مدل‌سازی آماری در سیستم‌های هوش مصنوعی

کد مقاله : 1264-NAEC

نویسندگان

عارفه بابائی *1، سعیده بابائی2، بهناز ابراهیمی3 1کارمند 2آموزگار 3مدیر مدرسه

چکیده مقاله

با گسترش روزافزون سیستم‌های هوش مصنوعی، نقش مدل‌سازی آماری به‌عنوان یکی از ارکان اصلی تحلیل داده و تصمیم‌گیری هوشمند بیش از پیش اهمیت یافته است. مدل‌سازی آماری امکان توصیف، تبیین و پیش‌بینی رفتار داده‌ها را در محیط‌های پیچیده و نامطمئن فراهم می‌سازد و به‌عنوان زیربنای بسیاری از الگوریتم‌های یادگیری ماشین شناخته می‌شود. هدف این مقاله بررسی جایگاه مدل‌سازی آماری در سیستم‌های هوش مصنوعی و تحلیل نقش آن در بهبود دقت، پایداری و قابلیت تفسیر مدل‌های هوشمند است. در این پژوهش، از روش تحلیل توصیفی–تحلیلی استفاده شده و با مطالعه منابع معتبر علمی، مهم‌ترین مدل‌های آماری مورد استفاده در هوش مصنوعی، از جمله رگرسیون‌ها، مدل‌های احتمالاتی و رویکردهای بیزی، مورد بررسی قرار گرفته‌اند. همچنین نحوه به‌کارگیری این مدل‌ها در فرایند یادگیری، تخمین پارامترها و مدیریت عدم‌قطعیت تحلیل شده است. یافته‌های این مطالعه نشان می‌دهد که استفاده صحیح از مدل‌سازی آماری نه‌تنها موجب افزایش دقت پیش‌بینی سیستم‌های هوش مصنوعی می‌شود، بلکه نقش مهمی در کاهش بیش‌برازش، بهبود تعمیم‌پذیری و افزایش قابلیت اعتماد نتایج ایفا می‌کند. در نهایت، نتایج مقاله بر این نکته تأکید دارد که تلفیق دانش آماری با مهندسی هوش مصنوعی، شرط لازم برای توسعه سیستم‌های هوشمند کارآمد، قابل تفسیر و مبتنی بر داده‌های واقعی است.

کلیدواژه ها

مدل‌سازی آماری، هوش مصنوعی، یادگیری ماشین، تحلیل داده، مدل‌های احتمالاتی، استنباط آماری

وضعیت: پذیرفته شده