دانلود با لینک مستقیم و پر سرعت .
استفاده از الگوریتم ژنتیک موازی جهت ترمیم-خطای خودکار ربات چهار پا
The Automated Fault-Recovery for Four-Legged Robots using Parallel Genetic Algorithm
Hyunsoo Park, Kyung Joong Kim
سال انتشار مقاله: Procedia Computer Science 24 ( 2013 ) 158 – 166
ScienceDirect
17th Asia Pacific Symposium on Intelligent and Evolutionary Systems, IES2013
چکیده
انتظار می رود ربات ها بتوانند در محیط های دشوار بدون دخالت انسان بطور مستقل عمل کنند. هرچند، طراحی رباتی قوی دربرابر همه خطاها کار ناچیزی نیست. از طرف دیگر، موجودیت های بیولوژیکی این قابلیت را دارند که در مقابله با صدمات جسمانی رفتارهای جدیدی خلق کنند. همچنین این یکی خصوصیات خواستنی برای ربات های صنعتی کنترل از راه دور در محیط های دشوار است. در این مقاله، ما استفاده از الگوریتم یادگیری زی-هوشمند را برای تولید رفتارهای جدید روی ربات چهار پا برای مقابله با صدمات جسمانی پیشنهاد داده ایم. از آنجاییکه الگوریتم یادگیری می تواند با استفاده از موازی سازی روی چند ماشین سریع شود، این امکان وجود دارد که بتواند با استفاده از محاسبات راه دور منابع به طور سریع با تغییر (صدمات) سازگار شود. نتایج تجربی نشان می دهد که ربات می تواند با صدمات وارد شده در قسمت های مختلف بدنه با موفقیت سازگار شود.
کلمات کلیدی: تحمل پذیری خطا، تحمل پذیری اشکال، الگوریتم ژنتیک موازی، ربات، شبکه های عصبی، شبیه سازی مبتنی بر فیزیک بدن
Abstract
It is expected that robots could operate autonomously in extreme environments without human intervention.
However, it is not a trivial task to design robots robust to all kinds of faults. On the other hand, Biological entities
have capability to create new behaviors overcoming unexpected damage on their body. This is also one of desirable
properties for industrial robots operating remotely in extreme conditions. In this paper, we propose to use a bioinspired learning algorithm to generate new behaviors on a four-legged robot against unexpected body damages.
Since the learning algorithm can be accelerated using parallelism on multiple machines, it is possible to adapt to
changes (damages) quickly using remote computational resources. Experimental results show that the robot could
© 2013 The Authors. Published by Elsevier B.V.
Selection and peer-review under responsibility of the Program Committee of IES2013.
Keywords: fault-tolerant; robot; parallel genetic algorithm; neural network; physical-based simulation.
نمونه داکیومنت را می توانید در تصویر زیر مشاهده نمایید:
آنچه تحویل داده می شود:
- فایل ورد Microsoft Word .docx ترجمه به فارسی
- فایل PDF مقاله اصلی به زبان انگلیسی
تعداد صفحات فایل ورد مقاله ترجمه شده (فارسی): 9 صفحه
تعداد صفحات مقاله اصلی زبان انگلیسی: 9 صفحه
مناسب برای دانشجویان کارشناسی و ارشد کامپیوتر (مهندسی نرم افزار و معماری کامپیوتر، هوش مصنوعی) و دانشجویان IT بالاخص دانشجویان نرم افزار و هوش مصنوعی
می توان به عنوان پروژه دروس کارشناسی ارشد یا کارشناسی این پروژه را تحویل داد، دروسی مانند سیستم خبره، داده کاوی، مهندسی نرم افزار پیشرفته، مباحث پیشرفته در مهندسی نرم افزار، یادگیری ماشین،Machine Learning ، Data Mining، پردازش ابری، محاسبات توزیع شده، سیستم عامل پیشرفته، محاسبات موازی، پردازش توزیع شده، پردازش موازی، MPI Programming، Parallel Programming، رباتیک، ساخت ربات، Robotic، مهندسی پزشکی، بیوانفورماتیک، انفورماتیک پزشکی
پس از خرید از درگاه امن بانکی، لینک دانلود در اختیار شما قرار میگیرد و همچنین به آدرس ایمیل شما فرستاده می شود.
تماس با ما برای راهنمایی، درخواست مقالات و پایان نامه ها و یا ترجمه و یا انجام پروژه های برنامه نویسی و حل تمرینات با آدرس ایمیل:
ebarkat.shop@yahoo.com
یا شناسه تلگرام (آی دی تلگرام ما): @ebarkat
توجه: اگر کارت بانکی شما رمز دوم ندارد و یا در خرید الکترونیکی به مشکل برخورد کردید و یا به هر دلیلی تمایل به پرداخت الکترونیکی ندارید با ما تماس بگیرید تا راههای دیگری برای پرداخت به شما پیشنهاد کنیم.
از پایین همین صفحه (بخش پرداخت و دانلود) می توانید این پروژه را خریداری و دانلود نمایید.
+98 921 764 6825
+98 921 764 6825 
