حامی فایل

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

حامی فایل

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

مقاله مدل های فازی

اختصاصی از حامی فایل مقاله مدل های فازی دانلود با لینک مستقیم و پر سرعت .

مقاله مدل های فازی


 مقاله مدل های فازی

لینک پرداخت و دانلود در "پایین مطلب"

 فرمت فایل: word (قابل ویرایش و آماده پرینت)

 تعداد صفحات:38

مجموعه های فازی درواقع تعمیمی برتئوری مجموعه های قراردادی[1] می باشد که درسال 1965 به عنوان روشی ریاضی برای روشن کردن ابهامات درزندگی روزمره توسط زاده[2] معرفی شد. [1].

ایده اصلی مجموعه های فازی ساده است وبه راحتی می توان آن را دریافت. فرض کنید هنگامی که به چراغ قرمز می رسید باید توصیه ای به یک دانش آموز راننده درباره زمان ترمز کردن بکنید. شما می گویید « در74 فوتی چهارراه ترمزکن » یا توصیه ی شما شبیه به این است « خیلی زود از ترمزها استفاده کن »؟ البته دومی ؛ دستورالعمل اول برای انجام دادن بسیار دقیق است. این نشان می دهد که دقت می تواند بی فایده باشد ، تا زمانی که راه های مبهم وغیر دقیق می توانند تفسیر وانجام گیرند. زبان روزمره مثال دیگری است از استفاده وانتشار ابهامات. بچه ها بسرعت تفسیر وانجام دستورالعمل های فازی را یاد می گیرند. (ساعت 10 به رختخواب برو). همه ما اطلاعات فازی نتایج مبهم واطلاعات غیر دقیق را به خاطر می سپاریم وازآن ها استفاده می کنیم وبه خاطر همین مسئله قادر هستیم تا در موقعیت‌هایی که به یک عنصر تصادفی وابسته است تصمیم گیری کنیم. بنابراین مدل های محاسباتی از سیستم‌های حقیقی باید قادر باشند که عدم قطعیت های آماری وفازی را تشخیص دهند ، مشخص کنند ، تحت کنترل خود درآورند ، تفسیر کنند وازآن استفاده کنند.

تفسیر فازی ازاطلاعات یک راه بسیار طبیعی ، مستقیم و خوش‌ظاهر برای فرموله کردن وحل مسائل مختلف است. مجموعه های قراردادی شامل اشیایی است که برای عضویت در ویژگی‌های دقیقی صدق می کنند. مجموعه H که اعداد از6 تا 8 می باشد یک CRISP است ؛ ما می نویسیم   . به طور مشابه H توسط تابع عضویت (MF)[3]  که مطابق زیرتعریف می شود نیز توصیف می گردد.

 

مجموعه H ونمودار  درسمت چپ شکل 1 نشان داده شده اند هرعدد حقیقی r یا درH است یا نیست از آنجا که  کلیه اعداد حقیقی  را به دو نقطه (1،0) می‌برد ، مجموعه Crisp معادل منطق دو مقداره است : هست یا نیست ، روشن یا خاموش ، سیاه یا سفید ، 1 یا 0 . درمنطق مقادیر  مقادیر حقیقت[4] نامیده می شوند، با ارجاع به این پرسش « آیا r درH است؟ » جواب مثبت است اگروتنها اگر   ؛ درغیراین صورت نه.


[1]-Conventional

[2]-Zade

[3]-Membership Function

[4]-truth


دانلود با لینک مستقیم


مقاله مدل های فازی

دانلود پاورپوینت طراحی و پیاده سازی شبکه فازی - عصبی به روش GMDH جهت شناسایی و دسته بندی

اختصاصی از حامی فایل دانلود پاورپوینت طراحی و پیاده سازی شبکه فازی - عصبی به روش GMDH جهت شناسایی و دسته بندی دانلود با لینک مستقیم و پر سرعت .

دانلود پاورپوینت طراحی و پیاده سازی شبکه فازی - عصبی به روش GMDH جهت شناسایی و دسته بندی


دانلود پاورپوینت طراحی و پیاده سازی شبکه فازی - عصبی به روش GMDH جهت شناسایی  و  دسته بندی

شبکه عصبی مدل GMDH

 مقدمه
 الگوریتم روش انتقال گروهی داده ها

 (Group Method of Data Handling)

 سه اصل   (خودسازماندهی  .  معیار خارجی  . ساماندهی )
 ساختار شبکه عصبی GMDH

- الگوریتم GMDH

الگوریتم یادگیری و آزمایش GMDH:

1- تعیین نمونه داده های خروجی y و داده های ورودی V

 و تقسیم آنها به دو مجموعه برای یادگیری و آزمایش

 الگوریتم GMDH:

1- تعیین نمونه داده های خروجی y و تعیین نمونه داده های ورودی V و تقسیم آنها به دو مجموعه برای یادگیری و آزمایش

2- تخمین مقدار هر واحد از طریق یکی از فرمول ها زیر

Z=w0 + w1v1 + w2v2 + w3v12 + w4v22 + w5v1v2

Z=w0+w1v1+w2v2+w3v1v2

3- محاسبه رِیشه دوم میانگین مربعات خطا (RMSE) بین خروجی واقعی y* و خروجی هر واحد y

4- محاسبه رِیشه دوم میانگین مربعات خطا (RMSE) بین خروجی واقعی y* و خروجی هر واحد y

4-  مرتب نمودن واحدها براساس RMSE و حذف واحدهای بد

 شامل 35 اسلاید powerpoint


دانلود با لینک مستقیم


دانلود پاورپوینت طراحی و پیاده سازی شبکه فازی - عصبی به روش GMDH جهت شناسایی و دسته بندی

پاورپوینت دربارهمروری بر کنترلرهای فازی و کاربردهای آن در Robotics

اختصاصی از حامی فایل پاورپوینت دربارهمروری بر کنترلرهای فازی و کاربردهای آن در Robotics دانلود با لینک مستقیم و پر سرعت .

پاورپوینت دربارهمروری بر کنترلرهای فازی و کاربردهای آن در Robotics


پاورپوینت درباره مروری بر کنترلرهای فازی و کاربردهای آن در  Robotics

فرمت فایل : Power Point  (لینک دانلود پایین صفحه) تعداد اسلاید: 27 اسلاید

 

 

 

 

 


مروری بر کنترلرهای فازی و کاربردهای آن در  Robotics
عناوین ارائه
تاریخچه منطق فازی
بررسی اجمالی کنترلرهای فازی
کنترلرهای ساده فازی
کنترلرهای خود سازمان ده فازی
کنترلرهای وفق پذیر فازی
بررسی چند نمونه از کاربرد کنترلهای فازی در Robotics
 
تاریخچه منطق فازی
اولین با در سال 1965 توسط دکتر لطفی زاده مطرح گردید.
برای برطرف ساختن ناتوانی منطق دوگانه و ریاضیات بسیار دقیق در برخورد با دنیای واقعی و نا دقیق
در سال 1968 نظریات مربوط به کارگیری منطق فازی در بحث کنترل مطرح گردید
اولین با در سال 1974 در ارتباط با فرایند کنترل یک موتور بخار توسط آقایان ممدانی و اصیلیان صورت پذیرفت
 
یکی از  موارد  مهم به کار گیری منطق فازی برای طراحی سیستم های کنترلی براساس کنترل منطقی فازی FLC (Fuzzy Logic Control) می باشد
منطق ارسطویی در مقایسه با منطق دکتر لطفی‌زاده
در منطق دو ارزشی یا ارسطویی فرض بر دقیقا معلوم بودن حد و مرزهاست و یک مقولة معلوم یا در آن حوزه قرار دارد یا خیر
مسائل دنیای واقعی فاقد حد و مرزهای واضح و روشن هستند

 

منطق ارسطویی در مقایسه با منطق دکتر لطفی‌زادهnآنجا که قوانین ریاضی به واقعیت ها اشاره می کنند نادقیق هستند و آنجا که دقیق هستند واقعی نیستند.( آلبرت اینشتین)

 

ابزارهایی که محققان برای حل مسائل هوش مصنوعی بکار می برند آنقدر دقیقند که نمی توانند با جهان نادقیق واقعی برخورد موثر داشته باشند( پروفسور لطفی‌زاده)

 

بررسی اجمالی کنترلرهای فازی
کنترلرهای منطقی فازی فراهم کنندة فرایند تبدیل یک استراتژی کنترلی گفتاری به یک استراتژی کنترلی خودکار می باشند
موارد استفاده از کنترلرهای فازی
سیستم های مکانیزة وابسته به دانش فرد خبره
سیستم های دارای ابهام و پیچیدگی زیاد
سیستم های دارای میزان تاثیر گذاری پارامترهای موثر نامشخص
سیستم های دارای پارامترهای تاثیر گذار نا مشخص

دانلود با لینک مستقیم


پاورپوینت دربارهمروری بر کنترلرهای فازی و کاربردهای آن در Robotics

دانلود فایل اکسل تاپسیس فازی همراه با مثال

اختصاصی از حامی فایل دانلود فایل اکسل تاپسیس فازی همراه با مثال دانلود با لینک مستقیم و پر سرعت .

دانلود فایل اکسل تاپسیس فازی همراه با مثال


دانلود فایل اکسل تاپسیس فازی همراه با مثال

شما کافی است که تنها اعداد پروژه خود را در این فایل جایگزین کنید. دریافت کد در آخر همین مطلب...

برای دانلود رایگان آموزش تاپسیس فازی اینجا  کلیک کنید. و کد آن را در آخر همین مطلب دانلود کنید.


دانلود با لینک مستقیم


دانلود فایل اکسل تاپسیس فازی همراه با مثال

تحقیق در مورد پروژه فازی 42 ص

اختصاصی از حامی فایل تحقیق در مورد پروژه فازی 42 ص دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 42

 

بسم الله الرحمن الرحیم

پروژه فازی

استاد راهنما :جناب آقای دکتر یعقوبی

توسط : فاطمه دهقان

A genetic fuzzy k-Modes for clustering categorical data

الگوریتم genetic fuzzy k-Modes

برای خوشه بندی داده های گروهی

اسفند 87

فهرست

چکیده

مقدمه (3)

مروری بر روش های قبل (7)

1.2 - الگوریتمk-Means Hard (7)

1.1.2 - مثالی عددی از الگوریتم k-Means (9)

2.2- الگوریتم Fuzzy c-Means (13)

3.2- الگوریتم Hard k-Modes (15)

4.2- الگوریتم fuzzy k-Modes (18)

3- الگوریتم پیشنهادی : genetic fuzzy k-Modes (21)

نتایج آزمایش (25)

نتیجه گیری (32)

پیوست – کد برنامه

مراجع

چکیده

خوشه بندی روشی است که داده های یک مجموعه داده را به گروه یا خوشه تقسیم می کند . از مرسوم ترین روش های خوشه بندی،الگوریتم های خوشه بندی k-Means وfuzzy k-Means می باشند.این دو الگوریتم فقط روی داده های عددی عمل می کنند و به منظور رفع این محدودیت، الگوریتم های k-Modes و fuzzy k-Modes ارائه شدند که مجموعه داده های گروهی (دسته ای) را نیز خوشه بندی می کنند. . با این وجود، این الگوریتم ها ،شبیه همه روال های بهینه سازی دیگر که برای مینیمم عمومی یک تابع جستجو می کنند، احتمال گیر افتادن در یک مینیمم محلی وجود دارد. به منظوردستیابی به جوبب بهینه عمومی ، الگوریتم های تکاملی مانند ژنتیک و جدول جستجو با الگوریتم های مذکور ترکیب می شوند. در این پژوهش، الگوریتم ژنتیک ، GA، را با الگوریتم fuzzy k-Modes ترکیب شده ،بطوریکه عملگر ادغام به عنوان یک مرحله از الگوریتم fuzzy k-Modes تعریف می شود. آزمایش ها روی دو مجموعه داده واقعی انجام شده است تا همراه با مثال کارایی الگوریتم پیشنهادی را روشن نماید.

1.مقدمه

به عنوان یک ابزار اولیه در داده کاوی ،تجزیه و تحلیل خوشه ، که تجزیه و تحلیل سگمنت نیز نامیده می شود،روشی است که داده ها را به گروه هایی همگن تحت عنوان خوشه تقسیم می کند.در چنین روشی داده های موجود در یک کلاستر یا خوشه خیلی شبیه به هم و داده ها ی کلاستر های مختلف خیلی متفاوت نسبت به هم هستند.اغلب، شباهت بر مبنای معیار فاصله می باشد.

آنالیز خوشه،خوشه بندی، تکنیک عمومی برای آنالیز داده های آماری می باشد که در بسیاری زمینه ها مانند یادگیری ماشین ، داده کاوی ، شناسایی الگو و آنالیز تصویر کاربرد دارد.در کنار اصطلاح خوشه بندی داده (یا فقط خوشه بندی)،بعضی اصطلاحات دیگرنیزهمانند کلاس بندی اتوماتیک ،طبقه بندی عددی، آنالیز نوع شناسی ، با معنای مشابه استفاده می شود[1].

به طور کلی ،یک الگوریتم خوشه بندی خوب معمولا برای طراحی شامل چهار فاز ذیل را شامل می شود:1- نمایش داده2- مدل کردن.3- بهینه سازی.4- اعتبار سنجی[2] ..

فاز نمایش داده، تعیین می کند که چه نوعی از ساختارهای خوشه می تواند داده ها را شناسایی کند.سپس فاز مدلینگ ضوابط و معیار ها را برروی ساختار تعریف می کند بطوریکه که ساختارها ی گروه های مطلوب را از موارد نامطلوب مجزا می کند.در فاز مدلینگ ، در طول جستجو برای ساختار های مخفی در داده ،یک معیار کیفیت مانند معیار بهینه سازی یا معیار تقریب تولید می شود. بعبارتی دیگرفاز بهینه سازش،ساختار های موثرتر و بهینه تر را انتخاب میکند. از آنجا که فرآیند خوشه بندی ،یک فرایند بدون


دانلود با لینک مستقیم


تحقیق در مورد پروژه فازی 42 ص