دانلود مقالات ISI درباره استدلال مبتنی بر مورد + ترجمه فارسی

استدلال مبتنی بر مورد(به انگلیسی: Case-based reasoning) سیستم های خبره تمام اتوماتیک، به عنوان یک سیستم پشتیبان تصمیم، برای ایجاد یک راه حل، یک مسئله معین، استفاده می شوند. این سیستم ها برای حل مسائل در حوزه های محدود و معین، بسیار موفق عمل می کنند. اما در سیستم های پشتیبان تصمیم گیری که نیاز به خلاقیت، دانش وسیع و وارسی های علمی دارند، موفق نیستند. یک ویژگی مهم CBR، عمل اتصال و زوج کردن برای یادگیری است. نیروی محرک پشت روش‌های مبتنی بر حالت در مقیاس وسیعی از انجمن یادگیری ماشین می‌آید، و استدلال مبتنی بر حالت نیز به عنوان یک زیرشاخه از یادگیری ماشین در نظر گرفته شده است. بنابراین، مفهوم استدلال مبتنی بر حالت فقط به یک روش استدلال خاص اشاره نمی‌کند، بلکه صرف نظر از چگونگی به دست آوردن و اندوختن حالات، یک نمونه از یادگیری ماشین است که یادگیری تقویتی را با به روز کردن پایگاه حالات بعد از اینکه یک مساله حل شد انجام می‌دهد. هنگامی که یک مساله با موفقیت حل می‌شود، به منظور حل مسائل مشابه در آینده نگه داشته می‌شود. هنگامی که تلاش برای حل مساله ناموفق است، دلیل این عدم موفقیت شناسایی شده و به منظور جلوگیری از اشتباه مشابه در آینده به خاطر سپرده می‌شود. استدلال مبتنی بر مورد، یک روش برای سیستم های پشتیبان تصمیم گیری، در حل مسائل جدید، فراهم می کند، این راه حل مبتنی بر راه حل مسائل گذشته مشابه است. روش CBRتوانایی یادگیری قدرتمندی دارد، می تواند از تجربیات گذشته، برای برخورد با مسائل جدید، استفاده کند. یک سیستم CBRمی تواند فرایند کسب دانش را با حذف زمان مورد نیاز برای استخراج راه حل ها از افراد خبره، ساده کند. در وضعیت های متغیر و پویا، زمانی که شرایط ناشناخته و راه حل ها نیز غیر واضح هستند، CBRروش استدلال مناسبی است. استدلال مبتنی بر مورد با یک چرخه، چهار مرحله¬ای نمایش داده می شود: بازیابی، استفاده دوباره، تجدید نظر و حفظ کردن. در مرحله اول، هنگامی که یک مسئله جدید وارد سیستم می شود،CBR، از پایگاه وضعیت ها، موردی که بیشترین شباهت را به مسئله دارد، بازیابی می کند. در مرحله دوم، راه حل مورد بازیابی شده، دوباره استفاده می شود. در مرحله سوم، راه حل برای اینکه متناسب با مسئله جدید شود، بازبینی می شود. و در مرحله چهارم، راه حل بازبینی شده، و مسئله، برای استفاده مجدد در اینده، ذخیره و نگهداری می شود. بدیهی است که CBRبرای تصمیم گیری مبتنی بر دانش، مناسب است. موفقیت CBRوابسته به کیفیت دانش و صحت استدلال است. به طور اساسی CBR حل یک مساله جدید به وسیله یادآوری یک موقعیت مشابه قبلی و با استفاده مجدد از اطلاعات و دانش مربوط به آن می‌باشد. در ادامه به بیان این مفهوم با نگاه به حل چند مساله نوعی می‌پردازیم: • یک پزشک، بعد از معاینه یک بیمار خاص در مطبش، به یاد بیماری می‌افتد که دو هفته قبل درمان کرده است. این یادآوری به دلیل مشابهت علائم اصلی بیماری است نه به دلیل مشابهت در رنگ موی بیمار و یا طرز بیان او. در این حالت پزشک از تشخیص بیماری و درمانی که در مورد بیمار قبلی به کار برده است برای تشخیص بیماری و درمان بیمار حاضر استفاده می‌کند. • یک مهندس حفاری، که دو انفجار مهیج را تجربه کرده است، هنگامی که ترکیب اندازه‌های بحرانی، مشابه موقعیت انفجار قبل می‌شود، بلافاصله به یاد یک یا هردوی این موقعیت‌ها می‌افتد. در حالت خاص ممکن است به یاد اشتباهی که در انفجار قبل مرتکب شده است بیفتد و از آن برای جلوگیری از تکرار اشتباه قبلی استفاده کند. یک مشاور مالی که روی یک مساله تصمیم‌گیری سخت کار می‌کند، موقعیت‌های قبلی که شرکت را با مشکل مشابهی رو به رو کرده را به یاد آورده و از آن برای تصمیم‌گیری در موقعیت فعلی استفاده می‌کند