الگوریتم ژنتیک

الگوریتم ژنتیک

عنوان مقاله : شبکه های ANN

قالب بندی : PDF

قیمت : رایگان

شرح مختصر : موضوع ای که در این مقاله مورد بررسی قرار گرفته شبکه های عصبی است ، که شامل موضوعاتی از قبیل اینکه : شبکه عصبی چیست ، چرا ازشبکه های عصبی استفاده کنیم ، شامل چه مواردی است ، ازچه بخش هایی تشکیل شده ،چه کاربردی دارد و اینکه چگونه کار می کند ، می باشد .از آنجا که شبکه های عصبی نسل جدیدی از شبکه می باشد لذا دارای دنیای از اطلاعات جدید در زمینه شبکه و علم آن است.از جمله نتایج ارزشمند این مقاله می توان به آشنایی مبتدی با شبکه عصبی و طریقه کار آن و استانداردهای به کار رفته در آن اشاره کرد ، که پایه و مقدمه ای برای آشنایی هر چه بیشتر با این علم جدید می باشد ، و ما در پایان این مقاله هر چند کوتاه با پیشرفت های شگرف در زمینه شبکه آشنا خواهیم شد.

فهرست :

مقدمه

شبکه عصبی چیست

سابقه تاریخی

چرا از شبکه های عصبی استفاده میکنیم

تفاوت‌های شبکه‌های عصبی باروش‌های محاسباتی متداول و سیستم‌های خبره

کاربردهای شبکه های عصبی

الگوریتم ژنتیک

کاربرد های الگوریتم ژنتیک

الگوریتم مورچگان

کاربردهای الگوریتم مورچگان

مسیریاب

تست انطباق

آشنایی باشبکه های عصبی زیستی

معرفی ANN ها

مبانی ANN ها

مدل ریاضی یک نورون

نرم افزارهای شبکه های عصبی

ایده ی اصلی عملکرد شبکه های عصبی مصنوعی

مهم ترین تفاوت حافظه ی انسان و حافظه کامپیوتر

شبکه های عصبی در مقابل کامپیوترهای معمولی

معایب ANN ها

کاربردهای شبکه های عصبی مصنوعی

نتیجه گیری

الگوریتم ژنتیک

عنوان مقاله : بهینه سازی پرس و جو در محیط های توزیع شده

قالب بندی : PDF

قیمت : رایگان

شرح مختصر : بهینه سازی پرس و جو قبل از اجرای پرس و جو مهم است و این اصل در پایگاه داده های توزیع شده اهمیت بسیار بیشتری دارد. در پایگاه داده های توزیع شده با اندازه بزرگ، مسأله بهینه سازی پرس و جو ماهیتی NP-hard پیدا می کند و حل آن بسیار مشکل است. به همین دلیل ما به دنبال روش هایی می گردیم تا در زمان کمتر و با هزینه کمتر جوابی نزدیک به بهینه بدهند و در این راستا از الگوریتم ژنتیک(GA) و الگوریتم بهینه سازی کلنی مورچه ها برای محاسبه راه حل بهینه استفاده می کنیم. همچنین برای هر پایگاه داده در این سیستم توزیع شده یک حافظه نهان محلی در نظر می گیریم که تاثیر زیادی در کم کردن زمان پاسخ و کم کردن هزینه ها دارد. اگر پرس و جو تکراری باشد، با استفاده از حافظه نهان پاسخ داده می شود که بسیار سریع تر است و اگر پرس و جو جدید باشد، پردازش می شود و نتایج آن از پایگاه داده برگشت داده می شوند و همچنین حافظه نهان نیز به روز می شود

فهرست :

مقدمه

کلمات کلیدی

استراتژی های بهینه سازی پرس و جو در پایگاه داده های توزیع شده

پیشگفتار

اجزاء بهینه سازی پرس و جو های توزیع شده

فضای جستجو

ترفندهای جستجو

مدل هزینه

الگوریتم های راه حل

به کارگیری ترفندهای بهینه سازی پرس و جو در محیط های توزیع شده به کمک الگوریتم ژنتیک

پیشگفتار

بررسی نوشتارهای وابسته

پیچیدگی های عملکردهای وابسته

مواد و روش ها

فرمول بندی مسأله

مذاکره و رهنمون آینده

نزدیک شدن بهینه سازی پرس و جو بر اساس حافظه نهان در پایگاه داده های توزیع شده

پیشگفتار

بررسی آثار وابسته

مدل بهینه سازی پرس و جوی پیشنهاد داده شده

بهینه ساز هزینه

الگوریتم بهینه سازی صف

الگوریتم پیشنهاد شده

نتایج آزمایش

نتیجه گیری

منابع

الگوریتم ژنتیک

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

الگوریتم ژنتیک

عنوان پایان نامه:  کاربردهای منطق فازی در یادگیری ماشین‎

 قالب بندی :  PDF

قیمت :   رایگان

شرح مختصر :  بي‌گمان رايانه در چند دهه كنوني از عوامل اصلي و كليدي پيشرفت شناخته شده است. گردش درست امور، سرعت (تندي) در كارها و روش‌هاي اداري، بهره‌وري و خدمات عمومي، دسترسي به اطلاعات شركت‌ها همه از مزایای رایانه‌هاست. امروزه سازمان‌ها جهت پردازش كارهايي چون نگهداري و به ‌روز رساني حساب‌ها و دارايي‌های خود، راهشان را به سوي استفاده از رایانه‌ها باز نموده‌اند. كاربردهایي چون لوازم خانگي،‌ خودروها، هواپيماها و ابزار صنعتي، دستگاه‌هاي الكتريكي، كنترل انتقال نيرو و خطوط كارخانه‌ها و گيرنده ماهواره توسط رايانه سرویس‌دهی می‌شوند. همزمان با   پيشرفت و سازماندهي سازمان‌ها و بنگاه‌هاي كوچك و متوسط، كشاورزي، صنعتي و … خدمات رايانه‌اي هر روز نفوذ خود را در زندگي اجتماعي و اقتصادي انسان نیز نشان مي‌دهند. 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،

الگوریتم ژنتیک

عنوان مقاله:  معرفی شبکه های عصبی و ساختار نورون عصبی‎

 قالب بندی :   PDF

قیمت :   رایگان

شرح مختصر : دراين نوشتار به معرفي شبکه‌هاي عصبي مصنوعي و ساختارهاي آن مي‌پردازيم. در ابتدا توضیحاتی درباره هوش مصنوعی و شاخه‌های آن به صورت خلاصه می‌پردازیم، سپس نورونهاي شبکه‌هاي عصبي طبيعي معرفي شده و طرز کار آنها نشان داده شده است، سپس مدل مصنوعي اين نورونها و ساختار آنها، مدل رياضي آنها، شبکه‌هاي عصبي مصنوعي و نحوه آموزش و به کارگيري اين شبکه‌ها است.ابزارهايي نيز براي پياده سازي اين 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

الگوریتم ژنتیک

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 500 میلیون انسان را مبتلا کرده و سالانه باعث حدود 2 میلیون مرگ و میر می شود. عفونت با پلاسمودیوم فالسیپاروم که ترجیحا کودکان زیر 5 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 ،

الگوریتم ژنتیک

عنوان مقاله :  مروري بر داده کاوي و بررسی شبکه هاي عصبی‎

قالب بندی :  PDF

قیمت :   رایگان

شرح مختصر : چندین دهه است که شرکت ها اطلاعات را جمع آوري 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 کاوي است، که امروزه در بسیاري از صنعتها از جمله پزشکی، آموزش، ورزش و بسیاري از صنایع دیگر مورد استفاده قرار میگیرد. تکنیکهاي بسیاري جهت داده کاوي وجود دارد از جمله شبکه هاي عصبی مصنوعی، رگرسیون، درخت تصمیم و غیره. همچنین طراحی شده است اشاره SAS که توسط شرکت JMP نرم افزارهایی نیز براي داده کاوي ایجاد شده است که میتوان به نرم افزار کرد. این مقاله به معرفی داده کاوي و برخی از روشهاي داده کاوي و همچنین محیطهایی که از داده کاوي بهره میبرند به همراه نرم افزار هاي 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