مقاله


کد مقاله : 13991223272621

عنوان مقاله : مروری بر روش‌های پیش‌بینی و تخمین ویژگی نمونه‌ها با استفاده از روش‌های تجزیه‌ای و الگوریتم‌های یادگیری ماشین

نشریه شماره : 20 فصل زمستان 1399

مشاهده شده : 163

فایل های مقاله : 928 KB


نویسندگان

  نام و نام خانوادگی پست الکترونیک مرتبه علمی مدرک تحصیلی مسئول
1 سید محمد رضا میلانی حسینی drmilani@iust.ac.ir دانشیار دکترا

چکیده مقاله

امروزه استفاده از یادگیری ماشین (Machine Learning) به¬علت مزایای بسیار از جمله سادگی، سرعت بالا، دقت زیاد در پیش‌بینی فرایند‌های گوناگون، عدم نیاز به تجهیزات و وسایل پیچیده و در دسترس بودن کاربردهای زیادی در علوم و زمینه‌های مختلف از جمله آمار، ریاضیات، فیزیک، شیمی، بیوشیمی، مهندسی مواد، مهندسی پزشکی، داروسازی و... پیدا کرده است. بنابراین در عصر حاضر مطالعه و بررسی روش‌ها و الگوریتم‌های گوناگون یادگیری ماشین از اهمیت بسیاری برخوردار است. به-عنوان زیرمجموعه‌ای از هوش مصنوعی، الگوریتم‌های یادگیری ماشین، مدل ریاضی بر اساس داده‌های نمونه یا داده‌های آموزشی به¬منظور پیش‌بینی یا تصمیم‌گیری بدون برنامه‌ریزی، ایجاد می‌کنند. یکی از جذاب‌ترین موضوعاتی که می‌توان با هوش مصنوعی روی آن متمرکز شد، پیش‌بینی و تخمین رخداد¬ها در آینده است. یادگیری ماشین، توانایی یادگیری مستقل را برای ماشین‌ها ایجاد می‌کند. به¬عبارتی ماشین می‌تواند از تجربیات، مشاهدات و الگوهایی که بر اساس مجموعه¬ای از داده¬ها تجزیه و تحلیل می‌کند، آموزش ببیند. امروزه یادگیری ماشین کاربرد زیادی در شیمی تجزیه پیدا کرده است و از داده‌های حاصل از روش‌های مختلف تجزیه‌ای مانند طیف سنجی، فلورسانس، ولتامتری، طیف‌سنجی نشری، میکرواستخراج فاز جامد، سوانگاری مایع، سوانگاری گازی، طیف‌سنجی فروسرخ و ... برای مدل‌سازی، پیش‌بینی و طبقه‌بندی داده‌ها استفاده می‌شود. یادگیری ماشین همچنین به¬طور گسترده در سنتز، بهینه‌سازی پارامترها و کنترل خواص پلیمرها استفاده می‌شود. مدل‌های ساخته شده از دقت بسیار زیادی برخوردار هستند.