عنوان پایان نامه :  مدلسازی و کنترل انباشتگی در شبکه های کامپیوتری‎

 قالب بندی :  PDF

قیمت :   رایگان

شرح مختصر : انباشتگی در شبکه های کامپیوتری زمانی رخ می دهد که میزان داده ورودی به یک گره در شبکه بیشتر از ظرفیت خروجی آن گره باشد. بدین ترتیب با بافرکردن داده ها، تأخیر در شبکه بیشتر شده و با ادامه ورود داده به گره، تعدادی از بسته های داده گم شده و دور ریخته می شود. این پدیده منجر به دوباره فرستادن بسته های داده و کم شدن کارایی شبکه خواهد شد. در این پایان نامه مراحل مختلف کار سیستم شبکه های کامپیوتری معرفی شده اند و موضوع انباشتگی مورد بررسی قرار گرفته است. همچنین مفاهیم مربوطه را تعریف کرده و مدل جریان سیال برای مود پرهیز از انباشتگی معرفی شده اند. مکانیزم های مختلف برای مدیریت فعال صف معرفی و مقایسه شده اند. سرانجام در فصل سوم ، روش PI با استفاده از نرم افزار MATLAB (Simulink) شبیه سازی شده و حساسیت عملکرد آن نسبت به پارامترها مورد بررسی قرار گرفته است.

کلمات کلیدی : کنترل انباشتگی، مدیریت صف، مود پرهیز از تراکم، مکانیزم کنترل انباشتگی TCP ، اصول و قواعد  AIMD ، الگوریتم های صف، مدیریت فعال صف، تشخیص زود هنگام صف، مکانیز BLUE ،الگوریتم SFB،الگوریتم علامتگذاری تصادفی اولیه، الگوریتم Green ، الگوریتم انسداد، الگوریتم صف مجازی انطباقی،مکانیز آستانه پایانه کلاس، کنترل کننده تناسبی انتگرالی،

عنوان پایان نامه :  روش های جذب فلزات سنگین توسط جاذبها

 قالب بندی :  PDF

قیمت :   رایگان

شرح مختصر : با پیشرفت تمدن بشری , توسعه فناوری و ازدیاد روزافزون جمعیت در حال حاضر دنیا با مشکلی به نام آلودگی روبرو شده است که زندگی ساکنان کره زمین را تهدید می کند به طوری که در هر کشور حفاظت محیط زیست مورد توجه جدی دولتمردان است. آلودگی ناشی از انباشته شدن خاک و آب از ترکیبات سمی پایدار مانند مواد شیمیایی , نمک ها , فلزات سنگین و مواد رادیواکتیو عوامل ایجاد بیماری هایی است که تأثیرات ناسازگاری بر روی رشد و سلامت جانوران و انسان ها را دارد. انتشار فلزات سنگین در محیط زیست به سبب صنعتی شدن و گسترش شهر نشینی مشکلات بزرگی در سراسر جهان به همراه داشته است و همچنین افزایش آلودگی محیط زیست توسط فلزات سنگین سبب نگرانی های بسیار جدی به دلیل خصوصیات سرطان زایی , تجزیه ناپذیری و تجمع بیولوژیکی آنها شده است. جذب فلزات سنگین از پساب های صنعتی یکی از مباحث مهم زیست محیطی محسوب می شود. تاکنون روشهای مختلفی برای جذب این فلزات مورد توجه قرار گرفته است که استفاده از جاذب های زیستی از جمله این روش ها به شمار می رود. این امر به دلیل اقتصادی بودن , دستیابی راحت و منطبق با استاندارد های زیست محیطی است. در این مطالعه اساس عملکرد , مزایا و معایب روش های مختلف جذب فــــلزات سنگین مقایسه می شود.

فهرست :

چکیده

مقدمه

فلزات سنگین و مضر برای انسان

منابع اصلی آلودگی فلزات سنگین

کادمیوم

نیکل

وانادیوم

روی

سرب و دیگر فلزات سمی

فلزات سنگین

جذب سطحی

تعادل جذب سطحی

عوامل موثر بر سرعت جذب سطحی

ترمودینامیک جذب سطحی

سیستم های جذب سطحی

سیستم غیرپیوسته

سیستم بستر ثابت

بستر ضربه زده

بستر سیال شده

جاذب ها

جاذب های معدنی

جاذب های آلی

بیوجاذب ها

یافته ها

حذف فلزات سنگین از محیط آبی توسط جذب سطحی بر روی

پوست موز اصلاح شده

آماده سازی مواد

روش اصلاح جاذب

آزمایشات جذب

مدل های جذب

یافته ها

اثرPHدر میزان جذب

بررسی تاثیر دوز جاذب

ایزوترم های جذب

بحث

دستاورد

حدف فلزات سنگین از پساب های صنعتی به وسیله ضایـعات

روده گوسفند

مواد و روش ها

روش کار

مطالعه اثر زمان

مطالعه اثر PH

محاسبات مربوط به ایزوترم

نتایج و بحث

اثر PH

تاثیر مقدار جاذب

محاسبات ظرفیت جذب

مطالعات ایزوترم های جذب سطحی

استفاده از جاذب مورد مطالعه به منظور تصفیه پساب

کلیات به دست آمده

جذب مخلوط یون های فلزی سرب ، نیکل و کادمیم از محلول های آبی با استفاده از جاذب نانوحفره اصلاح شده

مواد آزمایش

تهیه نانوجاذب

شناسایی

آزمایش های جذب

الگوی

طیف

 مساحت سطح

تاثیر PH اولیه محلول بر میزان جذب یون های کادمیم ، نیکل و سرب

تاثیر غلظت اولیه محلول بر میزان جذب یون های کادمیم، نیکل و سرب

تاثیر مقدار جاذبدر محــــلول بر مقدار جذب کادمیم،

 نیکل و سرب

تاثیر زمان تماس جاذب بر جذب یون های کادمیم، نیکل و سرب

ایزوترم های جذب

بحث کلی

جذب بیولوژیکی یون های کادمیم و مس از محــیط آبی توسط

سبوس گندم اصلاح شده به روش شیمیایی

مواد و روش ها

بحث

اثر غلظت اولیه کادمیم و مس

علت و اثر فرایندهای اصلاح

مطالعات ایزوترم جذب

دیدگاه کلی

مطالعه کینتیکی و ایزوترم بیوجذب فلزات سنگـین به وسیله

جلبک اولوتریکس زوناتا از فاضلاب های صنعتی

مواد و روش ها

انجام آزمایشات جذب – حالت اول نمونه های واقعی

انجام آزمایشات جذب – حالت دوم نمونه های سینتیکی

یافته های پژوهش

بررسی تاثیرPHدر جذب فلزات با استفاده از جاذب اولتریکس زوناتا

بحث و نتیجه گیری

نتیجه گیری

منابع فارسی

منابع انگلیسی

سایت های اطلاع رسانی

عنوان پایان نامه :  رابطه بین هوش گاردنر و دست برتری‎

 قالب بندی :  PDF

قیمت :   رایگان

شرح مختصر : هوارد گاردنر با گفتن اینکه تعاریف ارائه شده از هوش تنگ نظرانه و محدود است، باور رایج اتخاذ شده در مورد هوش را به چالش کشید. از این رو در کتاب چهارچوب های ذهن وجود هفت نوع هوش را مطرح کرد. نظریه هوش چندگانه با تمرکز بر طیف وسیعی از توانایی ها دارای کاربردهای گسترده ای برای آموزشهای خاص است. علاوه بر این هر فردی دارای هفت نوع هوش است. اغلب افراد قادرند هرکدام از هوشها معمولا به شیوه ای پیچیده با هم کار میکنند و راه های متعددی برای باهوش بودن در مقوله از هوش وجود دارند. هدف از این پژوهش بررسی تفاوت بین هوش های مطرح شده در نظریه گاردنر در بین دانش آموزان چپ دست برتر و راست دست برتر میباشد.

فهرست :

چکیده

مقدمه

تعریف هوش

نظریه هوش کلاسیک

هوش عاطفی یا هوش هیجانی

هوش معنوی چیست ؟

هوش چندگانه گاردنر

انواع هوش چندگانه

تعریف هوش های هفتگانه گاردنر

هوش و موفقیت

نظریه تازه در مورد هوش

دست برتری

فضای مربوط به چپ دستی و راست دستی در مغز

چپ دستی و ویژگی های رفتاری

نظریه های مربوط به چپ دستی

ارتباط تغییر دست برتر و لکنت زبان

ژن عامل چپ دستی

تفاوت رفتاری چپ دست ها و راست دست ها

تفاوت هوش منطقی و هوش هیجانی

پژوهش های انجام شده

جامعه آماری

نمونه آماری

نتیجه گیری

ضمائم

منابع

عنوان پایان نامه : مباحث کاربردی و مهم در تحقق یک سیستم هوش مصنوعی

قالب بندی : PDF

قیمت : رایگان

شرح مختصر : از سن هوشمندسازی چندسالی نگذشته و در همین مدت اندک تمام زندگی مردم را فرا گرفته و کاربرد فراوانی در علوم مختلف دارد. علومی پزشکی یکی از آنهاست که بطور مثال در ژنتیک که میتوان تغیراتی در ژنها انجام داد شبکه های عصبی یکی دیگر از مباحث علم هوشمندی است که در این بخش میتوان از شبکه های عصبی مصنوعی نام برد. در مبحث سیستم های خبره حرف اول را میزند و شرکتهای مختلفی از آنها استفاده میکنند که نمونه ای از این استفاده ها CPU ، خازنها و از ایگونه وسایل الکترونیکی که در آینده به بازار ارایه میشود و یا یک سیستم هوشمند که با پردازش داده ها خروجی مناسبی به ما ارایه میدهد. برای دریافت اطلاعات بیشتر و دقیقتر شما را به مطالعه مطالب زیر دعوت میکنم، سعی شده نگارش متن ساده و روان باشد تا از خسته شدن هنگام مطالعه جلوگیری شود.

فهرست :

چکیده

هوش مصنوعی

تاریخ هوش مصنوعی

آزمون تورینگ

سیستم خبره چیست

حوزه های کاربرد

کاربرد سیستم های خبره

ساختار یک سیستم خبره

مدل سیستم خبره

پایگاه دانش

واحد پایگاه دانش

واحد اکتساب دانش

پایگاه داده قواعد

پایگا داده دستورالعمل چکها

پایگاه داده نقشه های شماتیک

پایگاه داده جانمایی قطعات

پایگاه داده شکل موج ها

پایگاه داده عیوب خطاها

موتور استنتاج

فرایند عیب یابی

حافظه کاری

امکانات توضیح

رابط کاربر

مشخصات مساله

ابعاد مختلف راه حل مساله

ابعاد مختلف یک سیستم مطلوب

انتخاب ابزار سیستم خبره پیشنهادی

تفاوت سیستم های خبره با سایر سیستم اطلاعاتی

مزایای یک سیستم خبره چیست؟

چند سیستم خبره مشهور

شبکه عصبی

تاریخچه شبکه عصبی

دلایل استفاده از شبکه عصبی

نورون مصنوعی

ساختار شبکه عصبی

تقسیم بندی شبکه عصبی

الگوریتم ژنتیک

عملکردهای الگوریتم ژنتیک

محک اختتام اجزای الگوریتم ژنتیک

نقات قوت الگوریتم ژنتیک

کاربردهای الگوریتم ژنتیک

تعریف سیستم های فازی و انواع آن

چرا سیستم های فازی

استفاده از منطق فازی

مجموعه های قاطع و توابع مشخصه

تاریخچه مجموعه های فازی

زندگینامه پروفسور لطفی

انواع سیستم های فازی

منطق فازی در matlab

عنوان مقاله :  انواع شبکه های عصبی و کاربرد آنها در الکترونیک

 قالب بندی :  PDF

قیمت :   رایگان

شرح مختصر : در این پایان نامه ابتدا به مقدمه ای از شبکه های عصبی از جمله تاریخچۀ شبکه های عصبی و مشخصات اصلی یک نرون بیولوژیک پرداخته شده است. سپس ساختار شبکه های عصبی مصنوعی مورد بحث قرار گرفته است که از این بحث می توان به تعریف شبکه های عصبی مصنوعی، انواع توابع فعال ساز، انواع یادگیری شبکه های عصبی، شبکه های پرسپترون، MPL و هاپفیلد اشاره داشت. سرانجام نیز يك کاربرد شبکه های عصبی در پردازش تصوير، که عبارت است از « آشکارسازي چهره با شبکه هاي عصبی در تصاویر رنگی » مورد بررسی قرار گرفته شده است.

فهرست :

مقدمه

فصل اول : مقدمه ای بر شبکه های عصبی

تاریخچۀ شبکه های عصبی

نرون طبیعی

یادگیری در سیستم های بیولوژیک

شباهت شبکۀ عصبی زنده و مصنوعی

کاربرد شبکه های عصبی

فصل دوم : ساختار شبکه های عصبی مصنوعی

تعریف شبکه های عصبی مصنوعی

نرون های مصنوعی

اجزای یک شبکه عصبی

الگو برداری از مغز انسان

افزایش سرعت

حساسیت بالا به رخداد اشتباه

رایانه ها قادر نیستند از تجربیات گذشته استفاده نمایند

عدم ارائۀ پاسخ مناسب در شرایط جدید

ویژگی های شبکه های عصبی مصنوعی

قابلیت یادگیری

قابلیت تعمیم

پردازش موازی

مقاوم بودن

قابلیت کاربری

تشخیص داده های اشتباه

تحمل خطا

غیر خطی بودن

تصویر کردن ورودی – خروجی

معایب شبکه های عصبی

انواع توابع انتقال

یادگیری شبکه های عصبی

یادگیری نظارت شده

یادگیری نظارت نشده

یادگیری تقویت یافته

الگوریتم پس انتشار خطا

آموزش دلتا

آموزش ترکیبی

آموزش رقابتی

آموزش هب

ساختارهای مختلف شبکه های عصبی مصنوعی

شبکه های پسخور

شبکه های پیش خور

شبکه های پیش خور تک لایه

شبکه های پیش خور چند لایه

پرسپترون

 یادگیری پرسپترون

 یادگیری پرسپترون مبتنی به روش برداری

 محدودیت های پرسپترون

شبکه های عصبی پرسپترون چندلایه

 رفع مشکل

 حل مشکل

 مدل جدید

 قاعدۀ جدید فراگیری

 بررسی مجدد مساله یای حذفی (XOR)

شبکۀ هاپفیلد

فصل سوم : چند نمونه از کاربردهای شبکه های عصبی

آشکارسازی چهره با شبکه های عصبی در تصاویر رنگی

مقدمه

مشخصات رنگ پوست انسان

استخراج رنگ پوست

تولید رنگ پوست در فضایرنگی  cbcr

شبکه های عصبی پیشنهادی

نتایج آزمایشات

نتایج آزمایش اترویفریمهای ویدئویی

 آشکارسازی چهره

منابع

عنوان پایان نامه :  پیاده سازی پروتکل های مسیر یابی و بررسی امنیت در آنها‎

 قالب بندی :  PDF

قیمت :   رایگان

شرح مختصر : وظیفه مسیریاب ها انتقال اطلاعات می باشد. براي اینکه مسیریاب ها بتوانند بهترین مسیر را براي انتقال اطلاعات انتخاب کنند باید الگوریتم هایی اجرا شود تا از این طریق بهترین مسیر انتخاب شود. مجموعه مطالبی که در اختیار شما خواننده گرامی است پژوهشی در رابطه با مسیریابی در شبکه هاي جهانی اینترنت و بررسی الگوریتم هاي مسیریابی متفاوت ،تجزیه و تحلیل،نحوه پیاده سازي این الگوریتم ها ، بررسی امنیت در پروتکل هاي مسیر یابی و نحوه تنظیم امنیت در پروتکل هاي روتر می باشد. هدف از انجام این پروژه تحلیل و چگونگی کار پروتکل هاي مسیر یابی ،پیاده سازي پروتکل ها و در نهایت بررسی امنیت در هر یک از پروتکل ها می باشد.

فصل اول، تعریف کلی از مسیریاب و کاربرد آن در شبکه هاي کامپیوتري ، الگوریتم هاي مسیر یابی و نحو  مسیریابی پروتکل هاي هرکدام توضیح داده شده است.

فصل دوم، نحوه پیاده سازي پروتکل هاي توضیح داده شده در روتر و مثال هایی براي هرکدام انجام می دهیم.

فصل سوم، امنیت در هریک از پروتکل هاي مسیر یابی جهت تبادل اطلاعات مطمئن بین روترها بررسی می شود و با مثال هایی طریقه تنظیم امنیت در آن ها را انجام می دهیم.

فهرست :

فصل اول مسیریابی بسته هاي IP

(Router)  مسیریاب

 (Routing)  مفهوم مسیریابی

مقایسه مسیریابی در روتر با مسیر یابی در سوئیچ

انواع پروتکل

انواع  Route

 Autonomous systems

 Administrative Distance

 Metrics

 Convergence Time

 Dynamic Route

پروتکل هاي Distance Vector

خواص کلی  Distance Vector

مشکلات مربوط به پروتکل هاي Distance Vector

پروتکل هاي Link State

مزیت پروتکل هاي  Link State

معایب استفاده از پروتکل هاي  Link State

 پروتکل Hybrid

فصل دوم پیاده سازي پروتکل هاي مسیریابی

  Static Route

  پیکربندي Static Route

  پروتکل Routing Information Protocol)RIP

مقایسه     RIPv با  RIPv

  پیاده سازي پروتکل  RIPv

  عیب یابی RIP

پروتکل   (Open Shortest Path First)OSPF

 انواع روتر در پروتکل  OSPF

پیدا کردن روترهاي همسایه    (Neighbors)

BDR(Backup Designated Router) و DR(Designated Router)

پیاده سازي پروتکل  OSPF

  عیب یابی  OSPF

پروتکل   (Enhanced Interior Gateway Routing Protocol)EIGRP

تشکیل همسایگی در پروتکل  EIGRP

پیاده سازي EIGRP

عیب یابی  EIGRP

فصل سوم امنیت در پروتکل هاي مسیریابی

 امنیت

تائید هویت روتر همسایه   (Neighbor Router Authentication)

Neighbor Authentication  چگونه کار می کند؟

  Plain Text Authentication

 MD Authentication

مدیریت زنجیره کلید  (Key Chains)

عنوان پایان نامه :  داده کاوی در پایگاه داده های بزرگ

 قالب بندی :  PDF

قیمت :   رایگان

شرح مختصر : داده کاوی، فرایند مرتب سازی و طبقه بندی داده های حجیم و آشکارسازی اطلاعات مرتبط باهم می باشد. امروزه داده کاوی به عنوان یکی از ابزارهای بسیار مهم مدیران جهت شناخت وضعیت دقیق تر سازمان و همچنین کمک در اتخاذ تصمیمات مناسب کاربرد دارد. با استفاده از این تکنیک، داده های موجود در سازمان با بکارگیری ابزارهای نرم افزاری، مورد بررسی و تحلیل دقیق قرار می گیرد تا الگوهای پنهان و پیچیده ای که در آنها وجود دارد کشف و استخراج گردد. داده کاوی را می توان نسل سوم تکنولوژیهایی نامید که با داده سروکار دارند. در نسل اول یا نسل سنتی، فقط انجام پرس و جو های ساده امکان پذیر بود، مثلا تعداد فروش یک کالای خاص چقدر است؟ میزان خرید یک مشتری خاص در ماه جاری چه مبلغی است؟ در نسل دوم یا همان پردازش لحظه ای برخط (OLAP) امکان پرس و جوی همزمان چند بعدی فراهم گردید. در این روش به عنوان مثال به سوالاتی مانند: «میزان فروش محصولات به تفکیک فروشنده، خریدار و مسیر خاص چقدر است؟ » بصورت لحظه ای و با استفاده از مکعب تصمیم و گزارش ماتریسی پاسخ داده می شود. اما در نسل سوم یا همان داده کاوی فقط مساله پرس و جو و دریافت گزارش ها از داده ها نیست، بلکه از حجم انبوه داده ها، الگوهایی کشف می شود که هیچ وقت امکان کشف این الگوها در OLAP یا روش سنتی وجود نداشت. انواع اطلاعات و الگوهایی که از طریق داده کاوی بدست می آیند و کاربرد دارند عبارتند از: وابستگی، تسلسل و توالی، طبقه بندی، خوشه بندی و پیش بینی. برای استخراج این الگوها اغلب از روشهای نوینی مانند شبکه عصبی و درختهای تصمیم استفاده می شود. در عمل برای امکان انجام داده کاوی و استفاده از تکنیکهای فوق الذکر، ابتدا باید نسبت به ایجاد یک انبار داده مناسب اقدام کرد. یک انبارداده در حقیقت پایگاه داده ای است که داده های جاری و همچنین سوابق قبلی تراکنشها را در خود ذخیره کرده و با منابع خارج سازمان نیز ارتباط برقرار می کند. اهداف کلی این مقاله عبارتند از ارایه تعریف دقیقی از انبار داده، بررسی تکنیکها و کاربردهای داده کاوی و کاربرد آن در مدیریت، معرفی شبکه عصبی به عنوان یکی از روشهای اجرای داده کاوی و بیان مفهوم درخت تصمیم و ارتباط آن با داده کاوی.

فهرست :

چکیده

مقدمه ای بر داده‌کاوی

فصل اول

 چه چيزی سبب پيدايش داده کاوی شده است

 مراحل کشف دانش

 جایگاه داده کاوی در میان علوم مختلف

 داده کاوی چه کارهایی نمی تواند انجام دهد؟

 داده کاوی و انبار داده ها

 داده کاوی و OLAP

 کاربرد یادگیری ماشین و آمار در داده کاوی

فصل دوم

 توصیف داده ها در داده کاوی

 خلاصه سازی و به تصویر در آوردن داده ها

 خوشه بندی

 تحلیل لینک

فصل سوم

 مدل های پیش بینی داده ها

Classification

Regression

Time series

فصل چهارم

 مدل ها و الگوریتم های داده کاوی

 شبکه های عصبی

Decision trees

Multivariate Adaptive Regression Splines(MARS)

Rule induction

Knearest neibour and memorybased reansoning(MBR)

 رگرسیون منطقی

 تحلیل تفکیکی

 مدل افزودنی کلی (GAM)

Boosting

فصل پنجم

  سلسله مراتب انتخابها

فصل ششم

 مراحل فرایند کشف دانش از پایگاه داده های بزرگ

 انبارش داده ها

انتخاب داده ها

تبدیل داده ها

کاوش در داده ها

تفسیر نتیجه

فصل هفتم

عملیات های داده کاوی

مدل سازی پیشگویی کننده

تقطیع پایگاه داده ها

تحلیل پیوند

فصل هشتم

قابلیت هایdata mainig

داده کاوی وانبار داده ها

داده کاوی آمار ویادگیری ماشین

کاربرد های داده کاوی

داده کاوی موفق

تحلیل ارتباطات

فصل نهم

طبقه بندی

حدس بازگشتی

سری های زمانی

درخت های انتخاب

استنتاج قانون

الگوریتم های ژنتیک

فصل دهم

فرایند های داده کاوی

مدل فرایند دو سویه

فصل یازدهم

ساختن یک پایگاه داده داده کاوی

جستجوی داده

آماده سازی داده برای مدل سازی

ساختن مدل برای داده کاوی

تائید اعتبار ساده

ارزیابی وتفسیر

فصل دوازدهم

ماتریس های پیچیدگی

ایجادمعماری مدل ونتایج

فصل سیزدهم

نتیجه گیری

منابع ومآخذ