<span>هوش مصنوعی</span>

علم داده حوزه‌ای میان‌رشته‌ای است که با ترکیب آمار، یادگیری ماشین و دانش تخصصی، بینش‌های ارزشمندی از داده‌های خام استخراج می‌کند. در مهندسی برق، این دانش برای پیش‌بینی پایداری شبکه‌های هوشمند با دقت ۹۷٪ و تشخیص ناهنجاری در سیستم‌های قدرت کاربرد دارد. در مهندسی کنترل، رویکردهای داده‌محور مانند کنترل پیش‌بین مدل (MPC) و کنترل PID تطبیقی بدون نیاز به مدل ریاضی دقیق طراحی می‌شوند. از نگهداری پیشگویانه در صنعت تا کشف تقلب بانکی و تشخیص پزشکی، علم داده به یکی از ارکان تحول دیجیتال تبدیل شده است.

شناسایی الگو شاخه‌ای از هوش مصنوعی است که به ماشین‌ها امکان تشخیص خودکار الگوها را می‌دهد. این فناوری در مهندسی برق برای عیب‌یابی تجهیزان فشار قوی و در مهندسی کنترل برای طراحی کنترل‌کننده‌های تطبیقی کاربرد گسترده دارد. در صنعت، از نگهداری پیشگویانه تا رباتیک و در دنیای واقعی از مدیریت ترافیک تا تشخیص پزشکی مورد استفاده قرار می‌گیرد. با پیشرفت یادگیری عمیق، این حوزه به یکی از ارکان اصلی سیستم‌های هوشمند تبدیل شده است.

کارگاه تخصصی هوش مصنوعی در مهندسی کنترل: از کنترل خودران تا یادگیری تقویتی و شبکه‌های عصبی. آموزش کاربردی آخرین روش‌های کنترل هوشمند توسط متخصصان مجرب.

مفاهیم بیشتر برای هوش مصنوعی قبل از اینکه ترسناک شود! هوش مصنوعی ممکن است فقط یک چیز جعلی باشد (Myhrvold، 2014). ممکن است فقط یک لایه فلسفی غیر ضروری را به آنچه در غیر این صورت باید یک زمینه فنی باشد اضافه کند. اگر در مورد چالش‌های فنی خاصی صحبت کنیم که ممکن است محققان […]

آنالوگ در مقابل دیجیتال- نامحدود در مقابل تعریف شده مغز (انسان یا مگس) یک کامپیوتر آنالوگ است (دایسون، 2014). این یک کامپیوتر دیجیتال نیست و هوش ممکن است شامل هیچ نوع الگوریتمی نباشد. آیا شواهدی دال بر این وجود دارد که یک کامپیوتر دیجیتال قابل برنامه‌ریزی، توانایی ابتکار عمل یا انتخاب‌هایی را که به هر […]

مقدمه رباتیک، ماشین‌ها و ویلچرها از جمله ذینفعان هوش مصنوعی هستند که حلقه‌های کنترل را هوشمندتر، سازگارتر و قادر به تغییر رفتار می‌کنند. در این مقاله که توسط محققان دانشگاه پورتسموث در بریتانیا گردآوری شده است، به طور خلاصه به چگونگی کمک هوش مصنوعی در کنترل مهندسی پرداخته شده است. حلقه های کنترل داخلی در […]

این کتاب به موضوع یادگیری ماشین با استفاده از استنتاج علی می پردازد. این استنتاج به شما کمک می کند با دیدگاه متفاوتی به مدل ها، روش ها و مسائل یادگیری ماشین نگاه کنید.

در این مقاله خلاصه ای از مزایا و معایب یادگیری ماشین در سیستم های کنترل ارائه شده است.