close
دانلود فیلم
هوش مصنوعی
 ارائه مدلی برای حل مسائل ارضاء محدودیت با استفاده از سیستمهای چند عامله

دانلود متن کامل پایان نامه مقطع کارشناسی ارشد رشته مهندسی کامپیوتر 

گرایش : هوش مصنوعی

عنوان : ارائه مدلی برای حل مسائل ارضاء محدودیت با استفاده از سیستمهای چند عامله

تعداد صفحات : 101

چکیده

سیستمهای چند عامله سیستمهای محاسباتی هستند که در آن چندین عامل جهت رسیدن به یک هدف خاص با هم در تعامل هستند و با هم کار می کنند. دلیل پیدایش اینگونه سیستمها وجود موقعیتهایی است که در آن یک مسأله بایستی در یک مد توزیع شده حل شود. به عنوان مثال در شرایطی که استفاده از یک کنترل کننده مرکزی ممکن نیست و یا اینکه می­خواهیم استفاده مناسبی از منابع توزیع شده و یا امکانات محاسباتی داشته باشیم. با اینکه زمان زیادی از معرفی این گونه سیستم‌ها نمی‌گذرد ولی استفاده از روش‌های طراحی بر اساس عامل یکی از موفق‌ترین راه‌حل‌های موجود بوده و حاصل این شیوه طراحی یعنی سیستم‌ حل مسائل به صورت توزیع‌شده از بهترین سیستم‌ها به شمار می‌آید و به عنوان ابزار جدیدی برای حل انواع فرآیندهای انسانی شناخته می‌شود. مسأله ارضاء محدودیت توزیع شده سالهاست که در حوزه تحقیق سیستمهای چند عامله مورد توجه زیادی قرار گرفته است. و این مسأله بدان علت است که بسیاری از مسائل اعم از مسائل کلاسیکی همانند مسأله n-وزیر و رنگ آمیزی گراف گرفته و تا مسائل کاربردی بزرگ دنیای واقعی همچون زمانبندی و برنامه ریزی و تخصیص منابع می­توانند برای حل شدن به عنوان یک مسأله مسأله ارضاء محدودیت توزیع شده فرموله شوند. بنابراین ارائه یک شیوه جدید و یا اصلاح شیوه های فعلی تاثیر زیادی بر دامنه تحقیقاتی این فیلد می­گذارد. آنچه در این پایان­نامه ارائه می­شود ارائه تکنیکی جدید برای حل مسائل ارضاء محدودیت توزیع شده است. این تکنیک جدید محدودیتها را در یک سیستم که ترکیبی از سیستمهای توزیع شده و متمرکز است اداره و کنترل می­کند که با بهره گیری از یک سری ویژگیهای خاص تعریف شده از سیستمهای ترکیبی دیگر موجود متمایز می­شود. نتایج حاصله نشان می دهد که این الگوریتم در مسائل با مقیاس بزرگ کارایی خوبی خواهد داشت و تقریبا یک پیچیدگی زمانی خطی را با افزایش مقیاس مسأله به دست می­آورد. همچنین مقایسه این روش با چند روش دیگر بهبود عملکرد این روش را در پارامترهای مختلف نسبت به دیگر روشها نشان می­دهد.

 

ادامه مطلب...
شناسایی بات نت ها با استفاده از جریان های شبکه و عامل های هوشمند یادگیر مبتنی بر الگوریتم بیزین

 

بات نت (Botnet) یکی از مهم‌ترین تهدیدکننده امنیتی در چند سال اخیر شناخته‌شده است. گستردگی ارتباطات، به اشتراک‌گذاری منابع، حس کنجکاوی، کسب پول، جمع‌آوری اطلاعات و به دست آوردن ظرفیت منابع، انگیزه‌هایی برای ایجاد بات نت می‌باشند. بات نت‌ها توسط مهاجمان برای انجام دادن فعالیت‌های بدخواهانه و غیرقانونی، از راه دور کنترل می‌شوند. بات نت‌ها بسیاری از حملات خطرناک از قبیل جلوگیری از سرویس توزیع‌شده، هرزنامه، فعالیت‌های جعلی و غیره انجام می‌دهند. با توجه به معماری C&C بات نت‌ها تشخیص حملات آن‌ها نیز مشکل می‌شود معماری غیرمتمرکز و ترکیبی تشخیص این‌گونه بات نت‌ها را مشکل کرده است البته خوشبختانه بیشتر بات نت‌ها معماری متمرکزی دارند. ما در این پژوهش برای شناسایی بات نت‌ها از روش یادگیری دسته‌بندی ساده بیز استفاده کردیم تا یادگیری انجام و مدل برحسب آن ساخته شود و برحسب آن پیشگویی اینکه آیا میزبانی بات هست یا نه؟ انجام گیرید. این روش برخلاف روش‌های دسته‌بندی دیگر مانند درخت تصمیم و نزدیک‌ترین همسایه و... دارای پیچیدگی کمتر، اثبات بهینگی، حساسیت نداشتن به داده‌های نامتقارن و... دارا است و با یک سری پیش‌پردازش‌های دستی و انتخاب ویژگی به‌صورت هوشمند به بهینه شدن روش کمک کردیم درروش هوشمند از الگوریتم انتخاب ویژگی information Gain و نرم‌افزار Weka جهت انتخاب ویژگی مؤثر استفاده‌شده است که در ارزیابی‌ها نشان داده‌شده که فاز انتخاب ویژگی بر کارایی ساده بیز تأثیر دارد و باعث بهبود عملکرد ساده بیز می‌شود. برای ارزیابی روش پیشنهادی از مجموعه داده آماده Waledac, Storm و آزمایشگاه ترافیک اریکسون استفاده‌شده است؛ که در مقایسه‌ای که از روش پیشنهادی با الگوریتم KNN داشتیم، روش بیز دارای کارایی بیشتری ازنظر حساسیت به نسبت KNN دارا بود.

 واژه‌های کلیدی: بات نت (Botnet)، دسته‌بندی، ساده بیز

ادامه مطلب...
دانلود پایان نامه شناسایی تشکل‌های همپوشان در شبکه‌های پویا

پایان نامه­ ی کارشناسی ارشد در رشته ­ی مهندسی کامپیوتر- هوش مصنوعی

شناسایی تشکل‌های همپوشان در شبکه‌های پویا

تعداد صفحات : 88

چکیده

بسیاری از ساختارهای پیچیده طبیعی و اجتماعی را می‌توان به صورت شبکه در نظر گرفت. جاده‌ها، پایگاه‌های اینترنتی، شبکه های اجتماعی، ارتباطات سازمانی، روابط خویشاوندی، تبادل نامه‌های الکترونیک، تماس‌های تلفنی و تراکنش‌های مالی تنها چند نمونه از این شبکه‌ها هستند. امروزه تحلیل شبکه‌ها یکی از شاخه‌های پژوهشی پرطرفدار و پرکاربرد در سطح جهان است و توجه پژوهشگران بسیاری از رشته‌های مختلف از جمله علوم کامپیوتر و علوم اجتماعی را به خود اختصاص داده است. نتایج حاصل از این پژوهش‌ها، ابزار و اطلاعات مفیدی را برای استفاده در حوزه‌های مختلف از جمله: ارتباطات، امنیت و تجارت در اختیار قرار می‌دهد.

یکی از موضوعات پرکاربرد در زمینه تحلیل شبکه‌ها، شناسایی تشکل‌ها در شبکه است. می‌توان هر تشکل را توده‌ای متراکم از رئوس در نظر گرفت که از طریق یالهای اندکی با تشکل‌های دیگر در ارتباط است. به عنوان مثال افراد با علایق و تمایلات مشابه در شبکه‌های اجتماعی، صفحات با محتوای مرتبط در فضای وب، مقالات با حوزه‌های مشابه در پایگاه مقالات، همگی نمونه‌هایی از تشکل‌ها در شبکه‌های مختلف هستند. در سال‌های اخیر، کارهای بسیاری در زمینه شناسایی تشکل‌ها، انجام گرفته و الگوریتم‌ها و ابزارهای متعددی ارائه شده است اما همچنان تلاش برای ارائه روش‌های بهتر از منظرهای مختلف از جمله سرعت، دقت و مقیاس‌پذیری ادامه دارد.

در این پایان نامه، دو روش پیشنهادی، یکی برای افزایش کارایی تشخیص تشکل های همپوشان در شبکه های ایستا و دیگری برای شبکه های پویا به همراه نتایج آزمایش های متعدد انجام شده برای ارزیابی کارایی آنها ارائه شده است.

ادامه مطلب...
دانلود پایان نامه جستجوی الگوهای نوظهور با ویژگی های جریانی

دانلود متن کامل پایان نامه مقطع کارشناسی ارشد رشته مهندسی کامپیوتر 

گرایش : هوش مصنوعی

عنوان : جستجوی الگوهای نوظهور با ویژگی های جریانی

تعداد صفحه :138

چکیده

استخراج الگوهای مفید از مجموعه داده ها، یکی از موضوعات چالش برانگیز در داده کاوی است. از طرفی در داده ها با ابعاد بالا، استخراج مجموعه کوچکی از الگوهای نوظهور با قابلیت پیش بینی قوی، از مسائل مهم در ایجاد یک کلاسه بند بر پایه الگوهای نوظهور است. در دنیای واقعی، ویژگی ها همیشه بطور کامل در دسترس نیستند؛ بر این اساس، مسئله سخت تر می شود وقتی که مجموعه ویژگی ها قبل از شروع فرآیند یادگیری ناشناخته باشد. ویژگی های جریانی عنوان ویژگی هایی است که بصورت برخط تولید می شوند و در همان زمان تولید پردازش می شوند. در این طرح، ویژگی ها یکی یکی به مرور زمان پدیدار می شوند بجای اینکه تمام ویژگی ها قبل از فرآیند یادگیری آماده باشند.

در این مطالعه، ما ساختار دینامیک از درخت الگوی مکرر پیشنهاد می دهیم تا درخت به محض ورود ویژگی های جدید ساخته شود و استخراج الگوهای نوظهور بصورت برخط صورت گیرد. DFP-SEPSF، یک روش موثر پایین به بالا ارائه می دهد تا یک درخت الگوی مکرر دینامیک نامرتب UDFP-tree و یک درخت الگوی مکرر دینامیک مرتب ODFP-tree بسازد. اولین روش ترتیب آیتم ها را در نظر نمی گیرد، در حالیکه دومین روش ترتیب آیتم ها را اعمال می کند.

بعلاوه، چارچوب پیشنهادی الگوهای نوظهور قوی را استخراج می کند تا یک کلاسه بند قوی و سریع ایجاد کند که می تواند با نویز مقابله کند.

روش پیشنهادی فضای جستجوی الگوهای نوظهور را بطور قابل توجهی کاهش می دهد و الگوهای نوظهور با قدرت تمایز قوی را با کمک حذف الگوهای بی فایده استخراج می کند.

روش ارائه شده الگوهای نوظهور را برای هر کلاس بصورت همزمان کشف می کند و بعلاوه، فرآیند تولید درخت های الگوی مکرر را بصورت کارایی در راستای کاهش محاسبات، هدایت می کند.

ارزیابی تجربیات ما بر روی محدوده وسیعی از داده ها، اثربخشی روش پیشنهادی را در مقایسه با دیگر روش های شناخته شده از نظر دقت پیش بینی، تعداد الگوهای استخراجی و زمان اجرا نشان می دهد.

ادامه مطلب...
طراحی و پیاده­ سازی رفع کننده­ ی تناقض در یک سیستم تصمیم­ همیار هوشمندمبتنی بر تنوع نقطه نظرات

دانلود متن کامل پایان نامه مقطع کارشناسی ارشد رشته مهندسی کامپیوتر

گرایش :هوش مصنوعی

عنوان : طراحی و پیاده  ­سازی رفع کننده­ ی تناقض در یک سیستم تصمیم­ همیار هوشمندمبتنی بر تنوع نقطه نظرات

تعداد صفحات : 111

چکیده

رفع ناسازگاری یک رویه­ ی مهم در بسیاری از سیستم­ های هوشمند از جمله سیستم­های مبتنی برقانون می­باشد. این رویه، ترتیب اجرای قوانین را در شرایطی که بیش از یک قانون برای اجرا وجود دارد، تعیین می­نماید. برای رفع ناسازگاری، روش­های مختلفی وجود دارد. در این پژوهش، به منظور رفع ناسازگاری در یک سیستم مبتنی بر قانون، از پیگیری نقطه نظرات مختلف در مسیرهای استنتاج مجزا، استفاده شده است. این سیستم، یک سیستم تصمیم­همیار هوشمند است که در هنگام وقوع ناسازگاری، با در نظر گرفتن خطوط استنتاج جداگانه برای هر یک از قوانین ناسازگار، امکان آگاهی از تمامی انتخاب­های ممکن را برای تصمیم­گیرنده فراهم می­سازد.

به طورکلی، سیستم­های تصمیم­همیار هوشمند با وارد نمودن تکنیک­های مختلف هوش مصنوعی در ساختار سیستم­های تصمیم­همیار، این سیستم­ها را به منظور حمایت بیشتر و ارتقاء تصمیم­گیری، بهبود بخشیده­اند.

سیستم تصمیم­همیار هوشمندی که در این پژوهش ارائه شده، به منظور یاری­رساندن به یک بازیکن در یک بازی استراتژیک بلادرنگ پیاده­سازی شده است. ایجاد برنامه­های کامپیوتری در رابطه با بازی­های استراتژیک بلادرنگ، یک زمینه­ی جدید در حیطه­ی بازی در هوش مصنوعی به حساب می­آید. این برنامه­ها محدود به ایجاد حریفان هوشمند به منظور سرگرم نمودن بازیکن­های انسانی نمی­باشد و امرزوه شبیه­سازهایی با کارایی بالا جهت تمرین افراد نظامی، از خواسته­های مطرح بوده و تحقیقات هوش مصنوعی در زمینه­ی این نوع از بازی­ها، علاوه بر تولیدکنندگان تجاری بازی­ها، از حمایت­های وسیع برخی از موسسات دفاعی نیز برخوردار می­باشد.

نتایج بدست آمده از ارزیابی سیستم ارائه شده در این پژوهش، حاکی از آن است که بازیکن به کمک این دستیار هوشمند می­تواند عملکرد بهتری نسبت به سایر بازیکنان داشته باشد.

ادامه مطلب...
دانلود پایان نامه مروری بر سیستم تشخیص چهره و الگوریتم های یادگیری

سمینار برای دریافت درجه کارشناسی ارشد “M.Sc” مهندسی کامپیوتر- نرم افزار

عنوان :مروری بر سیستم های تشخیص چهره و الگوریتم های یادگیری

تعداد صفحات : 68

چکیده:
بیـشتر تحقیقـات بوسـیله فیزیولوژیـستهـا و روانـشناسان و مهندسـان روی موضـوعات مختلـف از تشخیص چهره بوسیله ماشین و انسان، صورت گرفته است. اهمیت روش های اتوماتیک تـشخیص چهـره، ما را بر آن داشته است که برای ادامه کار در این زمینـه، تحقیـق کـاملی روی کارهـای انجـام گرفتـه، از پیدایش این رشته از علم کامپیوتر انجام دهیم. اگر چه بسیاری از تئوری ها و فرضیه هـای مطـرح شـده،روی مجموعه ای از تصاویر کوچک، بررسی شده اند، ولی توانسته اند بسیاری دستاوردهای مهمی در ایـن زمینه به همراه داشته باشند.
در این تحقیق، ابتدا تاریخچه ای از موضـوعات مربـوط بـه تـشخیص هویـت، بـا اسـتفاده از خـواص بیومتریک ارائه شده و در ادامه بحث تشخیص چهره را به صورت اختصاصی در میـان مباحـث بیومتریـک ارائه شده است. ساختار و چهارچوب عمومی یک سیـستم تـشخیص چهـره، مهمتـرین موضـوع در آمـاده کردن آن می باشد، همچنین الگوریتم ها و روش هایی که بر اساس آن تشخیص چهره انجام مـی گیـرد،قسمت اصلی این تحقیق می باشد که شامل گروه بندی ها و نوع دیدگاه به مسئله می باشد که در انتهای بحث، استفاده از آموزش و یادگیری و الگـوریتم هـای آن را در بحـث کـشف چهـره، محـدود کـرده ایـم.
مشکلات مربوط به تشخیص چهره، می توانند شامل نور، زاویه دید دوربین، حرکت و سایر موارد محیطـی باشند، که این مشکلات نیز به صورت جداگانه مورد بررسی قرار گرفته اند.

مقدمه:
در دنیای به هم پیوسته و پیچیده امروزی، نگهداری و امنیت اطلاعـات، بـسیار مهـم و مـشکل شـده است، هر چند وقت یکبار در مورد تبهکاری های مربوط کارتهای اعتباری، هک شدن کامپیوترها و نقض امنیت در شبکه ها و دولت ها، چیزهایی می شنویم. در بیشتر این کلاهبرداری ها، افراد خاطی، به نحـوی امنیت سیستم ها را با عبور از سد محافظت های از قبل تعیین شده، مورد دستبرد قرار داده اند.
تکنولوژیهای جدید برای تعیین هویت منحصر هر فرد، بر پایه روش های Biometric بنیـان نهـاده شده اند. که این روش ها، روشهای خودکـاری از بـازبینی و تـشخیص هویـت موجـودات زنـده در زمینـه ویژگیهای فیزیکی از قبیل اثر انگشت یا وضعیت چهره، و یا سایر رفتارهای افراد، از قبیل دست دادن، می باشند. به این دلیل که، ویژگی های فیزیکی خیلی کمتر تغییر می کنند، ولی موارد رفتاری ممکـن اسـت به علت استرس، وضعیت روانی شخص، یا موقعیت شخص به راحتی دستخوش تغییـرات شـوند، در میـان روش ها و متدهای مختلف برای تعیین هویت، روش هایی که از ویژگی های فیزیکی استفاده مـی کننـد، علی رغم مشکلاتی که هنگام پیاده سازی وجود دارد، قابل اعتمادتر از آنهـایی هـستند کـه ویژگـی هـای فیزیولوژیکی(زیستی) را بکار می گیرند.
با بررسی زندگی دیجیتالی بشر، به راحتی متوجه این نکته خواهیم شد که امـروزه بـشر بـا نیازهـایی مواجه است که در سالهای قبل این نیازها وجود نداشت. این نیازها شامل سازمان، گروه و امنیت آنها مـی باشد. همیشه افزایش جمعیت و تحرک آن در همه جهت ها، باعث بالا رفـتن راه هـای انتقـال و اشـتراک اطلاعات، شده است، که این تغییر مکان ها، در ساختارهای پیچیده ای انجام مـی شـوند. همـانطوری کـه تحرک، نشات گرفته از رفتارهای انسانی و اطلاعاتی است، امنیت نیز اطلاعـات شخـصی و مقـادیر آنهـا را شامل می شوند. در محیط هایی که اهمیت امنیت و تشکیلات، افزایش یافتـه اسـت، شناسـایی و تعیـین اعتبار در زمینه های گوناگونی از تکنولوژی ها توسـعه داده شـده انـد. کنتـرل ورودیهـای سـاختمان هـا،کنترل دسترسی در کامپیوترهای عمومی، مثالهایی هستند کـه نـشان دهنـده تـشخیص هویـت و اعتبـار سنجی در جامعه کنونی میباشند.
روش تشخیص چهره (Face Recognition) یکی از چنـدین روش Biometric اسـت کـه دارای دقت بالا بوده و می تواند تا مدت ها قابل اتکا باشد. برخلاف روش های دیگر اعتبار سنجی که لازم بود تـا کاربر حداقل PIN و کلمه عبور، را به یاد داشته باشد، در روش های تشخیص چهره، کاربر خیلی راحت با چهره خودش، می تواند در پروسه اعتبار سـنجی وارد شـود. در حـال حاضـر عـلاوه بـر ایـن کاربردهـای کلاسیک، برای تشخیص چهره، اعتبار سنجی های جدیدی پدیدار شده اند. به طور نمونه، در بانک ها و یـا تأسیسات قضایی که امنیت از سایر ادارات معمولی بالاتر است، امنیت بیشتر توسط کامپیوترهـای زیـادی که امروزه مجهز به چندین دوربین می باشند، انجام می شود. در این حالت، یک نرم افزار تشخیص چهره، به صورت مداوم، آنچه که در جلوی دوربین اتفاق می افتد، را در کنترل داشته و در صورت برخورد بـا هـر گونه وضعیتی خارج از وضعیت از قبل تعیین شده، هشدارهای لازم را اعلام می نماید.
در حال حاضر، چندین روش برای سازماندهی و طبقه بندی زمینـه هـای مختلـف تـشخیص چهـره، امکان پذیر میباشد. به عنوان نمونه، الگوریتم هایی که با چهـره و محـیط آن سـر و کـار دارنـد (هماننـدسیستم های کنترل نشده)، باید با الگوریتم هایی که با سیستم های کنترل شده(هماننـد چـراغ راهنمـا ونورپردازی یک تئاتر) کار می کنند، متمایز گردند. همچنین سیستم هایی که از یک یا چند تـصویر بـرای تشخیص چهره استفاده می کنند، از سیستم هایی کـه از مقـادیر پیوسـته ویـدئویی اسـتفاده مـی کننـد،متمــایز مــیشــوند. در صــورتیکه ایــن تفــاوت هــای ســطح پــایین در مــشکلات ضــروری در Face  Recognition حذف شوند، یـک گـروه بنـدی براسـاس سـه حالـت Frontal و Profile و -ViewTolerant ارائه می شود.می توان گفت که الگوریتم های تشخیص چهره، مدل های ساده هندسی را استفاده مـی کننـد، امـا پروسه تشخیص، امروزه در یک علم پیچیده ریاضی و پروسه های Matching وارد شده است. بزرگتـرین پیشرفت آنها در سالیان اخیر، سوق دادن تکنولوژی تشخیص چهره، به صحنههای متاثر از نور مـی باشـد،بدین ترتیب که می توان در شرایط نوری متفاوت نیز، پروسه تشخیص چهره را به نحو مطلوبی انجـام داد.
تشخیص چهره، می تواند برای بازبینی (Verification)و تعیین هویت (Identification)، نیز بـه کـار برده شود.
زمینه های زیاد تجاری، برای ایجاد اینگونه نرم افزارها و امکان دسترسی به تکنولوژی های مورد نیـاز بعد از چندین سال تحقیق، دو دلیل مهم برای تکیـه بـر اهمیـت Face Recognition و ادامـه تـلاش برای داشتن سیستم های قوی تر می باشد.
روش های مطمئن زیادی از تشخیص بیومتریک اشخاص، وجود دارد. برای مثال، روش های آنالیز اثر انگشت یا بررسی عنبیه و شبکیه، اشخاص هم اکنون وجود دارند. از آنجائیکه یک تصویر چهره، می توانـد از روبرو یا نیم رخ باشد، بیشتر اوقات بدون همکاری و حتی اطلاع شخص مورد نظر، عمل می کند. جدول الف، تعدادی از برنامه های مربوط به Face Recognition را نشان می دهد.

 

ادامه مطلب...
دانلود فیلم های هوش مصنوعی دانشگاه صنعتی شریف - مهدیه سلیمانی

در اين درس جنبه هایی از هوشمندی نظير حل مساله، توانایی ذخيره دانش و استنتاج و همچنين برنامه ريزی مورد بررسی قرار خواهد گرفت. از آنجاکه دسته گسترده ای از مسائل می توانند در قالب مساله جستجو بيان شوند، ابتدا در مورد استفاده از روشهای جستجو برای حل مسائل بحث خواهد شد. همچنين چگونگی استفاده از دانش خاص يک مساله (يا دسته ای از مسائل) جهت بهبود زمان جستجو بررسی می شود. ذخيره دانش و استنتاج نيز بخش ديگری از توانایی عاملهای هوشمند است که در اين درس به آن پرداخته خواهد شد. در اين خصوص به منطق گزاره ای، مرتبه اول و منطق احتمالاتی و چگونگی استنتاج در اين منطق ها می پردازيم. همچنين درباره مبحث برنامه ريزی که هدف آن يافتن برنامه ای از کنشها برای رسيدن به اهداف است، صحبت خواهد شد.

دکتر مهدیه سلیمانی استادیار دانشکده کامپیوتر دانشگاه صنعتی شریف است.وی مدرک کارشناسی، کارشناسی ارشد و دکتری خود را در رشته مهندسی کامپیوتر از دانشگاه صنعتی شریف دریافت کرده و در موضوعات یادگیری ماشین، پردازش الگو، بازیابی و جستجوی اطلاعات، سیستم های هوشمند و بهینه سازی محدب تحقیق و پژوهش داشته است.

ادامه مطلب...
پایان نامه استخراج ویژگی مناسب برای تشخیص سیگنال های حرکات ارادی EEG

دانشکده مهندسی کامپیوتر و فناوری اطلاعات

گروه هوش مصنوعی

 استخراج ویژگی مناسب برای تشخیص سیگنال­های حرکات ارادی EEG

تعداد صفحات : 106

چکيده

در این پایان نامه قصد داریم با ارائه یک ویژگی مناسب عمل دسته بندی را بر روی سیگنال های مغزی انجام دهیم. برای این منظور ابتدا از سیگنالهای مغزی نویز دستگاه ثبت حذف می شود سپس از این سیگنال ها با استفاده از تبدیل والش و آنتروپی ویژگی استخراج می شود. بعد از استخراج ویژگی ، بر اساس این ویژگی ها عمل دسته بندی انجام می شود.
اولین پیش پردازش برای دسته بندی سیگنال های مغزی حذف نویز از این سیگنال ها می باشد. در این پایان نامه دو روش کلاسیک حذف نویز و دو روش پیشنهادی حذف نویز بررسی می شود. ابتدا با استفاده از روش کلاسیک ICA ، تبدیل موجک و دو روش پیشنهادی تبدیل والش و روش ترکیبی والش و ICA از سیگنال حذف نویز می شود. برای داشتن یک ارزیابی از این چند روش، نتایج حاصل از این چهار روش با استفاده از سه معیار، نسبت سیگنال به نویز(SNR)، میانگین مربع خطا(MSE) و جذر میانگین تفاضل مربعات(درصد) (PRD) ارزیابی می¬شود. نتایج ارزیابی با استفاده از این معیارها نشان داد که روش ترکیبی والش و ICA و تبدیل والش دارای کمترین مقدار میانگین مربع خطا می باشد. همچنین این دو روش دارای بیشترین مقدار نسبت سیگنال به نویز و جذر میانگین تفاضل مربعات(درصد) است.
بعد از حذف نویز از سیگنال، به بحث استخراج ویژگی از سیگنال¬ها و دسته بندی آنهاپرداخته می شود. ویژگی¬های استخراج شده تعداد ویژگی کمی می باشد و یک بردار ویژگی 22 مولفه ای است. این ویژگی ها مربوط به آنتروپی تبدیل والش کانال های سیگنال، آنتروپی تبدیل والش کل سیگنال، توان تبدیل والش کانال های سیگنال و توان تبدیل والش کل سیگنال می باشد. برای ارزیابی کارایی این ویژگی ها همین ویژگی¬ها، نیز با استفاده از تبدیل موجک و فوریه استخراج می شوند و عمل دسته بندی بر اساس ویژگی های استخراجی این سه روش به طور جداگانه انجام می شود. بعد از استخراج ویژگی، بر اساس ویژگی های استخراجی، به دسته بندی سیگنال ها با استفاده از طبقه بندی کننده SVM و نزدیکترین همسایه پرداخته می شود. نتایج حاصل نشان می دهد که دسته بندی با استفاده از ویژگی های استخراجی تبدیل والش به مراتب بهتر از دسته بندی بر اساس ویژگی های دو تبدیل دیگر است. نرخ تشخیص با استفاده از روش پیشنهادی و svm، 42.5 درصد و با روش نزدیکترین همسایه 39.0 درصد است.
در مقایسه ای دیگر، نتایج حاصل با نتایج پیاده سازی شده بر روی این مجموعه داده، در چهارمین دوره مسابقات BCI مقایسه شده است. نتایج نشان داد که روش دسته بندی با استفاده از تبدیل والش از همه¬ی روشها به جز نفر اول بهتر است.. ولی مزیتی که روش پیشنهادی نسبت به همه روشها دارد این است که در بحث زمانی این روش دارای مجموع زمان تست و آموزش کمی است. این زمان 52 ثانیه می باشد که نسبت به روش اول که 403 و 640 ثانیه است به مراتب بهتر است.

ادامه مطلب...
پایان نامه روش تصمیم­ گیری دسته ­جمعی جهت بهبود عملکرد الگوریتم نزدیک­ترین همسایه

دانلود متن کامل پایان نامه مقطع کارشناسی ارشد رشته کامپیوتر 

گرایش : هوش مصنوعی

عنوان : روش تصمیم­ گیری دسته ­جمعی جهت بهبود عملکرد الگوریتم نزدیک­ترین همسایه

تعداد صفحات : 63

چکیده

نتایج آزمایشات نشان داده است که ترکیب چندین دسته ­بند می­ تواند کارایی الگوریتم­ های متنوع را بالا ببرد. روش­های تصمیم­ گیری دسته­ جمعی بسیاری ارائه شده­اند که با استفاده از آن­ها، خطای روش­های مختلف دسته­ بندی کاهش یافته است. با این حال، این گونه روش­ها نتوانسته ­اند کارایی الگوریتم نزدیک­ترین همسایه را افزایش دهند. در این پایان­ نامه یک روش تصمیم­گیری دسته­ جمعی ارائه شده است تا با استفاده از ترکیب وزن­ دار چندین دسته­ بند، کارایی را بهبود بدهد. در این روش هر کدام از این دسته­بند­ها یک دسته­بند نزدیک­ترین همسایه است که تنها از زیر مجموعه­ای از مجموعه ویژگی­ها نمونه­ ها استفاده می­کند. در ادامه، الگوریتم به هر کدام از آن­ها یک وزن اختصاص می­دهد و در نهایت از یک مکانیسم رای­گیری وزنی برای تعیین خروجی مدل دسته­جمعی استفاده می کند.

 

  • مقدمه

در دنیای امروزی حجم اطلاعات دیجیتالی به صورت روز افزونی در حال افزایش است. در همین راستا، به جهت مدیریت و بررسی علمی این اطلاعات، نیاز به پردازش هوشمندانه و خودکار این اطلاعات بیش از پیش احساس می شود.

یکی از مهم ترین این پردازش ها که در فناوری اطلاعات و ارتباطات مورد نیاز است، دسته ­بندی خودکار این اطلاعات می باشد. دسته بندی در مسائل متنوعی در فناوری اطلاعات به کار گرفته می شود، در مسائلی مانند امنیت اطلاعات، شناسایی نفوذگری در شبکه، دسته بندی کاربران بر اساس اطلاعات شخصی، پردازش تصویر و در واقع شناسایی هر گونه الگو بر اساس نمونه­ ها و اطلاعات پیشین این پردازش می تواند دسته­ی نمونه­ های جدید که به مجموعه اطلاعات اضافه می شود را پیش بینی نماید. از این رو در هوش مصنوعی توجه خاصی به توسعه انواع روش­های دسته ­بندی هوشمند و خودکار شده است.

 روش­های دسته ­بندی

دسته­ بندی یکی از مهم­ترین شاخه‌های یادگیری ماشین است. دسته­ بندی به پیش­بینی برچسب دسته نمونه بدون برچسب، بر اساس مجموعه نمونه­ های آموزشی برچسب­دار (که قبلا به با کمک یک کارشناس دسته­ بندی  شده ­اند) گفته می­شود. درواقع دسته­ بندی روشی است که هدف آن، گروه­ بندی اشیا به تعدادی دسته یا گروه می­باشد. در روش‌های دسته­بندی، با استفاده از اطلاعات بدست آمده از مجموعه نمونه­ های آموزشی، از فضای ویژگی­ها به مجموعه برچسب دسته­ ها نگاشتی بدست می آید که بر اساس آن، نمونه­ های بدون برچسب به یکی از دسته­ ها نسبت داده می­شود.

در مسائل دسته­بندی، هر نمونه توسط یک بردار ویژگی به صورت X=<x1 , x2 ,… xm> معرفی می­شود که نشان دهنده­ی مجموعه مقادیر ویژگی­های نمونه­ی­ مربوطه است. بر اساس این بردار، نمونه­ی ­ X دارای m خصوصیت یا ویژگی است. این ویژگی­ها می­توانند مقادیر عدد صحیح، اعشاری ویا مقادیر نامی به خود اختصاص بدهند. همچنین این نمونه دارای یک برچسب C است که معرف دسته­ای­ است که نمونه­ی­ X به آن تعلق دارد.

تفاوت روش­ها دسته­بندی در چگونگی طراحی نگاشت است. در بعضی از آن­ها با استفاده از داده­های آموزشی مدلی ایجاد می­شود که بر اساس آن فضای ویژگی­ها به قسمت­های مختلف تقسیم می­شود که در آن، هر قسمت نشان دهنده­ی یک دسته است. در این گونه روش­های دسته­بندی از مدل برای پیش­بینی دسته­ی­ نمونه بدون برچسب استفاده شده و از نمونه ­­های آموزشی به طور مستقیم استفاده نمی شود. یک نمونه از این دسته­بندها، دسته­بندهای احتمالی می­باشد. این گونه الگوریتم ­ها، از استنتاج آماری برای پیدا کردن بهترین دسته استفاده می­کنند؛ برخلاف سایر دسته­بند­ها که فقط بهترین کلاس را مشخص می­کنند الگوریتم­های احتمالی به ازای هر دسته موجود یک احتمال را به عنوان تعلق نمونه به آن مشخص می­کنند و کلاس برنده، بر اساس بیشترین احتمال انتخاب می­شود. روش­های احتمالی در یادگیری ماشین معمولا با نام الگوریتم­های آماری نیز شناخته می­شوند. در گروهی دیگر از روش­های دسته بندی، نمونه براساس خود مجموعه نمونه­ها و بدون ساختن مدل، به پیش­بینی دسته­ی نمونه مورد نظر می­پردازد. به این گونه الگوریتم های دسته­بندی، نمونه- بنیاد گفته می­شود.

تاکنون الگوریتم­های متفاوتی به عنوان دسته ­بند ارائه شده­اند. از جمله­ ی­ آن­ها می­توان به الگوریتم نزدیک ترین همسایه­ ها ، دسته­ بند بیز، ماشین بردار پشتیبان و شبکه عصبی اشاره کرد.

  • ارزیابی دسته­ بند

اولین موضوعی که در مورد هر الگوریتم مورد توجه قرار می­گیرد، کارایی و دقت آن الگوریتم است. در هوش مصنوعی، معیار­های متفاوتی وجود دارند که در مسائل مختلف و زیر شاخه­های این علم استفاده می­شود. در مورد کارایی یک دسته­بند­، به عنوان یکی از مسائل اصلی هوش مصنوعی، روش­های متنوعی وجود دارد که در این قسمت بررسی شده­اند.

معیار کارایی نظر­گرفته شده برای یک دسته­بند، ارتباط مستقیمی با کاربرد و ضمینه کار خاص آن دسته­بند دارد. بنابراین در مسائل متفاوت، ممکن است معیار­های مختلفی برای اندازه­گیری کارایی الگوریتم در نظر­گرفته شود. همچنین همان طور که مشخص است، یک دسته­بند که بتواند برای همه مسائل موجود بهترین جواب را ارائه دهد، وجود ندارد.

در بررسی آماری کارایی یک دسته­بند، از یک مجموعه که شامل تعداد مشخصی نمونه­ی­ آموزشی دارای برچسب است استفاده می­شود. برای این کار، قسمتی از این نمونه­ ها و یا تمام مجموعه،­ به عنوان مجموعه آموزشی، در اختیار دسته­بند برای آموزش قرار می­گیرد. پس از آموزش، دسته بند به وسیله ­ی­ زیر­مجموعه­ ای­ از نمونه­ها، به عنوان نمونه­های­ آزمایشی، محک زده می­شود. نمونه­ ها­ی موجود در مجموعه­ ی­ آزمایشی، بسته به نوع آزمون کارایی، می­تواند عضو مجموعه آموزشی بوده و یا متفاوت با آن باشند.

نرخ دسته­بندی یا صحت پرکاربردترین و ساده ­ترین معیار اندازه­گیری کارایی هر دسته­بند است. این معیار برابر است با نسبت تعداد نمونه­های درست دسته­ بندی شده به تعداد کل نمونه ­ها. براساس این تعریف، نرخ خطای دسته­ بندی از رابطه زیر بدست می­آید

 مقادیر دقت و بازخوانی نیز معیارهای مناسبی برای ارزیابی دسته­ بندها می­باشند. که اخیرا برای ارزیابی رقابت بین اشتباه-مثبت و درست-مثبت استفاده می­شود. در ادامه این معیار­ها معرفی می­شود.

  • معیاردقت : احتمال مثبت بودن نمونه­هایی که مثبت اعلام شده ­اند.

                  معیار بازخوانی : احتمال مثبت اعلام کردن نمونه ­های دسته مثبت.

   معیار اختصاص: احتمال منفی اعلام کردن  نمونه­ های دسته منفی.

که در این معیارها، دسته مثبت، دسته مورد بررسی است و دسته منفی به سایر دسته ­ها گفته می­شود.

  • تصدیق متقابل

یک روش برای ارزیابی آماری دسته­بند، تصدق متقابل می­باشد. در این تکنیک برای ارزیابی کارایی دسته­بند، نمونه­ها را به صورت تصادفی به دو گروه که مکمل یکدیگر هستند، تقسیم می­کنند. با یک گروه سیستم را آموزش داده و با گروه دیگر سیستم آموزش دیده را مورد آزمایش قرار می­دهند. با این کار از تطبیق بیش از حد مدل بر روی داده­های آموزشی جلوگیری می­شود و نتایج بدست آمده از ارزیابی، دارای درجه اطمینان بیشتر خواهد بود. برای اطمینان بیشتر از نتایج، تصدیق متقابل در چندین مرحله صورت تکرار شده و در هر مرحله، از تقسیم­بندی متفاوتی برای نمونه­ها استفاده می­شود. در پایان از نتایج تمامی تکرار آزمایش­ها میانگین­گیری صورت می­گیرد.

در ادامه روش­های مختلف تطبیق متقابل توضیح داده می­شود.

  • تصدیق زیر گروه تصادفی: در این روش، نمونه­ ها به صورت تصادفی به دو گروه آموزشی و آزمایشی تقسیم می­شوند. سپس دسته­ بند به وسیله­ی­ نمونه­ های آموزشی، آموزش داده می­شود و با استفاده از مجموعه دیگر آزمایش شده و کارایی محاسبه می­شود. این عملیات چندین بار انجام می­گیرد و در نهایت میانگین آن­ها به عنوان کارایی دسته­بند ارائه می­شود. با توجه به تصادفی انتخاب شدن مجموعه­ های آموزشی و آزمایشی، مهم­ترین مشکل این روش امکان عدم انتخاب بعضی از نمونه­ها به عنوان عضو یکی از دو گروه و یا انتخاب بیش از یک بار بعضی از نمونه­ها می­باشد.
  • تصدیق متقابل k قسمت: در روش ابتدا مجموعه نمونه­ ها به K دسته تقسیم می­شوند. در هر مرحله نمونه­های k-1 دسته به عنوان مجموعه آموزشی در نظر گرفته می­شود و با استفاده از یک دسته دیگر کارایی سیستم دسته­بند ارزیابی می­شود. در نهایت کارایی سیستم برابر با میانگین کارایی در همه مراحل می­شود. در این روش از همه نمونه­ها برای آموزش و آزمایش استفاده می­شود.
  • تصدیق یکی در مقابل بقیه: یک روش دیگر، تصدیق یکی در مقابل بقیه است. در این روش، هر نمونه یک بار به عنوان نمونه آزمایشی انتخاب می­شود و از سایر نمونه­­ها برای آموزش استفاده می­شوند. این روش بر روی تمامی نمونه­ها انجام می­شود. در پایان، کارایی الگوریتم برابر نسبت تعداد نمونه­های درست دسته­بندی شده به کل است.
    • الگوریتم نزدیک­ترین همسایه

یکی از الگوریتم­های معروف دسته­بندی، الگوریتم نزدیک همسایه است؛ با این که از معرفی آن چندین دهه می­گذرد، این روش همچنان محبوب بوده و کاربرد بسیاری در مسائل مختلف دارد. دلیل این موضوع سادگی پیاده­سازی و کارایی بالا این روش است. به علاوه، این الگوریتم را به سادگی می­توان در مسائل مختلف به کار برد. الگوریتم نزدیک­ترین همسایه از یک قانون بسیار ساده در عمل دسته­بندی استفاده می­کند. نمونه­هایی که شباهت بیشتری با یکدیگر دارند(در فضای ویژگی­ها در نزدیکی یکدیگر قرار گرفته­اند)، به احتمال بالا در یک دسته قرار دارند. بر طبق این، در الگوریتم نزدیک­ترین­ همسایه، برای بدست آوردن دسته­ ی­ نمونه­ ی­ پرس­و­جو شده، بر اساس یک معیار شباهت(تفاوت)، نزدیک­ترین­ نمونه، از مجموعه­ی­ نمونه­ های آموزشی تعیین می­شود. سپس الگوریتم دسته­ی­ این نمونه را به عنوان دسته­ی­ نمونه­ی پرس­و­جو شده اعلام می­کند.

به عنوان مثال، شکل 1 نحوه بدست آوردن دسته ­ی نمونه­ ی­ پرس­وجو شده را توسط الگوریتم نزدیک­ترین­ همسایه، در یک فضای ویژگی دو بعدی و در مسئله ­ای­ با سه دسته نمایش می­دهد. در این مثال، از معیار فاصله اقلیدسی برای بدست آوردن نزدیک­ترین همسایه استفاده شده است.

 

ادامه مطلب...
پايان نامه ارايه‌ي يک روش مسيريابي براي شبکه‌هاي حسگر بي‌سيم با هدف افزايش طول عمر شبکه

پايان نامه ارايه‌ي يک روش مسيريابي براي شبکه‌هاي حسگر بي‌سيم با هدف افزايش طول عمر شبکه یکی از پایان نامه و تحقیق های جامع و کامل و دارای منابع معتبر می باشد این پایان نامه دارای 69 صفحه به صورت فایل ورد و قابل ویرایش می باشد که جهت دریافت و دانلودمتن کامل پايان نامه ارايه‌ي يک روش مسيريابي براي شبکه‌هاي حسگر بي‌سيم با هدف افزايش طول عمر شبکه بر روی گزینه خرید انتهای ایمیل کلیک نمائید پس از وارد نمودن اطلاعات مربوطه و پرداخت قادر به دانلود متن کامل پایان نامه مربوطه می باشد

کاربرد روز افزون شبکه‌های حسگر بی‌سیم در زندگی انسان گویای اهمیت زیاد این تکنولوژی است. محدودیت انرژی در عناصر تشکیل دهنده‎ی شبکه‌های حسگر بی‌سیم که گره‌حسگرها می‌باشند همواره به عنوان مهمترین چالش پیش روی این تکنولوژی مطرح بوده است و به همین دلیل بخش اعظم تحقیقات انجام شده در حیطه‌ی شبکه‌های حسگر بی‌سیم به موضوع انرژی اختصاص یافته است. با توجه به اینکه نحوه‌ی انتخاب مسیرها برای ارسال اطلاعات در شبکه‌های حسگر بی‌سیم تأثیر قابل توجهی بر میزان مصرف انرژی شبکه دارد، در این پژوهش سعی بر ارایه‎‌ی راهکاری در زمینه‌ی مسیریابی با هدف افزایش طول عمر شبکه شده است. در این روش با در نظر گرفتن تاریخچه‌ی مصرف انرژی گره‌های ‌حسگر، تعداد همسایگان حسگر ارسال کننده‌ی داده، و فاصله مبدأ تا مقصد ارسال داده(تک گام)،  راهکاری ارایه شده است که می‌تواند تأثیر بسیاری بر افزایش عمر شکه داشته باشد. شبیه‌سازی و مقایسه با روش‌های معروف و موفق مسیریابی در شبکه‌های حسگر بی‌سیم گویای شایستگی روش پیشنهادی می‌باشد.

ادامه مطلب...
پایان نامه ارشد: استنتاج شبکه های تنظیمات ژنی از روی داده های سری زمانی Microarray به وسیله شبکه های بیزی

دانلود متن کامل پایان نامه مقطع کارشناسی ارشد رشته مهندسی کامپیوتر

گرایش : هوش مصنوعی

عنوان : استنتاج شبکه های تنظیمات ژنی از روی داده های سری زمانی Microarray به وسیله شبکه های بیزین دینامیک

تعداد صفحات : 92

چکیده

شبکه های تنظیم کننده ژنتیکی مجموعه ای از ارتباطات ژن-ژن هستند که رابطه علت و معلولی را در فعالیت های ژنی ایجاد می کنند. دانش ما در مورد این شبکه ها نقش بسیار موثری در شناخت فرآیندهای زیستی ایفا می کند و می تواند باعث کشف روش های جدید برای درمان بیماری های پیچیده و تولید داروهای اثر گذار گردد.

روش های زیادی برای تشخیص شبکه های تنظیم کننده ژنتیکی پیشنهاد شده است. در این میان، شبکه های بیزین دینامیک مزایای ویژه ای دارا می باشند که باعث شده تا توجه زیادی را به خود جلب کنند.

با وجود تحقیقات انجام شده در این زمینه، مهندسی معکوس شبکه های تنظیم کننده ژن به وسیله شبکه های بیزین دینامیک به هیچ عنوان امری بدیهی نیست. غالباً تعداد نمونه های موجود برای آموزش مدل از تعداد مجهولات مسئله بسیار کمتر است. همچنین میزان پیچیدگی زیاد این مدل ها و دقت آنها از مهم ترین نواقص آن ها می باشند.

یکی از عمده ترین روش هایی که برای بالا بردن دقت شبکه های استنتاج شده به کار گرفته می شود استفاده از دانش اولیه در مورد شبکه های تنظیم کننده ژنی است. یکی از منابع عمده این دانش اولیه اطلاعات ما در مورد ساختار کلی شبکه های تنظیم کننده ژنی است. تحقیقات انجام شده نشان می دهند که تعداد یال های موجود در این شبکه ها کم است. همچنین شواهد بسیاری بدست آمده اند که نشان می دهند توزیع درجه خروجی در شبکه های تنظیم ژنی از قانون توانی پیروی می کنند. در واقع این شبکه ها در درجه خروجی scale-free هستند.

علیرغم این شواهد، روش های یادگیری شبکه های بیزین دینامیک این گونه شبکه ها را شبکه هایی با ساختار تصادفی در نظر می گیرند و یا تنها پیچیدگی شبکه را کنترل می کنند.

در این تحقیق روشی برای یاد گیری شبکه های بیزین دینامیک ارائه می شود که به طور مشخص بر این فرض شکل گرفته که شبکه واقعی ساختاری scale-free در توزیع درجه خروجی دارد. روش ارائه شده پیچیدگی زمانی چند جمله ای دارد و می تواند برای استنتاج شبکه هایی با تعداد گره های زیاد مورد استفاده قرار گیرد.

آزمایش هایی که برای مقایسه توانایی الگوریتم ارائه شده با متدهای قبلی یادگیری شبکه انجام شده اند نشان می دهند که الگوریتم ارائه شده، زمانی که برای استنتاج شبکه هایی استفاده می شود که scale-free هستند، قادر است کیفیت شبکه استنتاج شده را به خصوص زمانی که داده های آموزشی ناکافی هستند به صورت قابل توجهی افزایش دهد.

 

ادامه مطلب...
 دانلود پایان نامه ارشد : شناسایی نفوذگران با کمک مفهوم شبکه اجتماعی

دانلود پایان نامه ارشد : شناسایی نفوذگران با کمک مفهوم شبکه اجتماعی

مهندسی کامپیوتر - گرایش هوش مصنوعی

تعداد صفحات : 76

چکیده

در سال­های اخیر با گسترش شبکه­های کامپیوتری و افزایش دسترسی افراد به آن، این بستر اطلاعاتی به شکل فزاینده­ای دستخوش نفوذ، سوءاستفاده و حمله گردیده است. عواملی از قبیل منافع مالی، اهداف سیاسی یا نظامی و نیز مقاصد شخصی سبب افزایش حوادث امنیتی در سیستم­های اطلاعاتی می­گردد. در نتیجه امنیت شبکه های کامپیوتری تبدیل به یکی از مهم­ترین دغدغه­های اصلی کارشناسان شبکه و دیگر افراد مرتبط با شبکه­ها شده است. ابزارهای متعددی جهت حفظ امنیت سیستم­های کامپیوتری گسترش یافته­اند که یکی از آنها سیستم شناسایی نفوذ می باشد. امروزه سیستم شناسایی نفوذ نقش مهمی را در زمینه حفظ امنیت سیستم­های اطلاعاتی و کاربران آنها در برابر حملات شریرانه ایفا می کند. سیستم شناسایی نفوذ، تنها سیستمی است که به شکل فعال قادر به شناسایی استفاده­های غیرمجاز و نیز سوءاستفاده از سیستم­های اطلاعاتی توسط حمله­گرهای داخلی و خارجی می­باشد. در نتیجه این سیستم یکی از اجزای بسیار ضروری در حفظ امنیت ساختارهای اطلاعاتی است و می­تواند در کنار دیوار آتش به حفظ امنیت سیستم اطلاعاتی کمک کند. در این پژوهش با به کارگیری رویکرد تحلیل شبکه های اجتماعی و ارائه معیارهای شباهت افراد در شبکه مدلی ارائه شده تا افراد مشکوک در شبکه شناسایی شوند. همچنین مدلی برای شبیه سازی بستر آزمایش جهت سیستم های شناسایی نفوذ مبتنی بر جریان فراهم آورده شده است.

ادامه مطلب...
دانلود پایان نامه بررسی شبکه های عصبی مصنوعی
مشخصات مقاله:
عنوان کامل: بررسی و معرفی شبکه های عصبی مصنوعی
دسته: فناوری اطلاعات و کامپیوتر
فرمت فایل: WORD (قابل ویرایش)
تعداد صفحات پروژه: ۱۲۱

چکیده ای از مقدمه آغازین ” پایان نامه بررسی و معرفی شبکه های عصبی مصنوعی” بدین شرح است:

.

هوش محاسباتی یا  (Computational-Intelligence) CI به معنای استخراج هوش، دانش، الگوریتم یا نگاشت از دل محاسبات عددی براساس ارائه به روز داده‌های عددی است. سیستم‌هایCI در اصل سیستم‌های دینامیکی مدل آزاد (Model-free) را برای تقریب توابع و نگاشتها ارائه می‌کند. در کنار این ویژگی بسیار مهم باید از ویژگی مهم دیگری در ارتباط با خصوصیات محاسباتی سیستم‌های CI نام برد، که در آن دقت، وجه‌المصالحه مقاوم بودن، منعطف‌بودن و سهولت پیاده‌سازی قرار می‌گیرد.
مولفه‌های مهم و اساسی CI ، شبکه‌های عصبی )محاسبات نورونی(، منطق فازی) محاسبات تقریبی( و الگوریتم ژنتیک) محاسبات ژنتیکی(است، که هر یک به نوعی مغز را الگو قرار داده‌اند. شبکه‌های عصبی ارتباطات سیناپسی و ساختار نورونی، منطق فازی استنتاجات تقریبی و محاسبات ژنتیکی محاسبات موتاسیونی مغز را مدل می‌کنند. ‍‍‌
هوش مصنوعی:
در شبکه ارتباطی مغز انسانها سیگنالهای ارتباطی به صورت پالسهای الکتریکی هستند.جزء اصلی مغز نرون است که از یک ساختمان سلولی و مجموعه ای از شیارها و خطوط تشکیل شده و شیارها محل ورود اطلاعات به نرون هستند وخطوط محل خروج اطلاعات از نرون اند . نقطه اتصال یک نرون به نرون دیگر را سیناپس می نامند که مانند دروازه یا کلید عمل می کنند. اگر واکنشهایی که میلیونها نرون مختلف به پالسهای متفاوت نشان میدهند با یکدیگر هماهنگ باشند ممکن است پدیده های مهمی در مغز رخ دهد.
آن دسته از پژوهشگران هوش مصنوعی که رویکرد مدل مغزی را دنبال می کنند گونه ای از مدارهای الکتریکی را طراحی کرده اند که تا حدی شبکه مغز را شبیه سازی میکند در این روش هر گره (نرون)به تنهایی یک پردازنده است ولی رایانه های معمولی حداکثر چند cpuدارند هدف عمده کامپیوتر شبکه عصبی این است که مکانیسمی طراحی کند که همانند مغز انسان بازخورد مثبت یاد بگیرد پاسخهای درست و نادرست کدامند.
ادامه مطلب...
دانلود پایان نامه بررسی هوش مصنوعی
مشخصات مقاله:
عنوان کامل پروژه :پروژه بررسی هوش مصنوعی
دسته: فناوری اطلاعات و کامپیوتر
فرمت فایل: WORD (قابل ویرایش)
تعداد صفحات پروژه: ۱۸۱

چکیده ای از مقدمه آغازین ” پروژه بررسی هوش مصنوعی ” بدین شرح است:

.

بخشی از مقدمه:
هدف‌ از این‌ پروژه‌ آشنائی‌ با هوش‌ مصنوعی‌ به‌ عنوان‌ سمبل‌ ونماد دوران‌ فراصنعتی‌ و نقش‌ و کاربرد آن‌ در صنایع‌ و مؤسسات‌تولیدی‌ می‌باشد. بدین‌ منظور، این‌ موضوع‌ در قالب‌ ۳ فصل ارائه‌ می‌شود. در (فصل‌ اول‌) کلیات هوش‌ مصنوعی‌ موردمطالعه‌ قرار می‌گیرد و سئوالاتی‌ نظیر این‌ که‌ هوش‌ مصنوعی‌چیست‌؟ تفاوت‌ هوش‌مصنوعی‌ و هوش‌ طبیعی‌ (انسانی‌) درچیست‌؟ شاخه‌های‌ عمده‌ هوش‌ مصنوعی‌ کدامند؟ و نهایتأ، اجزای‌هوش‌ مصنوعی‌ نیز تشریح‌ می‌شود ،کاربردهای‌ هوش‌ مصنوعی‌در صنایع‌ و مؤسسات‌تولیدی‌، بخصوص‌ در زمینه‌سیستم‌های‌ خبره‌وآدمواره‌ها مورد مطالعه‌ وتجزیه‌ و تحلیل‌ قرارمی‌گیرد.ودر فصل دوم به بررسی هوش مصنوعی در بازی های کامپیوتری و در فصل سوم به بررسی تکنیک برنامه نویسی در هوش مصنوعی مورد مطالعه قرار می گیرد.
هوش مصنوعی به هوشی که یک ماشین از خود نشان میدهد و یا به دانشی در کامپیوتر که سعی در ایجاد آن دارد گفته میشود. بیشتر نوشته ها و مقاله های مربوط به هوش مصنوعی آن را “دانش شناخت و طراحی مامورهای هوشمند تعریف کرده اند. یک مامور هوشمند سیستمی است که با شناخت محیط اطراف خود, شانس موفقیت خود را بالا میبرد جان مکارتی که واژه هوش مصنوعی را در سال ۱۹۵۶ استفاده نمود, آن را دانش و مهندسی ساخت ماشین های هوشمند” تعریف کرده است. تحقیقات و جستجوهایی انجام شده برای رسیدن به ساخت چنین ماشین هایی مرتبط با بسیاری از رشته های دانشیک دیگر میباشد, مانند دانش کامپیوتر, روانشناسی, فلسفه, عصب شناسی, دانش ادراک, تئوری کنترل, احتمالات, بهینه سازی و منطق.
« هوش مصنوعی، دانش ساختن ماشین‌‌ ها یا برنامه‌های هوشمند است. »  همانگونه که از تعریف فوق-که توسط یکی از بنیانگذاران هوش مصنوعی ارائه شده است- برمی‌آید،حداقل به دو سؤال باید پاسخ داد:
۱ـ هوشمندی چیست؟
۲ـ برنامه‌های هوشمند، چه نوعی از برنامه‌ها هستند؟
ادامه مطلب...
پروژه بررسی سیستم های خبره
عنوان کامل: بررسی سیستم خبره
دسته: فناوری اطلاعات و کامپیوتر
فرمت فایل: WORD (قابل ویرایش)
تعداد صفحات پروژه: 160
______________________________________________________
بخشی از مقدمه:
انسان هرزمانی که برای انجام کاری نیازبه یک یاترکیبی ازسه خصیصه سرعت،دقت وقدرت داشته به سمت تهیه،ساخت یا اختراع ماشینی رفته است.
اگراین تعریف رابپذیریم که ماشین ابزاری ساخته انسان جهت انجام کاریاکارهائیست ،کامپیوتر نیز یک ماشین است امابایک تفاوت اساسی وآن اینکه برخلاف اغلب ماشینها،کامپیوتربجای ماده بااطلاعات سروکاردارد.
کارباکامپبوتربااطلاعات چندجنبه دارد،اولا به عنوان یک ماشین محاسبه ،سریع ،دقیق وقوی میتواند اعمال ریاضی را درمورداعداد وارقام اعمال نماید.ثانیا بعنوان یک ماشین اطلاعاتی میتواندازهرابزار دیگری سریعتر ،دقیقتروقویتراطلاعات رقمی و حرفی راکسب ،ذخیره ،پردازش و منتقل نماید.ثالثا باتبدیل اصوات وتصاویر به کدهای رقمی توانسته بزرگترین انقلاب رادرارتیاطات باعث گردد.وبالاخره درحیطه ای که خاص انسان تصور میشد،یعنی (هوشمندی) واردعمل شده است.اگرچه تعریف دقیق هوش وهوشمندی ممکن نیست اما می توان زمینه هایی  محدودتری را تعریف نمودمثل سیستمهای خبره ،منطق ،پردازش زبانهای طبیعی ،یادگیری،تشخیص الگوها،روباتیک و... همه این مقولات نو مربوط به دانش نوینی به نام(هوش مصنوعی ) میباشد،که در50 سال عمرخودیکی از مطرح ترین و انقلابی ترین موضوعات علمی بوده وبدون شک ژرفترین اثرات را برتمدن انسانی خواهد گذاشت.
دریک کلام اگرقرن آینده قرن اطلاعات وماشین آن کامپیوتر،باید دانش آن قرن را (هوش مصنوعی)دانست.
اين نوشته درباره سيستم های مبتنی بر دانش يا سيستم هاي خبره است كه تاكنون ايجاد شده اند . اين قبيل سيستم ها زمينه اصلی بررسيشان مرهون رشته ديگری از مطالعات يعنی هوش مصنوعی می باشد. ايده های هوش مصنوعی به عنوان يك زمينه جديد برای بررسی و مطالعه در دهه 1940 شكوفا شد . بيش از 50 سال از موفقيت هايی كه در زمينه هوش مصنوعی حاصل شده است مي گذرد كه در اين مدت شكست هايی نيز تجربه شده است . اين فصل با يك تاريخچه مختصر در مورد هوش مصنوعی و سيستم های مبتنی بر دانش شروع می شود به طوريكه خواننده بتواند درك درستی از مسائل اين شاخه استدلالی از علم كامپيوتر بدست آورد.
مقدمات هوش مصنوعی 
تحقيق در مورد هوش مصنوعی در دهه 1940 كه مصادف با پديدار شدن اولين نسل از كامپيوترها در مراكز تحقيقاتی بود شروع شد . اصول اوليه ماشين منطق كه در رياضيات پايه ريزی شده بودبا تلاش كرت گاول ، آلونز و چرچ آلن تورنيگ مهيا شد . همچنين وايت هدراسل در سال 1913 به توليد روشهای صوری در استدلال منطقی كمك شايانی كرد . تحقيق عمده همه اين افراد روی موضوع حاسبهای احتمالی وپيشنهادی متمركز مي شد . 
ادامه مطلب...
دانلود پروژه ساخت ربات مسیر یاب به کمک موتور پله ای

عنوان پروژه : ساخت ربات مسیر یاب به کمک موتور پله ای

تعداد صفحات : ۱۱۲

شرح مختصر پروژه : در این پروژه که با عنوان ساخت ربات مسیر یاب به کمک موتور پله ای آماده شده است ، در فصل اول آن در مورد آشنایی با ماشین بینایی و پردازش دیجیتالی تصویر بحث شده است.پردازش تصویر (Image processing) یکی از زیرشاخه ها و کاربردهای اساسی هوش مصنوعی می باشد.در این فصل سعی شده مفهوم پردازش تصویر خیلی ساده و آسان بازگو شود تا خواننده به آسانی با این تکنولوژی که امروزه کاربردهای فراوان دارد آشنا گردد. در فصل بعدی به معرفی میکرو کنترلر ۸۰۵۱ نظیر مقدمه ای از میکروکنترلرها ، بخش حافظه آن ، دستوررالعمل و برنامه نویسی میکروکنترلر ۸۰۵۱ و .. پرداخته شده است. در فصل سوم به معرفی در مورد استپ موتورها یا همان موتورهای پله ای پرداخته شده که شامل تاریخچه موتورهای پله ای ، پیشرفت سریع موتورهای پله ای ، مینیاتوری شدن این موتورها و … بحث گردیده است.در فصل آخر نیز به طراحی و ساخت یک نومنه از ربات مسیر یاب پرداخته شده است.

در طراحی و ساخت ربات مسیریاب این پروژه از موتور پله ای استفاده گردیده است.بطور کلی استپ موتور یا همان موتورهای پله ای توسط مدارات الکترونیک ، اکثراً با متبع تغذیه DC‌ کار می کنند.موتور پله ای در مقایسه با موتورهای معمولی  AC‌ یا DC‌ که اکثراً بطور مستقیم از یک منبع تغذیه درایو می شوند،یک موتور منحصر به فرد می باشد.به علاوه موتورهای پله ای در کنترل سرعت و موقعیت بدون حلقه های فیزیک پر هزینه کاربرد پیدا می کنند.این روش درایو به نام درایو حلقه باز خوانده می شود.

 

فهرست مطالب پروژه ساخت ربات مسیر یاب به کمک موتور پله ای

ادامه مطلب...

این مقاله در زمینه ساخت یک ربات هوشمند است که تحت تأثیر بازتاب نور محیطی که در آن حرکت می کند در زمینه مشکی متوقف شده و در زمینه سفید حرکت می کند.

 

عنوان مقاله : تهیه ربات هوشمند با کمترین هزینه

نویسنده : سعیده صابری

زبان مقاله : پارسی

تعداد صفحات : ۵

ساختار فایل : PDF

حجم فایل : ۸۳۷ کیلوبایت

ادامه مطلب...

اسلاید هایی که در این پست برای شما دوستان گرامی آماده نموده ایم ، مجموعه اسلاید هایی است که در کلاس استاد کامرانی تدریس شده اند . بیشتر مباحث این اسلاید ها برگرفته از کتاب راسل و نوروینگ می باشد.

عنوان اسلاید : هوش مصنوعی

گردآوری : استاد کامرانی

زبان نوشتار : انگلیسی

ساختار فایل : PDF , PPTX

حجم فایل : ۴.۴ مگابایت

ادامه مطلب...

فایل زیر شامل نمونه سوالات امتحانی درس هوش مصنوعی دانشگاه آزاد آبادان می باشد.

عنوان : سوالات امتحانی هوش مصنوعی

رشته : مهندسی تکنولوژی نرم افزار

واحد آموزشی : دانشگاه آزاد آبادان

نام استاد : علی پدرام

تعداد سوال : ۱۳ سوال

زمان امتحان : ۱۸۰ دقیقه

حجم فایل : ۳۹۵ کیلوبایت

ادامه مطلب...

جزوه حاضر در ۸ فصل به بررسی موضوعاتی از قبیل معرفی هوش مصنوعی ، عامل های هوشمند ، حل مسئله با جستجو ، جستجوی آگاهانه و اکتشاف ، مسائل ارضای محدودیت ، جستجوی خصمانه ، عامل های منطقی و منطق رتبه اول پرداخته است.

عنوان جزوه : هوش مصنوعی

مرجع : Artificial Intelligence A Modern Approach

نویسنده : استوارت راسل – پیتر نورویگ

تهیه کننده : مجتبی پورمحقق

ساختار فایل : PDF

کیفیت جزوه : تایپ شده

تعداد صفحات : ۲۷۷

حجم فایل : ۲.۳ مگابایت

ادامه مطلب...

کتاب هوش مصنوعی راسل و نورویگ یکی از  رفرنس های اصلی درس هوش مصنوعی می باشد و کتاب فوق ، حل تمرینات این کتاب را تقدیم شما عزیزان می کند.

عنوان کتاب : حل تمرینات کتاب هوش مصنوعی راسل و نورویگ

ساختار فایل : PDF

زبان کتاب : انگلیسی

تعداد صفحات : ۱۸۱

حجم فایل : ۱.۱ مگابایت

ادامه مطلب...
اسلاید های هوش مصنوعی (Artificial Intelligence) بهروز نیرومندفام

در این مطلب برای شما دوستان گرامی اسلاید های درس هوش مصنوعی ، تهیه شده توسط مهندس نیرومندفام  را آماده کرده ایم ، منابع استفاده شده در این اسلاید ها و سرفصل ها در ادامه مطلب ذکر شده اند.

عنوان اسلاید : هوش مصنوعی

گردآوری : بهروز نیرومندفام

زبان اسلاید : پارسی

فرمت فایل : اسلاید PDF شده

تعداد صفحات : ۲۶۰

حجم فایل : ۵.۴ مگابایت

 

منابع استفاده شده در این اسلاید ها :

* کتاب هوش مصنوعی رهیافتی نوین  ، اثر: استوارت راسل و پیتر نورویگ ، مترجم: عین الله جعفر نژاد قمی
* هوش مصنوعی و برنامه نویسی پرولو گ ، اثر: ایوان برانکو ، مترجم: مهندس رامین مولاناپور

سرفصل مطالب :

۱- هوش مصنوعی چیست؟ مبانی و تاریخچه هوش مصنوعی
۲- عامل های هوشمند
۳- حل مساله
۴- روش های جست و جو
۵- مساله های ارضای محدودیت
۶- تئوری بازی (جست و جوی خصمانه )
۷- عامل های مبتنی بر دانش، نمایش منطق، استدلال
۸- منطق رتبه اول، استنتاج، نمایش دانش
 ۹- معرفی و آموزش زبان Prolog
10- معرفی برخی کاربردها در سیستم های خبره، پردازش زبان طبیعی، بینایی ماشین و رباتیک
ادامه مطلب...

در این جزوه سعی شده است تمام سرفصل های درس پوشش داده شود. این جزوه جهت کمک به دانشجویان در جهت کاهش یادداشت برداری ، ترسیم شکل ها و مثال ها در هنگام تدریس بوده است.

عنوان جزوه : هوش مصنوعی

مدرّس : مصطفی قبائی آرانی

دانشگاه : پیام نور واحد آران و بیدگل

ساختار فایل : PDF

کیفیت : تایپی

تعداد صفحات : ۱۸۸

حجم فایل : ۳.۵ مگابایت

ادامه مطلب...
جزوه هوش مصنوعی استاد قبائی آرانی

در این جزوه سعی شده است تمام سرفصل های درس پوشش داده شود. این جزوه جهت کمک به دانشجویان در جهت کاهش یادداشت برداری ، ترسیم شکل ها و مثال ها در هنگام تدریس بوده است.

عنوان جزوه : هوش مصنوعی

مدرّس : مصطفی قبائی آرانی

دانشگاه : پیام نور واحد آران و بیدگل

ساختار فایل : PDF

کیفیت : تایپی

تعداد صفحات : ۱۸۸

حجم فایل : ۳.۵ مگابایت

ادامه مطلب...
دانلود مقاله پردازش تصویر اثرانگشت در فناوری بیومتریک
توضیحات

در این مقاله که پروژه پایانی خودم می باشد که در مورد سیستم بیومتریک که یکی از فناوریهای برترجهان است و پردازش تصویر در اثرانگشت هم یکی از مشخصه های فیزیکی از این تکنولوژی  می باشد. در این پروژه ابتدا در مورد سیستم بیومتریک و متدها و بخش های آن بیان شده است. در میان سیستم های تعیین هویت، سیستم هایی که از ویژگی های فیزیولوژی یا رفتاری افراد استفاده می کنند، از قابلیت اعتماد و سطح امنیت بیشتری برخودارند که نمونه ای از آن تشخیص هویت از طریق اثرانگشت می باشد که به دلیل دقت بالا و سادگی، متداو ل ترین و پرکاربردترین روش شناسایی افراد براساس تکنولوژی بیومتریک است. در ادامه  به روش تحلیل اثرانگشت و نحوه ی بدست آوردن اثرانگشت ارائه گردیده است. در نتیجه به شناسایی از طریق اثرانگشت و کلاس بندی های آن را پرداخته و مورد بررسی قرار داده شده است. به دنبال آن، مزایای سیستم انگشت نگاری و خطاهای  سیستم خودکار اثرانگشت نگاری و همچنین اشتباهات در سیستم انگشت نگاری را ارائه داده و کاربردهای آن در صنایع مختلف و زمینه های گوناگون مثال زده شده است. در نهایت به پردازش اثرانگشت و کارایی آن در نرم افزار متلب پرداخته، که به بررسی عملیات باینری و ساختاری آن بر روی اثرانگشت را همراه با کدهای متلب ارائه گردیده شده است.

 

  • نویسنده: زهرا سرخی
  • موضوع: برنامه نویسی، کامپیوتر و اینترنت
  • تعداد صفحات: ۳۸
  • فرمت: PDF
  • زبان: فارسی
ادامه مطلب...

هوش مصنوعی یکی از زمینه های نوین در علم است که به شکلی تفکیک ناپذیر با علم کامپیوتر و به ویژه برنامه نویسی آمیخته شده است.
البته این شاخه از علم تقریباً در تمام علوم مهندسی رسوخ کرده است که از آن جمله می توان به مهندسی برق و مکانیک که بیشترین سهم را دارند اشاره کرد.
امروزه از هوش مصنوعی در گستره وسیعی از کاربردها، از یک ماشین لباسشویی خانگی گرفته تا یک ربات پیشرفته انسان نما استفاده می شود.
کتاب حاضر که نوشته آقای حسن عسکرزاده می باشد، مرجع اصلی درس هوش مصنوعی در دانشگاه پیام نور بوده و به شکل شایسته ای موضوعات را برای خوانندگانی که آشنایی چندانی با این علم ندارند موشکافی کرده است.

تعداد صفحات کتاب : ۴۰۷ صفحه

ادامه مطلب...
دانلود رایگان اسلاید های هوش مصنوعی استورات راسل به زبان فارسی
عنوان :هوش مصنوعی
تعداد اسلایدها :۳۴۵
نویسنده: استورات راسل


کتاب Artificial Intelligence A Modern Approach یکی از معروف ترین کتاب ها در زمینه هوش مصنوعی است که توسط استوارت راسل و پیتر نورویگ نوشته شده است.
این کتاب در بیشتر دانشگاه های کشور به عنوان منبع و رفرنس اصلی این درس تدریس می شود.
در این پست مجموعه اسلایدهای این درس که توسط آقای مجتبی پورمحقق از روی همین کتاب تهیه شده است را برای کاربران قرار داده ایم که هم دانشجویان برای مطالعه و هم اساتید برای تدریس می توانند از آنها استفاده کنند.

ادامه مطلب...
دانلود رایگان کتاب هوش مصنوعی
  • نویسنده: استوارت راسل
  • موضوع: برنامه نویسی
  • فرمت: PDF
  • زبان: فارسی
توضیحات
هوش مصنوعی یا هوش ماشینی را باید عرصهٔ پهناور تلاقی و ملاقات بسیاری از دانش‌ها، علوم، و فنون قدیم و جدید دانست. ریشه‌ها و ایده‌های اصلی آن را باید در فلسفه، زبان‌شناسی، ریاضیات، روان‌شناسی، نورولوژی، و فیزیولوژی نشان گرفت و شاخه‌ها، فروع، و کاربردهای گوناگون و فراوان آن را در علوم رایانه، علوم مهندسی، علوم زیست‌شناسی و پزشکی، علوم ارتباطات و زمینه‌های بسیار دیگر.کتاب هوش مصنوعی حاضر توسط استوارت راسل و پیتر نورینگ نوشته شده است.

 

ادامه مطلب...

در این پست از سایت دانلود نمونه سوال درس هوش مصنوعی تقدیم می شود. این سولات برای امتحان میان ترم و پایان ترم درس هوش مصنوعی کاربرد دارد. هجم فایل 10m میباشد که شامل تعدادی تصویر در یک فایل فشرده می باشد. در صورتی که در مورد سولات مشکلی داشتید در بخش پرسش و پاسخ سایت مطرح کنید. امیدوارم مفید باشد.

 

حجم فایل : 6 MB

ادامه مطلب...
دانلود کتاب آموزشی هوش مصنوعی سهراب جلوه گر

همانطور که می دانید هوش مصنوعی یکی از شاخه های نسبتاً جدید در بین علوم بوده ولی در عین حال خیلی زود جای خود را بین دیگر علوم پیدا کرده و امروزه طیف وسیعی از دانشمندان بر رو حوزه های مختلف هوش مصنوعی فعالیت می کنند.
کتاب حاضر که به کوشش آقای سهراب جلوه گر تهیه شده است، حاوی مطالب بسیار ارزشمندی در رابطه باهوش مصنوعی بوده که به جرات میتوان آن را یکی از بهترین منابع هوش مصنوعی به زبان فارسی دانست. فهرست مطالب این کتاب به ترتیب فصول بدین شرح است :

 


فهرست مطالب کتاب هوش مصنوعی

آشنايي با هوش مصنوعی هوش

عامل‌های هوشمند

حلّ مسأله و جستجو

جستجوی آگاهانه یا مکاشفه‌ای

لگوریتم‌های جستجوی محلی

مسائل برآورده‌سازي يا ارضای محدودیّت

تئوری بازی‌ها

عامل‌های منطقی

منطق گزاره‌ای

منطق مرتبه‌ی اوّل

استنتاج در منطق مرتبه‌ی اوّل

امعلومی یا عدم قطعیّت

شبکه‌های بیزی

استنتاج در شبکه‌های بیزی

شناخت سخن یا سخن شناسی‌

شبکه‌های عصبی

الگوریتم‌های ژنتیکی

سیستم‌های خبره

سیستم‌های طبقه‌بندی‌کننده

یادگیری با استفاده از مشاهده‌ها؛ و درخت‌های تصمیم‌گیری

برنامه‌ریزی

آشنایی با زبان برنامه نویسی پرولوگ

آشنایی با زبان برنامه نویسی پایتون

ادامه مطلب...
دانلود مقاله پردازش تصویر اثرانگشت در فناوری بیومتریک
توضیحات

در این مقاله که پروژه پایانی خودم می باشد که در مورد سیستم بیومتریک که یکی از فناوریهای برترجهان است و پردازش تصویر در اثرانگشت هم یکی از مشخصه های فیزیکی از این تکنولوژی  می باشد. در این پروژه ابتدا در مورد سیستم بیومتریک و متدها و بخش های آن بیان شده است. در میان سیستم های تعیین هویت، سیستم هایی که از ویژگی های فیزیولوژی یا رفتاری افراد استفاده می کنند، از قابلیت اعتماد و سطح امنیت بیشتری برخودارند که نمونه ای از آن تشخیص هویت از طریق اثرانگشت می باشد که به دلیل دقت بالا و سادگی، متداو ل ترین و پرکاربردترین روش شناسایی افراد براساس تکنولوژی بیومتریک است. در ادامه  به روش تحلیل اثرانگشت و نحوه ی بدست آوردن اثرانگشت ارائه گردیده است. در نتیجه به شناسایی از طریق اثرانگشت و کلاس بندی های آن را پرداخته و مورد بررسی قرار داده شده است. به دنبال آن، مزایای سیستم انگشت نگاری و خطاهای  سیستم خودکار اثرانگشت نگاری و همچنین اشتباهات در سیستم انگشت نگاری را ارائه داده و کاربردهای آن در صنایع مختلف و زمینه های گوناگون مثال زده شده است. در نهایت به پردازش اثرانگشت و کارایی آن در نرم افزار متلب پرداخته، که به بررسی عملیات باینری و ساختاری آن بر روی اثرانگشت را همراه با کدهای متلب ارائه گردیده شده است.

 

  • نویسنده: زهرا سرخی
  • موضوع: برنامه نویسی، کامپیوتر و اینترنت
  • تعداد صفحات: ۳۸
  • فرمت: PDF
  • زبان: فارسی
ادامه مطلب...
دانلود ۲ کتاب آموزشی و مفید هوش مصنوعی

در این پست آموزشی ۲ کتاب آموزشی و مفید هوش مصنوعی را جهت دانلود قرار داه ایم. کتاب اول کتاب TSP و NP-HARD با استفاده از الگوریتم ژنتیک می باشد که در آن به بررسی الگوریتم ژنتیک که یکی از روشهای جستجو برای یافتن حل تقریبی و بهینه سازی ماسئول مربوطه جستجو که با استفاده از الگوریتهای تکاملی با استفاده از تکنیکهای زیست شناسی وراثت و جهش استفاده میکند پرداخته است. و کتاب دوم کتاب بیومتریک اثر انگشت با روشهای منطق فازی می باشد که در آن ابتدا با تاریخچه اثر انگشت و تاریخچه منطق فازی و موارد استفاده ار منطق فازی در بیومتریک اثر انگشت پرداخته می شود . در ادامه، کارهای که محققین در خصوص استفاده از روشهای فازی جهت شناسایی اثر انگشت انجام داده اند از جمله روش استفاده از منطق فازی در سیستم های اثر انگشت، معماری یک سیستم ترکیبی، و همچنین استفاده از رمز گذاری فازی برای نشان دادن ساختار ویژگی های برآمدگی های دوشاخه توضیحاتی را مطرح می کنیم.

جهت دانلود ۲ کتاب آموزشی و مفید هوش مصنوعی به ادامه مطلب مراجعه فرمایید

ادامه مطلب...
دانلود ۳ کتاب آموزشی هوش مصنوعی به زبان فارسی

ر این پست آموزشی ۳ کتاب مفید و پر محتوای هوش مصنوعی به زبان فارسی را جهت دانلود قرار داده ایم. کتاب اول مرجع هوش مصنوعی است که شام ۴۰۷ صفحه و یک کتاب خودآموز می باشد که دوستان گرامی بدون نیاز به تدریس استاد می توانند نیازهای خود را برطرف نمایند. این کتاب که یکی از کتاب های جامع هوش مصنوعی می باشد که در اکثر دانشگاه ها تدریس می شود. کتاب دوم کاربردهای هوش مصنوعی،که شامل ۹۵ صفحه می باشد. با مطالعه این کتاب شما می توانید با زیرشاخه ها و تعاریفی از هوش مصنوعی آشنا شوید. در این کتاب به تکنیک ها و زبان های برنامه نویسی در هوش مصنوعی پرداخته شده است. و کتاب سوم کتاب هوش مصنوعی احمد ابدالی که کتابی بسیار مفید و شامل ۳۸۰ صفحه می باشد.

جهت دانلود ۳ کتاب آموزشی هوش مصنوعی به زبان فارسی به ادامه مطلب مراجعه فرمایید

ادامه مطلب...
دانلود ۲ کتاب آموزشی هوش مصنوعی به همراه پروژه کشیش و آدمخوار

وجود مسایل پیچیده علمی منجر میشود تا سراغ روشهای بهینه سازی رفته و مساله مورد نظر را به وسیله آنها حل کرد. با توجه به زمانبر بودن و پیچیدگی روشهای دقیق از روشهای بهینه سازی هوشمند استفاده میشود. تاکنون روشهای بهینهسازی متعددی معرفی شدهاند که از مهم ترن آن ها میتوان به الگوریتمهای تکاملی، الگوریتم تپه نوردی، الگوریتم شبیه ساز سرد کردن فلزات ، الگوریتم بهینه سازی انبوه ذرات، الگوریتم جستجوی ممنوع، الگوریتم بهینه سازی مورچهها، خودکارهای یادگیر و غیره اشاره نمود.همان طور که مشاهده می فرمایید در این مطلب قصد داریم دو کتاب آموزشی مفید به نام مروری بر روش های بهینه سازی هوشمند و آموزش کامل درس هوش مصنوعی پیام نور و همچنین پروژه کشیش و آدمخوار در قالب سی پلاس پلاس را به اشتراک بگذاریم.

ادامه مطلب...
دانلود مقاله در مورد هوش مصنوعی

هوش مصنوعی مطالعه روش هایی می باشد برای تبدیل کامپیوتر به ماشینی که بتواند اعمال انجام شده توسط انسان را انجام دهد . هوش مصنوعی شاخه ای است که از علم کامپیوتر که ملزومات محاسباتی اعمالی همچون ادراک , استدلال و یادگیری را بررسی کرده و سیستمی جهت انجام چنین اعمالی ارائه می دهد .در این پست جدید سایت  کتابی با موضوع هوش مصنوعی را برای شما اماده نموده ایم که در ان هوش مصنوعی , ربات ها و… تشریح شده اند. امید است این مقاله برای دانشجویان عزیز و علاقمندان در این زمینه مفید واقع شود .

ادامه مطلب...
به کانال تلگرام سایت ما بپیوندید