یادگیری ماشین‌های خودکار و کاربردهای آن‌ها در سامانه‌های هوشمند ۲۰۲۳
Learning Automata and Their Applications to Intelligent Systems 2023

یادگیری ماشین‌های خودکار و کاربردهای آن‌ها در سیستم‌های هوشمند، یک راهنمای جامع در مورد یادگیری ماشین‌های خودکار از منظر اصول، الگوریتم‌ها، مسیرهای بهبود و کاربردها ارائه می‌دهد. این کتاب دو نوع جدید را برای تسریع سرعت همگرایی و سرعت به‌روزرسانی محاسباتی معرفی می‌کند. این دو مثال نشان می‌دهند که چگونه می‌توان ماشین‌های خودکار یادگیرنده جدیدی را برای یک زمینه خاص از جنبه طراحی الگوریتم طراحی کرد تا از مزیت ماشین‌های خودکار یادگیرنده به طور کامل استفاده شود.

از آنجایی که مسائل بهینه‌سازی پرنویز به طور گسترده در سیستم‌های هوشمند مختلف وجود دارند، این کتاب به تفصیل شرح می‌دهد که چگونه می‌توان از ماشین‌های خودکار یادگیرنده برای حل مسائل بهینه‌سازی پرنویز از منظر طراحی الگوریتم و کاربرد استفاده کرد.

برنامه‌های موجود و برجسته‌ترین کاربردهای ماشین‌های خودکار یادگیرنده شامل طبقه‌بندی، خوشه‌بندی، بازی، کوله‌پشتی، شبکه، بهینه‌سازی، رتبه‌بندی و زمان‌بندی است. این موارد به خوبی مورد بحث قرار گرفته‌اند. مسیرهای تحقیقاتی آینده برای ارتقای یک سیستم هوشمند پیشنهاد شده‌اند.

یادگیری ماشین‌های خودکار و کاربردهای آن‌ها در سیستم‌های هوشمند که توسط دو آکادمیسین با تجربه قابل توجه در این زمینه نوشته شده است، موضوعاتی از جمله موارد زیر را پوشش می‌دهد:

• تجزیه و تحلیل ریاضی رفتار ماشین‌های خودکار یادگیرنده، همراه با الگوریتم‌های یادگیری مناسب
• دو ماشین خودکار یادگیرنده کاربردی: یکی برای کشف و ردیابی الگوهای رویدادهای فضازمانی، و دیگری برای حل جستجوی تصادفی روی یک خط
• نمایش دو نوع پیشگامانه از روش‌های تخصیص بودجه محاسباتی بهینه (OCBA) و نحوه ترکیب ماشین‌های خودکار یادگیرنده با بهینه‌سازی ترتیبی
• چگونگی دستیابی به همگرایی بسیار سریع‌تر و دقت بالاتر نسبت به طرح‌های تعقیب کلاسیک از طریق پیچیدگی محاسباتی کمتر برای به‌روزرسانی احتمال حالت

یادگیری ماشین‌های خودکار و کاربردهای آن‌ها در سیستم‌های هوشمند، یک متن به موقع در یک زمینه به سرعت در حال توسعه، یک منبع ضروری برای محققان در یادگیری ماشین، مهندسی، عملیات و مدیریت است. این کتاب همچنین برای دوره‌های تحصیلات تکمیلی در زمینه یادگیری ماشین، محاسبات نرم، یادگیری تقویتی و بهینه‌سازی تصادفی بسیار مناسب است.

Comprehensive guide on learning automata, introducing two variants to accelerate convergence and computational update speed

Learning Automata and Their Applications to Intelligent Systems provides a comprehensive guide on learning automata from the perspective of principles, algorithms, improvement directions, and applications. The text introduces two variants to accelerate the convergence speed and computational update speed, respectively; these two examples demonstrate how to design new learning automata for a specific field from the aspect of algorithm design to give full play to the advantage of learning automata.

As noisy optimization problems exist widely in various intelligent systems, this book elaborates on how to employ learning automata to solve noisy optimization problems from the perspective of algorithm design and application.

The existing and most representative applications of learning automata include classification, clustering, game, knapsack, network, optimization, ranking, and scheduling. They are well-discussed. Future research directions to promote an intelligent system are suggested.

Written by two highly qualified academics with significant experience in the field, Learning Automata and Their Applications to Intelligent Systems covers such topics as:

• Mathematical analysis of the behavior of learning automata, along with suitable learning algorithms
• Two application-oriented learning automata: one to discover and track spatiotemporal event patterns, and the other to solve stochastic searching on a line
• Demonstrations of two pioneering variants of Optimal Computing Budge Allocation (OCBA) methods and how to combine learning automata with ordinal optimization
• How to achieve significantly faster convergence and higher accuracy than classical pursuit schemes via lower computational complexity of updating the state probability

A timely text in a rapidly developing field, Learning Automata and Their Applications to Intelligent Systems is an essential resource for researchers in machine learning, engineering, operation, and management. The book is also highly suitable for graduate level courses on machine learning, soft computing, reinforcement learning and stochastic optimization.