Page 621 - theCambridgehandbookofintelligence1
P. 621

619 »YÉæ°üdG AÉcòs dG :¿hô°û©dGh ådÉãdG π°üØdG

≈dEG π°üØdG Gòg »a áaƒ°UƒªdG Ö«dÉ°S’C G á«≤H         óYGƒb ΩGóîà°SG äÉ«é«JGôà°SEG ≥Ñ£j (»æ°nS) ¿CG
          .ájõeôdG ¬Ñ°T äÓ«ãªàdG ΩGóîà°SG            QÉ«àN’ Y) π©aÉa ,X ójôJ âæc GPEG) πãe êÉàf’E G
                                                     ΩGóîà°SG (»æ°nS) ™«£à°ùj ádÉëdG √òg »ah .π©ØdG
(»æ°nS) iód ¿GC ¿B’G ≈àM Éæ°VôàaG ó≤d                º∏©àd chunking ™«ªéàdÉH º∏©àdG ¬«é«JGôà°SEG
áaô©ªdG √òg âfÉc ¿GE h ≈àM ,áÄ«ÑdÉH á∏eÉc ¬aô©e      âbƒdG QGó`e ≈∏Y äGôÑîdG ø`e Ió`jó`L ó`YGƒ`b
Gôk «ãc ¢Vƒª¨dG ∞æàμj ,∂``dP ™`eh .IOhó`ë`e          øeh ,(Larid, Newell, Rosenbloom, 1987)
âfÉc ó≤a ∑ò`d ;á«©bGƒdG IÉ«ëdG ä’Éée øe              IóY ôjƒ£J »a »YÉæ°üdG AÉcòs dG íéf ɪμa ,ºK
á«dɪàM’G ≈∏Y áªFÉ≤dG »YÉæ°üdG AÉcòs dG ¥ôW          ,Ö°SÉæªdG AGôL’E G QÉ«àN’ ô«μØJ äÉ«é«JGôà°SGE
ó≤d .äÉÄ«ÑdG √ò`g »`a πª©dG »`a Góv `L áëLÉf         ÜÉ°ùàc’ ᫪«∏©J äÉ«é«JGôà°SGE É°†k jGC QƒW ɪc
äÉ«eRQGƒîdG »a ä’ɪàM’G ájô¶f âeóîà°SG               QÉ«àN’ ∫’óà°S’G ≥jôW øY áHƒ∏£ªdG áaô©ªdG
Hidden á«ØîªdG ±ƒcQÉe êPɪf Ωóîà°ùJ »àdG             äÉ«é«JGôà°SGE ôjƒ£J »a É°†k jGC íéf ó≤a ,π©ØdG
≈∏Y GOk ɪàYG çGóM’C ÉH DƒÑæà∏d Markov Models        äÉ«é«JGôà°SE’ áHƒ∏£ªdG áaô©ªdG ÜÉ°ùàc’ Iô«ãc
á«ØîªdG ±ƒcQÉe êPɪfh .»°VɪdG »a çóM Ée             äÉ«é«JGôà°SEG ¿EÉa ,∂dP ≈dEG áaÉ°VGE h .∫’óà°S’G
äGô«¨àªdG ¢†©H º«b ™bƒàJ äÉ«°VÉjQ äÓ«ãªJ »g          ôaƒJ ∫’óà°S’G äÉ«é«JGôà°SGE πãe É¡∏ãe ,º∏©àdG
äGô«¨àªdG √òg º«b ô«¨J á«Ø«c ïjQÉJ Aƒ°V »a           ájÉØμdGh ,áaô©ªdG äÉÑ∏£àe ø«H äÓ°VÉØe É°†k jGC
(Raibiner & âbƒdG Qhôe ™e iôN’C G äGô«¨àªdGh
ä’ɪàM’G ájô¶f Ωóîà°ùJ ɪc .Juang, 1986)                             .∫ƒ∏ëdG IOƒLh á«Hƒ°SÉëdG
¿ƒμj ¿CG ∫ɪàMG ióe Ée πãe ,äGó≤੪dG ójóëàd
Gôk ¶f É≤k ∏¨e ¬eGóîà°SG (»æ°nS) ójôj …òdG ´QÉ°ûdG   ≈àM ÉgÉfôcP »àdG Ö«dÉ°S’C G º¶©e ™≤J
â∏£g »àdG QÉ£eC’G øe %80 ¿ƒμj ¿GC ∫ɪàM’             É¡fCÉH É¡Ø°Uh øμªj »àdG áÄØdG øª°V ÉÑk jô≤J ,¿B’G
ájô¶f ¿CG ɪc .á«é∏K GQk É£eGC á≤£æªdG ∂∏J »a        RƒeôdG ΩGóîà°SÉH õ«ªàJ »àdG (á`jõ`eQ) ìm Éæe
√òg πãe ójóëJ »a Ió«Øe Bayes’ Rule õ«jÉH             è¡æe ∑Éægh .á∏°üØæªdGh á°Sƒª∏ªdG á«YƒædG
¿GC ,Ók ãe) çGóM’C G ¢†©Ñd á«Wô°ûdG ä’ɪàM’G         .…õeôdG ¬Ñ°T hCG »ªμdG è¡æªdG ƒg QÉ°ûàf’G ™°SGh
iôN’C G ä’ɪàMÓd Gôk ¶f (É≤k ∏¨e ´QÉ°ûdG ¿ƒμj        øjòg ø«H π°UÉØdG óëdG ¿GC øe ºZôdG ≈∏Yh
ájô¶f äÉμÑ°T ¿EG .(á«é∏K QÉ£eGC •ƒ≤°S ,Ók ãe)        Ók «ãªJ π«îJ Éææμªj ¬fGC ’EG ,»HÉÑ°V ø««æëæªdG
äÉ«°VÉjQ äÓ«ãªJ »g (¬jõ«jÉÑdG) äGOÉ≤àY’G             πãªj …õ`eQ ¬Ñ°T ΩÉ`¶`fh ,(R) ±ôë∏d É`jk õ`eQ
áæ«©e äGOÉ`≤`à`YG ¿ƒ`μ`J ¿GC ¬`«`dÉ`ª`à`MG ™`bƒ`à`d  .á°TÉ°ûdG ≈∏Y ô¡¶J •É≤ædG øe Oó©H ±ôëdG
ä’ɪàM’G ¿ƒμJ ¿GC ¢`VGô`à`aG ≈∏Y ,áë«ë°U             ó≤à©j Gòd ;É¡JGP óëH É¡d ≈æ©e ’ •É≤ædG ¿GC ɪHh
                                                     π«ªJh .ájõeôdG ¿hO ∞°Uh iƒà°ùe »a ¿ƒμJ É¡fÉC H
   616   617   618   619   620   621   622   623   624   625   626