دوره و شماره : آماده انتشار

نویسندگان : عرشیا صاعدی* ¹ ، مجید عبدوس ²

چکیده :
این مقاله با هدف ارائه یک مرور جامع و تخصصی از انواع یادگیری در هوش مصنوعی تدوین شده است. در این پژوهش، ابتدا به بررسی تحولات تاریخی و اصول بنیادی هوش مصنوعی پرداخته شده و سپس سه رویکرد اصلی یادگیری که شامل یادگیری نظارت‌شده، بدون نظارت و تقویتی می‌باشد، به تفصیل مورد تحلیل قرار گرفته‌اند. بخش روش‌شناسی شامل تشریح مدل‌های ریاضی، الگوریتم‌های پایه، محیط‌های پیاده‌سازی و ابزارهای نرم‌افزاری بکار رفته در پیاده‌سازی سیستم‌های هوشمند است. علاوه بر این، در این مقاله تابع ریاضی خاصی به عنوان نمونه از یک مدل بهینه‌سازی ارائه شده است. نتایج حاصل از مطالعات موردی و شبیه‌سازی‌های گسترده نشان از قابلیت‌های بالای هر یک از این رویکردها از منظر دقت، پیچیدگی محاسباتی و زمان همگرایی دارد. در نهایت، چالش‌های موجود و پیشنهاداتی جهت پژوهش‌های آینده جهت ارتقای عملکرد سیستم‌های هوشمند مطرح گردیده است.

کلمات کلیدی :
یادگیری نظارت‌شده، یادگیری بدون نظارت، یادگیری تقویتی، هوش مصنوعی، الگوریتم‌های یادگیری، شبکه‌های عصبی، تابع بهینه‌سازی