڄ٠چك آٿچمٍ ًيٌتپ اًت .ؿًتڈثڄوـي ؿاؿڇډوبي ٷٌٌوتڈ څ كٷلًويچځ
ثلاي ؿاؿڇډبي پيچًتڈ ام ٿڊپتليڂ اٻٸچكيتپډبي ثبڃبٟل ډٌتڄـ .ثلاي ٿخبٹ ،ؿك يوٲ ٿٌوئټڈ ؿًوتڈثڄوـي ثوب
1
Supervised Learning
[Link]
[Link]
تٰليت يٲ تبث ٢ٳڈ يٲ ثلؿاك كا ثڈ يٲ ٳالى ڃٸبُت ٿيڃڀبيـ ٿچارڈ ډٌتيپ څ ٿخبٹ ډوبي آٿچمُوي ُوبٿٺ
ڃڀچڃڈډبيي ډٌتڄـ ٳڈ ثلاي آڃڊب ٳالى ٿچكؿ ڃ٠ل ،ام پيَ ٿ٤ټچٽ اًت.
.2-5-2يبؿٷيلي ثـڅځ ڃبٟل$ 1ډـايت ڃِـڇ :#ؿك ايڂ كڅٍ ،يٲ ٿزڀچ٣وڈ ام ؿاؿڇډوبي څكڅؿي ثوڈ څًويټڈ
اٻٸچكيتپډبي ٿچرچؿ ؿك ايڂ ؿًتڈ ،ٿـٹ ٿيُچڃـ .ؽچُڈ ثڄـي ڃڀچڃڈاي ام ايڂ ڃچ ١ٿـٹًبمي ؿاؿڇډبًت .ؿك
ايڂ ؿًتڈ ام ٳبكثلؿډب ؿك ٫لايڄـ آٿچمٍ ،ثلصٌت يب ٿٰبؿيل ٿٜټچة ثولاي څكڅؿيډوب ٿِوؾْ ڃيٌوت څ ٻوقا
يبؿٷيلي امٛليٮ ٳِ ٪اٻٸچي ٿچرچؿ ؿك ؿاؿڇډب كػ ٿيؿډـ .يبؿٷيلي ثـڅځ ڃبٟل ثلاي ؿًتڈثڄـي څكڅؿيډب
څ يب پيَثيڄي ٿٰـاك ث٤ـي ثلاًبى ٿچٯ٤يت ٤٫ټي ثڈ ٳبك ٿيكڅؿ.
.3-5-2يبؿٷيلي تٰچيتي :ؿك ثلؽي ام ٳبكثلؿډب ،ډل ٣ڀټي ثب ثبمؽچكؿي ام ٿغي ٚٿچارڈ ٿيُچؿ؛ ٷوبڇ ايوڂ
ثبمؽچكؿډب ثڈ ډل ٣ڀٺ ا٣ڀبٹ ٿيُچؿ څ ٷبڇ ٿزڀچ٣ڈاي ام ا٣ڀبٹ ،ٿڄزول ثوڈ يوٲ ثوبمؽچكؿ ٿويُوچڃـ .ٻوقا
يبؿٷيلي تٰچيتي ٿٌئټڈاي اًت ٳڈ يٲ ٣بٿٺ ٳڈ ٿيثبيٌت ك٫تبك ؽچؿ كا ام ٛليٮ ت٤بٿالت آمٿبيَ څ ؽٜب
ثب يٲ ٿغي ٚپچيب ٫لا ٷل٫تڈ څ ثڊجچؿ ڃڀبيـ ،ثب آځ ٿچارڈ اًت .ؿك يبؿٷيلي تٰوچيتي ډويش ڃوچ ١مڅد څكڅؿي
ؽلڅري اكائڈ ڃڀيُچؿ .ثزبي آځ ،پي ام اتؾبف يٲ ٣ڀٺ ،څٗ٤يت ث٤ـي څ پبؿاٍ ثالٔ٫ٺ ثوڈ ٣بٿوٺ اكائوڈ
ٿيُچؿ .ډـ ٩اڅٻيڈ ثلڃبٿڈكيني ٣بٿٺډب ثب اًت٬بؿڇ ام تڄجيڈ څ تِچيٮ اًت ثـڅځ آڃٴوڈ فٳولي ام صٸوچڃٸي
اڃزبٽ څٟي٬ڈ آځډب ُچؿ .ؿك څاٯ ٢يبؿٷيل ؿك څٗ٤يتډبي ٿؾتټ٣ ،٪ڀټيوبت ٿت٬وبڅتي كا اڃزوبٽ ٿويؿډوـ څ ؿك
ٿٰبثٺ آځ پبؿاٍډبيي كا ؿكيب٫ت ٿيٳڄـ ي٤ڄي ٣ڀٺ ؽچة تِچيٮ څ تٰچيت ٿيُچؿ څ ٣ڀوٺ ڃبؿكًوت تڄجيوڈ
ٿيٷلؿؿ .ؿك ايڂ ٓچكت ٣ڀٺ ٿتڄبًت ثب ډل څٗ٤يت كا يبؿ ٿيٷيلؿ.
.4-5-2يبؿٷيلي ڃيڀڈ ڃ٠بكتي$ 2ڃيڀڈ ًلپلًوت ،ډيجليوـ :#ربيٸوبڇ آځ ٿيوبځ يوبؿٷيلي ډوـايتڃِوـڇ څ
ډـايت ُـڇ اًت .څ ثل اًبى آڃضڈ ؿك څاٯ٤يت ثب آځ ٿچارڈ ډٌتيپ ثوڈ څروچؿ آٿوـڇ اًوت $ي٤ڄوي ؿك ٿوچكؿ
ٿٌبيٺ ثي اٛال ١ڃيٌتيپ څ اٻجتڈ اٛال ١ٳبٿٺ څ ربٿ ٢ڃين ڃـاكيپ #ؿك ايڂ يبؿٷيلي ثب ٿزڀچ٣وڈاي امؿاؿڇډوبي
آٿچمُي ٿچارڈ ډٌتيپ ٳڈ ثلاي ثلؽي امڅكڅؿيډب ،ؽلڅري ٿچرچؿ اًت څثلاي ت٤ـاؿ ميبؿي ؽلڅري ٿچرچؿ
ڃيٌت څ ؿاڃَ ٫لؿ ؽجلڇ ؿك ٯبٻت ٿ٬بډيپ آټي ٿزبڅكتي ڃين اًت٬بؿڇ ٿيُچؿ . .ٻقا اٛال٣بتي ٳڈ ؿك اؽتيوبك
ٿب ٯلاك ٿيٷيلؿ ٳڈ ؿك ٿٰبيٌڈ ثب څٗ٤يت ٿِبثڈ ؿك يبؿٷيلي ډـايت ُـڇ ،عبڅي رنئيبت ٳپتلي ٿيثبُـ.
1
Unsupervised Learning
2
Semi-Supervised Learning
[Link]
[Link]
ثلصٌت ؿك ډل ڃٰٜڈ كا ٿغبًجڈ ٳلؿ .ؿك كڅٍډبي ٿچٻـ ٿ٤ڀچال ډـ ٩ثيِيڄڈٳلؿځ ايڂ اعتڀبٹ څٯچ ١يوب
ثڈ ٛچك ٿ٤بؿٹ ثيِيڄڈٳلؿځ كاًتڃڀبيي آڃڊب ڃٌجت ثڈ پبكاٿتلډوبي ٿوـٹ اًوت .ام كڅٍډوبي ٿؾتټ٬وي
ٿيتچاځ ثلاي ثڊيڄڈٳلؿځ پبكاٿتلډبي ٿـٹ ڃٌجت ثڈ ٿيناځ كاًتڃڀبيي اًت٬بؿڇ ٳلؿ.
كڅٍډبي تڀبيني :ايڂ كڅٍډب ثڈ ٛچك ٿٌتٰيپ ثڈ يبؿٷيلي ) P( y xٿيپلؿامڃـ .تچريڊبت ڃ٠لي څرچؿ
ؿاكؿ ٳڈ ڃِبځ ٿيؿډـ كڅٍډبي ٿچٻـ ڃيبم ثڈ ؿاؿڇډبي ثيِوتلي ڃٌوجت ثوڈ كڅٍډوبي تڀوبيني رڊوت
يبؿٷيلي ؿاكڃـ .ډڀضڄيڂ ؿك ٣ڀٺ كڅٍډبي تڀبيني ٿچ٫ٮتل ڃِبځ ؿاؿڇاڃـ .ٻقا تغٰيٰبت كڅي كڅٍډوبي
ٿچٻـ ٳپكڃٶتل ثچؿڇ اًت.
كڅٍډبي ٿجتڄي ثل ٫لٕ رـاًبمي ٳپ صٸبٻي٫ :لٕ ؽچُڈ ثب ٫لٕ رـاًبمي ٳپ صٸبٻي ٿ٤بؿٹ اًت.
ثب تچرڈ ثڈ ايڂ ڃٴتڈ ٿيتچاځ ٣جبكتډبي ٿڄ٠پًبمي ت٤لي ٪ٳلؿ ٳڈ څرچؿ ٿلم ٛجٰڈثڄوـي ؿك ڃٰوب ٙپول
صٸبٻي كا رليڀڈ ٿيٳڄڄـ .ثڈ ايڂ تلتيت اٻٸچكيتپډبي ميبؿي ثلاي يبؿٷيلي ڃيڀڈڃ٠بكتي ٿٜلط ٿيُچڃـ.
1
ٿ٤لڅ٩تليڂ اٻٸچكيتپ ؿك ايڂ ؿًتڈ ام كڅٍډب ،اٻٸچكيتپ TSVMاًت ٳڈ ؿك ًبٹ 1998تچً ٚڅپڄيٲ
اكائڈ ُـ.
كڅٍډبيٿجتڄي ثل ٷلا :٩ؿك ايڂ كڅٍډب اثتـا ٷلا ٩ډڀٌبيٸي كڅي ڃٰبً ٙوبؽتڈ ٿويُوچؿً .وپي ام
كڅُي ثلاي ت٤ييڂ ثلصٌت ڃٰب ٙثـڅځ ثلصٌت اًت٬بؿڇ ٿيُچؿ.
1
Vapnik
[Link]
[Link]
ڃ٠ليڈ اٛال٣بت :پيَثيڄي آڃتلڅپي څ ٿغتچاي اٛال٣بت .كڅٍډبي عـاٯٺ ٛچٹ تچٓي 1٪ثلاي آٿچمٍ.
ٳـډبي ثڊيڄڈ څ اكتجب ٙآځډب ثب تلتيت آٿچمٍ ثڊيڄڈ ثلاي ٳـٷقاكي ٫لٗيڈ.
كڅاڃِڄبًي څ ميٌتُڄبًي ٔ٣جي :ٯبڃچځ تچاڃي ٿڀبكًت $تڀليڂ ،#ثيبځ ٿيؿاكؿ ٳڈ ؿك ثبمڇ څًي٤ي ام
ٿٌبئٺ يبؿٷيلي ،مٿبځ پبًؼ ا٫لاؿ ثب اڃزبٽ ٿڀبكًت ٛجٮ ٯبڃچځ تچاڃي ثڊجچؿ ٿييبثـ .ٿٜبٻ٤بت ميٌت
ُڄبًي ٔ٣جي ثب٣ج ايزبؿ ٿـٹډبي ُجٴڈ ٔ٣جي ٿٔڄچ٣ي ام يبؿٷيلي ُـ.
آٿبك :تچٓي ٪ؽٜبډب $ٿبڃڄـ ثبيبى څ څاكيبڃي ،#ٳڈ ډڄٸبٽ تؾڀيڂ ؿٯت ٫لٗيڈ ٿجتڄي ثل ؿاؿڇ ډبي ڃڀچڃڈ،
ٿغـڅؿ٫ ،چآٺ اٛڀيڄبځ 2آمٿچځډبي آٿبكي كڅي ٿيؿډـ.
1
Minimum Description Length
2
Confidence Intervals
[Link]
[Link]
.5يبؿٷيلي ثبمٷِتي .ثچًيټڈ آڃضڈ ام ٷقُتڈ ؿك عب٠٫ڈ فؽيلڇ ُـڇ اًت ثڈ ٣بٿٺ ٳڀٲ ٿيٳڄـ تب ٿٜټجي
يبؿ ثٸيلؿ.
.6يبؿٷيلي ٿيتچاڃـ ام ٛليٮ ٿخبٹډبيي ٓچكت ٷيلؿ .ڃڀچڃڈډبيي ٿِتلٱ ام يٲ ٿچٗوچ ١ٳوڈ ٣بٿوٺ كا ثوڈ
يبؿٷيلي يٲ ٿٌئټڈ ٿيكًبڃڄـ.
.7ؿك عبٻيٳڈ ٿخبٹډب ٿِؾْ ڃيٌتڄـ څ ؽجلڇاي څرچؿ ڃـاكؿ ٿبُيڂ ٿيتچاڃـ ام ٛليٮ ٿِبډـڇ يبؿ ثٸيلؿ.
1
Training experience
2
Target Function
3
Representation the target function
[Link]
[Link]
1
induction
[Link]
[Link]
.1-11-2يبؿٷيلي اًتڄتبري ؽٔچٓب ؿكؽت تٔڀيپ : 1ؿك يبؿٷيلي اًتڄتبري يبؿٷيلي ثل ٿجڄبي ٿخبٻڊبي
ٿت٤ـؿ اڃزبٽ ٿيُچؿ .ؿكؽتډبي تٔڀيپٷيلي ام اثناكډبي ٯـكتڀڄـ څ ام رڀټڈ ٿِڊچكتليڂ ايوڂ اٻٸوچكيتپډوب
اًت ٳڈ ثڈ ٓچكت ٿچٰ٫يتآٿيني ؿك ٳبكثلؿډبي ٿؾتټ ٪ثٴبك ٷل٫تڈ ُـڇ اًت .ؽٔچٓب ؿك ٿچاكؿي ٳوڈ ڃيوبم
ثڈ تلٳيت ثلكًي ؿاؿڇ څ ٿـٹًبمي اًت ٿڄبًت ٿي ثبُڄـ .ٿڊپتليڂ ؿٻيٺ اًت٬بؿڇ ام ؿكؽتبځ تٔڀيپ ؿًتڈ
ثڄـي ؿاؿڇډب ثب تچرڈ ثڈ ؽٔچٓيبتي ٳڈ ؿاكڃـ ،ؿكٳالىډبي ٿؾتټ ٪څ پيَثيڄي ٳالى ٿلثچٛڈ آڃڊب اًوت .څ
٣ټت ڃبٿٸقاكي آځ ثڈ ؿكؽت تٔڀيپ ايڂ اًت ٳڈ ايڂ ؿكؽت ٫لايڄـ تٔڀيپٷيلي ثولاي ت٤يويڂ ؿًوتڈ يوٲ
ٿخبٹ څكڅؿي كا ڃِبځ ٿيؿډـ.
ؿكؽتتٔڀيپ ًبؽتبكي اًت ٳڈ ثلاي تٌٰيپ ٿزڀچ٣ڈاي ثنكٵ امؿاؿڇډبي رڀ٢آڅكي ُـڇ ثڈ ٿزڀچ٣ڈډبي
1
Inductive Learning such as Decision Tree
[Link]
[Link]
ٳچصٴتل مڃزيلڇڅاك ؿاؿڇ ٿچكؿ اًت٬بؿڇ ٯلاك ٿيٷيلؿ .ؿكؽتډبي تٔڀيپ ايڂ ٳبك كا ثب اًوت٬بؿڇ ام يوٲ ًولي
ًچاالت څ ٯچاڃيڂ تٔڀيپٷيلي ثٌيبك ًبؿڇ ٳڈ ٿيتچاڃـ تچًو ٚاڃٌوبځ ٯبثوٺ ؿكٱ ثوچؿڇ څ ٿوچكؿ اًوت٬بؿڇ ؿك
ًيٌتپډبي ؿاڃَ ٿبڃڄـ پبيٸبڇ ؿاؿڇ ثبُـ ،اڃزبٽ ٿيؿډـ .ؿكډلتٌٰيپ ثڄـي ٿتچاٻي ٿچ٫وٮ ،ا٘٣وبي ٿزڀچ٣وڈ
عبٓٺ ثيَامپيَ ثڈ ډپ ُجيڈ ٿيُچڃـ.
تٌٰيپثڄـي ٿچرچؿات مڃـڇ ثل اًبى ٯټڀلڅډبً ،ټٌوټڈ ٿلاتوت پيوـايَ ،ؿًوتڈډوب ،ڃ٠وبٽ تچٻوـ ،ؽوبڃچاؿڇ،
رڄٌيت څ ٷچڃڈډب ٳڈ ؿك ؿډڈ 1730تچً ٚٷيبڇُڄبى ًچئـي ٳبكٹ ٻيڄچى اثـاُ ١ـ ڃڀچڃڈ ؽوچثي ؿك ايوڂ
مٿيڄڈ اًت.
ثڈ ٣ڄچاځ يٲ ُڀبي ٳټي ام يٲ ؿكؽت تٔڀيپ ٿيتچاځ آځ كا يٲ ًبؽتبك ًټٌټڈ ٿلاتجي ؿك ڃ٠ل ٷل٫ت ٳڈ
ؿك آځ ،ٷلڇډبي ٿيبڃي ثلاي تٌت يٲ ؽٔئڈ ثڈ ٳبك ٿيكڅڃـُ .بؽڈډب ڃِبڃٸل ؽلڅري تٌت ثچؿڇ ،ثولٵډوب
ثلصٌت ٳالى څ يب تچمي ٢ثلصٌت ٳالى كا ٿِؾْ ٿيڃڀبيڄـ .ت٤ـاؿ ميل ؿكؽتډبي يٲ ٷلڇ ؿكرڈ آځ ٷلڇ
كا ت٤ييڂ ٿيٳڄڄـ .ٷلڇډبي ثلٵ ؿاكاي ؿكرڈ ٓ٬ل ډٌتڄـ.
1
classification
2
if-then
[Link]
[Link]
ؿاؿڇډبي آٿچمُي ٿڀٴڂ اًت ؽٜب ؿاُتڈ ثبُـ .ؿكؽتډبي تٔڀيپ ؿك ٿٰبثٺ ؽٜب ثٌيبك ٿٰبڅٽ اًوت.
صڈ ؿك ؽٜبډبي ؿًتڈثڄـي څ صڈ ؽٜبډبي ٿٰبؿيل ٓ٬بت!
ؿاؿڇډبي آٿچمُي ٿڀٴڂ اًت ام ٿٰبؿيل ٓ٬تډبي آځ رب ا٫تبؿڇ ثبُـ.
.2-11-2يبؿٷيلي پيچڃـٷلا ؽٔچٓب ُجٴڈ ٔ٣جي ٿٔڄچ٣يُ : 1جٴڈډبي ٔ٣جي كا ٿيتچاځ ثب ا٧ڀبٕ ميبؿ،
ٿـٹ ډبي اٻٴتلڅڃيٴي ام ًبؽتبك ٔ٣جي ٿ٨ن اڃٌبځ ڃبٿيـ .ٿٴبڃيٌپ ٫لاٷيلي څ آٿچمٍ ٿ٨ون اًبًوبي ثول تزلثوڈ
اًتچاك اًت .ٿـٹډبي اٻٴتلڅڃيٴي ُجٴڈډبي ٔ٣جي ٛجي٤ي ڃين ثل اًبى ډڀويڂ اٻٸوچ ثڄوب ُوـڇاڃوـ څ كڅٍ
ثلؽچكؿ صڄيڂ ٿـٹډبيي ثب ٿٌبئٺ ،ثب كڅٍډبي ٿغبًجبتي ٳڈ ثڈٛچك ٿ٤ڀچٹ تچًً ٚيٌتپډوبي ٳوبٿپيچتلي
ؿك پيَ ٷل٫تڈ ُـڇاڃـ ،ت٬بڅت ؿاكؿ .ٿيؿاڃيپ ٳڈ عتي ًبؿڇتليڂ ٿ٨نډبي ربڃچكي ډپ ٯبؿك ثڈ عوٺ ٿٌوبئټي
ډٌتڄـ ٳڈ اٷل ڃٸچييپ ٳڈ ٳبٿپيچتلډبي اٿلڅمي ام عٺ آڃڊب ٣برن ډٌتڄـ ،عـاٯٺ ؿك عٺ آڃڊوب ؿصوبك ٿِوٴٺ
ٿيُچڃـ .ثڈ ٣ڄچاځ ٿخبٹ ،ٿٌبئٺ ٿؾتټُ ٪ڄبًبيي اٻٸچ ،ڃڀچڃڈاي ام ٿوچاكؿي ډٌوتڄـ ٳوڈ كڅٍډوبي ٿ٤ڀوچٹ
ٿغبًجبتي ثلاي عٺ آڃڊب ثڈ ڃتيزڈ ٿٜټچة ڃڀيكًڄـ .ؿكعبٻيٳڈ ٿ٨ن ًبؿڇتليڂ ربڃچكاځ ثوڈكاعتوي ام ٣ڊوـڇ
صڄيڂ ٿٌبئټي ثل ٿيآيـ.
تٔچك ٣ڀچٽ ٳبكُڄبًبځ ITثل آځ اًت ٳڈ ٿـٹډبي رـيـ ٿغبًجبتي ٳڈ ثل اًبى ُجٴڈډوبي ٔ٣وجي ثڄوب
ٿيُچڃـ ،رڊَ ث٤ـي ٓڄ٤ت ITكا ُٴٺ ٿي ؿډڄـ .تغٰيٰوبت ؿك ايوڂ مٿيڄوڈ ڃِوبځ ؿاؿڇ اًوت ٳوڈ ٿ٨ون،
اٛال٣بت كا ډڀبڃڄـ اٻٸچډب 2فؽيلڇ ٿيٳڄـ٫ .لآيڄـ فؽيلڇًبمي اٛال٣بت ثڈٓچكت اٻٸچ څ تزنيوڈ څ تغټيوٺ آځ
اٻٸچ ،اًبى كڅٍ ڃچيڂ ٿغبًجبتي كا تِٴيٺ ٿيؿډڄوـ .ايوڂ عوچمڇ ام ؿاڃوَ ٿغبًوجبتي 3ثوڈ ډويش څروڈ ام
كڅٍډبي ثلڃبٿڈڃچيٌي ًڄتي اًت٬بؿڇ ڃڀيٳڄـ څ ثزبي آځ ام ُجٴڈډبي ثنكٷي ٳڈ ثڈٓوچكت ٿوچامي آكايوَ
ُـڇاڃـ څ ت٤ټيپ يب٫تڈاڃـ ،ثڊلڇ ٿيرچيـ.
يٲ ُجٴڈ ٔ٣جي ٿٔڄچ٣ي ايـڇاي اًت ثلاي پلؿامٍ اٛال٣بت ٳڈ امًيٌتپ ٔ٣جي ميٌوتي اٻڊوبٽ ٷل٫توڈ
ُـڇ څ ٿبڃڄـ ٿ٨ن ثڈ پلؿامٍ اٛال٣بت ٿيپلؿامؿ٣ .ڄٔل ٳټيـي ايڂ ايوـڇً ،وبؽتبك رـيوـ ًيٌوتپ پولؿامٍ
1
Connectionist learning such as Artificial Neural Networks
2
pattern
3
computation
[Link]
[Link]
اٛال٣بت اًت .ٳڈ ٯبثټيت ٯبثٺ تچرڊي ؿك اًتڄتبد ٿ٤بڃي ام ؿاؿڇډبي پيضيـڇ يب ٿجڊپ ،ؿاكڃـ څ ٿيتچاڃـ ثولاي
اًتؾلاد اٻٸچډب څ ُڄبًبيي كڅٍډبيي ٳڈ آٷبډي ام آڃڊب ثلاي اڃٌبځ څ ؿيٸل تٴڄيوٲډوبي ٳوبٿپيچتلي ثٌويبك
پيضيـڇ څ ؿُچاك اًت ،ثٴبك ٷل٫تڈ ُچؿ .ايڂ ًيٌتپ ام ُڀبك ميبؿي ٣ڄبٓل پلؿامُي ٫چ٭اٻ٤بؿڇ ثڊوپ پيچًوتڈ
ثڈ ڃبٽ ڃلڅځ 1تِٴيٺ ُـڇ ٳڈ ثلاي عٺ يٲ ٿٌأٻڈ ثب ډپ ډڀبډڄٶ ٣ڀٺ ٿي ٳڄـANN .ډب ،ڃ٠يل اڃٌبځډب ،ثوب
ٿخبٹ يبؿ ٿيٷيلڃـ څ ثلاي اڃزبٽ څٟي٬ڈاي ٿِؾْ ،ٿبڃڄـ ُڄبًبيي اٻٸچ څ ؿًتڈثڄـي اٛال٣بت ،ؿك ٛچٹ يٲ
پلڅًڈ يبؿٷيلي ،تڄ٠يپ ٿيُچڃـ .ؿك ًيٌتپډبي ميٌتي يبؿٷيلي ثب تڄ٠يڀوبتي ؿك اتٔوبالت ًيڄبپٌوي ٳوڈ
ثيڂ أ٣بة ٯلاك ؿاكؿ ډڀلاڇ اًت .ايڂ كڅٍ ANNډب ډپ ٿيثبُـ.
ؿك يٲ ُجٴڈ ٔ٣جي ،پبكاٿتلډبي څكڅؿي ثڈ ُٴٺ يٲ ًيٸڄبٹ اٻٴتليٴي ٿغلٱ ثڈ ٳبڃبٹډبي څكڅؿي ٿـٹ
كيبٗي ًټچٹ ٔ٣جي څاكؿ ٿيُچڃـ .ډل يٲ ام ٳبڃبٹډبي څكڅؿي ؿاكاي يٲ ٗوليت ٣وـؿي ډٌوتڄـ ٳوڈ څمځ
ًيڄبپٌي ڃبٿيـڇ ٿيُچؿُ .ـت تغليٲ اٻٴتليٴي ؿك ايڂ ٗليتٗ ،لة ٿيُچؿ څ ثڈ رٌپ ًټچٻي ٿيكًوـ.
اٷل ٿزڀچ ١تغليٴبت كًيـڇ ثڈ رٌپ ًټچٻي ٳب٫ي ثبُـ ،ڃلڅځ ُټيٲ ٿيٳڄـ څ ؿك ٿٌيلډب ،رليبځ اٻٴتليٴي
حبثتي كا ايزبؿ ٿيٳڄـً .ټچٹډب ثڈ يٲ يب صڄـ اليڈ څاً ٚٿيكڅؿ ٳڈ اليڈډبي ٿؾ٬ي ڃبٿيـڇ ٿيُوچڃـ .اؿاٿوڈ
رليبځ تغليٴبت ؿك ايڂ اليڈډب $تچً ٚډڀبځ څمځډبي ًيڄبپٌيٛ #چكي ډـايت ٿيُچؿ ٳڈ پيضيوـٷيډوبي
تبحيلات رليبځڅكڅؿي كا ُجيڈًبمي ٿيٳڄـً .پي تغليٴبت ثڈ اليڈ ؽلڅري ٿيكڅڃـ ٳڈ ډـ ٩ڃڊبيي ٿبًت.
1
neuron
2
Image processing and computer vision
3
Signal processing
4
Pattern recognition
5
Medicine
6
Electrocardiographic
7
Military systems
8
Financial systems
9
Planning, control, and search
[Link]
[Link]
ً يٌتپډبي ٯـكتُ 1بٿٺ ثلآڅكؿ څٗ٤يت ًيٌتپ ،كؿيبثي ًلي ٢څ ؿًتڈثڄـي كؿيبثي ،كؿيبثي ؽٜب څ
تلٿيپ آځ ،پيَثيڄي څ ثلآڅكؿ تؾڀيڂ اٿڄيت.
.3-11-2يبؿٷيلي ثڈ كڅٍ ٿڄٜٮ ٫بمي :ثلاي ٿٰبثټڈ ٿوؤحل ثوب پيضيوـٷي كڅما٫ونڅځ ؿك ثلكًوي ،ٿٜبٻ٤وڈ،
ٿـٹًبمي ،څ عٺ ٿٌبئٺ رـيـ ؿك ٫ينيٲ ،ٿڊڄـًي ،پنُٴي ،ميٌوتُڄبًوي ،څ ثٌويبكي ام اٿوچك ٷچڃوبٷچځ
ؿيٸل ايزبؿ څ اثـا ١كڅٍ ډبي ٿغبًجبتي رـيـي ٿچكؿ ڃيبم ُـڇ اًت ٳڈ ثيِتل ام پيَ ثڈ ُيچڇډبي ت٬ٴول څ
ت٤ټپ ؽچؿ اڃٌبځ ڃنؿيٲ ثبُـ .ډـ ٩آټي آڃٌت ٳڈ تب عـ اٿٴبځ ،كايبڃڈ ډب ثتچاڃڄـ ٿٌبئٺ څ ٿِوٴالت ثٌويبك
پيضيـڇ ٣ټڀي كا ثب ډڀبځ ًڊچٻت څ ُيچايي ثلكًي څ عٺ څ ٔ٫ٺ ٳڄڄـ ٳڈ فډڂ اڃٌبځ ٯبؿك ثڈ اؿكاٱ څ اؽوق
تٔڀيڀبت ًلي ٢څ ٿڄبًت اًت .ٻقا ؿًتيبثي ثڈ ؿاڃَ ثـڅځ اثڊبٽً ،بٹډوبي ٿتڀوبؿي اڃٌوبځ كا ثوڈ صوبٻَ
ٳِيـڇ اًت .ؿك اڅايٺ ٯلځ ثيٌتپ ،ؿاڃِڀڄـاځ ثب ٿِبډـڇ ٿِٴالتي ٳڈ ثولاي ٯوچاڃيڂ ڃيوچتڂ ؿك اڃوـامڇډوبي
ٿچٻٴچٻي ثڈ څرچؿ آٿـڇ ثچؿ ،ثڈ ايڂ ڃتيزڈ كًيـڃـ ٳڈ ًبؽتبكډبي ًڄتي ٣ټچٽ پبًؾٸچي پـيـڇډوبي ٳِو٪
ُـڇ ڃيٌت .ؿك ايڂ ًبٹډب ثب آڃٴڈ پـيـڇډبي ٧يلٯ٤ٜي ڃڀچؿ يب٫تڈ ثچؿڃـ ،ډڄچم ډپ ؿاڃِڀڄـاځ ٿ٤تٰـ ثچؿڃوـ
ٳڈ تڄڊب كاڇ ا٫نايَ ٳبكايي ًيٌتپډب ا٫نايَ ؿٯت اًت.
ؿك ًبٹ ،1965پلڅٌ٫چك ٻ٬ٜيماؿڇ ڃ٠ليڈ ًيٌتپډبي٫بمي كا ٿ٤ل٫ي ٳلؿ .ؿك ٘٫بيي ٳڈ ؿاڃِڀڄـاځ ٣ټوچٽ
ٿڊڄـًي ثڈ ؿڃجبٹ كڅٍډبيكيبٗي ثلايُٴٌت ؿاؿځ ٿٌبيٺ ؿُچاكتل ثچؿڃـ ،ڃ٠ليڈ ٫بمي ثڈ ٷچڃڈاي ؿيٸول ام
ٿـٹًبمي ،اٯـاٽ ٳلؿ.
ٿڄٜٮ ٫بمي ٿ٤تٰـ اًت ٳڈ اثڊبٽ ؿك ٿبډيت ٣ټپ اًت .ثل ؽال ٩ؿيٸلاځ ٳڈ ٿ٤تٰـڃـ ٳڈ ثبيـ تٰليوتډوب كا
ؿٯيٮتل ٳلؿ تب ثڊلڇڅكي ا٫نايَ يبثـ ،ٻ٬ٜيماؿڇ ٿ٤تٰـ اًت ٳڈ ثبيـ ثڈ ؿڃجبٹ ًبؽتڂ ٿـٹډبيي ثچؿ ٳڈ اثڊبٽ
1
Power systems
2
Real time
[Link]
[Link]
كا ثڈ ٣ڄچاځ ثؾِي ام ًيٌتپ ٿـٹ ٳڄـ .ؿك ٿڄٜٮ اكًٜچيي ،يٲ ؿًتڈثڄـي ؿكًت څ ڃبؿكًوت څروچؿ ؿاكؿ.
تڀبٽ ٷناكڇډب ؿكًت يب ڃبؿكًت ډٌتڄـ .پي رڀټڈ «ډچا ًلؿ اًت» ،ؿك ٿـٹ اكًوٜچيي اًبًوبي يوٲ ٷوناكڇ
ڃڀيثبُـ ،صلا ٳڈ ٿٰـاك ًلؿ ثچؿځ ثلاي ا٫لاؿ ٿؾتټ ٪ٿت٬بڅت اًت څ ايڂ رڀټڈ اًبًوبي ډڀيِوڈ ؿكًوت يوب
ڃبؿكًت ڃيٌت .ؿك ٿڄٜٮ ٫بمي ،رڀالتي ډٌتڄـ ٳڈ ٿٰـاكي ؿكًت څ ٿٰـاكي ڃبؿكًت ډٌتڄـ .ثلاي ٿخوبٹ،
رڀټڈ"ډچا ًلؿ اًت" يٲ ٷناكڇ ٿڄٰٜي ٫بمي ٿيثبُـ ٳڈ ؿكًتي آځ ٷبډي ٳپ څ ٷبډي ميوبؿ اًوت .ٷوبډي
ډڀيِڈ ؿكًت څ ٷبډي ډڀيِڈ ڃبؿكًت څ ٷبډي تب عـڅؿي ؿكًت اًت .ٿڄٜٮ ٫بمي ٿيتچاڃـ پبيڈكين ثڄيبڃي
ثلاي ٫ڂآڅكي رـيـي ثبُـ ٳڈ تبٳڄچځ ډپ ؿًتآڅكؿډبي ٫لاڅاڃي ؿاُتڈ اًت.
ثب تچرڈ ثڈ ُٴٺ ميل ؿكٿييبثيپ ٳڈ تئچكي ٫بمي مٿيڄڈ ٷٌتلؿڇاي ؿاكؿ ٳڈ ٿچٗچ٣بت تغٰيٮ ميبؿي كا ؿك
اؽتيبك ٿب ٯلاك ٿيؿډـ:
.4-11-2يبؿٷيلي ام ٛليٮ ٿڄٜٮ ٿغبًجبتي : 1ٿڄٜٮ ٿغبًجبتي ثؾِي ام ٿڄٜوٮ اًوت ٳوڈ ثوڈ ثلكًوي
كاډٴبكډبي ٿؾتټ ٪ثلكًي ؿكًتي اعٴبٽ ؿك ؿًتٸبڇډبي ٿؾتټ ٪ٿڄٰٜي ٿيپلؿامؿ .ايڂ كُتڈ ثڈ ٛچك ٣ڀيٰي
ثب ٣ټچٽ ٳبٿپيچتل پيچڃـ يب٫تڈ اًت څ ثڈ ٓچكت ٳټي كُـ څاٯ٤ي آځ ام څٯتي ُلڅُ ١وـ ٳوڈ توچاځ ٿغبًوجبتي
ٳبٿپيچتلډب پيِل٫ت ٳلؿ څ اڃزبٽ ٿغبًجبت پيضيـڇ ثڈ څًيټڈ ٳبٿپيچتلډب ثب ډنيڄڈ ٳپ اٿٴبځ پقيل ُـ .ٿڄٜٮ
ٿغبًجبتي ثڈ ٓچكت ٳټي ثڈ ٿڄٜٮ ام ؿيـ ٿغبًجبتي آځ ٿي ڃٸلؿ .ايڂ ٳڈ ؿك يٲ ؿًتٸبڇ ٿڄٰٜي اڃزبٽ يٲ
ٿغبًجڈ $ثڈ ٛچك ٿخبٹ صٲ ٳلؿځ ؿكًتي يٲ ٷناكڇ #اٿٴبځپقيل ډٌت يب ڃڈ څ اٷل اٿٴبځپقيل اًت ايوڂ ٳوبك
1
Computational Learning Theory
[Link]
[Link]
صڈ ډنيڄڈ اي ؿاكؿ .ام آڃزب ٳڈ عٰبيٮ ٣ټڀي ٿب ثب ٿڄٜٮ پيچڃـ ٣ڀيٰي ؿاكڃـ ،ثلاي ثلكًي ايڂ عٰبيٮ اًت٬بؿڇ
ام مثبځ ٿڄٰٜي ،يٴي ام ثڊتليڂ كاڇډبي ٿڀٴڂ اًت.
اٿلڅمڇ ثِل٣الٯڈ ميبؿي ؿاكؿٳڈ تڀبٽ ٳبكډب ام رڀټڈ ٫ٴلٳلؿځ كا ثوڈ ٿبُويڂ څاٷقاكٳڄوـ .اٿوب څاٷوقاكٳلؿځ
٫ٴلٳلؿځ ثڈ يٲ ٿبُيڂ ٳبكًبؿڇاي ڃيٌت .ٿب ؿيـ ٣ڀيٰي ؿكثبكڇ ايڄٴڈ ٫ٴل ٳلؿځ صيٌت څ صٸچڃڈ اڃزبٽ ٿي
ُچؿ ڃـاكيپ .ام ايڄلڅ تالٍ ډبي اڅٻيڈ ثلاي ايڂ ٳبك ثب ُٴٌت ٿچارڈ ُـڃـ يب ثب ًؾتي ميبؿي ډڀلاڇ ثچؿڃـ .اٿب
اٷل ثؾچاډيپ تڄڊب ٯٌڀت ٿڄٰٜي ٫ٴلٳلؿځ كا ثڈ ٿبُيڂ څاٷقاك ٳڄيپ ٳبك ًبؿڇتل اًت صوچځ ثولاي ايڄٴوبك ام
ٿڄٜٮ كيبٗي اًت٬بؿڇ ٿيٳڄيپ څ ٿڄٜٮ يٲ ميلُبؽڈ ٯچي ام كيبٗي اًت ٳڈ ثڈ ًچاالت ميبؿي ؿكٿوچكؿ آځ
رچاة ؿاؿڇ ُـڇ اًت .ٷلصڈ ٿب ډڄچم څاٯ٤ب ڃڀيؿاڃيپ ٳڈ صڈ ٿٰـاك ام كڅڃـ ت٬ٴل ٿب ٿڄٰٜي اًت.
اٿلڅمڇ ٿڄٜٮ ٿغبًجبتي ٳبكثلؿ ٷٌتلؿڇاي ؿك تٴڄچٻچهي پيـا ٳلؿڇ اًت .ٻقا عزپ ٳبكډبي اڃزبٽ ُـڇ كڅي
آځ ؿكعبٹ ا٫نايَ اًت .ايڂ ٳبكډب ڃڈ تڄڊب ؿك مٿيڄڈ كيبٗي ثټٴڈ ثل كڅي ؿيٸل اث٤بؿ ٿلثچ ٙثڈ ايڂ ٯ٘يڈ ڃيون
اڃزبٽ ٿيُچؿ٣ .ڀچٿب ايڂ ٳبكډب ثڈ ًڈ ؿًتڈ تٌٰيپ ٿيُچڃـ .ؿًتڈ اڅٹ ٳبكډبي ٿلتج ٚثب پبيڈ كيبٗي ٿڄٜٮ
ٿغبًجبتي ډٌتڄـ .ؿًتڈ ؿڅٽ ٳبكډبي ٿلتج ٚثب تٴڄيٲډبي ډچٍ ٿٔڄچ٣ي رڊت اكتٰبي ٳوبكايي كڅٍډوبي
كيبٗي اثـاُ ١ـڇ څ ؿًتڈ ًچٽ ٳبكډبي اڃزبٽ ُـڇ رڊوت اًوت٬بؿڇ ام ٿڄٜوٮ ٿغبًوجبتي ؿك ٿٌوبيٺ څاٯ٤وي
ٿڊڄـًي.
1
Church
[Link]
[Link]
ٿ٤تجل ؿك ٿڄٜٮ ٿلتجڈ اڅٹ ٻيٌتپقيل ډٌتڄـ .ام ٛل ٩ؿيٸل ثب تچرڈ ثڈ ٯ٘يڈ تڀبٿيت $ؿك ٓچكتيٳڈ ؿك ٿچكؿ
ؿًتٸبڇ اًتڄتبري ٿب ؿكًت ثبُـ #ثب اًت٬بؿڇ ام ٫لٕډب څ آچٹ اًتڄتبد ٿيتچاځ رڀالت ؿكًوت كا ٻيٌوت
ٳلؿ .ايڂ ٯٌڀت ؿك عٰيٰت ٯټت تپڄـڇ ٿڄٜٮ ٿغبًجبتي اًوت .ؿك ٓوچكت پيوـاُوـځ كڅٍډوبي رـيوـ څ
ًلي ٢تل ثلاي صٲ ٳلؿځ ؿكًتي يٲ رڀټڈ تغت صڄـ ٫لُٕ ،بډـ تغچٹ ثنكٷي ؿك ؿيٸل ُبؽڈډبي ٿلتجٚ
ثب ايڂ ٿچٗچ ١ؽچاډيپ ثچؿ.
كڅٍ ٳټي ثلاي ٫ڊڀيـځ ؿكًتي يٲ رڀټڈ ايڂ اًت ٳڈ ام ٫لٕډب ُلڅ ١ٳلؿڇ څ ؿك ډل ٿلعټڈ يٲ رڀټوڈ
ؿكًت رـيـ كا ثب تچرڈ ثڈ رڀالت ٯجټي څ اًت٬بؿڇ ام ٯچا٣ـ اًتڄتبد تچٻيـ ٳڄيپ$ .ي٤ڄي رڀوالت ؿكًوت كا
ٻيٌت ٿيٳڄيپ #.ايڂ ٳبك اؿاٿڈ پيـا ٿيٳڄـ تب څٯتي ٳڈ ثڈ رڀټڈ ٿچكؿ ًچاٹ يب ڃٰيٖ آځ ثلًيپ.
ٯٌڀت ؿيٸلي ٳڈ ٿچكؿ تچرڈ اًت ،يٴي ًبمي اًت .ثڈ ٛچك ٿخبٹ ؿڅ رڀټڈ ) x:f(xڅ ) y:f(yكا ؿك ڃ٠ول
ثٸيليـ .څاٗظ اًت ٳڈ ؿكًتي ايڂ ؿڅ رڀټڈ يٴٌبځ اًت .ثڈ ٛچك ٳټي ډل رڀټوڈ كا ثوڈ ٛليٰوڈډوبي ٟوبډلا
ٿت٬بڅت ثٌيبك ميبؿي ٿي تچاځ ڃچُت ٳڈ ډڀٸي يٲ ٿ٤ڄبي څاعـ ؿاُتڈ ثبُڄـ$ .ؿك ډڀيڂ ٿخبٹ ثڈ روبي xام
تڀبٽ ٿت٨يلډب ٿيتچاځ اًت٬بؿڇ ٳلؿ .ثڈ ٓچكت ٿ٤ڀچٻي الاٯٺ Nٿت٨يل ؿاكيپ #.ثـيڂ ٿڄ٠چك تغٰيٰبت ميبؿي ثل
كڅي كڅٍډبي ٳبكا ثلاي يٴيًبمي رڀالت ٿڄٰٜي اڃزبٽ ُـڇ اًت.
ثلاي تچٻيـ رڀالت رـيـ ثب تچرڈ ثڈ ٯچا٣ـ اًتڄتبد كاڇډبي ميبؿي پيِڄڊبؿ ُـڇاڃـ .يٴي ام ٿغجچةتليڂ
كاڇډبي پيِڄڊبؿ ُـڇ ثڈ كمڅٻچُڂ 1ٿچًچٽ اًت .ايڂ كڅٍ ثلاي ٿڄٜٮ ٿلتجڈ اڅٹ ٳڀي پيضيوـٷي ؿاكؿ اٿوب
ثب ثلكًي آځ ثلاي ٿڄٜٮ ٷناكڇډب ٳټيت آځ آُٴبك ٿيُچؿ.
تغٰيٰبت ؿك ثؾَ پبيڈ ٿڄٜٮ ٿغبًجبتي ثٜچك ٷٌتلؿڇاي ثل ؿيٸل ثؾَډبي ايوڂ ٣ټوپ توبحيل ؿاكڃوـ .ايوڂ
تغٰيٰبت ثڈ ؿڅ ثؾَ تٌٰيپ ٿيُچڃـ:
تغٰيٰبت ؿك مٿيڄڈډبي كڅٍډبي اًتڄتبد ام ٯجيٺ كمڅٻچُڂ څ ...
تغٰيٰبت ؿك مٿيڄڈ يب٫تڂ پبيڈډبي ٿڄبًت كيبٗي ثلاي اڃزبٽ ثڈ ٓل٫ڈ $ام ڃ٠ل مٿبڃي څ عب٠٫ڈ #ٿغبًجبت
ٿلثچ ٙثڈ ٿڄٜٮ ٿغبًجبتي.
.2-4-11-2پبيڈ كيبٗي:
ؿًتڈ ؿيٸلي ام ٳبكډبيي ٳڈ ثڈ ٣ڄچاځ ثؾَډبي پبيڈ ٿڄٜٮ ٿغبًجبتي ُڄبؽتڈ ٿيُچڃـ ،ٳبك كڅي پبيڈډبي
ٿڄٰٜي كيبٗيبت اًت .اٷلصڈ ؿًتٸبڇډبيٳالًيٲ ُڄبؽتڈُـڇاي ثلاي تچٓي ٪كيبٗوي ثوڈ څًويټڈ ٿڄٜوٮ
څرچؿ ؿاكڃـ اٿب ٳبكډبيي ثلاي پيـاٳلؿځ ؿًتٸبڇډبييٳڈ ثولاي اًوتڄتبد ؽچؿٳوبك ؿككيبٗوي ٣ڀټٴولؿ ثڊتولي
ؿاُتڈ ثبُڄـ ؿكعبٹ اڃزبٽ اًت.
1
Resolution
[Link]
[Link]
1
Database Systems
2
Software Analysis
3
Hardware Engineering
4
Automated Theorem Proving
[Link]
[Link]
.5-11-2يبؿٷيلي ام ٛليٮ ٿغبًجبت تٴبٿټي 1ؽٔچٓب اٻٸچكيتپ هڃتيٲ :ٿغبًجبت تٴبٿټي يوٲ ڃوبٽ ٳټوي
ثلاي ٿزڀچ٣ڈاي ام تٴڄيٲډبي عٺ ٿٌأٻڈ اًت ٳڈ ثل ٯچاڃيڂ تٴبٿٺ ٛجي٤ي ٿخٺ اڃتؾبة ٛجي٤ي څ اكثثولي
هڃتيٴي اًتچاك ډٌتڄـ .كُـ ًلي ٢تٴڄچٻچهي ،ٿٌبيٺ رـيـي كا پـيـ آڅكؿڇ اًت ٳڈ ثڈ ٣ټت ثنكٷي ٘٫بي
عبٻت ايڂ ٿٌبيٺ ،مٿبځ ٳب٫ي ثلاي آڃبٻين ؿٯيٮ آڃڊب څ يب٫تڂ كاڇعٺ ٿڄبًت ؿك ؿًت ڃيٌت.
ام ًچي ؿيٸل ،پيضيـٷي ٿٌبيٺ ٿٜلط ُـڇ ،كڅمثڈكڅم ؿك عبٹ ا٫نايَ اًت .ايڂ ؿڅ ٿغوـڅؿيت څ ٳڀجوچؿ
ٿڄبث ٢ؿك ؿًتلى څ ٻنڅٽ يب٫تڂ يٲ رچاة ٫چكي ٳڈ ؿك عـ ٯبثٺ ٯجوچٻي ثبُوـ ،ٻونڅٽ يوب٫تڂ يوٲ اٻٸوچكيتپ
ٯـكتڀڄـ ٳڈ ؿاكاي ًڈ څيوٷي ثبال ثبُـ كا ؿڅ صڄـاځ ٿيٳڄـ .پلؿامٍ تٴبٿټي ،پبًؾي اًت ثڈ ايڂ ًڈ ڃيوبم،
ميلا اڅالي يٲ كڅٍ ٳټي اًت ٳڈ ثلاي ٿٌبيٺ پيضيـڇ ډپ ٿيتچاڃـ ثڈ ٳبك كڅؿ څ رچاةډبي ؽچثي كا پيـا ٳڄـ،
ډڀضڄيڂ ڃيبم ثڈ ٓل ٩څٯت ثلاي آڃبٻين ٿٌأٻڈ ڃـاكؿ .ثڈ ٣ټت آڃٴڈ ايڂ ڃچ ١عٺ ٿٌأٻڈ يٲ كڅٍ ٣ڀچٿي اًت،
ؿك ا٧ټت ٿٌبيٺ ،تٰليت تبث ٢يب يب٫تڂ رچاة ثلاي يٲ ٿٌأٻڈ ٯبثٺ اًت٬بؿڇ اًت .عتي ٿيتچاځ ام تلٳيوت آځ
ثب ؿيٸل كڅٍډبي عٺ ٿٌأٻڈ ثڊجچؿي ؿك كڅڃـ عٺ ٿٌأٻڈ ثڈ څرچؿ آڅكؿ .پلؿامٍ تٴبٿټي ُبٿٺ ميل ٿزڀچ٣وڈ
ډبي ميل ٿي ثبُـ:
GA
ES
EP
GP
.1-5-11-2اٻٸچكيتپ هڃتيٲ : (GA)2ايڂ اٻٸوچكيتپ ٿڊوپتوليڂ ميلُوبؽڈ ايوڂ تٴڄيوٲ ٿويثبُوـ ٳوڈ ؿك
ٿبُيڂډبي يبؿٷيلڃـڇ ٿچكؿ اًت٬بؿڇ ٯولاك ٿويٷيولؿ .ٳوڈ كڅُوي ٯـكتڀڄوـ ثولاي تچًو٤ڈ اٳتِوب٫ي ٿٌوبئٺ
ثڊيڄڈ ًبمي تلٳيجي ٿٰيبى ثنكٵ٫ ،لاډپ آڅكؿڇ اًت .اٻٸچكيتپډبي هڃتيٲ ام آچٹ اڃتؾبة ٛجي٤وي ؿاكڅيوڂ
ثلاي يب٫تڂ ٫لٿچٹ ثڊيڄڈ رڊت پيَ ثيڄي يب تٜجيٮ اٻٸچ اًت٬بؿڇ ٿيٳڄڄـ .اڃٸينڇ آټي ٿٜلط ٳلؿځ اٻٸچكيتپ
هڃتيٲ كا ٿي تچاځ ايڂ ٷچڃڈ تچٗيظ ؿاؿ ٳڈ «تٴبٿٺ توـكيزي» ثوڈ ُوٴټي ٯبثوٺ ٿالع٠وڈ ؿك تچًو٤ڈ اڃوچا ١څ
ٷچڃڈډبي پيضيـڇ ام ٛليٮ ٿٴبڃينٽډبي ڃٌجتبي ًبؿڇ تٴڀيټي ،ڃڀچؿ يب٫تڈ اًت.
ؿك ٿٰبيٌڈ ثب اٻٸچكيتپډبي رٌتڅرچي ٿغټوي ،ؿك رٌوتڅروچي ٣ڀوچٿي ٳوڈ ؿك آځ تڄڊوب يوٲ كاڇعوٺ
ٯبثٺٯجچٹ څرچؿ ؿاكؿ ،اٻٸچكيتپډبي هڃتيٲ ،ربٿ٤ڈاي ام ا٫لاؿ كا ٿـڃ٠ل ٿويٷيلڃوـ .اٻٸوچكيتپ هڃتيوٲ ٷنيڄوڈ
ؽچثي ثلاي تٴڄيٲډبي پيَ ثيڄي ثل ٿجڄبي كٷلًيچځ ډٌتڄـ.
ٿؾتٔلا ٷ٬تڈ ٿيُچؿ ٳڈ اٻٸچكيتپ هڃتيٲ يٲ تٴڄيٲ ثلڃبٿڈڃچيٌي اًت ٳڈ امتٴبٿوٺ هڃتيٴوي ثولاي يوٲ
اٻٸچي عٺ ٿٌئټڈ اًت٬بؿڇ ٿيٳڄـ .ٿٌئټڈاي ٳڈ ثبيـ عوٺ ُوچؿ څكڅؿي اًوت ًوپي ٿٌوئټڈ كا ثوڈٓوچكت
ٿزڀچ٣ڈاي ام كُتڈډبيي ٳڈ ُبٿٺ فكات كين ډٌوتڄـ ،ٳـٷوقاكي ٿويٳڄوـ څ ثولاي تغليوٲ ٫لايڄوـ تٴبٿوٺ
1
Evolutionary Computation
2
Genetic Algorithms
[Link]
[Link]
تـكيزي ،ت٨ييلاتي كا ثل ايڂ كُتڈډب ا٣ڀبٹ ٿيٳڄـ .څ ٿتليٲ ٳڈ تبث ٢ثلامٍ 1ډپ ڃبٽ ؿاكؿ ډل كاڇ عٺ ٳبڃـيـ
كا اكميبثي ٿيٳڄـٳڈ اٳخل آڃڊب ثڈ ٓچكت تٔبؿ٫ي اڃتؾبة ٿيُچڃـ.
ٳالي ايڂ اٻٸچكيتپډب ام ثؾَډبي ميل تِٴيٺ ٿيُچڃـ :تبث ٢ثلامٍ -اڃتؾبة -ربثزبيي -رڊَ
ٳبك ثب ٿزڀچ٣ڈاي ام ا٫لاؿ ،اٿٴبځ ٿٜبٻ٤ڈ ًبؽتبكډب څ څيوٷيډبي آټي ا٫لاؿ ٿت٬بڅت كا ٳڈ ٿڄزل ثڈ ُڄبًبيي
څ ٳِ ٪كاڇعٺډبي ٳبكآٿـتل ٿيُچؿ٫ ،لاډپ ٿيًبمؿ .ٿچتچك اٻٸچكيتپ هڃتيوٲ يوٲ رڀ٤يوت آ٧وبميڂ ايزوبؿ
ٿيٳڄـ .ډل ٫لؿ ؿك ثلاثل ٿزڀچ٣ڈاي ام ؿاؿڇ ډبي ٿچكؿ آمٿبيَ ٯلاك ٿيٷيلڃـ ،كُوتڈډوبي ٿتڄبًوت ثوباكمٍ
ُ$بيـ 10%ام ٿڄبًتتليڂډب #كا ثلٿيٷنيڄـ څ آځ ؿًتڈ ام كُتڈډبي ؿاكاي تڄبًت ٳڀتل ثوب رڀ٤يوت ٿوچكؿ
ثلكًي كا عق ٩ٿيٳڄڄـ .ٿڄبًتتليڂ ا٫لاؿ ثب ډوپ ر٬وتٷيولي $ربثزوبيي ٣ڄبٓول #DNAڅ ت٨ييول $ت٨ييول
تٔبؿ٫ي ٣ڄبٓل #DNAٳلؿڇاڃـ .ٿِبډـڇ ٿيُچؿ ٳڈ ثب ٷقُت ام ٿيبځ ت٤وـاؿ كيوبؿي ام ڃٌوٺډوب ،اٻٸوچكيتپ
هڃتيٲ ثڈ ًڀت ايزبؿ ٫لٿچٹډبيي ٳڈ ثيِتل ؿٯيٮ ډٌتڄـ ،ٿيٺ ٿيٳڄڄـ .ؿك عبٻي ٳڈ ُجٴڈډبي ٔ٣جي ډپ
٧يلؽٜي څ ٧يلپبكاٿتليٲ ډٌتڄـ ،رقاثيت ميبؿ اٻٸچكيتپډبي هڃتيٲ ايڂ اًت ڃتبيذ ڃڊبيي ٯبثٺ ٿالع٠ڈتلڃـ.
٫لٿچٹ ڃڊبيي ثلاي ٳبكثل اڃٌبڃي ٯبثٺ ٿِوبډـڇ ؽچاډوـ ثوچؿ ،څ ثولاي اكائوڈ ًوٜظ اٛڀيڄوبځ ڃتوبيذ ٿويتوچاځ
تٴڄيٲډبي آٿبكي ٿت٤بك ٩كا ثل كڅي ايڂ ٫لٿچٹډب ا٣ڀبٹ ٳلؿ٫ .ڄبڅكي اٻٸچكيتپډبي هڃتيٲ ډڀوچاكڇ ؿكعوبٹ
ثڊجچؿ اًت.
.6-11-2يبؿٷيلي ام ٛليٮ ثلڃبٿڈ كيني ًيٌتپ ؽجلڇ : 2ڃچ٣ي ام ًيٌتپډبي ؿاڃَثڄيبځ څ ام ڃچ ١ٯوچاڃيڂ
اٷل-آڃٸبڇ ډٌتڄـ ٳڈ ربيٸنيڂ ٫لؿ ؽجلڇ $ٳٌي ٳڈ ؿك يٲ مٿيڄڈ ؽبّ ؿاڃَ ٣ڀيٮ څ تزلثوڈ ٣ڀټوي ؿاكؿ څ
صينډبيي كا ٿيؿاڃـ ٳڈ ا٫لاؿ ٧يلٿتؾْٔ ڃڀيؿاڃڄـُ #.وـڇ څ كڅٍ اًوتـالٻي اڅ كا ثوڈ ٳوبك ٿويٷيولؿ څ ؿك
ُلايٜي ٳڈ ڃيلڅي اڃٌبڃي ٯبؿك ثڈ ٳبك ڃيٌت ٳبك ٫لؿ ؽجلڇ څ كڅٍ اًتـالٻي اڅ كا ُجيڈًبمي ٿيٳڄـ.
ؿك ًيٌتپ ډبي ؽجلڇ ثب اًت٬بؿڇ ام ٯچاڃيڂ اڅٻيڈ ٿچرچؿ څ تزلثڈ ا٫لاؿ ٿتؾْٔ ؿك ډڀبځ مٿيڄڈ ٿوچكؿ ڃ٠ول،
ؿًتچكاٻ٤ڀټي ڃچُتڈ څ ثڈ ُٴٺ ثلڃبٿڈ ډبيي تچٻيـ ٿي ُچؿ ٳوڈ ًيٌوتپ ؽجولڇ ؿك ُولايٜي ٳوڈ ؿك ٿغوـڅؿڇ
ؿًتچكات ثبُـ ،ثڈ آڃڊب ٣ڀٺ ٿيٳڄـً .يٌتپډبي ؽجلڇ ،تڀبٿي پبًؼډبيي كا ٳڈ ٛلاعوبځ ا٣تٰوبؿ ؿاكڃوـ المٽ
اًت ،ٯجٺ ام ُلڅ ١ثڈ ٳبك ًيٌتپ ،ثٔچكت ثلڃبٿڈ ؿكيب٫ت ٿي ؿاكڃـً .يٌوتپ ؽجولڇ ٿڀٴوڂ اًوت اٛال٣وبت
رـيـي فؽيلڇ يب ؿًتڈثڄـي ٳڄـ څٻي ثل پبيڈ اٛال٣بت ٿچرچؿ څ ٛجٰڈثڄـي ډبي ام پيَت٤ييڂُـڇ .ثب څرچؿ
ايڄٴڈ ؿك ايڂ ؿًتچكات عـاٳخل پيَ ثيڄي ډبي ٿچكؿ ڃيبم ثڈ ٣ڀٺ آٿـڇ اٿب ٿٜڀئڄبي ؿك ت٨ييلات ڃبٷڊبڃي ٿغيٚ
3
ٳڈ ؿك ثبڃٲ ؿًتچكات ٿبُيڂ ،ت٤لي٬ي ام آځ ڃِـڇ ،ؿصبك ٿِٴٺ ؽچاډـ ُـً .يٌتپډوبي ٳڄتولٹ ؽچؿٳوبك
ډچاپيڀبډب يٴي ام ًيٌتپډبي ؽجلڇ اًت ٳڈ ٿڀٴڂ اًت ؿك ُلاي ٚؽبٓي ؿصبك ٿِٴٺ ُچؿ.
1
Fitness Function
2
Expert System Programming
3
Autopilot
[Link]
[Link]
.7-11-2يبؿٷيلي تٰچيتي :څٯتي ٿب ام يبؿٷيلي ٓغجت ٿيٳڄيپ ،ٿ٤ڀچٹتليڂ كڅُي ٳڈ ثڈ ڃ٠ل ٿيكًوـ،
يبؿٷيلي ثڈ څًيټڈ ت٤بٿٺ ثب ٿغي ٚاًت .ثڄبثلايڂ ٛجي٤ي ثڈ ڃ٠ل ٿيكًـ ٳڈ يبؿٷيلي ثب اًت٬بؿڇ ام ت٤بٿٺ ثوب
ٿغي ٚيٴي ام ايـڇډبي اًبًي ٿجبعج ٿلثچ ٙثڈ يبؿٷيلي ٿبُيڂ څ ډچٍ ٿٔڄچ٣ي ثبُـ .يبؿٷيلي تٰوچيتي
كڅُي اًت ٳڈ ام ايڂ څيوٷي ثڈ ٣ڄچاځ اًبى څ پبيڈ تئچكي يبؿٷيلي ؽچؿ اًت٬بؿڇ ٿيٳڄـ .يبؿٷيلي تٰوچيتي
يٴي ام كڅٍډبي يبؿٷيلي ٿبُيڂ اًت ٳڈ ٿٌبٻڈ آځ يبؿٷيلي ٣بٿټي اًت ٳوڈ ام كاڇ آمٿوبيَ څ ؽٜوب څ ؿك
ت٤بٿٺ ثب يٲ ٿغي ٚپچيب ك٫تبكي كا ٫لا ٿيٷيلؿ.
يٴي ام څيوٷيډبي ٿڊپ كڅٍډبي يبؿٷيلي تٰچيتي ايڂ اًت ٳڈ ثل ؽال ٩ثيِتل كڅٍډبي يبؿٷيلي ؿك ايڂ
كڅٍ ثڈ ٣بٿٺ يبؿٷيلڃـڇ ٷ٬تڈ ڃڀيُچؿ ٳڈ ؿك ډل ٿچٯ٤يتي ٳڄَ ثڊيڄڈ ٳـاٽ ٳڄَ ثچؿڇ اًت .ؿك ٣چٕ ايڂ
څٟي٬ڈ ٣بٿٺ اًت ٳڈ ثب تزلثڈٳلؿځ ٳڄَډبي ٿؾتټ ٪تِؾيْ ؿډـ ٳڈ ٳـاٽيٲ ٿڄزلثڈ پوبؿاٍ ثيِوتلي
ٿيُچڃـ څٳڄَ ثڊتلي ډٌتڄـ .ثڄبثلايڂ ؿك ثٌيبكي ام ٿٌبئٺ عتي ڃيبمي ڃيٌت ٳڈ كاڇ عٺ ٿٌبٻڈ كا ثوـاڃيپ
تب ثتچاڃيپ عٺ آځ كا ثڈ يٲ ٣بٿٺ يبؿ ؿډيپ ،ثټٴڈ ٳب٫ي اًت ٿ٤يبكي ثلاي پبؿاٍؿاؿځ ثڈ ٣بٿٺ ؿاُتڈ ثبُيپ.
ؿك ثٌيبكي ام ٿچاكؿ ٰٚ٫تچاڃبيي تِؾيْ ايڄٴڈ عٺ ٿٌبٻڈ ثڈ پبيبځ كًيـڇ اًت يب ؽيل ،ٳب٫ي اًت .ٿيتچاځ
ډـ ٩آټي ؿك يبؿٷيلي تٰچيتي كا پيـاٳلؿځ كڅُي ؿاڃٌت ٳڈ ٛي آځ ٣بٿٺ يٲ ك٫تبك ٯبڃچځٿڄـ كا يبؿ ثٸيلؿ
ٳڈ ثيِتليڂ پبؿاٍ ڃڊبيي كا ثب ُلڅ ١ام ډل ڃٰٜڈاي ثتچاڃـ ثڈ ؿًت آڅكؿ.
يبؿٷيلي تٰچيتي كڅٍډبي ٷچڃبٷچڃي ؿاكؿ ٳڈ ٿٜلطتليڂ ايڂ كڅٍډب ،كڅٍډبي اؽتال ٩مٿبڃي ٿيثبُـ.
1
اٻٸچكيتپډبيي ٳڈ ثلاي يبؿٷيلي تٰچيتي ثٴبك ٿيكڅڃـ تغت ٣ڄوچاځ ٳټوي ٫لآيڄوـ تٔوڀيپٷيولي ٿوبكٳچ٩
ُڄبؽتڈ ٿيُچڃـ .ؽلڅري ايڂ اٻٸچكيتپډب ډل ٤٫بٻيت ؿك ډل ٿچٯ٤يت كا تڄڊب څاثٌتڈ ثڈ ډڀبځ ٤٫بٻيت ؿك ډڀبځ
ٿچٯ٤يت ٿچكؿ ثلكًي ٯلاك ٿي ؿډڄـ $ثـڅځ څاثٌتڈ ًبمي آځ ثڈ ٤٫بٻيتډب څ ٿچٯ٤يتډوبي پيِويڂ .#ام رڀټوڈ
ٿٌبئټي ٳڈ ايڂ اٻٸچكيتپډب پچَُ ٿيؿډڄـ ٿيتچاځ ثڈ ثٌويبكي ام ٳڄتولٹٷولډوبي كثوبتډوب ،ٳبكؽبڃوڈډوبي
اتچٿبتيٲ څ ٿٌبئٺ اؽتال ٩مٿبڃي اُبكڇ ٳلؿ.
يٴي ام اڃچا ١يبؿٷيلي تٰچيتي يبؿٷيلي 2 Qاًت ٳڈ ؿك آځ ٣بٿٺ ثل اًبى ٣ڀٺ څ ٿچٯ٤يت يٲ تبث ٢اكميبثي
كا يبؿ ٿيٷيلؿ .ثڈ ٛچك ؿٯيٮتل ٿيتچاځ ٷ٬ت ٳڈ تبث ٢اكميبثي ) Q(s,aت٤لي ٪ٿيُچؿ ثڈ ٣ڄوچاځ توبث ٢ثـًوت
آڅكؿځ ٿبٳنيڀپ پبًؼ ٿچكؿ اڃت٠بك ٳڈ ٣بٿٺ ٿيتچاڃٌتڈ ثب اڃزبٽ ٣ڀٺ aؿك ٿچٯ٤يت sثـًوت آڅكؿ .اٻٸوچكيتپ
يبؿٷيلي Qايڂ اٿتيبم كا ؿاكؿ ٳڈ ٿيتچاڃـ عتي ؿكٓچكتيٳڈ ٣بٿٺ ډيشٷچڃڈ ؿاڃَ ٯجټوي ام صٸوچڃٸي توبحيل
٣ڀٺ ثل ٿغي ٚڃـاُتڈ ثبُـ ڃين ٿچكؿ اًت٬بؿڇ ٯلاك ٷيلؿ .ډڀضڄيڂ حبثت ُـڇ اًت ٳڈ يبؿٷيلي Qٿويتچاڃوـ
مٿبڃي ٳڈ يبؿٷيلڃـڇ ٫لٗي ) Qˆ (s, aثڈ څًيټڈ يٲ رـڅٹ رٌتزچ 3ؿك ٫بٓټڈ څكڅؿي تب ډل ر٬ت ) (s,aؿك ڃ٠ل
1
Markove decision Process
2
Q-Learning
3
Lookup table
[Link]
[Link]
ٷل٫تڈ ٿيُچؿ ڃين تبث Q ٢كا پچَُ ؿډـ .ثڈ ٛچك ٳټي ٿيتوچاځ يوبؿٷيلي Qكا ؿك ډوناكاځ ٿوچاكؿ ام ٿٌوبئٺ
يبؿٷيلي عتي آڃڊب ٳڈ ام ٻغب ٝاڃـامڇ ٳچصٲ ُـڇاڃـ ڃين اًت٬بؿڇ ٳلؿ.
يبؿٷيلي تٰچيتي اكتجب ٙثٌيبك ڃنؿيٴي ثب ثلڃبٿڈڃچيٌي پچيب 1ؿاكؿ .تڄڊب ت٬بڅتي ٳڈ ثيڂ ايڂ ؿڅ ٿيتچاځ ٯبئوٺ
ُـ ايڄٌت ٳڈ ؿك ثلڃبٿڈ ڃچيٌي پچيب ٣بٿٺ ؿاڃِي كا ٳڈ ؿاكؿ ؿك ٿچٯ٤يت ٿچكؿ ڃ٠ل تغت تبث (s, a) ٢پلؿامٍ
ٿيٳڄـ څ تبث r(s,a)٢كا ثلٿيٷلؿاڃـ ؿك عبٻيٳڈ ؿك يبؿٷيلي تٰچيتي ٣ڀچٿب ٣بٿٺ ٫بٯـ ؿاڃَ اًت.
.8-11-2يبؿٷيلي ٿ٬ڊچٽ : 2يبؿٷيلي ٿ٬ڊچٽ ٣جبكتٌت ام ثڈ ؿًت آڅكؿځ يٲ ٿ٬ڊچٽ ٳټي ام كڅي ٿخبٹډبي
ٿخجت څ ٿڄ٬ي٫ .لٗيڈډبي ٿڀٴڂ ام ٯجٺ ؿاڃٌتڈ ٳڈ ايڂ ٘٫ب ثٔچكت ٧يلٓليظ ثوب ڃغوچڇ ڃڀوبيَ ٫لٗويڈډوب
ت٤لي ٪ٿيُچؿ څ ثلاي پيـا ٳلؿځ ثڊتليڂ ٫لٗيڈ ٿڄٜجٮ ثل ؿاؿڇډبي آٿچمُي اڃزبٽ ٿيُچؿ .يبؿٷيلي ٿ٬ڊچٽ
ثل ايڂ ٫لٕ اًبًي اًتچاك اًت ٳڈ ډل تبث٤ي ٳڈ ثتچاڃـ تٰليوت ؽوچثي ام توبث ٢ډوـ ٩ثولاي يوٲ ٿزڀچ٣وڈ
آٿچمُي ثڈ اڃـامڇ ٳب٫ي ثنكٵ ثبُـ ٯبؿك ؽچاډـ ثچؿ ٳڈ تبث ٢ډـ ٩كا ؿك ٿچكؿ ٿخبٹډوبي ٿِوبډـڇ ڃِوـڇ ډوپ
تٰليت ثنڃـ .ٻقا ام آڃزبييٳڈ ؿك ايڂ ڃچ ١ام يبؿٷيلي تڄڊب اٛال٣بت ٿچرچؿ ٿزڀچ٣ڈ ٿخبٹډبي آٿچمُوي اًوت
پي ؿك ثڊتليڂ عبٻت يٲ اٻٸچكيتپ يبؿٷيلي ٿوي تچاڃوـ ٫لٗويڈ اي كا اكئوڈ ؿډوـ ٳوڈ توبث ٢ډوـ ٩كا ثول كڅي
ٿخبٹ ډبي آٿچمُي تٰليت ثنڃـ .ؿك ٣ڀٺ ثب ٿچاكؿ ميبؿي ام يبؿٷيلي ٿچارڈ ډٌتيپ ٳڈ ؿك آځ يٲ ٿ٬ڊچٽ ٳټي
ام كڅي ٿخبٹډبي آٿچمُي يبؿ ٷل٫تڈ ٿيُچؿ .صڄيڂ ٿ٬بډيڀي كا ٿيتچاځ تچً ٚيٲ تبث ٢ثچٻي ڃِبځ ؿاؿ .پي
يبؿٷيلي ٿ٬ڊچٽ ي٤ڄي يبؿٷيلي يٲ تبث ٢ثچٻي ام كڅي ٿخبٹډبي آٿچمُي.
.9-11-2يبؿٷيلي امٛليٮ ٯچاڃيڂ څاثٌتٸي : 3ٯچاڃيڂ څاثٌتٸي يٲ ٿتـ ٿڄبًت ثلاي يب٫تڂ كڅاث ٚرقاة څ
څاثٌتٸي ٿچرچؿ ثيڂ ٿت٨يلډبي پبيٸبڇ ؿاؿڇډبي ثنكٵ اًت .ام رڀټڈ كڅٍډبي ډـايتڃِـڇ اًت ٳڈ اٻٸچډبي
ٿچرچؿ ؿك ؿاؿڇډب كا ثـڅځ ٿت٨يل ډـ ٩ؽبٓي ڃِبځ ٿيؿډـ څ ډـ ٩آځ ت٘وڀيڂ ٻونڅٽ څٯوچ ١ثلؽوي ٓو٬بت
$آيتپډب #ؿك ٓچكت څٯچ ١ثلؽي ؿيٸل ام آيتپډب ،اًت .پيبتتٌٴي ُبپيلڅ4صٸچڃٸي تغټيٺ څ اكائڈ ٯچاڃيڂ ٯوچي
1
Dynamic programming
2
Concept Learning
3
Association Rules
4
Pyattsky Shapiro
[Link]
[Link]
يب٫تڈ ُـڇ كا ؿك پبيٸبڇډبي ؿاؿڇ ثب اًت٬بؿڇ ام ٿ٤يبكډبي ٿت٬بڅت رقاثيت تچٗيظ ؿاؿڇاڃـ .څ ثل ٿجڄوبي ٿ٬ڊوچٽ
ٯچاڃيڂ ٯچي ،كاٳَ اٷلڅٹ 1څ ډڀٴبكاڃَ ٯچاڃيڂ څاثٌتٸي كا ثلاي ٳِ ٪ٯب٣ـڇډبي ٿچرچؿ ثيڂ ٿغٔوچالت ؿك
ؿاؿڇډبي تلاٳڄِي ثب ٿٰيبى ثبال ٿ٤ل٫ي ڃڀچؿڇاڃـ.
ايڂ ٯچاڃيڂ ؿك اثتـا ثلاي تزنيڈ څ تغټيٺ ًجـ ؽليـ ثبماك ثلاي پيـاٳلؿځ آيتپډبي ؽليـاكي ُوـڇ تچًوٚ
ٿِتليبځ ٿچكؿ اًت٬بؿڇ ٯلاك ٷل٫ت .ثڈ ٣ڄچاځ ٿخبٹ ،ٯبڃچځ څاثٌتٸي ؿك ؿاؿڇډبي ٫لڅٍ يٲ ًچپلٿبكٳت ،ڃِبځ
ٿيؿډـ ؿك ٓچكتي ٳڈ يٲ ٿِتلي پيبم څ ًيتمٿيڄي كا ؿك ًجـ ؽليـ ؽچؿ ٯلاك ؿاؿڇ اًت ،اعتڀبالي اڅ ٿبيوٺ
ثڈ ؽليـ ٷچُت ډڀجلٷل ڃين ؽچاډـ ثچؿ .صڄيڂ اٛال٣بتي ٿيتچاڃـ ثڈ ٣ڄچاځ ٿجڄبي تٔڀيڀبتي ثولاي ثلؽوي ام
٤٫بٻيتډبي ٫لڅُٸبډي ډڀضچځ اكائڈ ٿڄبًت تؾ٬ي ٪ثلاي ٿغٔچالت څ يوب ٯولاكؿاؿځ ٿڄبًوت ٿغٔوچالت ؿك
ٳڄبك ډپ ،ٿچكؿ اًت٬بؿڇ ٯلاك ٷيلؿ٣ .الڅڇ ثل ٿخبٹ ٫چ٭ ٳڈ ؿك ٿچكؿ تغټيوٺ ًوجـ ؽليوـ ٿٜولط ُوـ ،اٿولڅمڇ
يبؿٷيلي ٯبڃچځ څاثٌتٸي ؿك ٳبكثلؿډبي ٿت٬بڅت ډڀضچځ ٿٔل ٩ٳبڅي څة ،تِؾيْ ڃ٬وچف ،څ ثيچاڃ٬چكٿبتيوٲ
ٿچكؿ اًت٬بؿڇ ٯلاك ٿيٷيلؿ .ثل ؽال ٩ؿڃجبٻڈ ٳبڅي ؿك يبؿٷيلي ٯبڃچځ څاثٌتٸي ،تلتيت صڈ ؿك ٿيبځ آيتپډوب څ
صڈ ؿك ٿيبځ تلاٳڄَډب ؿك ڃ٠ل ٷل٫تڈ ڃڀيُچؿ.
.10-11-2يبؿٷيلي ثينيڂ : 2ؿكايڂ ڃچ ١يبؿٷيلي ام ُجٴڈډبي ثينيڂ ٳڈ ثب ڃبٽ ُجٴڈډبي ا٣تٰبؿ $ثبڅك #ډپ
ُڄبؽتڈ ٿيُچڃـ ،اًت٬بؿڇ ٿيٷلؿؿ .ايڂ ُجٴڈډب ٿت٤ټٮ ثڈ ؽبڃچاؿڇ ٿـٹډبي ٷلا٫يٴي اعتڀبالتي ډٌتڄـ .ايڂ
ًبؽتبكډبي ٷلا٫يٴي ثلاي ڃِبځؿاؿځ اٛال٣بت ؿك يٲ عچمڇ ؿاكاي ٣ـٽ ٯ٤ٜيت ثڈ ٳبك ٿيكڅڃـ .ثڈ ٛچك ؽبّ
ډل ٷلڇ ؿك ٷلا ٩ڃِبځؿډڄـڇ يٲ ٿت٨يل تٔبؿ٫ي اًت څ ٳڀبځډب څاثٌتٸيډوبي اعتڀوبالتي ثويڂ ٿت٨يلډوب كا
ڃِبځ ٿيؿډڄـ .ايڂ څاثٌتٸيډبي ُلٛي ٧بٻجب ثڈ څًيټڈ كڅٍډبي آٿبكي څاعتڀبالتي ٿِوؾْ اكميوبثي ٿوي
ُچڃـُ .جٴڈډبي ثينيڂ آچٻي ام ڃ٠ليڈٷلا ،٩ڃ٠ليڈ اعتڀبالت٣ ،ټچٽٳبٿپيچتل څ آٿبك كا ثب ډپ تلٳيت ٿيٳڄڄـ.
اًتـالٹ ثيني كڅُي ثل پبيڈ اعتڀبالت ثلاي اًتڄتبد ٳلؿځ اًت څ اًبى ايڂ كڅٍ ثل ايڂ آٺ اًتچاكاًت
ٳڈ ٿيتچاځ ٿٰبؿيل ٳي٬ي ؿاڃَ كا ثڈ ٓچكت تچمي ٢اعتڀبٹ٫ ،لٗويبت اًوتٰالٹ څ ٧يولڇ ٿوـٹ ڃڀوچؿ ؿك ايوڂ
ٓچكت ،ايڂ ٿـٹ ؿاكاي پبكاٿتلډبي ڃبُڄبؽتڈ اي ؽچاډـ ثچؿ .ٻقا ثلاي ډل ٳڀيتي يٲ تچمي ٢اعتڀوبٹ ؿك ڃ٠ول
ٷل٫تڈ ٿيُچؿ ٳڈ ثبمٷچ ٳڄڄـڇ ثبڅك ٿب ثڈ ٿغتڀٺثچؿځ ډل يٲ ام ايڂ ٿٰوبؿيل ثوـڅځ ؿيوـځ ؿاؿڇ اًوت .څ ثوب
ٿِبډـڇ يٲ ؿاؿڇ رـيـ څ اًتـالٹ ؿك ٿچكؿ تچمي ٢اعتڀبٹ آځ ٿيتچاځ تٔڀيڀبت ثڊيڄڈاي اتؾبف ٳلؿ.
ثڈ ٛچك ٳټي ٿـٹډبي ٷلا٫يٴي ثب ُبؽڈډبي ثـڅځ رڊت ،ٿيـاځډبي تٔبؿ٫ي ٿبكٳچ ٩يب ُجٴڈډبي ٿبكٳچ٩
ڃبٿيـڇ ٿيُچڃـ .ايڂ ُجٴڈډب يٲ ت٤ليً ٪بؿڇ ثلاي اًتٰالٹ ثيڂ ٿت٨يلډب ثول ٿجڄوبي ٿ٬ڊوچٽ اليوڈ ٿوبكٳچ٩
٫لاډپ ٿيٳڄڄـُ .جٴڈ ٿبكٳچ ٩ؿك مٿيڄڈډبيي ڃ٠يل ٫ينيٲ آٿبكي څ ثيڄبيي ٳبٿپيچتل ثٌيبك ٿِڊچك ډٌتڄـ.
1
Raksh Agrul
2
Bayesian Learning
[Link]
[Link]
ُجٴڈډبي ثينيڂ ٿت٤ټٮ ثڈ ًبؽتبك ؿيٸلي ام ٿـٹډبي ٷلا٫يٴي ثڈ ڃبٽ ٷلا٩ډبي ٧يلٿـڅك رڊتؿاك ډٌتڄـ
ٳڈ ؿك مٿيڄڈډبي آٿبكي ،يبؿٷيليٿبُيڄي څ ډچٍ ٿٔڄچ٣ي ثٌيبك ٿِڊچك ډٌتڄـُ .جٴڈډبي ثينيڂ ڃڀبيَ څ
ٿغبًجبت ٿچحلي ام تچمي ٢اعتڀبالتي ٿِتلٱ ثڈ كڅي يٲًلي ٿت٨يل تٔبؿ٫ي كا ٫لاډپ ٿيآڅكڃـ .ثوڈ ٣والڅڇ
ُجٴڈډبي ثينيڂ ُـت اكتجب ٙثيڂ ٿت٨يلډب كا ثڈ ٓچكت ٳڀي ٿـٹ ٿيٳڄڄـ ٳڈ اربمڇ ٿيؿډڄـ ثوب ؿًتلًوي
ثڈ اٛال٣بت رـيـ ،ا٣تٰبؿ ُلٛي ؿك ٿچكؿ آڃڊب ثڈ ٓچكت ؽچؿٳبك ثڈ كڅم كًبڃي ُچؿ.
ُجٴڈډبي ثينيڂ ٿـٹډبي ثٌيبك ٿ٤لڅ٫ي ؿك ؿډڈ اؽيل ُـڇاڃـ .ايڂ ُجٴڈډب ٳبكثلؿ ثٌيبكي ؿك مٿيڄوڈډوبي
ٿؾتټ ٪ڃ٠يل يبؿٷيلي ٿبُيڄي ،ٳبڅٍ ٿوتڂ ،پولؿامٍ مثوبځ ٛجي٤ويُ ،ڄبًوبيي ٓوـا ،پولؿامٍ ًويٸڄبٹ،
ثيچاڃ٬چكٿبتيٲ ،ٳـډبي ٳڄتلٹ ؽٜب ،تِؾيْ پنُٴي ،پيَثيڄي ډچا څ ُجٴڈډبي ًټچٻي پيـا ٳلؿڇ اڃـ.
.11-11-2يبؿٷيلي ام ٛليٮ ٿبُيڂ ثلؿاك پِتيجبځ : 1ٿبُيڂ ثلؿاك پِتيجبځ ؿك ًبٹ 1992تچً ٚڅپڄيٲ
ٿ٤ل٫ي ُـڇ اًتSvm .ډب ثڈ ؽبڃچاؿڇاي ام ٿـٹډبي ؽٜي ت٤ڀيپ يب٫تڈ ت٤ټٮ ؿاكؿ .ؿك ايڂ ؽبڃچاؿڇ ثل اًوبى
ٿٰـاك ٿلثچ ٙثڈ تلٳيت ؽٜي ؽٔئڈډب ،تٔڀيڀبتي ؿك ٿچكؿ ؿًتڈثڄـي څ كٷلًيچځ اتؾبف ٿيُچؿ.
1
SVM: Support Vector Machine
[Link]
[Link]
ډڀضڄيڂ ٷ٬تڈ ٿيُچؿ ٳڈ ٿبُيڂډبي ثلؿاك پِتيجبځ ثڈ كڅٍ ډبي ٳلڃٺ ت٤ټوٮ ؿاكڃوـ .ٿبُويڂ ډوبي ثولؿاك
پِتيجبځً ،يٌتپ ډبيي ثلاي ارلاي ٳبكآٿـ ٿبُيڂ ډبي يبؿٷيلي ؽٜي ؿك ٘٫بي ٳلڃٺ ډٌتڄـ ثڈ ٛوچكي ٳوڈ
ؽٔچٓيبت ثڊيڄٸي څ ت٤ڀيپ يب٫تٸي كا ع ٞ٬ٿي ٳڄڄـ .ت٤ڀيپ يب٫تٸي ي٤ڄي ؿًتڈ ثڄـي ٳڄڄـڇ ٣الڅڇ ثل ؿاُوتڂ
٣ڀټٴلؿ ؽچة ؿك ؿًتڈثڄـي ؿاؿڇډبي آٿچمُي ،ؿاكاي يٲ ؿٯت پيَثيڄي ثوبال ؿك ٯجوبٹ ؿاؿڇډوبي ٿِوبډـڇ
ڃِـڇ ڃين ثبُـ.
ډـ svm ٩يب٫تڂ ؽ ٚيب اثل ٓ٬غڈ رـا ٳڄڄـڇ ڃٰب ٙؿاؿڇ اي ٿت٤ټٮ ثڈ ٳالى ډبًت ،ثب عبُويڈ ٿبٳٌويڀبٹ څ
ثڊتليڂ تچاڃبيي ت٤ڀيپ .عبُيڈ ،ام ؿيـٷبڇ ډڄـًي ٣جبكت اًت ام ٫بٓټڈ ٿچرچؿ ثيڂ اثل ٓ٬غڈ څ ڃنؿيٲ توليڂ
ڃڀچڃڈ آٿچمُي .ام يٲ ماڅيڈ ؿيٸل ،عبُيڈ ٿٰـاك ٘٫ب يب رـايي ٿچرچؿ ٿيبځ ؿڅ ٳالى اًوت ٳوڈ تچًو ٚاثول
ٓ٬غڈ ت٤لي ٪ٿي ُچؿSvm .ډب ٣الڅڇ ثل ؿاكا ثچؿځ يٲ ُبٻچؿڇ كيبٗي ٿڄٌزپ ؿك يبؿٷيلي آٿوبكي٣ ،ڀټٴولؿ
ثٌيبك ؽچة څ ٿچٰ٫يتآٿيني كا ؿك ٳبكثلؿ ډبي ٣ڀټي څ څاٯ٤ي ام ؽچؿ ثڈ ڃڀبيَ ٷقاُتڈاڃـ.
1
Overfitting
2
local optimal
3
feature selection
[Link]
[Link]
.13-2خالصِ
ؿك ايڂ ٔ٫ٺ يبؿٷيلي ٿبُيڂ ثڈ ډڀلاڇ كڅيٴلؿډب څ اڃچا ١تٴڄيٲډبي آځ ډڀلاڇ ٿنايب ،ٿ٤بيت څ ٳبكثلؿډبي
ډل تٴڄيٲ اكائڈ ُـ .ډڀضڄيڂ ؿك ايڂ ٔ٫ٺ ً٤ي ٳلؿيپ ٿ٬بډيڀي ام ٯجيٺ ت٤بكي ٪يبؿٷيلي ،يبؿٷيلي
ٿبُيڂ ،اډـا ٩يبؿٷيلي ٿبُيڂ ،اڃچا ١يبؿٷيلي ،اډـا ٩يبؿٷيلي ٿبُيڂ ،اكتجب ٙكُتڈډبي ٣ټڀي ٿؾتټ ٪ثب
ٿجغج يبؿٷيلي ٿبُيڂ څ ٳبكثلؿډبي آځ څ ...كا ثلكًي ٳڄيپ.
1
Anormality Detection
2
Prediction
3
Robotics
4
Bioinformatics
[Link]
[Link]
فصل سَم
[Link]
[Link]
.1-3هقذهِ
اٿلڅمڇ ٿڄٜٮ ٫بمي ثڈ ؿٻيٺ اڃٜ٤ب٩پقيلي ،ٳبكثلؿډبي ميبؿي ؿك مڃـٷي اڃٌبځ يب٫تڈ اًت .څ اڃجچڇ ٿٰبالت څ
پوڅډَډبي ٓچكت ٷل٫تڈ ثب ٿچٗچ ١ٿڄٜٮ ٫بمي څ يبؿٷيلي ٿبُيڂُ ،بډـ ايڂ ٿـ٣بًت .ٿخال ٿڄٜٮ ٫بمي
اًتـالٹ اڃٌبځ كا ؿك ٯبٻجي ٳڈ كڅي كايبڃڈډبي كٯڀي ٯبثٺ ارلا ثبُـ ٿيٌل ٿيًبمؿ .څ ڃلٽ٫ناكډبيي ٳڈ ثڈ
ٳڀٲ ايڂ ٿڄٜٮ ثلڃبٿڈكيني ٿيُچڃـ ،ٿبڃڄـ ڃلٽا٫ناكډبي تِؾيْ ٳالٽ ٳڈ ٿيتچاڃڄـ ٻڊزڈډبي ٿؾتټ ٪كا ام
ډپ تِؾيْ ؿډڄـ يب ڃلٽ ا٫ناكډبي ؽچاڃـځ ٿتچځ ؿًتڃچيي ٳڈ ٿيتچاڃڄـ ٿتڂ آټي كا ام اڃغڄبډبي اٗب٫ي
ٳڈ ٿلثچ ٙثڈ ؿًتؽ ٚډل ُؾْ اًت تڀيين ؿډڄـ ،ثٌيبك ٿڄ٣ ٪ٜ٤ڀٺ ٿيٳڄڄـ.
ؿك اؿاٿڈ ثڈ ٿلڅكي ثل ٿٰبالت ٿ٤تجل ٣ټڀي څ رـيـ ٿٜلط ُـڇ پيلاٿچځ اث٤بؿ څ تٴڄيٲډبي پبكاؿايپ ٿڄٜٮ
٫بمي څ ٳبكثلؿډبي آځ ؿك يبؿٷيلي ٿبُيڂ ،اًت٬بؿڇ ام ڃتبيذ ُجيڈ ًبمي كڅٍډبي پيِڄڊبؿي ؿك ايڂ ٿٰبالت
څ ؿك ڃڊبيت تالٍ ؿك اكائڈ كاڇعٺډبي رـيـ ثڈ ٳڀٲ ڃٰب ٙٯچت څ ٗ ٪٤ايڂ كڅٍډب ؽچاډيپ پلؿاؽت.
[Link]
[Link]
1
.2-3هجوَعِّای فازی بذیْی با استخراج قَاعذ فازی از درختّای تصوین فازی
ڃچ ١رـيـي ام تبث٘٣ ٢چيت پيچًتڈ ثلاي تچٓي ٪ٿ٬بډيپ ٫بمي ت٤ليُ ٪ـڇ اًت ٳڈ ثلاًبى يب٫تڈډبي
ڃ٠لي ،ڃ٠لثڈ ٿزڀچ٣ڈډبي ٫بمي ثـيڊي 2كا ٿيًبمؿ ايڂ ڃچ ١ام تبث٘٣ ٢چيت پقيلاي ډل ؿڅ ڃچ٣ ١بٿٺ ٫بمي
ثچؿځ $ثب ٷل٫تڂ ا٣ـاؿ تٰليجي فډڄي #څ تٔبؿ٫ي ثچؿځ $ثب اُبكڇ ثڈ ٣ـٽ ٯ٤ٜيت ٣يڄي #اًت څ ثب ډل ؿڅ آڃڊب ثڈ
ُيچڇاي ًبمٷبك ثلؽچكؿ ٿيٳڄـ .اٻٸچكيتپ پيِڄڊبؿي ُبٿٺ ًڈ ٿلعټڈ آټي اًت$ :اٻ #٪تچٻيـ ؿكؽتډبي
تٔڀيپ ٫بمي ثب ٫لٕ ثلؽي ام ًٜچط څيوٷيډبي اؽتٔبٓي $ڃڀبي تٔ٬يټي #ٳڈ ؿك آًتبڃڈ اڃـامڇٷيلي
ٿيُچؿ$ ،ة #ډلى 3ٯچا٣ـ ثڈ ؿًت آٿـڇ ،څ $د #ت٤ييڂ آًتبڃڈ ثڊيڄڈ ام يٲ ؿكؽت ڃڊبيي تچٻيـ ُـڇ.
ؿك ٿٰبيٌڈ ثب ًبيل ٛجٰڈثڄـډبي ٫بمي ٛجٰڈثڄـي AFSصڄـيڂ ٿنيت ؿاكؿ .ڃتبيذ ڃِبځ ٿيؿډـ ٳڈ
ؿكؽتبځ تٔڀيپ AFSٿيتچاڃڄـ ثب ؿٯت ثبالتلي ٣ڀٺ ٳلؿڇ څ ام ڃتبيذ ثڊتلي ڃٌجت ثڈ تچاث٘٣ ٢چيت ٿخټخي څ
فڅمڃٰڈاي ؿك كڅٍ پيِڄڊبؿي ثڊلڇ ٷيلڃـ .ايڂ اٻٸچكيتپ كا ٿيتچاځ ثڈ ٿزڀچ٣ڈ ؿاؿڇډب ثب څيوٷيډبي ڃچ ١ؿاؿڇ
ٿؾتټ ٚا٣ڀبٹ ڃڀچؿ .ثلكًيډب ڃِبځ ٿيؿډـ ٳڈ ايڂ كڅٍ ثڈ ٛچك ٯبثٺ تچرڊي ثڊتل ام كڅٍډبي KNN
FS-DT ،FDTsڅ٣ CA.5ڀٺ ٿيٳڄـ .ايڂ كڅٍ تچً ٚٻيچ څ ډڀٴبكاځ اكائڈ ٷلؿيـڇ اًت.
1
Extraction of fuzzy rules from fuzzy decision trees: An axiomatic fuzzy sets (AFS) approach
2
)Axiomatic fuzzy sets (AFS
3
Pruning
[Link]
[Link]
1
.3-3هذل َّش هحاسباتی ترکیبی هبتٌی بر هٌغق فازی ٍ هاضیي بردار پطتیباى
ٿـٻي تلٳيجي ٿجتڄي ثل ًڈ تٴڄيٲ ډچٍ ٿٔڄچ٣ي ُجٴڈډبي تبث٤يً ،2يٌتپډبي ٿڄٜٮ ٫بمي ڃچ ١ؿڅ ،3څ
ٿبُيڂ ثلؿاك پِتيجبځ اكائڈ ُـڇ اًت .ؿك ايڂ ٿـٹ ام ٯبثټيتډبي تٰليتمڃي تبثُ ٢جٴڈډبي تبث٤ي ،تچاڃبيي
ٿـيليت ٣ـٽ ٯ٤ٜيت ثب اًت٬بؿڇ ام ٿڄٜٮ ٫بمي ڃچ ١ؿڅ څ ٿٰيبىپقيلي څ ڃيلڅٿڄـي ٿبُيڂ ثلؿاك پِتيجبځ
ثلاي ٳبك ثب ؿاؿڇډبي ثب اث٤بؿ ٳچصٲ څ ثنكٵ ،اًت٬بؿڇ ٿيُچؿ .تلٳيت ايڂ كڅٍډب ٿڄزل ثڈ ايزبؿ كڅُي
ٿيٷلؿؿ ٳڈ ؿك ؽلڅري ڃٌجت ثڈ ًبيل كڅٍډب ٣ڀټٴلؿ ثڊتلي ؿاكؿ .ايڂ كڅٍ تلٳيجي عبٓٺ تالٍ آڃي٬چى
څ ٣جـاٻلعيپ اًت.
اٿلڅمڇ ڃيبم ثڈ ٿـٹډبي تلٳيجي ٳڈ ثڊتليڂ څيوٷيډبي ډل كڅٍ كا ؿك يٲ ثٌتڈ څاعـ رڀ ٢ٿيٳڄـ ثيَ
ام ثيَ اعٌبى ٿيُچؿ ،ثڈ څٗچط حبثت ُـڇ ٳڈ يٲ كڅٍ ثڈ تڄڊبيي ؿك تڀبٽ ُلاي ٚٿڄبًت ڃيٌت ،صلاٳڈ
ډل كڅٍ ثڈ تڄڊبيي ٯبثټيتډبي ؽبٓي ثڈ ڃڀبيَ ٷقاُتڈ ،ٿغـڅؿيتډبي ؽبٓي ؿاُتڈ څ صبٻَډبيي ؿاكؿ.
ڃتبيذ ڃِبځ ؿاؿڇ ٳڈ ٿـٹ تلٳيجي ثب ٗليت ډڀجٌتٸي ثبالتل ثڈ ڃٌجت ثڊتل ام تٴڄيٲډبي ٿڄغٔل ثڈ ٫لؿ،
مٿبڃي ٳڈ ثڈ تڄڊبيي ثلاي ٿزڀچ٣ڈ ؿاؿڇډب اًت٬بؿڇ ٿيُچؿ ٣ڀٺ ٿيٳڄـ .مٿبځ ارلاي ٿـٹ تلٳيجي ،ڃٌجت ثڈ
ٿڄٜٮ ٫بمي ڃچ ١ؿڅ ٳڀتل اًت ،اٿب مٿبځ ثيِتلي كا ڃٌجت ثڈ ُجٴڈډبي تبث٤ي څ ٿبُيڂ ثلؿاك پِتيجبځ ؿاكؿ.
ثڄبثلايڂ حبثت ُـڇ ٳڈ ٿـٹډبي تلٳيجي اكائڈ ُـڇ ،ثٌيبك ٯبثٺ ا٣تڀبؿتل ،ٯچيتل څ ٿچحلتل ،ډٌتڄـ.
1
Fuzzy logic-driven and SVM-driven hybrid computational intelligence models
2
Functional Networks
3
Type-2 Fuzzy Logic System
[Link]
[Link]
1
.4-3سیستنّای رابغِای عصبی -فازی برای تقریب ٍ پیصبیٌی غیرخغی
اٿلڅمڇ ثٌيبكي ام كڅٍډبي ًيٌتپډبي يبؿٷيلي ٿبُيڂ تچً٤ڈ يب٫تڈ څرچؿ ؿاكؿً .يٌتپډبي ٫بمي ډڀلاڇ
ثب اًت٬بؿڇ ام ُجٴڈډبي ٔ٣جي ،ثڈ ٣ڄچاځ كايذتليڂ ًيٌتپډبي آٿچمٍ ډٌتڄـ .ٿغٰٰبځ ٣ڀـتب ام
5
ًيٌتپډبي ٫بمي ٿڀـاڃي$ 2مثبڃي #3څ تبٳبٷي ًچٷڄچ 4اًت٬بؿڇ ٿيٳڄڄـ ؿك عبٻيٳڈ ًيٌتپډبي كاثٜڈاي
ٔ٣جي٫ -بمي اڃٜ٤ب٩پقيلي ثيِتلي ؿاكڃـ .پيِڄڊبؿؿډڄـڇ ايڂ كڅٍ ٿغٰٰي ثڈ ڃبٽ كا٫بئٺ ُلك اًت.
ًيٌتپډبي مثبڃي ثڈ ٓچكت يٲ ڃٸبُت څكڅؿي -ؽلڅري ثڈ ُٴٺ ٯچا٣ـ ٫بمي اٷل-آڃٸبڇ يب رڀالت مثبڃي
ٿٰـٽ څ تبٻي فؽيلڇ ٿيُچؿ .ثڄبثلايڂ ًيٌتپډبي ٫بمي كاثٜڈاي اكمٍډبي مثبڃي ٫بمي څكڅؿي څ ؽلڅري كا ثب
يٲ كاثٜڈ ؿڅؿڅيي ڃِبځ ؿاؿڇ څ ٯچاڃيڂ ٫بمي څمځ اٗب٫ي ؿاكڃـ .ايڂ ًيٌتپډب ،ؿك ؿاؿڇډبي يبؿٷيلي ثڊتل
ٯبثٺ تڄ٠يپ ډٌتڄـً .يٌتپډبي تچٗيظ ؿاؿڇ ُـڇ ؿك صڄـيڂ ٿ٤يبك ُڄبؽتڈ ُـڇ تٌت ُـڇاڃـ.
ًيٌتپډبي كاثٜڈاي ٔ٣جي٫-بمي پيِڄڊبؿي ثٌيبك ٿتڄچ ١ډٌتڄـ څ ٿيتچاڃڄـ ؿك ٳبكډبي ٿؾتټ٬ي ام
ٯجيٺ ٿـٹ ًبمي ٧يلؽٜي څ پيَثيڄي ٿچكؿ اًت٬بؿڇ ٯلاك ٷيلڃـ .ٯبثټيت تٌ٬يل ُـځ 6فاتي ؿك ًيٌتپډبي
٫بمي اًت٬بؿڇ ٿيُچؿ ،ٿٰـاكؿډي اڅٻيڈ ثڈ ًيٌتپ ثب اًت٬بؿڇ ام ؿاڃَ ؽجلڇ څ يب اٳتِب ٩كڅٍډبي تزنيڈ څ
تغټيٺ ؿاؿڇډب آًبځ اًت .ايڂ ًيٌتپ ډڀضڄيڂ ٿيتچاڃـ ثب اٯتجبى ام ُجٴڈډبي ٔ٣جي ٿٔڄچ٣ي ٿخال
اٻٸچكيتپ پي اڃتِبك ؽٜب 7آٿچمٍ ثجيڄـ .ډڀضڄيڂ يٲ ٳالى رـيـ ام ًيٌتپډبي كاثٜڈاي ثب ٣ڄبٓل
ٿبتليي كاثٜڈاي ٫بمي پيِڄڊبؿ ُـڇ ٳڈ ٿيتچاڃـ ثڈ ٣ڄچاځ ؿكرڈ ٯ٤ٜيت مثبڃي ؿك ڃ٠ل ٷل٫تڈ ُچؿ .ؿك
ُجيڈًبمي ٣ـؿي ،ٿٰبؿيل مثبڃي ؿك ٿزڀچ٣ڈډب تچً ٚاٻٸچكيتپ -Cٿيبڃٸيڂ ٫بمي 8تڄ٠يپ ُـڇاڃـً .پي تڀبٽ
تڀبٽ پبكاٿتلډبي ًيٌتپ ٣$ڄبٓل ٿبتليي اكتجب ٙڅ پبكاٿتلډبي تبث٘٣ ٢چيت #تچً ٚاٻٸچكيتپ پي اڃتِبك
ت٤ييڂ ُـڇاڃـُ .جيڈًبمي ؿك ًڈ ٿ٤يبك آټي تٜجيٮ پقيلي 9څ ؿٯت ًيٌتپډبي كاثٜڈاي ٔ٣جي٫-بمي كا
ڃِبځ ٿيؿډـ .ٳڈ ؿك ٿٰبيٌڈ ثب ًبيل كاڇعٺډبي يبؿٷيلي ٿبُيڂ ؿك اؿثيبت ٿٌئټڈ٣ ،ڀټٴلؿ ثڊتلي كا ڃِبځ
ٿيؿډـ.
1
Neuro-fuzzy relational systems for nonlinear approximation & prediction
2
)Mamdani (linguistic
3
Linguistic
4
Takagi Sugeno
5
Relational neurofuzzy systems
6
interpretability
7
Backpropagation algorithm
8
Fuzzy c-means
9
Versatility
[Link]
[Link]
1
.5-3ضبکِّای هبتٌی بر هٌغق فازی
صبٻَ ڃڊبيي ؿك ٿـٹًبمي ًيٌتپډب ڃٸلاڃي پيلاٿچځ ٛلاعي ٿـٹډبي ؿٯيٮتل څ ؿك ٣يڂ عبٹ ثٌيبك
ُ٬ب٩تل څ ٳبكثل ٿغچكتل اًت .ٿب ُبډـ ٿزڀچ٣ڈډبيي ام ٿ٤ڀبكيډبي ٔ٣جي ٫بمي ٳڈ ؿك كًيـځ ثڈ ايڂ ؿڅ
ُل ٙٳبٿال ٿتڄبٯٖ ٣ڀٺ ٿيٳڄڄـ ،ډٌتيپً .بؽت ُجٴڈډبي ٿڄٰٜي ثب ٳڀٲ ًټچٹډبي ٔ٣جي ٫بمي څ
unineuronsڃيبم ثڈ ايزبؿ كاثٚډبي ٳبكآٿـي ؿاكؿ ثڈ ٛچكٳټي ،كاثٚډب ثب اًتڄبؿ ثڈ ُٴٺ ثلؽي ؿاڃڈډبي
اٛال٣بتيً 2بؽتڈ ُـڇ څ ثڈ ٛچك ؽبّ ٷٌٌتڈ ثبيڄلي $ثچٻي #ډٌتڄـً .بؽتبك آټي ُجٴڈ تلٳيجي ام
اٻٸچكيتپ ثڊيڄڈًبمي امؿعبٽ فكات 3څ ٿٴبڃينٽ يبؿٷيلي ٿتـاڅٹ ٿجتڄي ثل ٷلاؿيبځ 4ثڊيڄڈ ُـڇ اًت.
اًت٬بؿڇ ام unineuronsډب ٿڄزل ثڈ ُجٴڈاي ثب ٯبثټيت تٰليت ا٫نايَ يب٫تڈ اًت ٳڈ ثب ُجٴڈډبي ًبؽتڈ
ُـڇ ثب اًت٬بؿڇ ام -Tڃلٽ څ t-conormsؿكت٘بؿ اًت .كڅٍ ٛلاعي ٿـٹ ٫بمي ٳڈ ؿكآځ ثڊلڇثلؿاكي ثب
اًت٬بؿڇ ام ډٌتڈ ثچٻي$ 5ؿڅ اكمٍ ؿاڃڈ اٛال٣بتي #كاڇ ربٻجي اًت ٳڈ ٿيتچاڃـ ډل ؿڅ ٿٰـاك ثچٻي كا ثڈ ٛچك
ُ٬ب ٩تلٳيت ٳلؿڇ څ ډڀضڄيڂ ؿاڃڈډبي اٛال٣بتي ٫بمي كا اكائڈ ؿډـ ايڂ كڅٍ كا ٻيبڃٶ څ پـكيٌن اكائڈ
ؿاؿڇاڃـ.
1
Logic-based fuzzy networks
2
Granulation of information
3
)Particle Swarm Optimization (PSO
4
Gradient-based Learning
5
Boolean core
[Link]
[Link]
1
.6-3هٌغق فازی در تَلیذ :هرٍر ادبیات ٍ ًرمافسار تخصصی
تٔڀيڀبت تچٻيـ 2فاتب ثب اثڊبٽ څ ٣ـٽ ؿٯت ٿچارڈ ډٌتڄـ .ٿڄٜٮ ٫بمي ،څ اثناكډبي ٿجتڄي ثل ٿڄٜٮ ٫بمي،
ٷڄزبڃـځ ٣ـٽ ٯ٤ٜيت 3څ اٛال٣بت ڃبٯْ ؿك تٔڀيپٷيلي ًبؽت ٿـٹ كا اربمڇ ؿاؿڇ ،څ ًبؽت آڃڊب ثلاي
تٔڀيپٷيلي تچٻيـ ٿڄبًت اًت .ام ثلڃبٿڈكيني ؽٜي ٫بمي ثلاي ٿٌبئٺ ٳپ اډڀيت ٿيتچاځ اًت٬بؿڇ ٳلؿ ،اٿب
ؿك ٿٌبئٺ ٿڊپ تچٻيـ ،ي٤ڄي اڅٻچيت ثڄـي تلٳيت ٿغٔچالت ام آځ اًت٬بؿڇ ڃڀيٳڄيپ .اٻٸچكيتپ پيِڄڊبؿي ،ثل
اًبى ثلڃبٿڈكيني ؽٜي ثب ٿغـڅؿيتډبي ٫بمي څ ٿت٨يلډبي ٣ـؿي ٓغيظ ،صڄـيڂ ٿنيت ثڈ اٻٸچكيتپډبي
ٿچرچؿ اٗب٫ڈ ٿيٳڄـ څ ا٫نايَ ًڊچٻت ؿك ٫ڊپ څ اڃٜ٤ب٩پقيلي ؿك ٳبكثلؿ كا ٫لاډپ ٿي ڃڀبيـ.
ام ٛل٫ي تٔڀيپٷيلڃـٷبځ تچٻيـ ثڈ ڃـكت ڃتيزڈ اٯـاٿبت ؽچؿ كا ؿكًت ٿيؿاڃڄـ ٻقا ؿك تٔڀيپٷيليډبي
ؽچؿ ثب ؿٯت ٣ڀٺ ٳلؿڇ څ آڃڊب كا تبحيل ڃڀيؿډڄـ څ ثڈ ؿڃجبٹ كڅٍډبي ٣ټڀي ثلاي تٔڀيپٷيلي ؽچؿ ډٌتڄـ.
ثب تچرڈ ثڈ ايڂٳڈ اثناك ٫بمي ثلاي ؿك ڃ٠ل ٷل٫تڂ ٣ـٽ ٯ٤ٜيت څ ٿجڊپ ثچؿځ ٿت٨يلډبي ٿچكؿ ڃ٠ل ٛلاعي ُـڇ
اًت ،ٿب ثڈ اًت٬بؿڇ ام ٿڄٜٮ ٫بمي ؿك تچٻيـ تغليٲ ٿيُچيپ .ثلكًيډب ڃِبځ ٿيؿډـ ٳڈ ثب څرچؿ ا٫نايَ
اًت٬بؿڇ ام ٿڄٜٮ ٫بمي ،ثٌيبكي ام ٫لٓتډبي ثٴل ثلاي اًت٬بؿڇ ام كڅٍ ٿڄٜٮ ٫بمي ؿك رڄجڈډبي ؿيٸلي ام
تچٻيـ ثبٯي ٿبڃـڇ اًت .ؿك عبٻيٳڈ اؽيلا ؿك ٿـٻٌبمي مڃزيلڇ تبٿيڂ 4څ ٿٌبئٺ ٿـيليت تبٿيڂ اًت٬بؿڇ ام
ٿڄٜٮ ٫بمي كڅما٫نڅځ ُـڇ ،څ ايڂ ڃِبڃڈ كڅُڄي ام ٳبكثلؿ اثناك ٫بمي اًت .ثڈ ڃ٠ل ٿيكًـ ٳبكثلؿ ٿڄٜٮ ٫بمي
ؿك ايڂ ٿٌبئٺ ؽالٓڈ ڃِـڇ څ ؿك ٿٌبئٺ ٫لاتل ام ؿيچاكډبي ٳبكؽبڃڈ ،ٿبڃڄـ آڃضڈ ٳڈ ؿك اًتلاتوي تچٻيـ څرچؿ
ؿاكؿ ،ډڀبډڄٸي صڄـ ثلڃبٿڈاي څ تٔڀيڀبت ٿغټي ډپ ٿيتچاڃـ اًت٬بؿڇ ُچؿ٣ .الڅڇ ثل ايڂ ،ثلڃبٿڈډبي ؽبّتل
څ تؾٔٔيتلي ام ايڂ كڅٍ څرچؿ ؿاكؿ .اڃجچڇ ٿچٗچ٣بت ٿلتج ٚثب تچٻيـ ډٌت ٳڈ ثڈ ڃ٠ل ٿيكًـ ام ثلكًيډب
٧بيت ٿبڃـڇاڃـ .ثب تچرڈ ثڈ ايڂ ٳڈ ٿڄٜٮ ٫بمي ؿك ٷڄزبڃـځ ٿت٨يلډبي ثيعـ څ عٔل ٯچي اًت ،اًت٬بؿڇ ام
ايڂ كڅٍ ٿڀٴڂ اًت ثڈ ؽٔچّ ؿك تٔڀيپٷيليډبي ٿتٰبثٺ ٳبكٳلؿي ٿڄبًت ثبُـ ،ٿخال ٳٌبڃي ٳڈ
ٿلثچ ٙثڈ ٿغٔچٹ ٫ /لايڄـ ڃچآڅكي ،كاث ٚتچٻيـ ثبماكيبثي ؿك كاڇ اڃـامي ٿغٔچٹ څ ٣ڀل ٿغٔچٹ تٔڀيپٷيلي
ٿيٳڄڄـُ ،بډـي ام ٳبكثلؿ آځ اًت .ام ٿڄٜٮ ٫بمي ثلاي ًبؽت ثلڃبٿڈډبي ٳبكثلؿي ؽبّتل ُبٿٺ تچً٤ڈ څ
ت٤لي ٪يٲ اٻٸچكيتپ ثلاي اڅٻچيتثڄـي تلٳيت ٿغٔچٹ اًت٬بؿڇ ُـڇ اًت .ايڂ اٻٸچكيتپ ًڊچٻت اًت٬بؿڇ څ
ًڊچٻت تغت ٿڄٜٮ ٫بمي ثچؿځ كا ڃِبځ ٿيؿډـ٣ .الڅڇ ثل ايڂ ،اٻٸچكيتپ اكائڈ ُـڇ ٷلايَ ثڈ اڃٜ٤ب ٩ثيِتلي
ڃٌجت ثڈ اٻٸچكيتپډبي ؿيٸل تچً٤ڈ يب٫تڈ ثلاي ٿٰبثټڈ ثب ډڀبځ ٿچٗچ ١ؽبّ ؿاكؿ څ تچً ٚآماؿٷبځ څ
ډڀٴبكاڃَ اكائڈ ُـڇ اًت .ام ٻغب ٝاڃٜ٤ب٩پقيلي ثب اًت٬بؿڇ ام اثڂ اٻٸچكيتپ ،ٳبكثلاځ ٿيتچاڃڄـ كڅٍډبي
1
Fuzzy logic in manufacturing: A review of literature and a specialized application
2
Manufacturing
3
Uncertainty
4
Supply chain
[Link]
[Link]
ٿؾتټ ٪كتجڈثڄـي ٫بمي څ اپلاتچكډبي ٫بمي ٿؾتټ٬ي كا ثلاي تچً٤ڈ اُٴبٹ ربيٸنيڂ ٿـٹ اًت٬بؿڇ ٳڄڄـ .ثڈ
٣ڄچاځ ٿخبٹ ،اٷل صڈ ايڂ اٻٸچكيتپ ثب اًت٬بؿڇ ام ا٣ـاؿ ٫بمي ٿخټخي ت٤ليُ ٪ـڇ ،اٻٸچكيتپ كا ٿيتچاځ ثب اًت٬بؿڇ
ام ؿيٸل ا٣ـاؿ ٫بمي $ثلاي ٿخبٹ ا٣ـاؿ ٫بمي فڅمڃٰڈاي #ت٨ييل څ تچً٤ڈ ؿاؿ .ايڂ اٻٸچكيتپ ڃٌجت ثڈ كڅٍډبي
ؿيٸل ٳڈ ُبي٢تل ا٣ڀبٹ ُـڇاڃـ ،ٿنيتډبي ميل كا ؿاكؿ .اڅٹ ،ثلؽي كڅٍډبي ؿيٸل ثلاي اًت٬بؿڇ ام ثلڃبٿڈكيني
ؽٜي ٫بمي ڃيبم ؿاكڃـ ٳڈ ؿاؿڇډب ثلاي اڅٻيڂ ثبك ام ٫لٽ ٫بمي ثڈ ٫لٽ ٯ٤ٜي تجـيٺ ُچڃـ ٳڈ ؿك آٺ ٿت٨يلډب
تجـيٺ ُـڇ څ ام ثيڂ ٿيكڅڃـ $څ يب ام عبٻت ٫بمي ؽبكد ٿيُچڃـ .#صڄيڂ اٯـاٿي ؿك ايڂ اٻٸچكيتپ المٽ ڃيٌت.
ؿڅٽ ،اٻٸچكيتپ ٫چ٭اٻقٳل ثڈ ًٜظ آٻ٬ب $ٿت٨يل ًڀت صپ #ٳڈ ٿٰـاك اٛال٣بت ٿچكؿ ڃيبم ثلاي تٴڀيٺ تزنيڈ څ
تغټيٺ كا ٳبډَ ٿي ؿډـ ڃيبم ڃـاكؿ .تڀبين ثيڂ كڅٍ ٿچكؿ اًت٬بؿڇ ثلاي تچً٤ڈ ايڂ اٻٸچكيتپ څ كڅٍ اًت٬بؿڇ
ُـڇ تچً٫ ٚبڃٶ 1څ ډڀٴبكاځ #1999$عبٳي ام ايڂ اًت ٳڈ ؿك اًت٬بؿڇ ام كڅٍ ٫بڃٶ څ ډڀٴبكاځ ،اٷل عتي
يٲ ٳبډَ ؿډڄـڇ ٿڄ٬ي ثبُـ ،ت٤ـاؿي ٿغـڅؿيت ؿك FLPا٫نايَ ؽچاډـ يب٫ت .ايڂ ٿٌئټڈ يٲ ڃٸلاڃي ؿك
اٻٸچكيتپ پيِڄڊبؿي ڃؾچاډـ ثچؿ .ؿك ڃڊبيت ،تچرڈ ؿاُتڈ ثبُيـ يٲ ًچؿ ٿزنا ؿك اًت٬بؿڇ ام ايڂ اٻٸچكيتپ ؿك
ٿٰبيٌڈ ثب اٻٸچكيتپ آالط ُـڇ ) TOC (RTOCڅرچؿ ؿاكؿ .ؿك اٻٸچكيتپ ،RTOCثب اًت٬بؿڇ ام ؿاؿڇډبي
ؽبّ ،يٲ ٯب٣ـڇ تچٯ ٪څرچؿ ؿاكؿ ٳڈ"اكمٍ اٗب٫ڈ" ڃبٿيـڇ ٿيُچؿ .ثڈ ٣جبكت ؿيٸل ،ؿك اٻٸچكيتپ RTOC
2
اٷل ٿٰـاكي ٳڈ ثڈ ؿًت آٿـڇ اًت ٳڀتل ام ٓ٬ل ثبُـ ،اٻٸچكيتپ ٿتچٯ ٪ٿيُچؿ .ؿك اٻٸچكيتپ پيِڄڊبؿي
"اكمٍ اٗب٫ڈ" يٲ ٯب٣ـڇ تچٯ ٪ڃيٌت .ؿك څاٯ ،٢اٷل"اكمٍ اٗب٫ڈ" ٿڄ٬ي ثبُـ ،ثبم ډپ اٻٸچكيتپ اؿاٿڈ ٿييبثـ
څ ؿكڃڊبيت ٿڄزلثڈ ا٫نايَ اكمٍ ٿخجت ثڈ ؿًت آٿـڇ ٿيُچؿ .ثب ايڂ څرچؿ ،ثلؽي ام اُٴبالت څ ٿغـڅؿيتډب
ثڈ اٻٸچكيتپ اكائڈ ُـڇ څاكؿ اًت .يٴي ام ٿغـڅؿيتډب ايڂ اًت ٳڈ اٻٸچكيتپ ٿٌئټڈ صٸچڃٸي ؿاُتڂ ٿٰبؿيل
٫بمي ثلاي ثلؽي ام ٿت٨يلډبي ٿچحل كڅي ٿٰبؿيل ٫بمي ثلاي ڃتيزڈ $ٿٰـاك ډل ٿغٔچٹ تچٻيـ ُـڇ #كا
ڃڀيٷچيـ .ؿك ايڂ ٿـٹ يٴي ام ٿ٬لڅٗبت ايڂ اًت ٳڈ ٿت٨يلډبي تٔڀيپ ؿاكاي ٿٰبؿيل ؽبٓي اًت.
ډڀضڄيڂ ،ؿٯت څ تچرڈ ؿك ډڄٸبٽ اڃتؾبة كڅٍ كتجڈثڄـي ثڈ ؿٻيٺ ؿاُتڂ ؿاؿڇډبي ٫بمي ؿك څكڅؿي ٿـٹ
ٿيتچاڃـ ؿك اڅٻچيتثڄـي ٿغٔچٹ ٿت٬بڅت ثبُـ .صڄـيڂ كاڇ ٿڀٴڂ اًت ثلاي ثڊجچؿ اٻٸچكيتپ پيِڄڊبؿي
څرچؿ ؿاُتڈ ثبُـ .ؿك تغٰيٰبت آيڄـڇ ،ٿغٰٰبځ ٿيتچاڃڄـ كڅٍ رٌتزچ ؿك ډڀٌبيٸبځ ٿؾتټ ٪كا اًت٬بؿڇ
ٳلؿڇ څ ؿيٸل پبكاٿتلډبي ٫بمي ٿيتچاڃڄـ ثلكًي ُچڃـ٣ .الڅڇ ثل ايڂ ،اٻٸچكيتپ ٿب ثب صڄيڂ كڅُي ٿيناځ ٫بمي
ثچؿځ ًبيل ٿت٨يلډبي ٿـٹ ،ٿبڃڄـ ا٫نايَ تٰبٗب كا ت٤ييڂ ٿيٳڄـ .ؿاٿڄڈ ايڂ ٿـٹ ٿٌئټڈ ام ٣ـٽ ٯ٤ٜيت ثب
مٿبځ پلؿامٍ څ ٟل٫يت ٿڄبث ٢اًت.
1
Fang
2
Gain value
[Link]
[Link]
ايڂ ٳبك ؿك ؿڅ ثؾَ ؽالٓڈ ٿيُچؿ .اڅٹ ،ثب څرچؿ ا٫نايَ ٳبكثلؿ ٿڄٜٮ ٫بمي ثلاي ك ٢٫صبٻَډبي تچٻيـ
ؿك ٛچٹ ؿڅ ؿډڈ ٷقُتڈ ،يٲ ثلكًي اًت٬بؿڇ ام ٿڄٜٮ ٫بمي اكائڈ ُـڇ ٳڈ ٣ڀٮ څ څً٤ت ا٫نايَ يب٫تڈ
ٳبكثلؿډبي ٿڄٜٮ ٫بمي كا ڃِبځ ٿيؿډـ .ؿڅٽ ،ؿك ٿٰبثټڈ ثب ٿِٴالت تؾٔٔي ؿك عبٹ تچً٤ڈ ؿك تچٻيـ يٲ
اٻٸچكيتپ آًبځ څ اڃٜ٤ب ٩پقيل ثلاي اًت٬بؿڇ ؿك ٿٌبئٺ ٿلثچ ٙثڈ تلٳيت ٿغٔچٹ ؿك يٲ ٿڄٰٜڈ ٿ٤ل٫ي ُـڇ،
ٳڈ ڃِبځ ام ٯـكت ٿڄٜٮ ٫بمي اًت.
1
.7-3استٌتاج قَاًیي فازی باسیستن ایوٌی هصٌَعی ٍ آهَزش پارتیطيّای فازی
كڅٍ رـيـي ثلاي ا٫نايَ ؿٯت اًت٬بؿڇ ام ٯچاڃيڂ ٫بمي ؿك ؿاؿڇډبي ؽبٽ ثب اًت٬بؿڇ ام كڅٍډبي ٿٔڄچ٣ي
ًيٌتپ ايڀڄي ثـځ اڃٌبځ تچً ٚٿنيٲ څ آڃټـ پيِڄڊبؿ ُـڇ اًت .ا٫نايَ ؿٯت ٿتٴي ثل يبؿٷيلي پبكتيِڂ
٫بمي اًت٣ .ڀټٴلؿ كڅٍ پيِڄڊبؿي ؿك ؿٯت څ ٓغت ٛجٰڈثڄـي ثب ًبيل كڅٍډبي ٛجٰڈثڄـي ًڄتي ،C4.5
JRip ،Meta END ، K∗ ،Bayes Naïveڅ Hyper Pipesٿٰبيٌڈ ُـڇ څ ڃتبيذ عبٳي ام ؿٯت ڃتيزڈ ايڂ
كڅٍډب ثڈ ٿيناځ ٯبثٺ تچرڊي پبييڂتل ام ؿٯت ٯچا٣ـ ٫بمي ثڈ ؿًت آٿـڇ ثب اًت٬بؿڇ ام كڅٍ اكائڈ ُـڇ اًت
(paired t-test, P < 0.05).
ا٫نايَ ؿٯت ثب ت٤لي ٪اٻٸچكيتپ IFRAISٳڈ كڅُي ٿجتڄي ثل AISثلاي اًتؾلاد ٯچاڃيڂ ٫بمي اًت،
2
ٓچكت ٷل٫تڈ اًت .ا٫نايَ ؿٯت ٿتٴي ثل يبؿٷيلي پبكتيِڂثڄـي ٫بمي اًت ٳڈ ثل اًبى اڃتؾبة ٳټچڃبٹ
اًت .اًتڄتبد پبكتيِڂ ثڈ ٿيناځ ٯبثٺ تچرڊي احل اٻٸچكيتپ كا ثڊجچؿ ٿيثؾِـ .اٷلصڈ ايڂ كڅٍ ؿٯتي ثبالتل ام
تڀبٽ اٻٸچكيتپډبي ؿيٸل ؿاكؿ ،څٻي ثبيـ ٷ٬ت ٳڈ آٿچمٍ پبكتيِڂ ٫بمي كڅٍ څٯتٷيلي اًت.
ثڈ ڃ٠ل ٿيكًـ ډڄچم ډپ ٿڀٴڂ اًت ثڊجچؿ ٯچاڃيڂ ٫بمي ثب ًيٌتپ ايڀڄي ٿٔڄچ٣ي 3ٿڀٴڂ ثبُـ ،څ ڃڈ تڄڊب
ثب تچرڈ ثڈ احلثؾِي ڃبُي ام ٯچاڃيڂ ٫بمي ثټٴڈ مٿبځ ٳبك كا ثتچاځ ثڊجچؿ ؿاؿ .ايڂ ؿڅ ډـ ٩كا ٿيتچاځ ٣ڀـتب ثب
ت٨ييل تبث ٢ثلامٍ ثلاي تٰچيت ثلامٍ ٯچاڃيڂ ثب ؿٯت ثبال ،ثڈ ؿًت آڅكؿ.
.8-3خالصِ
ؿك ايڂ ٔ٫ٺ ً٤ي ٳلؿيپ ؿيـي ٳبكثلؿيتل ثڈ ٿٰچٻڈ ٿڄٜٮ ٫بمي ؿاُتڈ ثبُيپ څ ام آڃزب ٳڈ ثڊتليڂ ٿلر٢
ثلاي ايڂ ٳبك ٿٰبالت ډٌتڄـ ،ثب ٳټيـ څاهڇ Fuzzy logicرٌتزچيي ؿك ٿٰبالت رـيـ ًبيت Science Direct
ڃڀچؿيپ څ ؽالٓڈاي ام ؿًتبڅكؿډبي َُ ٿٰبٻڈ ٿلتج ٚكا ؿك ايڂ ٔ٫ٺ اكائڈ ٳلؿيپ.
1
Mining fuzzy rules using an Artificial Immune System with fuzzy partition learning
2
Clonal selection
3
Artificial Immune Systems
[Link]
[Link]
فصل چْارم
[Link]
[Link]
.1-4هقذهِ
ؿك ٔ٫ٺډبي ٯجټي ثڈ ٿ٤ل٫ي ٿڊپتليڂ تٴڄيٲډبي ٿڄٜٮ ٫بمي څ يبؿٷيلي ٿبُيڂ څ ٿنايب څ ٿ٤بيت ډل يٲ
پلؿاؽتيپ .ؿك ايڂ ٔ٫ٺ ً٤ي ٿيٳڄيپ ثڈ ٳڀٲ ڃٰب ٪٤ٗ ٙڅ ٯچت كڅٍډبي اكائڈ ُـڇ ،كڅٍډبي رـيـي كا
ٿجتڄي ثل يبؿٷيلي ٿبُيڄي څ ٿڄٜٮ ٫بمي ٿ٤ل٫ي ٳڄيپ .ايڂ كڅٍډب ؿك َُ ؿًتڈ آټي ؽالٓڈ ٿيُچڃـ:
كڅٍډبي ٿجتڄي ثل اٻٸچكيتپډبي ډچُڀڄـ $ؽچؿآٷبڇ#
كڅٍډبي ٿجتڄي ثل اًت٬بؿڇ ام اٻٸچكيتپ هڃتيٲ ؿك يبؿٷيلي ٿبُيڂ
كڅٍډبي ٿجتڄي ثل ًبؽتبك ؿكؽتي
كڅٍډبي ٿجتڄي ثل اًت٬بؿڇ ام اٻٸچكيتپډبي صڄـث٤ـي ؿك يبؿٷيلي ٿبُيڂ
اٻٸچكيتپډبي ٿجتڄي ثل تبث ٢ډـ٩
كڅٍډبي ٿجتڄي ثل ٣بٿٺ
[Link]
[Link]
[Link]
[Link]
تزلثيبت صڄـٷبڃڈ :يٲ ًيٌتپ ؽجلڇ ٿيتچاڃـ ٿزڀچ ١تزلثيبت څآٷبډيډبي صڄـيڂ ٫لؿ ؽجلڇ ثبُـ.
ٳبډَ ؽٜلً :يٌتپ ؽجلڇ ٿيتچاڃـ ؿك ٿغيٚډبيي ٳڈ ٿڀٴڂ اًت ثلاي اڃٌبځ ًؾت څ ؽٜلڃبٱ ثبُـ
ڃين ثٴبك كڅؿ.
ا٫نايَ ٯبثټيت اٛڀيڄبځً :يٌتپډبي ؽجلڇ ډيش څٯت ؽٌتڈ څ ثيڀبك ڃڀيُچڃـ ،ا٣تٔبة ڃڀيٳڄڄـ څ يب
٣ټيڈ ٿـيلُبځ تچٛئڈ ڃڀيٳڄڄـ ،ؿكٓچكتي ٳڈ ا٧ټت ؿك ا٫لاؿ ؽجلڇ صڄيڂ عبالتي پـيـ ٿيآيـ.
ٯـكت تجييڂ :1يٲ ًيٌتپ ؽجلڇ ٿيتچاڃـ ٿٌيل څ ٿلاعٺ اًتـالٻي ٿڄتڊي ُـڇ ثڈ ڃتيزڈٷيلي كا تِليظ
ڃڀبيـ .اٿب ا٫لاؿ ؽجلڇ ا٧ټت اڅٯبت ثڈ ؿاليٺ ؽٌتٸي٣ ،ـٽ تڀبيٺ څ… ڃڀيتچاڃڄـ ايڂ ٣ڀٺ كا ؿك مٿبځډبي
تٔڀيپٷيلي اڃزبٽ ؿډڄـ .ايڂ ٯبثټيت ،اٛڀيڄبځ ُڀب كا ؿكٿچكؿ ٓغيظ ثچؿځ تٔڀيپٷيلي ا٫نايَ ٿيؿډـ.
پبًؼؿډي ًليً :٢يٌتپډبي ؽجلڇً ،لي ٢څ ؿك اًل ١څٯت رچاة ٿي ؿډڄـ.
پبًؼؿډي ؿك ډڀڈ عبالت :ؿك ٿچاٯ ٢اٜٗلاكي څ ٿچكؿ ڃيبم ،ٿڀٴڂ اًت يٲ ٫لؿ ؽجلڇ ثڈ ؽبٛل ِ٫بك
كڅعي څ يب ٣چاٿٺ ؿيٸلٓ ،غيظ تٔڀيپٷيلي ڃٴڄـ څٻي ًيٌتپ ؽجلڇ ايڂ ٿ٤بيت كا ڃـاكؿ.
پبيٸبڇ تزلثڈً :يٌتپ ؽجلڇ ٿيتچاڃـ ٿبڃڄـ يٲ پبيٸبڇ تزلثڈ ٣ڀٺ ٳڄـ څ اڃجچډي ام تزلثيبت كا ؿك ؿًتلى
ٯلاك ؿډـ.
آٿچمٍ ٳبكثلً :2يٌتپ ؽجلڇ ٿيتچاڃـ ډڀبڃڄـ يٲ ؽچؿآٿچم ډچٍ ٣ڀٺ ٳڄـ .ثـيڂ ٓچكت ٳڈ ٿخبٹډبيي
كا ثڈ ًيٌتپ ؽجلڇ ٿيؿډڄـ څ كڅٍ اًتـالٹ ًيٌتپ كا ام آځ ٿيؽچاډڄـ.
ً ڊچٻت اڃتٰبٹ ؿاڃَ :يٴي ام ٿڊڀتليڂ ٿنايبي ًيٌتپ ؽجلڇً ،ڊچٻت اڃتٰبٹ آځ ثڈ ٿٴبځډبي ر٨لا٫يبيي
ٷچڃبٷچځ اًت .ايڂ اٿل ثلاي تچً٤ڈ ٳِچكډبيي ٳڈ اًتٜب٣ت ؽليـ ؿاڃَ ٿتؾٔٔبځ كا ڃـاكڃـ ،ٿڊپ اًت.
1
Explanation
2
Intelligent Tutor
[Link]
[Link]
1
John Holland
2
Encoding
3
Evaluation
4
Selection
5
Crossover
6
Mutation
[Link]
[Link]
1
Steiner Tree
2
Jakob Steiner
[Link]
[Link]
ٿٌئټڈ ؿكؽت اُتبيڄل ثب ٿٌئټڈ ؿكؽت پچُبي ٿيڄيڀپ ٿِبثڊت ؿاكؿ٫ :لٕ ٳڄيـ ٿزڀچ٣ڈ كئچى Vؿاؿڇ
ُـڇاڃـ ،ٿي ؽچاډيپ آڃڊب كا ثب يٲ ٷلا ٩ثب ٳڀتليڂ څمځ ثڈ ډپ ٿتٔٺ ٳڄيپ .ثڈ ٛچكي ٳڈ عبٓٺ رڀ٢
څمځډبي ډڀڈ يبٹډب ٳڀيڄڈ ُچؿ .ت٬بڅت ثيڂ ٿٌئټڈ ؿكؽت اُتبيڄل څ ٿٌئټڈ ؿكؽت پچُبي ٿيڄيڀپ ايڂ اًت
ٳڈ ؿك ٿٌئټڈ ؿكؽت اُتبيڄل ،كئچى ٿيبڃڈ څ يبٹ ٿڀٴڂ اًت ثڈ ٷلا ٩اٗب٫ڈ ُچڃـ تب څمځ ؿكؽت پچُب كا
ٳبډَ ؿډڄـ .ايڂ كئچى رـيـ ثلاي ٳبډَ څمځ ٳټي اتٔبالت ٿ٤ل٫ي ٿيُچڃـ څ ڃٰب ٙاُتبيڄل يب كئچى
اُتبيڄل ڃبٽ ؿاكڃـ .حبثت ُـڇ اًت ٳڈ اتٔبالت ثڈ ؿًت آٿـڇ يٲ ؿكؽت كا تِٴيٺ ٿيؿډڄـ ،ٳڈ ؿكؽت
اُتبيڄل ڃبٽ ؿاكؿ .ٿڀٴڂ اًت ثلاي ٿزڀچ٣ڈاي ام كئچى ؿكؽتډبي اُتبيڄل ميبؿي څرچؿ ؿاُتڈ ثبُڄـ.
ٿٌبئٺ ٿچرچؿ ثڈ ؿڅ ؿًتڈ ؿكؽت اُتبيڄل اٯټيـًي څ ٿتليٲ تٌٰيپ ٿيُچؿ.
[Link]
[Link]
اٻٸچكيتپډبيي ٳڈ ثلاي يبؿٷيلي تٰچيتي ثٴبكٿيكڅڃـ تغت ٣ڄچاځ ٳټي ٫لآيڄـ تٔڀيپٷيلي ٿبكٳچُ ٩ڄبؽتڈ
ٿيُچڃـ .ؽلڅري ايڂ اٻٸچكيتپ ډب ډل ٤٫بٻيت ؿك ډول ٿچٯ٤يوت كا تڄڊوب څاثٌوتڈ ثوڈ ډڀوبځ ٤٫بٻيوت ؿك ډڀوبځ
ٿچٯ٤يت ٿچكؿ ثلكًي ٯلاك ٿيؿډڄـ $ثـڅځ څاثٌتڈ ًبمي آځ ثڈ ٤٫بٻيتډب څ ٿچٯ٤يتډبي پيِيڂ.#
.2-5-4يبؿٷيلي ٿ٬ڊچٿي :يبؿٷيلي ٿ٬ڊچٽ ٣جبكتٌت ام ثڈ ؿًت آڅكؿځ يٲ ٿ٬ڊچٽ ٳټي ام كڅي ٿخبٹډوبي
ٿخجت څ ٿڄ٬ي٫ .لٗيڈډبي ٿڀٴڂ ام ٯجٺ ؿاڃٌتڈ ٳڈ ايڂ ٘٫ب ثٔچكت ٧يلٓليظ ثوب ڃغوچڇ ڃڀوبيَ ٫لٗويڈډوب
ت٤لي ٪ٿيُچؿ څ ثلاي پيـا ٳلؿځ ثڊتليڂ ٫لٗيڈ ٿڄٜجٮ ثل ؿاؿڇډبي آٿچمُي اڃزبٽ ٿيُچؿ .يبؿٷيلي ٿ٬ڊچٽ
ثل ايڂ ٫لٕ اًبًي اًتچاك اًت ٳڈ ډل تبث٤ي ٳڈ ثتچاڃـ تٰليوت ؽوچثي ام توبث ٢ډوـ ٩ثولاي يوٲ ٿزڀچ٣وڈ
آٿچمُي ثڈ اڃـامڇ ٳب٫ي ثنكٵ ثبُـ ٯبؿك ؽچاډـ ثچؿ ٳڈ تبث ٢ډـ ٩كا ؿك ٿچكؿ ٿخبٹډوبي ٿِوبډـڇ ڃِوـڇ ډوپ
تٰليت ثنڃـ .ٻقا ام آڃزبييٳڈ ؿك ايڂ ڃچ ١ام يبؿٷيلي تڄڊب اٛال٣بت ٿچرچؿ ٿزڀچ٣ڈ ٿخبٹډبي آٿچمُوي اًوت
پي ؿك ثڊتليڂ عبٻت يٲ اٻٸچكيتپ يبؿٷيلي ٿوي تچاڃوـ ٫لٗويڈ اي كا اكئوڈ ؿډوـ ٳوڈ توبث ٢ډوـ ٩كا ثول كڅي
ٿخبٹ ډبي آٿچمُي تٰليت ثنڃـ .ؿك ٣ڀٺ ثب ٿچاكؿ ميبؿي ام يبؿٷيلي ٿچارڈ ډٌتيپ ٳڈ ؿك آځ يٲ ٿ٬ڊچٽ ٳټي
ام كڅي ٿخبٹډبي آٿچمُي يبؿ ٷل٫تڈ ٿيُچؿ .صڄيڂ ٿ٬بډيڀي كا ٿيتچاځ تچً ٚيٲ تبث ٢ثچٻي ڃِبځ ؿاؿ .پي
يبؿٷيلي ٿ٬ڊچٽ ي٤ڄي يبؿٷيلي يٲ تبث ٢ثچٻي ام كڅي ٿخبٹډبي آٿچمُي.
1
Explore or Exploit
[Link]
[Link]
J xi( j ) c j ٿ٤يبك ٫بٓټڈ ثيڂ ڃٰب ٙڅ : cjٿلٳن ؽچُڈ jاٽ اًت. ٳڈ
j 1 i 1
1
K-Means
[Link]
[Link]
ؿك ٫لٿچٹ ٫چ٭ mيٲ ٣ـؿ عٰيٰي ثنكٷتل ام 1اًت ٳڈ ؿك اٳخل ٿچاكؿ ثلاي ٣ mـؿ 2اڃتؾبة ٿيُچؿ .اٷل
ؿك ٫لٿچٹ ٫چ٭ mكا ثلاثل 1ٯلاك ؿډيپ تبث ٢ډـ ٩ؽچُڈثڄـي -cٿيبڃٸيڂ $ٳالًيٲ٧ #يل٫بمي ثـًت ٿيآيـ.
ؿك ٫لٿچٹ ٫چ٭ xiڃڀچڃڈ iاٽ څ cjڃڀبيڄـڇ يب ٿلٳن ؽچُڈ jاٽ څ nت٤ـاؿ ڃڀچڃڈډب ٿيثبُـ uji .ٿيناځ ت٤ټٮ ڃڀچڃڈ
ٿيناځ تِبثڈ ٫$بٓټڈ #ڃڀچڃڈ ثب $ام #ٿلٳن ؽچُڈ ٿيثبُـ ٳڈ ٿي iاٽ ؿك ؽچُڈ jاٽ كا ڃِبځ ٿيؿډـ٣ .الٿت
تچاځ ام ډل تبث٤ي ٳڈ ثيبڃٸل تِبثڈ ڃڀچڃڈ څ ٿلٳن ؽچُڈ ثبُـ اًت٬بؿڇ ٳلؿ .ام كڅي ujiٿيتچاځ يٲ ٿبتليي U
ت٤لي ٪ٳلؿ ٳڈ ؿاكاي ًٜ cل څ ً nتچځ ثچؿڇ څ ٿچٻ٬ڈډبي آځ ډل ٿٰـاكي ثيڂ 0تب 1كا ٿيتچاڃڄـ اؽتيبك
ٳڄڄـ .اٷل تڀبٿي ٿچٻ٬ڈ ډبي ٿبتليي Uثٔچكت 0څ يب 1ثبُڄـ اٻٸچكيتپ ٿِبثڈ cٿيبڃٸيڂ ٳالًيٲ ؽچاډـ
ثچؿ .ثب ايڄٴڈ ٿچٻ٬ڈډبي ٿبتليي Uٿيتچاڃڄـ ډل ٿٰـاكي ثيڂ 0تب 1كا اؽتيبك ٳڄڄـ اٿب ٿزڀچ ١ٿچٻ٬ڈډبي ډل
c
u
j 1
ji 1 i 1, ..., n يٲ ام ًتچځډب ثبيـ ثلاثل 1ثبُـ.
ٿلاعٺ اٻٸچكيتپ:
.1ٿٰـاكؿډي اڅٻيڈ ثلاي m ،cڅ .U0ؽچُڈډبي اڅٻيڈ عـى مؿڇ ُچڃـ.
.2ٿلاٳن ؽچُڈډب ٿغبًجڈ ُچڃـ $ٿغبًجڈ cjډب.#
1
C-Means
[Link]
[Link]
1
Noise
2
Kalman Filtering
3
embedded systems
4
(linear-quadratic regulator )LQR
5
(linear-quadratic-Gaussian control )LQG
[Link]
[Link]
عبٻت ًيٌتپ تچً ٚثلؿاكي ام ا٣ـاؿ عٰيٰي ثيبځ ٿيُچؿ .ؿك ډل ا٫نايَ مٿبڃي ٳڈ ؿك ثبمڇډبي ٷٌٌتڈ
ٓچكت ٿيٷيلؿ ،يٲ ٣ڀټٸل ؽٜي كڅي عبٻت ٤٫ټي ا٣ڀبٹ ٿيُچؿ تب عبٻت ث٤ـي كا ثب ٳڀي ڃچين ايزبؿ ٳڄـ څ
ؿك ٓچكت ُڄبؽت كڅي ٳڄتلٹ ٳڄڄـڇډبي ًيٌتپ ثلؽي اٛال٣بت ٿلتج ٚكا اًتؾلاد ٿيٳڄـً .پي ٣ڀټٸل
ؽٜي ؿيٸل ثڈ ډڀلاڇ ٿٰـاك ؿيٸلي ڃچين ؽلڅري ٯبثٺ ٿِبډـڇاي ام ايڂ عبٻت ڃبٿِؾْ تچٻيـ ٿيٳڄـ٫ .يټتل
ٳبٻڀڂ ٯبؿك اًت ٿِبثڈ ٿـٹ ڃبٿِؾْ ٿبكٳچ ٩ثلؽچكؿ ٳڄـ .ثب ايڂ ت٬بڅت ٳټيـي ٳڈ ٿت٨يلډبي عبٻت
ڃبٿِؾْ ؿك يٲ ٘٫بي پيچًتڈ ٿٰـاك ٿيٷيلڃـ $ڃٰٜڈ ٿٰبثٺ ٘٫بي عبٻت ٷٌٌتڈ ؿك ٿـٹ ٿبكٳچ .#٩ث٤الڅڇ،
ٿـٹ ڃبٿِؾْ ٿبكٳچ ٩ٿيتچاڃـ يٲ تچمي ٢ؿٻؾچاڇ ثلاي ٿٰبؿيل ث٤ـي ٿت٨يلډبي عبٻت اكائڈ ٳڄـ ،ٳڈ ؿك
تڄبٯٖ ثب ٿـٹ ڃچين ٷبڅًيڄي اًت ٳڈ ؿك ٫يټتل ٳبٻڀڂ اًت٬بؿڇ ٿيُچؿ .ام ٫يټتل ٳبٻڀڂ ثلاي پيَثيڄي څ
ا٣الٽ ؽٜلًيالة ڃين اًت٬بؿڇ ٿيُچؿ .ي٤ڄي ثڈ ٣ڄچاځ يٲ آالكٽ ؿډڄـڇ ثلاي ؽٜل ًيالة ٣ڀٺ ٿيڃڀبيـ.
٫ .2-7-4يټتل ٳبٻڀڂ ٫بمي :1كؿيبثي ډـ 2٩يٲ ٿٌئټڈ ثٌيبك ٿڊپ ؿك ثٌيبكي ام مٿيڄڈډبي ڃ٠بٿي ،ډچا
٘٫ب ،څ ثلڃبٿڈډبي ٳبكثلؿي ٓڄ٤تي اًت .اٻجتڈ ثڈ ؿٻيٺ اڃـامڇٷيليډبي ڃچيني ،اڃـامڇٷيلي ٿچٯ٤يت ډـ٩
ا٧ټت ڃبٿِؾْ اًت .ډڀبڃٜچك ٳڈ ثڈ ؽچثي ٿيؿاڃيپ ،ؿك ُلاي٣ ٚـٽ ٯ٤ٜيت څ پچيبيي ًيٌتپ٫ ،يټتل ٳبٻڀڂ
ڃَٰ ثٌيبك ٿچٰ٫ي ثب تچرڈ ثڈ ؽٔچٓيبت ثڊيڄڈاٍ ؿاكؿ .ثب ايڂ عبٹ ،مٿبڃي ٳڈ پچيبيي ًيٌتپ ڃبُڄبؽتڈ
اًت يب ت٨ييلات پبكاٿتليٲ ٯبثٺ ا٧ڀبٕ ڃيٌت څ يب ٿـٹ آٿبكي ؿك ٿٌبئٺ ٣ـٽ ٯ٤ٜيت ڃڀيتچاڃـ ثڈ ؿكًتي
ا٣ڀبٹ ُچؿ٣ ،ڀټٴلؿ ٫يټتل ٳبٻڀڂ تڄنٹ يب٫تڈ ،څ كڅٍډبي ربيٸنيڂ ثلاي ٿٌئټڈ كؿيبثي المٽ اًت .صلا ٳڈ
اٷل يٲ ٫يټتل ٳبٻڀڂ اڅٻيڂ ثبك ثلاي كؿيبثي يٲ ډـ ٩ثب يٲ ٿچٯ٤يت حبثت ؿك ڃ٠ل ٷل٫تڈ ُچؿ ،مٿبڃي ٳڈ
ډـ ٩ثب ًل٣ت حبثت علٳت ٿيٳڄـ ٫يټتل ٳبٻڀڂ څاٷلا ٣ڀٺ ؽچاډـ ٳلؿ.
٣الڅڇ ثل ايڂ ،ٿـٹ ٣ـٽ ٯ٤ٜيت اُتجبڇ ٿڀٴڂ اًت ثب٣ج څاٷلايي يٲ ٫يټتل ٳبٻڀڂ $ډ٬ييُ #1996 3چؿ.
ؿك ثٌيبكي ام ٿٌبئٺ ؿڃيبي څاٯ٤ي ،آٷبډي ام پچيبيي ډـ ٩ؿك عبٹ علٳت څ ٿـٹ ٣ـٽ ٯ٤ٜيت آٿبكي ؿك
ؿًتلى ڃيٌت .ٻقا ؿك ُلايٜي ٳڈ ؿاڃَ ٳب٫ي ثلاي ًبؽت يٲ ٿـٹ كيبٗي ثلاي ٳڄتلٹ ٫لآيڄـ ڃـاكيپ،
اًت٬بؿڇ ام ؿاڃَ ؽجلڇ يٲ ربيٸنيڂ ٿٰ٤چٹ څ ٿڄٰٜي اًت .څ ام آڃزب ٳڈ ؿاڃَ ؽجلڇ ثب ٯچا٣ـ مثبڃي ثيبځ
ٿيُچؿ ،اًت٬بؿڇ ام ٿڄٜٮ ٫بمي ٿڄبًت اًت.
ثڄبثلايڂ ،ثل اًبى ايڂ ايـڇ اًت٬بؿڇ ام ٿڄٜٮ ٫بمي ؿك ًيٌتپډبي ؽجلڇ ا٣ڀبٹ ُـ ،ٳڈ ؿك آځ ٯچاڃيڂ اٷل-
آڃٸبڇ ڃِبځؿډڄـڇ ؿاڃَ ٳبكُڄبًبځ اًت ،څ يٲ كڅيٴلؿ ٫بمي ثلاي كؿيبثي ثلآڅكؿٷلډبي ٫بمي ثب اًت٬بؿڇ ام
ٯچاڃيڂ اٷل-آڃٸبڇ ثڈ ڃچاعي اٿيـڅاكٳڄڄـڇ ٿڄزل ٿيُچؿ.
ٿٌئټڈ ثڈ ٓچكت كؿيبثي ډـ ٩ثل اًبى اڃـامڇٷيلي ډبي اڃزبٽ ُـڇ ؿك يٲ ٿغي ٚڃچيني اًت٫ .لٕ ثل ايڂ
1
Fuzzy Kalman Filtering
2
Target Tracking
3
Heffes
[Link]
[Link]
اًت ٳڈ ٿـٹ ؿيڄبٿيٴي ؿٯيٰي ام ډـ ٩ؿك عبٹ علٳت څرچؿ ڃـاكؿ څ تڄڊب اٛال٣بت ؿك ؿًتلى اڃـامڇٷيلي
;x(k ) : k 1, 2,..., n where n is finite ٿچٯ٤يت ؿك ډل مٿبځ ُبؽْ kاًت.
٫يټتلډبي كؿيبثي ٫بمي ثل اًبى ؽبٓيت فاتي ٳالى ثنكٷي اماډـاٛ ٩لاعي ُـڇ ثلاي كؿيبثي ډـ ٩ثڈ
ٿڄ٠چك ارتڄبة امٿِٴالت ًبؽت يٲ ٿـٹكيبٗي اًت٬بؿڇ
ُـڇ تچً ٚيٲ ٫يټتل ٳبٻڀڂ څ ثڈ ٿڄ٠چك رټچٷيلي ام تؾليت ٣ڀټٴلؿ ٫يټتل ٳبٻڀڂ ثل اًبى ٿـٹ ڃبٿڄبًت،
اًت .ٿٌبئٺ اًبًي پبكتيِڂډبي ٫بمي ٿزڀچ٣ڈاي ام ٿت٨يلډب ،اُتٰب٭ ٫بمي ٯچاڃيڂ اٷل-آڃٸبڇ څ ٧يل٫بمي
ًبمي اًت.
.8-4خالصِ
ؿك ايڂ ٔ٫ٺ ثڈ ٣ڄچاځ رڀ٢ثڄـي ٳبك ً٤ي ٳلؿيپ ايـڇډبي رـيـي ٳڈ ثل اًبى كڅٍډبي ٿڄٜٮ ٫بمي څ
يبؿٷيلي ٿبُيڂ ثيبځ ُـڇاڃـ ډڀلاڇ ثب ٿنايب ،ٿ٤بيت څ ٳبكثلؿډبي ډل كڅٍ كا ٿ٤ل٫ي ٳڄيپ .كڅٍډبي ٿ٤ل٫ي
ُـڇ ُبٿٺ ًيٌتپډبي ؽجلڇ ،ؿكؽت اُتبيڄل ،اٻٸچكيتپ هڃتيٲ ،يبؿٷيلي تٰچيتي ،يبؿٷيلي ٿ٬ڊچٿي،
كڅٍډبي ؽچُڈثڄـي -kٿيبڃٸيڂ څ -cٿيبڃٸيڂ ٫بمي ،كڅٍډبي ٿجتڄي ثل ٣بٿٺ ٫يټتل ٳبٻڀڂ څ ٫يټتل ٳبٻڀڂ
٫بمي اًت.
[Link]
[Link]
:فْرست ٍاشگاى
[Link]
[Link]
Discrete ٷٌٌتڈ
Dynamic programming ثلڃبٿڈڃچيٌي پچيب
Electrocardiographic ٗلثبځڃٸبك ٯټت
Either – or يب ايڂ يب آځ
Embedded systems ًيٌتپډبي ربًبمي ُـڇ
Encoding كٿنٷقاكي
Equality تٌبڅي
Evaluation اكميبثي
Evolutionary Computation ٿغبًجبت تٴبٿټي
Expert System ًيٌتپ ؽجلڇ
Explanation تجييڂ
Explore or exploit ٍٳبڅ
Feature selection اڃتؾبة څيوٷي
Financial systems ًيٌتپډبي تزبكي
Function Fitness ٍ ثلام٢تبث
Functional Networks ي٤ُجٴڈډبي تبث
Fuzzy c-means بمي٫ ٿيبڃٸيڂ-C
Fuzzy Kalman Filtering بمي٫ يټتل ٳبٻڀڂ٫
Fuzzy Logic بمي٫ ٮٜٿڄ
Gain value ڈ٫اكمٍ اٗب
Gaussian Membership Function ٘چيت ڃلٿبٹ٣ ٢تبث
Genetic Algorithms اٻٸچكيتپ هڃتيٲ
Generalized Bell Membership Function ٘چيت مڃٸچٻڈاي٣ ٢تبث
Gradient-based Learning يبؿٷيلي ٿجتڄي ثل ٷلاؿيبځ
Granulation of information بتي٣الٛؿاڃڈډبي ا
Hardware Engineering ١ب٬اكت
Height ناك٫ٿڊڄـًي ًؾتا
if-then آڃٸبڇ-اٷل
Image processing پلؿامٍ تٔچيل
Inclusion ڈ ثچؿځ٣ميلٿزڀچ
Induction اًتٰلا
Inductive Learning يبؿٷيلي اًتڄتبري
Intelligent Tutor آٿچمٍ ٳبكثل
[Link]
[Link]
[Link]
[Link]
[Link]
[Link]
:فْرست هٌابع
[Link]
[Link]
20. Baldwin J.F., "Fuzzy logic and fuzzy reasoning", in Fuzzy Reasoning and Its
Applications, E.H. Mamdani and B.R. Gaines (eds.), London: Academic Press, 1981.
21. Kruse R., Gebhardt J., and Klawon F., "Foundations of Fuzzy Systems", Wiley, 1994.
22. Zimmermann H.J., "Fuzzy Sets, Decision Making and Expert Systems", Boston, Kluwer
1987.
23. Lee C.C., "Fuzzy logic in control systems: Fuzzy logic controller", IEEE Trans. Syst.,
Man, Cybern., vol. 20,1990, pp. 404–435.
24. Beasley D. R., Bull R.R. Marti, "An overview of genetic algorithms", in Univcomputing,
15, 1993, pp. 170-181.
25. Peter Hajek, "Metamathematics of Fuzzy Logic", Kluwer Academic Publishers, London
1998.
26. Hung [Link] and Elbert [Link], "A First Course in Fuzzy Logic", CRC Press, New
York, 1997.
27. Novak V., "Fuzzy Sets and their Applications", Adam Hilger, Bristol 1986.
28. Mendel J.M., "Uncertain Rule-Based Fuzzy Logic Systems: Introduction and New
Directions", Prentice Hall PTR, ISBN 0-13-040969-3, 2001.
29. Kasabov N.K., "Foundations of Neural Networks", Fuzzy Systems and Knowledge
Engineering, The MIT Press, ISBN 0-262-11212-4, 1998.
30. Halkidi [Link], & [Link], "On Clustering Validation Techniques", Journal
of Intelligent Systems, vol. 17:2/3, 2001, pp. 107-145.
31. George [Link] and Haralambos Sarimveis, "A new approach for measuring the
validity of the fuzzy c-means algorithm", Advances in Engineering Software 35, 2004, pp.
567–575.
32. Zahid N., Limouri M. and Essaid A., "A new cluster-validity for fuzzy clustering", Pattern
Recognition 32, 1999, pp. 1089-1097.
33. Ramze Rezaee M., Lelieveldt B.P.F., Reiber J.H.C., "A new cluster validity index for the
fuzzy c-mean", Pattern Recognition Letters 19, 1998, pp. 237–246.
34. Bezdek J.C., "Pattern Recognization with Fuzzy Objective Function Algorithms", Plenum
press, New York, 1981.
35. Bezdek J.C., "Fuzzy mathematics in pattern classification", PhD dissertation, Cornell
University, Ithaca, NY, 1973.
36. Chiu S.L., "Fuzzy model identification based on cluster estimation", J. Intell. Fuzzy
Systems 2, 1994, pp. 267- 278.
37. Xiaodong Liuv, Xinghua Fengv and Witold Pedrycz, "Extraction of fuzzy rules from fuzzy
decision trees: An axiomatic fuzzy sets (AFS) approach", Data & Knowledge Engineering 84,
2013, pp. 1–25.
[Link]
[Link]
38. Fatai Anifowose and Abdulazeez Abdulraheem, "Fuzzy logic-driven and SVM-driven
hybrid computational intelligence models applied to oil and gas reservoir characterization",
Journal of Natural Gas Science and Engineering 3, 2011, pp. 505-517.
39. Rafa Scherer, "Neuro-fuzzy relational systems for nonlinear approximation and
prediction", Nonlinear Analysis 71, 2009, pp. 1420-1425.
40. Xiaofeng Liang and Witold Pedrycz, "Logic-based fuzzy networks: A study in system
modeling with triangular norms and uninorms", Fuzzy Sets and Systems160, 2009, pp.
3475–3502.
41. Arash Azadegan, Lejla Porobic, Sepehr Ghazinoory, Parvaneh Samouei, and AmirSaman
Kheirkhah, "Fuzzy logic in manufacturing: A review of literature and a specialized
application", Int. J. Production Economics 132, 2011, pp. 258–270.
42. Edward Mezyk and Olgierd Unold, "Mining fuzzy rules using an Artificial Immune
System with fuzzy partition learning", Soft Computing 11, 2011, pp. 1965–1974.
43. Mahdi A., "Introduction of genetics and its applications", Zanys Press, Third edition,
Tehran, 1378.
44. Chin-Wang Tao and Wiley E. Thompson, "A Fuzzy Logic Approach to Target Tracking",
Electrical and Computer Engineering Dept., New Mexico State University, Las Cruces, NM
88003.
45. Kashyap S.K. and Raol J.R., " Fuzzy Logic Applications in Filtering and Fusion for
Target Tracking", Defence Science Journal, Vol. 58, No. 1, January 2008, pp. 120-135.
46. www. [Link]
47. [Link] [Link]
[Link]
[Link]
Abstract:
Fuzzy logic believes that the essence and nature of science is always ambiguous and
it can be utilized. So it aims to build systems that has ambiguity as part of it, digest
and then model it. Since it is the only way in which artificial intelligence-based
systems, the behavior and reactions of such systems can be matched and close to
human behavior and to achieve a desired result. Accordingly, the application of fuzzy
logic in artificial intelligence issues, is further expanding.
Since the introduction of fuzzy logic by Professor Lotfizadeh, many scholars in the
field of computer science have dealt with it and investigated its application in the
mentioned issues and many research articles and issues have been published.
The main purpose of this paper was to introduce a method based on fuzzy logic and a
critical review of machine learning. The procedure is this study is similar to
authoritative articles and new procedures such as ISI, Elsevier, Springer, and IEEE.
The simulation results using the method proposed in this article tries to provide new
solutions to the strengths and weaknesses of these methods.
In this regard, the first chapter introduces the history and basic concepts of fuzzy
logic, and Chapter Two proposes the definitions and a variety of machine learning
techniques, along with advantages and disadvantages of each, and in the third chapter,
an overview of the articles in this area is presented. The fourth chapter will express
new ideas regarding machine learning and fuzzy logic and the project will end with
stating the results.
Keywords: soft computing, fuzzy logic, fuzzy set, fuzzy system, machine learning.
[Link]
[Link]
A Project Report
Presented to:
Advisor:
By:
Fateme Naghade
Fall 2013
[Link]