به کارگیری فرآیند تحلیل سلسه مراتبی فازی برای گزینش مدل های توسعه داده شده با معماری انتزاع و همجوشی تصمیم (مورد مطالعه: دسته بندی حروف دست نویس فارسی)

این پژوهش با هدف ارایه یک رویکرد کاربرد-محور برای توسعه مدل های یادگیری ماشین انجام شده است که توازن میان دقت مدل، سرعت پردازش و مصرف بهینه منابع را در کاربردهایی نظیر سیستم های هوشمند پوشیدنی مد نظر قرار دهد.

روش شناسی پژوهش: 

مجموعه ای از مدل ها بر اساس معماری انتزاع و همجوشی تصمیم توسعه داده شده و سپس با رویکرد تصمیم گیری چندمعیاره مدل های مناسب برای کاربرد مورد نظر را شناسایی می کنیم. رویکرد پیشنهادی دارای سه فاز اصلی است: 1- توسعه مدل های مبتنی بر ADFA، 2- تعریف معیارهای ارزیابی و 3- انتخاب مدل با استفاده از روش فرآیند تحلیل سلسله مراتبی فازی.

نتایج تجربی حاصل از این پژوهش نشان دهنده کارایی این رویکرد در توسعه مدل های یادگیری ماشین مناسب برای کاربردهای مربوط به تجهیزات پوشیدنی مانند عینک های هوشمند است.

اصالت/ارزش افزوده علمی: 

در این پژوهش سه نوآوری ارایه شده است: 1- استفاده از ADFA برای توسعه مدل های دسته بندی حروف دست نویس فارسی، 2- تعریف یک انتزاع جدید برای خلاصه سازی تصاویر حروف دست نویس و 3- توسعه رویکرد مبتنی بر تصمیم گیری چندمعیاره فازی برای نگاشت مدل های توسعه یافته در ADFA به کاربردهای دنیای واقعی.