کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5002762 1368457 2016 6 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Mirror Effect Based Learning Systems to Predict Human Errors - Application to the Air Traffic Control
ترجمه فارسی عنوان
سیستم های یادگیری مبتنی بر اثر آینه برای پیش بینی خطاهای انسانی - کاربرد در کنترل ترافیک هوایی
کلمات کلیدی
تقاضای کار، سیستم یادگیری، پیش بینی خطای انسانی، اثر آینه، کنترل ترافیک هوایی،
ترجمه چکیده
انعطاف پذیری یک سیستم ماشین انسان مانند کنترل ترافیک هوایی به کنترل موفقیت آمیز بی ثباتی آن مربوط می شود. این بی ثباتی می تواند ناشی از تغییرات زمانی و یا میزان تقاضای کارکرد های عملکردی باشد، و این ممکن است باعث بروز اشتباهات انسانی شود. این مقاله یک رویکرد یادگیری مبتنی بر دانش برای پیش بینی خطاهای انسانی را با در نظر گرفتن تنوع زمانی در تقاضای کار ارائه می دهد. تقویت پایگاه دانش، با در نظر گرفتن راهکارهای بازخورد متفاوت برای رسیدگی به محتوای دانش، مفهوم تأثیر را اعمال می کند. هنگامی که یک دنباله از اطلاعات از پایگاه دانش شبیه به ورودی های جدید است، این توالی برای پیش بینی اشتباهات انسانی استفاده می شود. بردار متشکل از ورودی های جدید و خطای انسانی واقعی مشاهده شده جایگزین این دنباله یا آن را به عنوان یک دانش جدید در نظر گرفته می شود. این اصل اثر آینه ای است که شامل بازتاب بخشی یا محتوای کلی یک بردار ورودی جدید به پایگاه دانش فعلی است. الگوریتم های سیستم یادگیری مبتنی بر اثر آینه پیشنهاد شده برای پیش بینی اشتباهات انسانی با ایجاد همبستگی بین تغییرات زمانی تقاضای وظیفه و وقوع خطاهای انسانی است. آنها در کنترل ترافیک هوایی اعمال می شوند. نتایج نشان می دهد که دانش مبتنی بر تکامل تقاضای کار و تقویت آن با اثرات آینه برای پیش بینی خطا های انسانی مناسب است.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی مکانیک محاسباتی
پیش نمایش مقاله
سیستم های یادگیری مبتنی بر اثر آینه برای پیش بینی خطاهای انسانی - کاربرد در کنترل ترافیک هوایی
چکیده انگلیسی
Resilience of a human-machine system such as air traffic control relates to the successful control of its instability. This instability can be due to the temporal variability or the magnitude of functional task demands, and this may provoke human error occurrence. The paper proposes an original knowledge based learning approach for human error prediction by taking into account the temporal variability of task demands. The reinforcement of the knowledge base applies the concept of the reffect by considering different feedback strategies to handle the knowledge content. When a sequence of information from the knowledge base is similar to new inputs, this sequence is used for predicting human errors. The vector composed by new inputs and the real observed human error replaces then this sequence or it is considered as a new knowledge. This principle is the mirror effect that consists in mirroring a part or an entire content of a new input vector into the current knowledge base. Algorithms of the proposed mirror effect based learning systems are proposed in order to predict human errors by making correlations between the temporal variability of task demand and the occurrence of human errors. They are applied in air traffic control. The results show that the knowledge based on task demand evolution and its reinforcement by mirror effects are suitable for predicting human error occurrence.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: IFAC-PapersOnLine - Volume 49, Issue 19, 2016, Pages 295-300
نویسندگان
,