الفرقة ML

الفرقة ML

تعلم الآلة

رئيس الفرقة : الدكتور محمد نميسي

تم إنشاء فريق التعلم الآلي (ML) ، مع امتلاك الباحثين مسارًا طويلًا إلى حد ما في مجال التعلم الصناعي لتبادل الخبرات حول الأساليب العددية والرمزية المطبقة على المجالات المختلفة وتنفيذ مثل هذه آليات على النظم الاصطناعية. تقدم النقاط الثلاث التالية مؤشرا جيدا على مجال نشاط الفريق وأهدافه:

• تطوير أنظمة ذكية ومستقلة تعتمد على أساليب التعلم لتطبيقات صنع القرار في الوقت الفعلي ؛تطوير الخوارزميات التي تجمع بين المزايا التي توفرها مختلف التهجينات المحتملة من خلال تقييم جودة الاستجابة التي يوفرها النظام.
• تطوير الخوارزميات التي تجمع بين المزايا التي توفرها مختلف التهجينات المحتملة من خلال تقييم جودة الاستجابة التي يوفرها النظام.
   
• للاستفادة من العديد من التخصصات لتطوير هذه الأنظمة الذكية: المجال الطبي للمساعدة في التشخيص ، في المجال الصناعي ، اكتشاف عيوب أو عيوب تصنيع المنتج (التحكم غير المدمر)

  الأسس العلمية:

• تتمحور أبحاث فريق "ML" حول التعلم الآلي ، أي دراسة الخوارزميات و / أو النظم الاصطناعية القادرة على اكتساب "المعرفة" من البيانات الخارجية ، وكذلك نمذجة النظم المعقدة القادرة على التعلم. تعد الخلفيات المتنوعة والمهارات التكميلية لأعضاء الفريق الحاليين ميزة في التعامل مع التعلم بطريقة متعددة التخصصات وفي تنفيذ مناهج جديدة ، تشمل كلا من النماذج الرقمية والرمزية. هذا التنوع في الأساليب يسمح لنا بالتعاون مع الباحثين والفرق الأخرى في مختلف المجالات. وهنا أبرز:

1) التعلم الوظيفي يركز بحثنا على:

• تصميم مصنفات المساعدة في اتخاذ القرار في مختلف المجالات ؛

• اقتراح أساليب تصنيف طرق التهجين الأخرى لتحسين الأنظمة الحالية ؛
• تطوير النظم التي تجعل من الممكن استخدام كل من هذه الطرق من جهة والجمع بين مزايا الأساليب المختلفة من ناحية أخرى.
• تصميم ودراسة خوارزميات التحكم في العوامل في الحالات التي لا تتوفر فيها أمثلة ؛
• تطبيق للتحكم والنمذجة ومحاكاة السلوك الحيواني والإنساني.

  2) نظام متعدد الوكلاء والتحكم الأمثل هذا المحور سيكون للأهداف:

• تصميم ودراسة خوارزميات التحكم في العوامل في الحالات التي لا تتوفر فيها أمثلة ؛
• تطبيق للتحكم والنمذجة ومحاكاة السلوك الحيواني والإنساني.

• 3) حل مشاكل صنع القرار والتحسين سوف يتعامل هذا الموضوع مع البيئات المعقدة ، حتى تلك المحددة بشكل غير كامل بالأهداف التالية:

• تصميم الأدوات التحليلية بيانات مستقلة من البيئة (غير دقيقة و / أو غير مؤكدة) ؛
• تطوير نظم دعم القرار المناسبة للبيئة ؛
• تطوير استراتيجية التحسين في المشاكل المعقدة.