پروژه در مورد تکنیک های داده کاوی (فایل Word/ قابل ویرایش ) تعداد صفحات 80

 تا به امروز نرم افزارهای تجاری و آموزشی فراوانی برای داده کاوی در حوزه های مختلف داده ها به دنیای علم و فناوری عرضه شده اند. هریک از آنها با توجه به نوع اصلی داده هایی که مورد کاوش قرار میدهند، روی الگوریتمهای خاصی متمرکز شده اند. مقایسه دقیق و علمی این ابزارها باید از جنبه های متفاوت و متعددی مانند تنوع انواع و فرمت داده های ورودی، حجم ممکن برای پردازش داده ها، الگـوریتمهای پیاده سـازی شده، روشهای ارزیابی نتایج، روشهای مصـور سـازی، روشهای پیش پردازش داده ها، واسطهای کاربر پسند، پلت‌فرمهای سازگار برای اجرا،قیمت و در دسترس بودن نرم افزار صورت گیرد. از آن میان، نرم افزار Weka با داشتن امکانات بسیار گسترده،امکان مقایسه خروجی روشهای مختلف با هم، راهنمای خوب، واسط گرافیگی کارا، سازگاری با سایر برنامه های ویندوزی، و از همه مهمتر وجود کتابی بسیار جامع و مرتبط با آن [Data Mining, witten et Al. 2005 ] ، معرفی میشود.

1- معرفی نرم افزار Weka

میزکارWeka ، مجموع‌های از الگوریتمهای روز یادگیری ماشینی و ابزارهای پیش پردازش داده‌ها میباشد. این نرم‌افزار به گونه‌ای طراحی شده است که میتوان به سرعت، روشهای موجود را به صورت انعطافپذیری روی مجموعه‌های جدید داده، آزمایش نمود. این نرم‌افزار، پشتیبانی‌های ارزشمندی را برای کل فرآیند داده کاوی های تجربی فراهم میکند. این پشتیبانی‌ها، آماده سازی داده‌های ورودی، ارزیابی آماری چارچوبهای یادگیری و نمایش گرافیکی داده‌های ورودی و نتایج یادگیری را در بر میگیرند. همچنین، هماهنگ با دامنه وسیع الگوریتمهای یادگیری، این نرم‌افزار شامل ابزارهای متنوع پیش پردازش داده‌هاست. این جعبه ابزار متنوع و جامع، از طریق یک واسط متداول در دسترس است، به نحوی که کاربر میتواند روشهای متفاوت را در آن با یکدیگر مقایسه کند و روشهایی را که برای مسایل مدنظر مناسبتر هستند، تشخیص دهد.

این سیستم به زبان جاوا نوشته شده و بر اساس لیسانس عمومی و فراگیر GNU انتشار یافته است.Weka تقریباً روی هر پلت فرمی اجرا میشود و نیز تحت سیستم عاملهای لینوکس، ویندوز، و مکینتاش، و حتی روی یک منشی دیجیتالی شخصی، آزمایش شده است.

این نرم افزار، یک واسط همگون برای بسیاری از الگوریتمهای یادگیری متفاوت، فراهم کرده است که از طریق آن روشهای پیش پردازش، پس از پردازش و ارزیابی نتایج طرح های یادگیری روی همه مجموعه های داده موجود، قابل اعمال است.

نرم افزار Weka ، پیاده سازی الگوریتمهای مختلف یادگیری را فراهم میکند و به آسانی میتوان آنها را به مجموعه های داده خود اعمال کرد.

  همچنین، این نرم افزار شامل مجموعه متنوعی از ابزارهای تبدیل مجموعه‌های داده ها، همانند الگوریتمهای گسسته سازی میباشد. در این محیط میتوان یک مجموعه داده را پیش پردازش کرد، آن را به یک طرح یادگیری وارد نمود، و دسته‌بندی حاصله و کارآیی‌اش را مورد تحلیل قرار داد.( همه این کارها، بدون نیاز به نوشتن هیچ قطعه برنامه‌ای میسر است.)

  این محیط، شامل روشهایی برای همه مسایل استاندارد داده کاوی مانند رگرسیون، رده‌بندی، خوشه‌بندی، کاوش قواعد انجمنی و انتخاب ویژگی میباشد. با در نظر گرفتن اینکه، داده‌ها بخش مکمل کار هستند، بسیاری از ابزارهای پیش پردازش داده‌ها و مصورسازی آنها فراهم گشته است. همه الگوریتم ها، ورودیهای خود را به صورت یک جدول رابطهای به فرمت ARFF دریافت میکنند. این فرمت داده‌ها، میتواند از یک فایل خوانده شده یا به وسیله یک درخواست از پایگاه دادهای تولید گردد.

یکی از راههای به کارگیری Weka ، اعمال یک روش یادگیری به یک مجموعه داده و تحلیل خروجی آن برای شناخت چیزهای بیشتری راجع به آن اطلاعات میباشد. راه دیگر استفاده از مدل یادگیری شده برای تولید پیشبینی‌هایی در مورد نمونه‌های جدید است. سومین راه، اعمال یادگیرنده‌های مختلف و مقایسه کارآیی آنها به منظور انتخاب یکی از آنها برای تخمین میباشد. روشهای یادگیری Classifier نامیده میشوند و در واسط تعاملی Weka ، میتوان هر یک از آنها را از منو انتخاب نمود. بسیاری از classifier ها پارامترهای قابل تنظیم دارند که میتوان از طریق صفحه ویژگی‌ها یا object editor به آنها دسترسی داشت. یک واحد ارزیابی مشترک، برای اندازه‌گیری کارآیی همه classifier به کار میرود.

پیاده سازیهای چارچوبهای یادگیری واقعی، منابع بسیار ارزشمندی هستند که Weka فراهم می کند. ابزارهایی که برای پیش پردازش داده‌ها استفاده میشوند Filter نامیده میشوند. همانند classifier ها، میتوان filter ها را از منوی مربوطه انتخاب کرده و آنها را با نیازمندیهای خود، سازگار نمود. در ادامه، به روش به کارگیری فیلترها اشاره میشود.

  علاوه بر موارد فوق، Weka شامل پیاده سازی الگوریتمهایی برای یادگیری قواعد انجمنی، خوشه‌بندی داده‌ها در جایی که هیچ دست‌های تعریف نشده است، و انتخاب ویژگیهای مرتبط در داده‌ها میباشد.

تعداد صفحات :80

فرمت فایل : Word

دانلود پروژه در مورد شبکه های رایانه ای با جزئیات کامل و دقیق (فرمت فایل Word ورد doc)تعداد صفحات 63

امواج لیزر : این موج در خط مستقیم سیر می کند و نسبت به امواج مادون قرمز دارای برد بالاتر می باشد. مشکل اصلی در این موج، مخرب بودن آن می‌باشد. « این موج برای بینایی مضر می باشد.فهرست مطالب

چکیده :  1

مقدمه :  2

فصل اول :  4

شبکه های موردی    4

شبکه های موردی manet  چیست؟  5

آشنایی با شبکه های بی سیم مبتنی بر بلوتوث    5

ایجاد شبکه به کمک بلوتوث    11

از مزایای بلوتوث می توان به موارد زیر اشاره نمود:  12

فصل دوم :  16

شبکه‌های بی‌سیم ادهاک    16

معرفی انواع شبکه‌های ادهاک    18

کاربردهای شبکه ادهاک    19

خصوصیات شبکه‌های ادهاک    20

امنیت در شبکه‌های بی سیم   21

منشأ ضعف امنیتی در شبکه‌های بی‌سیم و خطرات معمول   22

سه روش امنیتی در شبکه‌های بی سیم   23

فصل سوم :  25

مسیریابی    25

پروتکل‌های مسیریابی    26

پروتکل‌های روش اول مسیریابی    27

پروتکل‌های روش دوم مسیریابی    29

محدودیت‌های سخت‌افزاری یک گره حسگر  30

روش‌های مسیریابی در شبکه‌های حسگر  31

روش سیل آسا  32

روش شایعه پراکنی    32

روش اسپین)  ( SPIN   33

روش انتشار هدایت شده  34

شبکه های موردی بی سیم (Wireless Ad Hoc Networks)  36

بعضی از محدودیت‌های شبکه‌ موردی به شرح زیر است:  38

دیگر مسائل , مشکلات و محدودیت های موجود در این شبکه ها 41

کاربرد های شبکه Mobile ad hoc  42

تقسیم بندی اول : 43

تقسیم بندی دوم: 43

فصل چهارم :  50

ساختار شبکه های MANET  51

خصوصیات MANET  53

معایب MANET  55

استفاده در حال حرکت Mobility  58

کاربردهای WIMAX   58

طرز کار وایمکس     59

پروتکل‌های شبکه‌های بی سیم   60

نتیجه گیری از شبکه های موردی Manet  62

فهرست منابع :  63

پروژه،پایان نامه (هوش مصنوعی)

پروژه یا پایان نامه ی هوش مصنوع بسیار کامل و مفید با رعایت تمامی قوانین پروژه نویسی دارای سه فصل اساسی ک موضوع فوق را به صورت کامل مورد بررسی قرار می دهد و همچنین این نکته قابل ذکر است به عنوان پروژه ی دانشگاهی در مقاطع کاردانی و کارشناسی مورد استفاده واقع می شود، خصوصیاتی همچون چکیده ، جدول بندی کامل شکل ها و جداول، بخش های مربوط به صفحات صحافی به دو زبان فارسی و انگلیسی و ...
فقط نام خود را تایپ نموده و آرم دانشگاه خود را قرار دهید
نکته ی بسیار مهم : فایل فوق قابلیت ویرایش را دارد.

فایل دمو را به صورت رایگان دانلود نموده و حتما مورد بررسی قرار دهید
موضات فوق در این پایان نامه بررسی شده است

فصل اول : مقدمه ای از کلیات هوش مصنوعی

‏ مقدمه

‏.تاریخچه هوش مصنوعی

‏. هوش مصنوعی چیست؟

‏. نتیجه گیری

‏2. فصل دوم : تعاریفی از هوش مصنوعی 

‏. مقدمه

‏. نحوه شکل گیری هوش مصنوعی

‏. هوش مصنوعی و هوش انسانی

‏. هوش مصنوعی قوی و ضعیف

‏. نتیجه گیری

‏3. فصل سوم : تقسیم بندی، چالش، علم و کاربرد 

‏. مقدمه

‏. تقسیم بندی هوش مصنوعی

‏. چالش های بنیادین هوش مصنوعی

‏. شاخه های علم هوش مصنوعی

‏. کاربردهای هوش مصنوعی

‏. نتیجه گیری

‏4. فصل چهارم : شبکه های عصبی و ویژگی های فلسفی

‏. مقدمه

‏. عملیات شبکه های عصبی

‏. آموزش شبکه ‌های عصبی

‏. ویژگی های فلسفی هوش مصنوعی چیست؟

‏. بازنمایی نمادین

‏. روش اکتشافی

‏. نتیجه گیری

منابع و مأخذ

گزارش کارآموزی شرکت شیرآلات بهداشتی شیبه

دانلود گزارش کارآموزی  شرکت شیرآلات بهداشتی شیبه

فرمت فایل: ورد قابل ویرایش

تعداد صفحات: 47

فهرست

ـ پیشگفتار...............................................................

ـ هدف..................................................................

- معرفی محل گذراندن پروژه...............................

- روند خط تولید....................................................

   .قالب سازی.....................................................

   .ریخته گری و ماهیچه سازی................................

   .پرداختکاری........................................................

   .آبکاری..............................................................

   .کوتینگ..............................................................

   .مونتاژ................................................................

-فلوچارت تبدیل مواد به محصول در کارخانه.........

- ریخته گری مس و برنج......................................

   .مشخصات عمومی ذوب...................................

   .مواد شارژ و آماده کردن..................................

   .کوره های ذوب................................................

   .تاثیر ناخالصی ها................................................

-آلیاژ های مس...................................................

   .آلیاژهای مس-روی(برنج).............................

   .آلیاژهای ریختگی برنج.......................................

   .تهیه و تولید برنج ریختگی...................................

   .قالبها.................................................................

لیست محصولات تولیدی شرکت...........................

-مبحث اقتصادی...................................................

-آنالیز نمونه ای از محصولات کارخانه...................

-مشخصات استاندارد نمونه بررسی شده................

-اصطلاحات و تعاریف...........................................

-استانداردهای مربوط به ویژگیهای ساخت............

-استانداردهای مربوط به اجزای شیر.....................

-استانداردهای نشانه گذاری..................................

-اتودها..................................................................

-اتود طرح نهایی....................................................

-نقشه سه نمای بدنه............................................

-نقشه سه نمای دسته اهرم.................................

-نقشه انفجاری......................................................

-فلوچارت مونتاژ...................................................

- جدول زمانبندی.................................................

- تصویرماکت........................................................

الگوریتم بهینه سازی PSO و بکارگیری آن در پروسه Curve Fitting (قابل ویرایش و دریافت فایل Word ورد) تعداد صفحات 94

فرض کنید شما و گروهی از دوستان تان به دنبال گنج می گردید هر یک از اعضای گروه یک فلزیاب و یک بی سیم دارند که می تواند مکان و وضعیت کار خود را به همسایگان نزدیک خود اطلاع بدهد بنابراین شما می دانید آیا همسایگان¬ تان از شما به گنج نزدیکترند یا نه ؟ پس اگر همسایه ای به گنج نزدیکتر بود شما می توانید به طرف او حرکت کنید. با چنین کاری تماس شما برای رسیدن به گنج بیشتر می شود و همچنین گنج زودتر از زمانی که شما تنها باشید پیدا می شود.
این یک مثال ساده از رفتار جمعی یا swarm behavior است که افراد برای رسیدن به یک هدف نهایی همکاری می کنند . این روش موثرتر از زمانی است که افراد جداگانه عمل کنند. Swarm را می توان به صورت مجموعه ای سازمان یافته از موجوداتی تعریف کرد که با یکدیگر همکاری می کنند. در کاربردهای محاسباتی swarm intelligence از موجوداتی مانند دسته ی پرندگان و مورچه ها ، زنبورها ، موریانه ها ، دسته ماهیان الگو برداری می شود . در این نوع اجتماعات هر یک از موجودات ساختار نسبتاً ساده ای دارند ولی رفتار جمعی آنها بی نهایت پیچیده است . برای مثال در کولونی مورچه ها هریک از مورچه ها یک کار ساده ی مخصوص را انجام می دهد ولی به طور جمعی عمل و رفتار مورچه ها ، ساختن بهینه لایه ، محافظت از ملکه و نوزادان ، تمیز کردن لانه ، یافتن بهترین منابع غذایی و بهینه سازی استراتژی حمله را تضمین می کند. رفتار کلی یک swarm به صورت غیر خطی از آمیزش رفتارهای تک تک اجتماع بدست می آید. یا به عبارتی یک رابطه ی بسیار پیچیده بین رفتار جمعی و رفتار فردی یک اجتماع وجود دارد. رفتار جمعی فقط وابسته به رفتار فردی افراد اجتماع نیست بلکه به چگونگی تعامل میان افراد نیز وابسته است . تعامل بین افراد ، تجربه ی افراد درباره ی محیط را افزایش می دهد و موجب پیشرفت اجتماع می شود . ساختار اجتماعی swarm بین افراد مجموعه کانال های ارتباطی ایجاد می کند که طی آن افراد می توانند به تبادل تجربه های شخصی بپردازند مدل سازی محاسباتی swarm، کاربردهای موفق و بسیار را در پی داشته است. به طور کلی موضوع پروژه رسم تابع تخمینی در بحث ریاضیات برای رسم یک سری داده با استفاده از نرم افزار متلب می باشد. جمعیتی که در این پروژه مورد مطالعه و بررسی قرار می گیرند با توجه به ماهیت پروژه یکسری داده مربوط به یک تابع مشخص می باشند که ما در هر مرحله نتایج را با مقادیر دادهها مقایسه کرده تا بتوانیم ذراتی تولید کرده که بهینه شده باشند و کمترین اختلاف را با جمعیت اولیه داشته باشند. برای این منظور پروژه تا حد ممکن طوری تنظیم شده که همه جنبه های اساسی موضوع چه از نظر کاربردی و چه از نظر تئوری را در بر گیرد. در بحث آشنایی با الگوریتم و تعاریف مربوط به آن سعی شده تا هرچه بیشتر موضوع باز شده و مثال هایی به همراه داشته باشد تا موضوع ساده و روان بوده و به راحتی قابل درک باشد.
کلمات کلیدی
بهینه سازی(Optimization)، تابع برا زنگی(fitness)، بهترین سراسری(g_best)،
بهترین شخصی(p_best)، الگوریتم بهینه سازی،کلونی

فصل اول: “آشنایی با برخی ازانواع الگوریتم های بهینه سازی ”
مقدمه ای بر بهینه سازی
۱- ۱ الگوریتم اجتماع پرندگان(particle swarm optimization Algorithm – pso)
۱-۲ الگوریتم ژنتیک(Genetic Algorithm – GA
۱-۳ الگوریتم کلونی مورچه ها(Aco- Ant colony optimization Algorithm
۱-۴ الگوریتم کلونی زنبور عسل(Abc-Artificial bee colony algorithm
۱-۵ الگوریتم چکه های آب هوشمند یا چکاه(Intelligent water Drops Algorithm -Iw
فصل دوم : ” الگوریتم(particle swarm optimization – pso) و
” Cooperative Particle swarm optimization – cpso) (
مقدمه
۲-۱ ماهیت الگوریتم
۲-۲ مفاهیم اولیه
۲-۳ فلو چارت
۲-۴ اطلاعات فنی
۲-۵ ساختار کلی
۲-۶ قاعده کلی توپولوژی همسایگی
۲-۷ نکات کلیدی
۲-۷-۱ خاصیت هوش جمعی
۲-۷-۲ هوش ذرات
۲-۷-۳ کنترل الگو ریتم
۲-۷-۴ تعداد ذرات
۲-۷-۵ محدوده ی ذرات
۲-۷-۶ شرایط توقف
۲- ۸ مزایا و کاربردهای الگو ریتم
۲-۹ ذرات swarm در تعدادی فضای واقعی
۲-۱۰مثال هایی از حرکت ذرات

۲-۱۰ مثالی از پرواز پرندگان برای یافتن غذا
۲-۱۱ الگوریتم Cooperative Particle swarm optimization
۲-۱۲ معرفی نرم افزار بکار رفته در شبیه سازی پروسه
فصل سوم: به ” بکار گیری cpsoو pso در پروسه ی Curve Fitting”
مقدمه
۳-۱ ماهیت کار
۳-۲ مراحل انجام کار به کمک الگوریتمpso
۳-۲-۱ بدست آوردن تابع برازندگی
۳-۲-۲ مشخص کردن اندازه جمعیت اولیه و ابعاد آن
۳-۲-۳ بررسی خروجی های بدست آمده از تابع Fitnessدر تکرار اول
۳-۲-۴ ایجاد لیست اول جهت نگهداری خروجی های بدست آمده
۳-۲-۵ پیدا کردن بهترین خروجی تابع Fitness و یافتن مکان آن در لیست اول
۳-۲-۶ آبدیت کردن سرعت و مکان ذرات با توجه به اینکه سرعت اولیه ذرات قبلا تعریف
۳-۲-۷ ایجاد لیست دوم جهت نگهداری خروجی های تابع Fitness در تکرار دوم
۳-۲-۸ پیدا کردن مکان بهترین ذره در جمعیت دوم
۳-۲-۹ مقایسه خروجی های تابع Fitness در دو تکرار اول
۳-۲-۱۰ پیدا کردن بهترین ذرات در دو جمعیت اول و دوم و تولید جمعیت سوم
۳-۲-۱۱ محاسبه تابع Fitness برای جمعیت سوم
۳-۲-۱۲ تکرار از مرحله پنجم الی یازدهم تا رسیدن به نقاط بهینه
۳-۳ مراحل انجام کار برای الگوریتمcpso
فصل چهارم : نتایج
۴-۱ انجام پروسه توسط الگوریتم pso
۴-۲ انجام پروسه توسط الگوریتم cpso
۴-۳ بررسی تفاوت بین psoوcpso
فصل پنجم: نتیجه گیری و پیشنهاد
۵-۱ نتیجه گیری
۵-۲ پیشنهاد
مراجع
پیوست