شبکه های کامپیوتری

عنوان مقاله  :  شبکه های کامپیوتری

قالب بندی :  Word

قیمت :   رایگان

شرح مختصر :  دستیابی به اطلاعات با روش های مطمئن و با سرعت بالا یکی از رموز موفقیت هر سازمان و موسسه است . طی سالیان اخیر هزاران پرونده و کاغذ که حاوی اطلاعات با ارزش برای یک سازمان بوده ، در کامپیوتر ذخیره شده اند. با تغذیه دریائی از اطلاعات به کامپیوتر ،  امکان مدیریت الکترونیکی اطلاعات فراهم  شده است . کاربران متفاوت در اقصی نقاط جهان قادر به اشتراک اطلاعات بوده و تصویری زیبا از همیاری و همکاری اطلاعاتی را به نمایش می گذارند.

شبکه های کامپیوتری در این راستا و جهت نیل به اهداف فوق نقش بسیار مهمی را ایفاء می نمایند.اینترنت که عالی ترین تبلور یک شبکه کامپیوتری در سطح جهان است، امروزه در مقیاس بسیار گسترده ای استفاده شده و ارائه دهندگان اطلاعات ،  اطلاعات و یا فرآورده های اطلاعاتی خود را در قالب محصولات تولیدی و یا خدمات در اختیار استفاده کنندگان  قرار می دهند. وب که عالی ترین سرویس خدماتی اینترنت می باشد کاربران را قادر می سازد که در اقصی نقاط دنیا اقدام به خرید، آموزش ، مطالعه و … نمایند.

با استفاده از شبکه، یک کامپیوتر قادر به ارسال  و دریافت اطلاعات از کامپیوتر دیگر است . اینترنت نمونه ای عینی از یک شبکه کامپیوتری است . در این شبکه میلیون ها کامپیوتر در اقصی نقاط جهان به یکدیگر متصل شده اند.اینترنت شبکه ای است مشتمل بر زنجیره ای از شبکه های کوچکتراست . نقش شبکه های کوچک برای ایجاد تصویری با نام اینترنت بسیار حائز اهمیت است . تصویری که هر کاربر با نگاه کردن به آن گمشده خود را در آن پیدا خواهد کرد. در این بخش به بررسی شبکه های کامپیوتری و جایگاه مهم آنان در زمینه تکنولوژی اطلاعات و مدیریت الکترونیکی اطلاعات خواهیم داشت .

فهرست :

شبکه اترنت

شبکه های محلی و شبکه های گسترده

پروتکل

اترنت

Bridges  و سگمنت

تکنولوژی های متفاوت شبکه

تفسیم بندی شبکه ها

تقسیم بندی بر اساس توپولوژی

توپولوژی BUS

توپولوژی STAR

توپولوژی RING

شبکه های LAN

شبکه های WAN

کابل کواکسیال

فیبر  نوری

اجزای پروتکل TCP/IP

مدل آدرس دهی IP

نحوه اختصاص IP

لایه های  OSI

پروتکل های پشته ای

شبکه های بدون کابل

فایروال

تکنولوژی سوئیچ ها

اینترفیس Winsock

قابلیت های NAT

پروتکلهای سوئیچینگ و مسیریابی

عنوان پاورپوینت  :  امنیت تجهیزات و پروتکلهای سوئیچینگ و مسیریابی

قالب بندی :  PDF, PPTX

قیمت :   رایگان

شرح مختصر :  تجهیزات شبکه اولین هدف یک هکر توانمند خواهند بود. در صورت در اختیار گرفتن سوئیچ یا روتر، هکر می تواند کنترل شبکه را تا حد زیادی در دست گیرد. علاوه بر امنیت فیزیکی و مکان قرار گیری، تجهیزات شبکه باید مقاوم سازی یا Hardening شوند. برای جلوگیری از سوء استفاده هکرها به وسیله سرویس DHCP از ویژگی DHCP Snooping بهره می برند.

ویژگی DHCP Snooping همانند یک فایروال بین سرور DHCP قابل اعتماد و کلاینت‌های غیرقابل اطمینان در شبکه قرار گرفته و فعالیت‌های زیر را انجام می‌دهد:

> اعتبار سنجی پیام‌هایDHCP دریافت شده

> محدود سازی میزان ترافیکDHCP از منابع قابل اعتماد و غیرقابل اعتماد.

> ایجاد و نگهداری پایگاه داده DHCP Snooping، شامل اطلاعاتی درباره کلاینت‌های غیرقابل اطمینان به همراه آدرس‌هایIP استیجاری اختصاص داده شده به آنها.

> بهره‌گیری از پایگاه داده DHCP Snooping برای اعتبار سنجی درخواست‌های بعدی کلاینت های غیرقابل اعتماد.

منظور از غیرقابل اطمینان کلاینت‌هایی هستند که به طور معمول به شبکه وصل می‌شوند و ممکن است فرد هکر نیز یکی از آنها باشد. پس توجه داشته باشید که غیرقابل اطمینان به منظور ناشناخته بوده و با غیرمجاز فرق می‌کند! به صورت پیش فرض، تمام اینترفیس های روتر اقدام به ارسال و دریافت پیام های مسیریابی مینمایند.  در بسیاری از موارد نیازی نیست که یک اینترفیس اقدام به دریافت یا ارسال پیام های مسیریابی نماید. در صورتیکه فرد هکر به اینترفیس مورد نظر دسترسی پیدا کند، می تواند از مسیریابی شبکه آگاه شده و حتی با دستکاری پیام ها، مسیرها را تغییر دهد.

در صورتیکه ویژگی Passive Interfaceبر روی یک اینترفیس فعال باشد، پیام‌های بروز رسانی مربوط به مسیریابی پویا از طریق آن اینترفیس دریافت و ارسال نخواهد شد. استفاده از این ویژگی باعث افزایش امنیت مربوط به پیام های مسیریابی می‌گردد.

فهرست :

کنترل خطوط tty و vty

مدیریت کلمه عبور

نگهداری کلمات عبور بصورت رمز شده

غیر فعال کردن سرویس های بلااستفاده و ریسک پذیر

امنیت Session

سایر نکات Hardening

استفاده از بهترین شیوه رویدادنگاری

ســـرویس AAA

VLAN بندی

امنیت پروتکل STP

ویژگی Port Security

کنترل طوفان ترافیک

ویژگی DHCP Snooping

ویژگی DAI

شبکه مجازی خصوصی

پروتکل IEEE 802.1x

ویژگی Passive Interface

ترجمه آدرس شبکه (NAT)

استاندارد RFC 2827

احراز هویت در پروتکل‌های مسیریابی

امنیت در پروتکل RIP

امنیت در پروتکل EIGRP

امنیت در پروتکل OSPF

امنیت در پروتکل BGP

تلوزیون

عنوان پاورپوینت  :  اصول سیستم های تلوزیون

قالب بندی :  PPTX

قیمت :   رایگان

شرح مختصر :  مبدل سیگنال ویدئو به تصویر را لامپ تصویر می نامند. به عبارت روشن تر وظیفه لامپ تصویر تبدیل اطلاعات الکتریکی به اطلاعات نوری است. برای این کار لامپ تصویر یک شعاع الکترونی بسیار باریک تهیه کرده آن را بر روی یک صفحه حساس نسبت به نور می اندازد. تعداد الکترون های این شعاع الکترونی متناسب با سیگنال تصویر می باشد و شدت روشنایی تصویر متناسب با تعداد الکترون های شعاع الکترونی است.

اگر سیگنال ویدئو با پلاریتۀ منفی باشد،این سیگنال بایستی به شبکهی کنترل وصل گردد (یعنی سیگنال ویدئو مثبت است) .و اگر سیگنال ویدئو دارای پلاریته ی مثبت باشد ،بایستی به کاتد متصل شود ،زیرا در این مورد صورت اگر دامنه سیگنال و یدئو زیاد شود،کاتد نسبت به آند مثبت تر شده و از شدت اشعه کاسته می شود و در نتیجه صفحه سیاهتر می شود . در واقع هرچه ولتاژ کاتد زیادتر شود اشعه ی کمتری منتشر می گردد پس سیگنال ویدئوی منفی به کاتد متصل می گردد.

سیگنال های حامل رنگ در سیستم NTSC ،روی دامنۀ متغیر سیگنال Y قرار می گیرند؛ در صورتی که سیگنال های با برست روی دامنۀ ثابت نشانۀ عقبی قرار داد .بنابراین در اثر تقویت ناهمگون این دو سیگنال در گیرنده ، و یا بعد انعکاس امواج فرستنده ،اختلاف فازی ما بین حاملهای رنگ و برست بوجود می آید که این اختلاف فاز بصورت رنگ روی صحنه ظاهر شده و رنگهای غیر واقعی را بوجودمی آورد .برای رفع این نقیصۀ سیستم NTSC ،کوششهایی بعمل آمد که منجر به بوجود آمدن سیستمهای جدید پال و سکام شد سیستم پال ، در آلمان اختراع و کامل گردید و اصول آن مشابه سیستمهای NTSC می باشد.

 فهرست :

لامپ اشعه کاتدی یا لامپ پروان CRT

نور و رنگ

اصول سه رنگی

اصول مدولاسیون رنگ

سیستم N.T.S.C

سیستم سکام و پال

مدارات همزمانی (سنکرونیزاسیون)

سیگنال مرکب تصویر (ویدئو)

سیستم ارسال سطر در میانی تصویر

چگونی جریان بوبین های انحراف افقی و عمودی درگیرنده

مدولاسیون

اصول مدولاسیون رنگ

مدولاسیون با باند جانبی اضافی

ساختمان لامپها

باندهای فرکانسی و آنتن ها

بررسی مدارات گیرندۀ تلویزیون

تیونر و بررسی چگونگی  کار آن

طبقه It تصویر

طبقه آشکار ساز تصویر

طبقه آشکارساز صوت

تقویت صوت و بلندگو

سیستم کنترل بهره AGC

طبقه جدا کننده علائم همزمانی

کنترلر فازی

عنوان پروژه :  کنترل موقعیت و زاویه پاندول معکوس با استفاده از کنترلر فازی

قالب بندی :  PDF, simulink

قیمت :   رایگان

شرح مختصر :  طراحی کنترل کننده و بررسی پایداری مدل پاندول معکوس بعلت غیر خطی بودن همیشه از موضوعات مطرح در کنترل بوده است.در این مقاله، یک کنترل کننده کلاسیک از نوع PD با روش تنظیم پارامتر زیگلر-نیکولز برای کنترل زاویه پاندول و یک کنترل کننده فازی از نوع ممدانی برای کنترل موقعیت گاری و زاویه پاندول طراحی شده اند که نتیجه ای که گرفته شده است این است که کنترل کلاسیک زمانی که زاویه کوچک باشد خطای حالت ماندگار صفر دارد ولی وقتی زاویه افزایش پیدا می کند خطای حالت ماندگار دادرد ولی کنترل کننده فازی با کم و زیاد شده زاویه خطای حالت ماندگار نخواهد داشت و سیستم غیر خطی را بدون خطی سازی کنترل می کند

 فهرست :

مقدمه

روش

معادلات دینامیکی و مدل سازی سیستم

شبیه سازی در MATLAB

پاسخ مدار باز سیستم به ورودی ضربه

طراحی کنترلر کلاسیک PD برای کنترل زاویه پاندول

طراحی کنترل کننده فازی برای موقعیت گاری و زاویه پاندول

تعریف متغیرهای کلامی و توابع عضویت

قواعد فازی کنترلرها

شبیه سازی حلقه بسته سیستم و کنترلر فازی

نتایج

منابع و ماخذ

پروژه داده کاوی

عنوان پروژه  :  داده کاوی ثبت احوال با نرم افزار کلمنتاین‎

قالب بندی :  Word, PDF, GEN, XLS

قیمت :   رایگان

شرح مختصر :  امروزه با گسترش سیستم های پایگاهی و حجم بالای داده ها ی ذخیره شده در این سیستم ها ، نیاز به ابزاری است تا بتوان داده های ذخیره شده را پردازش کرد و اطلاعات حاصل از این پردازش را در اختیار کاربران قرار داد . با استفاده از پرسش های ساده در SQL و ابزارهای گوناگون گزارش گیری معمولی ، می توان اطلاعاتی را در اختیار کاربران قرار داد تا بتوانند به نتیجه گیری در مورد داده ها و روابط منطقی میان آنها بپردازند اما وقتی که حجم داده ها بالا باشد ، کاربران هر چند زبر دست و با تجربه باشند نمی توانند الگوهای مفید را در میان حجم انبوه داده ها تشخیص دهند و یا اگر قادر به این کار هم با شند ، هزینه عملیات از نظر نیروی انسانی و مادی بسیار بالا است .

از سوی دیگر کاربران معمولا فرضیه ای را مطرح می کنند و سپس بر اساس گزارشات مشاهده شده به اثبات یا رد فرضیه می پردازند ، در حالی که امروزه نیاز به روشهایی است که اصطلاحا به کشف دانش بپردازند یعنی با کمترین دخالت کاربر و به صورت خودکار الگوها و رابطه های منطقی را بیان نمایند . داده کاوی یکی از مهمترین این روشها است که به وسیله آن الگوهای مفید در داده ها با حداقل دخالت کاربران شناخته می شوند و اطلاعاتی را در اختیار کاربران و تحلیل گران قرار می دهند تا براساس آنها تصمیمات مهم و حیاتی در سازمانها اتخاذ شوند .

در پروژه داده کاوی از بخشی از علم آمار به نام تحلیل اکتشافی داده ها استفاده می شود که در آن بر کشف اطلاعات نهفته و ناشناخته از درون حجم انبوه داده ها تاکید می شود . علاوه بر این داده کاوی با هوش مصنوعی و یادگیری ماشین نیز ارتباط تنگاتنگی دارد ، بنابراین می توان گفت در داده کاوی تئوریهای پایگاه داده ها ،  هوش مصنوعی ، یادگیری ماشین و علم آمار را در هم می آمیزند تا زمینه کاربردی فراهم شود . باید توجه داشت که اصطلاح داده کاوی زمانی به کار برده می شود که با حجم بزرگی از داده ها ، در حد مگا یا ترابایت ، مواجه باشیم . در تمامی منابع داده کاوی بر این مطلب تاکید شده است . هر چه حجم داده ها بیشتر و روابط میان آنها پیچیده تر باشد دسترسی به اطلاعات نهفته در میان داده ها مشکلتر می شود و نقش داده کاوی به عنوان یکی از روشهای کشف دانش ، روشن تر می گردد.

 فهرست :

چکیده

مقدمه

پرسشنامه

پروژه داده کاوی

معرفی فیلدهای پرسشنامه

مراحل انجام کار با کلمنتاین

الگوریتم C5.O

خوشه بندی

K-means

Kohonen

قواعد تلازمی

Apriori

شبکه عصبی

Neuralnet

استفاده از پارتیشن

استفاده از C5.O

استفاده از Neuralnet

استفاده از Bayes Net

شبکه های عصبی فازی‎

عنوان پایان نامه  :  بررسی پارامترهای مهم در شبکه های عصبی فازی‎

قالب بندی :  PDF

قیمت :   رایگان

شرح مختصر : منطق فازی که در آن «زبان طبیعی» به جای متغیرهای عددی برای تشریح رفتار و عملکرد سیستم ها به کار می رود.،بیشترین کاربرد این مقوله به ترتیب در سازماندهی و فراهم  آوری اطلاعات بوده است. اکنون برای تضمین امنیت شبکه  های اطلاعاتی، از منطق فازی بهره -برداری می شود. در برخی زمینه  ها مانند مستند سازی و مدیریت رکوردها نیز تاکنون پژوهشی با موضوع فازی به انجام نرسیده است. در سالهای اخیر، رویکرد عمده این بحث به سمت نظام های خبره و هوش مصنوعی سوق یافته است. به نظر می‌رسد برای حل بسیاری از گره‌ های موجود در حوزه مدیریت اطلاعات، می توان از منطق فازی کمک گرفت.

شبکه های عصبی فازی‎ یک سامانه پردازشی داده‌ها است که از مغز انسان ایده گرفته و پردازش داده‌ها را به عهده پردازنده‌های کوچک و بسیار زیادی سپرده که به صورت شبکه‌ای به هم پیوسته و موازی با یکدیگر رفتار می‌کنند تا یک مسئله را حل نمایند. در این شبکه‌ها به کمک دانش برنامه نویسی، ساختار داده‌ای طراحی می‌شود که می‌تواند همانند نورون عمل کند. که به این ساختارداده نورون گفته می‌شود. بعد باایجاد شبکه‌ای بین این نورونها و اعمال یک الگوریتم آموزشی به آن، شبکه را آموزش می‌دهند.

شبکه های عصبی فازی‎ یک سیستم ارگانی شامل نورون‌ها می‌باشد که اعمال و واکنش جانداران را هماهنگ می‌سازد و سیگنال‌ها را به بخشهای متفاوت بدن می‌فرستد. در بیشتر جانداران سیستم عصبی شامل دو بخش مرکزی و بخش جانبی است. در استفاده‌های جدیدتر این عبارت به شبکه عصبی مصنوعی که از نورون‌هایی مصنوعی ساخته شده‌است هم اشاره دارد. بنابراین عبارت ‘شبکه عصبی’ در حالت کلی به دو مفهوم مختلف شبکه عصبی زیستی و شبکه عصبی مصنوعی مختلف اشاره دارد.

شبکه‌های عصبی با توانایی قابل توجه خود در استنتاج نتایج از داده‌های پیچیده می‌توانند در استخراج الگوها و شناسایی گرایش‌های مختلفی که برای انسان‌ها و کامپیوتر شناسایی آنها بسیار دشوار است استفاده شوند.

تنظیم پارامترهای شبکه عصبی مصنوعی را میتوان به عنوان یکی از مهمترین مشکلات استفاده از آن عنوان کرد. روش شبکه عصبی فازی نسبت به سایر روش ها قدرت بالایی در شناخت روند موجود بر داده ها دارد و در تمامی روشهای اندازه گیری خطا نسبت به سایر روشها خطای کمتری دارد . نتایج تحقیق بیانگر آن است که روش شبکه عصبی فازی با توجه به میزان کم خطا دارای همگرایی سریع و توانایی تقریب بالایی است و برای پیش بینی مناسب است.

فهرست :

فصل اول: منطق فازی

مقدمه ای بر چیستی منطق فازی

مثالی از منطق فازی در زندگی روزمره

چرا سیستم فازی؟

سیستم های فازی چگونه سیستم هایی هستند؟

سه سیستم فازی وجود دارد

مشکلات عمده سیستم فازی TSK عبارتند از

منطق فازی و مدیریت اطلاعات در کتابخانه

تاریخچه منطق فازی

منطق فازی چیست؟

سیستم های فازی کجا و چگونه استفاده می شوند ؟

کاربردهای منطق فازی

کاربردهای منطق فازی سازماندهی اطلاعات

فصل دوم: شبکه عصبی (Neural Network)

مقدمه

شبکه عصبی

توصیف شبکه های عصبی

شبکه‌های عصبی زیستی

معرفی شبکه عصبی مصنوعی

تاریخچه شبکه‌های عصبی مصنوعی

چرا از شبکه‌های عصبی استفاده می‌کنیم

شبکه‌های عصبی در مقایسه با کامپیوترهای سنتی

شباهت با مغز

شبکه عصبی دقیقاً چیست

ساختار شبکه‌های عصبی

تقسیم بندی شبکه‌های عصبی

ویژگی‌های یک شبکه‌عصبی‌

روش کار نرون‌ها

نورون عصبی

یک نورون مصنوعی چه شکلی است؟

چطور از یک نورون مصنوعی استفاده می کنید؟

پیاده‌سازی‌های الکترونیکی نرون‌های مصنوعی

مدل ریاضی

کاربرد شبکه‌های عصبی

معایب شبکه‌های عصبی

چگونگی یادگیری شبکه های عصبی

ساختار نورون و لایه ی نورون

تعریف کلاس

توضیح لوپ اصلی

فصل سوم : بررسی ساختار و پارامترهای مهم شبکه های عصبی فازی

مقدمه

یکپارچگی منطق فازی و شبکه های عصبی

برخی از کاربردهای سیستم های فازی  عصبی

انواع شبکه عصبی فازی و نوروفازی

پارامترهای مهم سیستم های عصبی فازی

سامانه استنتاج تطبیقی عصبی فازی

موتور استنتاج فازی

انواع موتور استنتاج

تفسیری کامل شبکه تطبیقی بر اساس سیستم های با منطق فازی

مرور ادبیات

تعیین معیار های عملکرد شبکه عصبی مصنوعی همراه با وزن هریک از آنها

تعیین عوامل کنترلی که بیشترین تاثیر را بر روی معیارهای عملکرد تعیین شده دارند

آنالیز واریانس هر یک از معیارهای عملکرد به صورت جداگانه

استفاده از روش برنامه ریزی فازی جهت یافتن بهترین ترکیب عوامل کنترلی تاثیرگذار

مثال عددی

تعیین معیارهای عملکرد شبکه عصبی مصنوعی همراه با وزن هر یک از آنها

تعیین عوامل کنترلی که بیشترین تاثیر را بر روی معیارهای عملکرد تعیین شده دارند

آنالیز واریانس هر یک از معیارهای عملکرد بصورت جداگانه

تکنیک تبدیل   هدف را دنبال میکند :

استفاده از روش برنامه ریزی فازی جهت یافتن بهترین ترکیب عوامل کنترلی تاثیر گذار

تحقیقات و پژوهش های صورت گرفته در زمینه استفاده از شبکه های عصبی فازی

پیش بینی عوامل موثر بر قیمت طلا

مدل سازی پیش بینی قیمت سهام

مدل سازی پیش بینی با استفاده از شبکه عصبی   فازی : قیمت نفت

مدلسازی پیش بینی جایگاه تیم ملی فوتبال ایران در رده بندی فیفا با استفاده از شبکه های عصبی فازی

برنامه ریزی تعمیرات و نگه داری پیش گویانه ایستگاه های گاز با رویکرد PCA و شبکه های عصبی فازی

نتیجه گیری

کاربرد شبکه های عصبی

عنوان مقاله  :  کاربرد شبکه های عصبی در کنترل

قالب بندی :  PDF

قیمت :   رایگان

شرح مختصر : با وجود کنترل کلاسیک وکنترل مدرن چه لزومی به استفاده از شبکه عصبی یا روش های محاسبات نرم در کنترل وجود دارد؟ در واقع همیشه این امکان وجود ندارد که رابطه بین ورودی و خروجی با ریاضی کلاسیک بیان شود و همچنین همیشه این وجود ندارد که یک مدل خطی بدست آورد. مدل های غیر خطی به خوبی مدل های سیستم های غیر خطی درک نشده اند.روش هایی برای بعضی از سیستم های غیر خطی ساده تر وجود دارد. شبکه های عصبی روش مفیدی برای کنترل سیستم های غیر خطی پیچیده ارائه می دهد ،زیرا نیازی به مدل سیستم ندارد.

فهرست :

مقدمه

در چه حالت های در کنترل یک سیستم باید به سمت روش های محاسبات نرم برویم؟

مراحل پیشرفت روش های کنترل سیستم ها

کدامیک از کاربرد های شبکه عصبی در کنترل سیستم ها استفاده می شود؟

مهمترین نوع شبکه عصبی که در کنترل استفاده می شود چیست؟

کاربرد شبکه عصبی پرسپترون چند لایه در کنترل MLP

مهترین معماری های شبکه عصبی برای کنترل سیستم ها

نمونه کلی از کاربرد شبکه های عصبی در MPC

شباهت سیستم های عصبی با مدل های غیر خطی

طرح اولیه مدل پیش بین گام اول براساس شبکه عصبی BP

تفاوت کنترل با NARMA–L2 با کنترل PID برای کنترل پایداری در موتور DC تحریک جداگانه

مثالی از کنترل کاربرد نروکنترلر مدل مرجع در Simulink

تنظیم پارامترهای کنترلر PID با استفاده از شبکه عصبی