Learning Systems and Intelligent Robots

این کتاب شامل مجموعه مقالات سمینار S~cond U.S.-Japan on Learning Control and Intelligent Control است. این سمینار که از 22 تا 26 اکتبر 1973 در Gainesville، فلوریدا برگزار شد، توسط برنامه علمی تعاونی ایالات متحده و ژاپن، به طور مشترک توسط بنیاد ملی علوم و انجمن ژاپن برای ترویج علم حمایت شد. متن کامل بیست و یک مقاله ارائه شده گنجانده شده است. این مقالات موضوعات مختلفی را در رابطه با کنترل یادگیری و کنترل هوشمند، از تشخیص الگو تا شناسایی سیستم، از کنترل یادگیری تا روبات‌های هوشمند را پوشش می‌دهد. در طول دهه گذشته، افزایش قابل توجهی علاقه به مشکلات یادگیری ماشینی، سیستم هایی که رفتار یادگیری را نشان می دهند، وجود داشته است. در طراحی یک سیستم، اگر اطلاعات پیشینی مورد نیاز ناشناخته یا ناقص باشد، یک رویکرد طراحی سیستمی است که قادر به یادگیری اطلاعات مجهول در طول عملیات خود باشد. سپس اطلاعات آموخته شده برای بهبود عملکرد سیستم استفاده خواهد شد. این رویکرد در طراحی سیستم های تشخیص الگو، سیستم های کنترل خودکار و الگوریتم های شناسایی سیستم استفاده شده است. اگر به طور طبیعی هدف خود را به طراحی سیستم‌هایی که رفتار هوشمندانه‌تر و بیشتری دارند تعمیم دهیم، تحقیق سیستم‌های یادگیری تنها گامی مقدماتی به سمت مفهوم کلی سیستم‌های هوشمند یکپارچه است. یکی از نمونه‌های این دسته از سیستم‌ها، ربات هوشمند است که تشخیص الگو را یکپارچه می‌کند. یادگیری و حل مسئله در یک سیستم هوشمند.

This book contains the Proceedings of the S~cond U. S. -Japan Seminar on Learning Control and Intelligent Control. The seminar, held at Gainesville, Florida, from October 22 to 26, 1973, was sponsored by the U. S. -Japan Cooperative Science Program, jointly supported by the National Science Foundation and the Japan Society for the Promotion of Science. The full texts of the twenty-one presented papers are included. The papers cover a variety of topics related to learning control and intelligent control, ranging from pattern recognition to system identification, from learning control to intelligent robots. During the past decade, there has been a considerable increase of interest in problems of machine learning, systems which exhibit learning behavior. In designing a system, if the a priori infor­ mation required is unknown or incompletely known, one approach is to design a system which is capable of learning the unknown infor­ mation during its operation. The learned information will then be used to improve the system's performance. This approach has been used in the design of pattern recognition systems, automatic control systems and system identification algorithms. If we naturally extend our goal to the design of systems which will behave more and more intelligently, learning systems research is only a preliminary step towards a general concept of integrated intelligent systems. One example of this class of systems is the intelligent robot, which integrates pattern recognition. learning and problem-solving into one intelligent system.