پروژه دات کام

پروژه دات کام

عضویت در پروژه

در صورتی که مایلید جدیدترین پروژه ها و مقالات دانشجویی را در اختیار داشته باشید، ایمیل خود را از طریق فیلد زیر ثبت کنید تا در صورت اضافه شدن به سایت به صورت رایگان به ایمیل شخصی شما ارسال شود. توجه داشته باشید که مقالات ارزشمند و گرانبها فقط برای اعضایی ارسال میشد که ایمیلشات ثبت شده باشد. پس از ثبت، بر روی لینک تاییدی که ارسال خواهد شد کلیک کنید تا ثبت نام نهایی شود. در حال حاضر بیش از 250 هزار نفر عضویت خود را در وب سایت پروژه دات کام نهایی کرده اند.

عنوان پایان نامه : داده کاوی و کاربرد آن در تشخیص بیماری ها ( دیابت )

قالب بندی : PDF

قیمت : رایگان

شرح مختصر : امروزه در دانش پزشکی جمع آوری داده های فراوان در مورد بیماری های مختلف از اهمیت فراوانی برخوردار است. مراکز پزشکی با مقاصد گوناگونی به جمع آوری این داده ها می پردازند . تحقیق روی این داده ها و به دست آوردن نتایج و الگوهای مفید در رابطه با بیماری ها ،یکی از اهداف استفاده از این داده ها است . حجم زیاد این داده ها و سردرگمی حاصل از آن مشکلی است که مانع رسیدن به نتایج قابل توجه می شود . بنابراین از داده کاوی برای غلبه بر این مشکل و به دست آوردن روابط مفید بین عوامل خطر زا در بیماری ها استفاده می شود. این مقاله به معرفی داده کاوی وکاربردآن در صنعت پزشکی (پیش بینی بیماری) با استفاده از الگوریتم های داده کاوی به همراه نرم افزارهای مرتبط با آن پرداخته است

قهرست :

فصل اول : مقدمه

مقدمه

شرح و بیان مسئله

هدف تحقیق

اهمیت و کاربرد نتایج تحقیق

محدودیت

تعریف عملیاتی واژگان

فصل دوم : مفاهیم داده کاوی

تاریخچه

موضوع داده کاوی چیست؟

تعاریف داده کاوی

تفاوت داده کاوی و آنالیزهای آماری

کاربرد های داده کاوی

چند مثال در مورد مفهوم داده کاوی

مراحل داده کاوی

مرحله اول: Business Understanding

مرحله دوم: Data Understanding

جمع آوری داده ها

بحث شرح و توصیف داده ها

مرحله سوم: Data Preparation

Data selecting :انتخاب داده

مرحله چهارم: Modelling

مرحله پنجم: Evaluation

مرحله ششم: Deployment

مفاهیم اساسی در داده کاوی

Bagging

Boosting

MetaLearning

عناصر داده کاوی

تکنیک های داده کاوی

دسته بندی

خوشه بندی

رگرسیون گیری

تجمع وهمبستگی

درخت تصمیم گیری

الگوریتم ژنتیک

شبکه های عصبی مصنوعی

گام نهایی فرآیند داده کاوی،گزارش دادن است

تکنولوژی های مرتبط با داده کاوی

انبار داده

OLAP

محدودیت ها

فصل سوم : کاربرد داده کاوی در پزشکی

داده کاوی در عرصه سلامت

استراتژی های داده کاوی

نمونه هایی از کاربرد داده کاوی در سلامت

مقایسه الگوریتم های هوشمند در شناسایی بیماری دیابت

دسته بندی کننده Bagging

دسته بندی کننده Naïve Bayse

دسته بندی کننده SVM

دسته بندی کننده Random Forest

دسته بندی کننده C

فصل چهارم :درخت تصمیم وپیاده سازی نرم افزار وکا

اهدااف اصلی درخت های تصمیم گیری دسته بندی کننده

گام های لازم برای طراحی یک درخت تصمیم گیری

جذابیت درختان تصمیم

بازنمایی درخت تصمیم

مسائل مناسب برای یادگیری درخت تصمیم

مسائل در یادگیری درخت تصمیم

اورفیتینگ داده ها

انواع روش های هرس کردن

عام سازی درخت

مزایای درختان تصمیم نسبت به روش های دیگر داده کاوی

معایب درختان تصمیم

انواع درختان تصمیم

درختان رگراسیون

الگوریتم ID

الگوریتم Idhat

االگوریتم id

الگوریتم idhat

الگوریتم Cart

الگوریتم C

نرم افزار های داده کاوی

نرم افزار WEKA

قابلیت های WEKA

نرم افزار JMP

قابلیت های JMP

پیاده سازی نرم افزار وکا

پیاده سازی توسط الگوریتم Naïve Bayse

پیاده سازی توسط الگوریتم Decision Trees

ایجاد مدل رگرسیون

ایجاد مدل خوشه بندی

پیاده سازی با الگوریتم نزدیک ترین همسایه

برگه visualize

فصل پنجم:بحث ونتیجه گیری

بحث

نتیجه گیری

پیشنهادات

منابع

 

عنوان پایان نامه:  کاربردهای منطق فازی در یادگیری ماشین‎

 قالب بندی :  PDF

قیمت :   رایگان

شرح مختصر :  بی‌گمان رایانه در چند دهه کنونی از عوامل اصلی و کلیدی پیشرفت شناخته شده است. گردش درست امور، سرعت (تندی) در کارها و روش‌های اداری، بهره‌وری و خدمات عمومی، دسترسی به اطلاعات شرکت‌ها همه از مزایای رایانه‌هاست. امروزه سازمان‌ها جهت پردازش کارهایی چون نگهداری و به ‌روز رسانی حساب‌ها و دارایی‌های خود، راهشان را به سوی استفاده از رایانه‌ها باز نموده‌اند. کاربردهایی چون لوازم خانگی،‌ خودروها، هواپیماها و ابزار صنعتی، دستگاه‌های الکتریکی، کنترل انتقال نیرو و خطوط کارخانه‌ها و گیرنده ماهواره توسط رایانه سرویس‌دهی می‌شوند. همزمان با   پیشرفت و سازماندهی سازمان‌ها و بنگاه‌های کوچک و متوسط، کشاورزی، صنعتی و … خدمات رایانه‌ای هر روز نفوذ خود را در زندگی اجتماعی و اقتصادی انسان نیز نشان می‌دهند. ولی دیگر رایانه‌های دومنطقی صفر و یک جوابگوی نیازهای بشر نیست و باید سیستم‌هایی ساخت که به به شیوه‌های چندمقداری تفکر و تعلم انسان نزدیک باشد و ابهام و عدم قطعیت را هم شامل شود. در این راستا منطق جدیدی به نام منطق فازی توسط پروفسور لطفی‌زاده معرفی شد و از آن پس انبوه مقالات برای پیاده سازی این منطق در سیستم‌های کامپیوتری و الگوریتم‌های موجود، ارائه شد. هدف ما در این پژوهش هم بررسی جامعی پیرامون این مبحث و کاربردهای آن در یادگیری ماشین است. لذا پس از بیان تعاریف و تاریخچه و انواع روش‌های منطق فازی و یادگیری ماشین، مروری بر مقالات معتبر و جدید ارائه شده در این زمینه داشته و ایده‌های جدیدی که داده شده است را خواهیم گفت.

کلمات کلیدی : محاسبات نرم، منطق فازی، سیستم های فازی، یادگیری ماشین چیست؟، یادگیری با ناظر، یادگیری بدون ناظر، یادگیری تقویتی، یادگیری نیمه نظارتی، انواع ماشین های یادگیرنده، روشهای یادگیری عامل، طراحی یک سیستم یادگیری، تکنیکهای یادگیری ماشین، درخت تصمیم، کاربرد درخت تصمیم، کاربردهای شبکه عصبی مصنوعی، مزیت های شبکه عصبی مصنوعی، پایه های منطق محاسباتی، الگوریتم ژنتیک، سیستم خبره، یادگیری بیزین، ماشین بردار پشتیبان، مدل هوش محاسباتی، سیستم های رابطه ای عصبی ،شبکه های مبتنی بر منطق فازی، استنتاج قوانین فازی، الگوریتم های هوشمند، مزایای سیستم خبره، کاربردهای سیستم خبره، مزایای الگوریتم ژنتیک، نقاط ضعف الگوریتم ژنتیک، مسئله درخت اشتاینر، فیلتر کالمن، فیلتر کالمن فازی،

 

عنوان مقاله:  معرفی شبکه های عصبی و ساختار نورون عصبی‎

 قالب بندی :   PDF

قیمت :   رایگان

شرح مختصر : دراین نوشتار به معرفی شبکه‌های عصبی مصنوعی و ساختارهای آن می‌پردازیم. در ابتدا توضیحاتی درباره هوش مصنوعی و شاخه‌های آن به صورت خلاصه می‌پردازیم، سپس نورونهای شبکه‌های عصبی طبیعی معرفی شده و طرز کار آنها نشان داده شده است، سپس مدل مصنوعی این نورونها و ساختار آنها، مدل ریاضی آنها، شبکه‌های عصبی مصنوعی و نحوه آموزش و به کارگیری این شبکه‌ها است.ابزارهایی نیز برای پیاده سازی این شبکه ها نام برده شده است.

فهرست:

هوش مصنوعی

شاخه های هوش مصنوعی

هوش مصنوعی سمبولیک

هوش پیوندگرا

سیستم های خبره

ربات ها

پردازش زبانهای طبیعی

زبان های هوش مصنوعی

شبکه های عصبی مصنوعی

توصیف شبکه های عصبی

شبکه های عصبی زیستی

معرفی شبکه های عصبی

قابلیت های شبکه های عصبی

تاریخچه شبکه های عصبی

مقایسه شبکه های عصبی با کامپیوتر ها

نورون مصنوعی

از نورن انسان تا نورون مصنوعی

ساختار شبکه عصبی شبکه های پیش خور

شبکه های پیش خور برگشتی

انواع شبکه های عصبی

روش یادگیری توسط شبکه عصبی

یادگیری یک پرسپترون

توابع قابل یادگیری توسط پرسپترون

الگوریتم پرسپترون

مشکلات روش شیب کاهشی

شبکه پرسپترون چند لایه

تقسیم بندی شبکه های عصبی

معایب شبکه های عصبی

مدل های یادگیری ماشین

یادگیری تقویتی

یادگیری احساسی

یادگیری استدلالی

هوش جمعی

بهینه سازی جمعی ذره ها

الگوریتم ژنتیک

عامل های هوشمند

عامل های شناختی و عامل های واکنشی

 

عنوان پایان نامه :  وابستگی کمی ساختار و فعالیت مشتقات بنزآمیدینی بر روی داروهای ضد مالاریا

قالب بندی :  PDF

قیمت :   رایگان

شرح مختصر : مالاریا مهلک ترین عفونت انگلی انسانی است که بیش از ۵۰۰ میلیون انسان را مبتلا کرده و سالانه باعث حدود ۲ میلیون مرگ و میر می شود. عفونت با پلاسمودیوم فالسیپاروم که ترجیحا کودکان زیر ۵ سال، زنان باردار و افراد غیر ایمن را تحت تاثیر قرار می دهد، عامل عمده این مرگ ومیرهاست. در حال حاضر پیشگیری و درمان دارویی مهمترین راه مبارزه با این بیماری است. این پایان نامه در مورد ترکیبات شیمیایی است که به عنوان داروهای ضدمالاریا از آنها استفاده می شود. با استفاده از روشهای به کار رفته در پایان نامه می توان عواملی که بر روی ترکیبات اثر دارند تا بهترین عملکرد را بر روی انگل مالاریا داشته باشد  را پیدا کرد

فهرست : مراحل انجام QSAR ، انتخاب سری مولکولی، توصیفگر های توپولوژیکی، اندیس های ارتباطی مولکول، توصیف گر های هندسی، توصیف گر های الکترونی، توصیف گر های توزیع شعاعی، توصیف گر های تصویری، توصیف گرهای هیبریدی، رگرسیون خطی ساده ،رگرسیون خطی چندگانه، الگوریتم ژنتیک، شرط پایان الگوریتم ژنتیک، انواع الگوریتم، پایان نامه مهندسی شیمی، پایان نامه پزشکی ،

 

عنوان مقاله :  مروری بر داده کاوی و بررسی شبکه های عصبی‎

قالب بندی :  PDF

قیمت :   رایگان

شرح مختصر : چندین دهه است که شرکت ها اطلاعات را جمع آوری می نمایند تا با ایجاد یک پایگاه داده انبوه اطلاعات را ذخیره کنند، با این حال که اطلاعات در دسترس آنها قرار دارد فقط تعداد کمی از شرکت ها قادر شده اند به ارزش واقعی ذخیره شده در آنها پی ببرند سوال این شرکتها این است که چگونه میتوان به ارزش واقعی این اطلاعات دست یافت؟ پاسخ آن داده کاوی است، که امروزه در بسیاری از صنعتها از جمله پزشکی، آموزش، ورزش و بسیاری از صنایع دیگر مورد استفاده قرار میگیرد. تکنیکهای بسیاری جهت داده کاوی وجود دارد از جمله شبکه های عصبی مصنوعی، رگرسیون، درخت تصمیم و غیره. همچنین طراحی شده است اشاره SAS که توسط شرکت JMP نرم افزارهایی نیز برای داده کاوی ایجاد شده است که میتوان به نرم افزار کرد. این مقاله به معرفی داده کاوی و برخی از روشهای داده کاوی و همچنین محیطهایی که از داده کاوی بهره میبرند به همراه نرم افزار های آن پرداخته است.

فهرست :

چکیده

مقدمه

داده کاوی

تکنیک های داده کاوی

دسته بندی

رگرسیون گیری

خوشه بندی

تجمع و همبستگی

درخت تصمیم گیری

ویزگی های درخت تصمیم

الگوریتم ژنتیک

شبکه های عصبی مصنوعی

ساختار شبکه عصبی

نورون

معماری شبکه عصبی

شبکه های پیش خور تک لایه

انواع یادگیری در شبکه های عصبی مصنوعی

داده کاوی در پزشکی

داده کاوی در سلامت

نرم افزار های داده کاوی

نتیجه گیری

مراجع

 

عنوان پایان نامه :  کاربرد الگوریتم زنبورعسل در بهینه سازی مسائل ریاضی

قالب بندی :  PDF

قیمت :   رایگان

شرح مختصر :  انسان همیشه برای الهام گرفتن به جهان زنده‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌ی پیرامون خود نگریسته است. یکی ازبهترین طرح‌های شناخته شده، طرح پرواز انسان است که ابتدا لئورناردو داوینچی (۱۵۱۹-۱۴۵۲) طرحی از یک ماشین پرنده را براساس ساختمان بدن خفاش رسم نمود. چهارصد سال بعد کلمان آدر ماشین پرنده‌ای ساخت که دارای موتور بود و به جای بال از ملخ استفاده می‌کرد. در دهه‌های اخیر، روش‌های تکاملی و فراکاوشی به عنوان یک ابزار جستجو و بهینه‌سازی در حوزه‌های مختلفی مانند علوم تجاری و مهندسی مورد استفاده قرار گرفته است. وسعت دامنه‌‌ی کاربرد، سهولت استفاده و قابلیت دست‌یابی به جواب نزدیک و بهینه‌ی مطلق از جمله دلایل موفقیت این روش‌ها می‌باشد. هوش دسته جمعی، زیر شاخه‌ای از هوش مصنوعی است که بر پایه‌ی رفتار جمعی سیستم‌های غیر متمرکز و خود‌‌‌ ‌سازمان‌‌ده بنا شده است. نمونه‌ای از هوش جمعی، کلونی زنبور عسل است. یکی از کاربردهای این الگوریتم، مسائل بهینه‌سازی چندتایی است برای همین برخی به آن الگوریتم بهینه‌سازی زنبورعسل می‌گویند. دراین مقاله، الگوریتم کلونی زنبورعسل مورد استفاده قرار می‌گیرد و نتایج تولید شده توسط الگوریتم مقایسه می‌شوند.  موضوع کلونی زنبور عسل خود به دو بخش جستجوی غذا و فرآیند جفت‌گیری زنبورها تقسیم می‌شود.

فهرست :

مقدمه

فصل اول الگوریتم‌های تکاملی

 هوش مصنوعی

 الگوریتم چیست؟

 الگوریتم‌های تکاملی

 کاربردها

 الگوریتم کلونی مورچه

 بهینه سازی مسائل به روش کلونی مورچه

مورچه‌ها چگونه می‌توانند کوتاه‌ترین مسیر را پیدا کنند؟

 الگوریتم

الگوریتم کلی حرکت

 شبه کد و فلوچارت الگوریتم

 مزیت‌ها

 کاربردها

 الگوریتم رقابت استعماری

 دهی امپراطوری‌های اولیه

 سیاست جذب

 انقلاب

 جابجایی موقعیت مستعمره و امپریالیست

 رقابت استعماری

 سقوط امپراطوری‌های ضعیف

 شبه کد

 مزیت‌ها

 کاربردها

الگوریتم ژنتیک

مکانیزم الگوریتم ژنتیک

عملگرهای الگوریتم ژنتیک

کدگذاری

ارزیابی

ترکیب

جهش

رمزگشایی

شبه کد

کاربردها

الگوریتم ازدحام ذرات

کاربردها

کدام الگوریتم بهتر است؟

فصل دوم الگوریتم زنبور عسل

 تعریف

 کلونی زنبورها

 جستجوی غذا در طبیعت

 الگوریتم کلونی زنبورهای مصنوعی

 بهینه‌سازی کلونی زنبورها

 معرفی کلونی زنبورهای مصنوعی

 شبه کد

 الگوریتم بهینه‌یابی جفت‌گیری زنبورهای عسل

مدل‌سازی جفت‌گیری زنبورهای عسل

فصل سوم کاربردهای الگوریتم زنبورعسل

 The Ride Matching problems

Numerical expriment

دنیای مجازی در تسخیر زنبور دیجیتال

 بهینه‌سازی سد

 ایده‌ی روباتی

 سایر کاربردها

فصل چهارم کاربرد الگوریتم زنبورعسل در بهینه‌سازی مسائل ریاضی

 بهینه‌سازی

 شاخه‌های اصلی

انواع مسائل بهینه‌سازی

یک مساله‌ی بهینه‌سازی

قضایا

وجود نقطه‌ی بهینه

 کاربرد الگوریتم در مثال‌های ریاضی

 تابع سینوسی نامقید

 تابع توانی مقید

 ارزیابی الگوریتم

تابع  Griewank

تابع Rastrigin

تابع Rosenbrock

تابع Ackley

تابع Schwefel

نتیجه‌گیری و پیشنهادات

پیوست کد برنامه‌ی مربوط به الگوریتم زنبور عسل به زبانC

فهرست منابع

فهرست شکل‌ها و جدول‌ها:

شمای گرافیکی مغز انسان

نمونه‌ای از تکامل در طول تاریخ

سختی در حمل غذا و لزوم یافتن کوتاه‌ترین مسیر

فرومون و چگونگی یافتن کوتاه‌ترین مسیر

عدم تاثیر موانع در یافتن کوتاه‌ترین مسیر

فلوچارت الگوریتم مورچه

استعمار

شکل‌دهی امپراطوری اولیه

نحوه‌ی تقسیم مستعمرات میان کشورهای استعمارگر

تغییرات ناگهانی و وقوع انقلاب

تعویض موقعیت مستعمره و استعمارگر

رقابت استعمارگران

سقوط یک امپراطوری

نمای گرافیکی ژن

ترکیب در الگوریتم ژنتیک

الگوریتم اجتماع ذرات

swarm  زنبور‌ها

کدام الگوریتم؟

هدیه‌ای از جانب خدا

تلاش برای یافتن قطعات گلدار

رقص چرخشی

نمودار احتمال انتخاب زنبور‌های نر بر حسب تغییرات سرعت

نمودار احتمال انتخاب زنبور‌های نر برحسب تغییرات مقدار تابع هدف

الگوریتم HBMO

جریان ماهیانه‌ی ورودی به مخزن و نیاز متوسط

میزان متوسط افت خالص ماهیانه

تغییرات تابع هدف در  بهترین پرواز جفت‌گیری

تغییرات حجم مخزن در هر پریود

تغییرات میزان رهاسازی از مخزن در هر پریود

رویه‌ی تابع سینوسی نامقید

تغییرات مقدار تابع هدف در طول پروازهای جفت‌گیری

تعداد تجمعی موفقیت توابع در طول پروازهای جفت‌گیری

تغییرات حداکثر مقدار تابع هدف در  اجرا و در دفعات ارزیابی تابع هدف

تغییرات متوسط مقدار تابع در  اجرا و در طول دفعات ارزیابی تابع هدف

رویه‌ی تابع توانی مقید

تغییرات مقدار تابع هدف در طول پروازهای جفت‌گیری

تعداد تجمعی موفقیت توابع در طول انجام پروازهای جفت‌گیری

تغییرات متوسط مقادیر تابع هدف در  اجرا و در طول تعداد دفعات ارزیابی

تغییرات حداقل مقادیر تابع هدف در  اجرا و در طول تعداد دفعات ارزیابی

جدول ـ مقادیر تابع هدف در  بار اجرا و  پرواز جفت‌گیری

جدول ـ پارامترهای آماری تابع هدف در  بار اجرا و  پرواز جفت‌گیری

جدول ـ مقادیر تابع هدف و دومتغیر تصمیم در  اجرا و درپایان  پروازجفت‌گیری

جدول  پارامترهای آماری تابع هدف و دومتغیر تصمیم در  اجرا  پرواز جفت‌گیری

جدول  پارامترهای آماری مقادیر تابع هدف در  اجرا توسط الگوریتم ژنتیک با احتمالات مختلف

جدول  مقادیرتابع هدف و دو متغیر تصمیم در  اجرا و  پرواز جفت‌گیری

جدول  پارامترهای آماری تابع هدف و دو متغیر تصمیم در  اجرا ودر  پرواز جفت‌گیری

جدول  پارامترهای آماری مقادیر تابع هدف در  بار اجرا توسط الگوریتم ژنتیک با احتمالات مختلف

 

عنوان مقاله :  رنگ آمیزی گراف با الگوریتم ژنتیک ‎

قالب بندی :  PDF

قیمت :   رایگان

شرح مختصر :  مساله بهینه سازی رنگ آمیزی گراف تعیین حداقل تعداد رنگهای مورد نظر برای رنگ آمیزی گرافی معین است به گونه ای که هیچ دو راس مجاور هم رنگ نباشند و این عدد مورد نظر را عدد کروماتیک گراف می گوئیم . مساله تصمیم گیری رنگ آمیزی گراف ان است که برای یک عدد صحیح m تعیین کنیم که آیا رنگ آمیزی وجود دارد که حداکثر از این m رنگ استفاده کرده و هیچ دو راس مجاوری هم رنگ نباشند. تا امروز برای حالتهای تصمیم گیری و بهینه سازی فوق الگوریتمی از مرتبه چند جمله ای پیدا نشده است . در اینجا سعی شده با استفاده از الگوریتم ژنتیک راه حل های بهینه ای را برای این مسئله ارائه دهیم.

 فهرست :

الگوریتم ژنتیک و الگوریتم هیورستیک

مقدمه ای بر بهینه سازی

الگوریتم های مینیمم یابنده

هیورستیک

انواع الگوریتم های هیورستیک

الگوریتم ژنتیک

فضای جستجو

مفاهیم پایه ای در الگوریتم ژنتیک

کد گذاری دودویی

کدگذاری جهشی

کدگذاری ارزشی

کدگذاری درختی

جمعیت ژنتیکی

تاریع برازندگی

عملگر ترکیب یا جابجایی

ترکیب چند نقطه ای

ترکیب یکنواخت

ترکیب نگاشت جزئی

ترکیب مرتب شده

ترکیب چرخشی

عملگر جهش

روش وارون سازی

روش ژن جزئی

روش درجی

روش درهم آمیخته

روش چرخ رولت

روش رتبه بندی

عملگر ترمیم

نخبه کشی

مراحل اجرای الگوریتم ژنتیک

همگرایی در الگوریتم ژنتیک

روش برش کروموزوم

نحوه جهش ژنتیک