دانلود پایان نامه مقایسه تاثیر الگوی مبتنی بر روش مشارکتی و الگوی مبتنی بر روش یادگیری انفرادی

اختصاصی از حامی فایل دانلود پایان نامه مقایسه تاثیر الگوی مبتنی بر روش مشارکتی و الگوی مبتنی بر روش یادگیری انفرادی دانلود با لینک مستقیم و پر سرعت .

مقایسه تاثیر الگوی مبتنی بر روش مشارکتی و الگوی مبتنی بر روش یادگیری انفرادی

160صفحه

سیستم های مبتنی بر شبکه عصبی

اختصاصی از حامی فایل سیستم های مبتنی بر شبکه عصبی دانلود با لینک مستقیم و پر سرعت .

شرح مختصر :  

شبکه‌های عصبی مصنوعی Artificial Neural Network – ANN)  ) یا به زبان ساده‌تر شبکه‌های عصبی سیستم‌ها و روش‌های محاسباتی نوینی هستند برای یادگیری ماشینی، نمایش دانش، و در انتها اعمال دانش به دست آمده در جهت بیش‌بینی پاسخ‌های خروجی از سامانه‌های پیچیده. ایده اصلی این گونه شبکه‌ها (تا حدودی) الهام‌گرفته از شیوه کارکرد سیستم عصبی زیستی، برای پردازش داده‌ها، و اطلاعات به منظور یادگیری و ایجاد دانش قرار دارد. عنصر کلیدی این ایده، ایجاد ساختارهایی جدید برای سامانه پردازش اطلاعات است. این سیستم از شمار زیادی عناصر پردازشی فوق العاده بهم‌پیوسته با نام نورون تشکیل شده که برای حل یک مسأله با هم هماهنگ عمل می‌کنند و توسط سیناپس‎ها(ارتباطات الکترومغناطیسی) اطلاعات را منتقل می‎کنند. در این شبکه‌ها اگر یک سلول آسیب ببیند بقیه سلول‎ها می‌توانند نبود آنرا جبران کرده، و نیز در بازسازی آن سهیم باشند. این شبکه‌ها قادر به یادگیری‎اند. مثلا با اعمال سوزش به سلول‎های عصبی لامسه، سلول‎ها یاد می‌گیرند که به طرف جسم داغ نروند و با این الگوریتم سیستم می‌آموزد که خطای خود را اصلاح کند. یادگیری در این سیستم‎ها به صورت تطبیقی صورت می‌گیرد، یعنی با استفاده ازمثال‎ها وزن سیناپس‎ها به گونه‌ای تغییر می‌کند که در صورت دادن ورودی‎های جدید، سیستم پاسخ درستی تولید کند. توافق دقیقی بر تعریف شبکه عصبی در میان محققان وجود ندارد؛ اما اغلب آنها موافقند که شبکه عصبی شامل شبکه‎ای از عناصر پردازش ساده (نورونها) است، که می‌تواند رفتار پیچیده کلی تعیین شده‎ای از ارتباط بین عناصر پردازش و پارامترهای عنصر را نمایش دهد. منبع اصلی و الهام بخش برای این تکنیک، از آزمایش سیستم مرکزی عصبی و نورونها (آکسون‎ها، شاخه‌های متعدد سلولهای عصبی و محلهای تماس دو عصب)نشأت گرفته‌است، که یکی از قابل توجه‎ترین عناصر پردازش اطلاعات سیستم عصبی را تشکیل می‎دهد. در یک مدل شبکه عصبی، گره‎های ساده (بطور گسترده نورون، نئورونها، “PE” ها (عناصر پردازش) یا واحدها) برای تشکیل شبکه‎ای از گره‎ها، به هم متصل شده اند،به همین دلیل به آن، اصطلاح”شبکه‎های عصبی” اطلاق می‎شود. در حالی که یک شبکه عصبی نباید به خودی خود سازگارپذیر باشد، استفاده عملی از آن بواسطه الگوریتمهایی امکان پذیر است، که جهت تغییر وزن ارتباطات در شبکه (به منظور تولید سیگنال موردنظر) طراحی شده باشد. با استفاده از دانش برنامه‌نویسی رایانه می‌توان ساختار داده‌ای طراحی کرد که همانند یک نرون عمل نماید. سپس با ایجاد شبکه‌ای از این نورون‌های مصنوعی به هم پیوسته، ایجاد یک الگوریتم آموزشی برای شبکه و اعمال این الگوریتم به شبکه آن را آموزش داد. این شبکه‌ها برای تخمین (Estimation) و تقریب (Approximation)کارایی بسیار بالایی از خود نشان داده‌اند. گستره کاربرد این مدل‌های ریاضی بر گرفته از عملکرد مغز انسان، بسیار وسیع می‌باشد که به عنوان چند نمونه کوچک می‌توان استفاده از این ابزار ریاضی در پردازش سیگنال‌های بیولوییکی، مخابراتی و الکترونیکی تا کمک در نجوم و فضا نوردی را نام برد.

فهرست مطالب :  

مقدمه ای بر شبکه‌های عصبی مصنوعی

تاریخچه شبکه‌های عصبی مصنوعی

شبکه عصبی چیست؟

شبکه  عصبی چه قابلیتهائی دارد؟

الهام از طبیعت

شبکه های عصبی در مقایسه با کامپیوترهای سنتی

مسائل مناسب برای یادگیری شبکه های عصبی

پرسپترون

الگوریتم یادگیری پرسپترون

الگوریتم gradient descent

مشکلات روش gradient descent

تقریب افزایشی gradient descent

الگوریتم  Back propagation

قدرت نمایش توابع

انواع آموزش شبکه

برخی زمینه های شبکه های عصبی

سبکهای معماری شبکه‌های عصبی

قواعد یادگیری در شبکه‌های عصبی

آموزش شبکه‌های عصبی

آموزش unsupervised یا تطبیقی (Adaptive)

تفاوت‌های شبکه‌های عصبی با روش‌های محاسباتی متداول و سیستم‌های خبره

انواع یادگیری برای شبکه های عصبی

یادگیری با ناظر

یادگیری تشدیدی

یادگیری بدون ناظر

معایب شبکه های عصبی

مزیتهای شبکه های عصبی

سیستم خبره

سیستم خبره چیست؟

ساختار یک سیستم خبره‌

استفاده از  منطق فازی

مزایا و محدودیت‌های سیستم‌های خبره

کاربرد سیستم‌های خبره‌

چند سیستم خبره مشهور

مروری بر کاربردهای تجاری

بازاریابی

بانکداری و حوزه های مالی

پیش بینی

سایر حوزه های تجاری

کاربرد مدلهای شبکه عصبی در پیش‌بینی ورشکستگی اقتصادی شرکتهای بازار بورس

کاربرد مدل‌ شبکه عصبی در پیش‌بینی ورشکستگی شرکتهای بازار بورس

تبیین مفهوم ورشکستگی

متغیرهای مدل تحقیق

اطلاعات شرکتهای نمونه تحقیق

تعیین ‌مدل شبکه عصبی سه لایه برای پیش‌بینی ورشکستگی شرکتها

تعیین مدل بهینه شبکه عصبی چهار لایه برای پیش‌بینی ورشکستگی شرکتها

مقایسه مدلهای شبکه عصبی سه و چهار لایه برای پیش‌بینی ورشکستگی اقتصادی

پیش‌بینی ورشکستگی اقتصادی شرکتها در سالهای  و

روند ورشکستگی اقتصادی شرکتهای بازار بورس در دوره ـ

جمع‌بندی و نتیجه‌گیری

منابع

دانلود آموزش و تحقیق در مورد ترمیم تصویر مختلط مبتنی بر فریم موج کوچک‎ (تعداد صفحات 25)

اختصاصی از حامی فایل دانلود آموزش و تحقیق در مورد ترمیم تصویر مختلط مبتنی بر فریم موج کوچک‎ (تعداد صفحات 25) دانلود با لینک مستقیم و پر سرعت .

 ترمیم تصویر بطور گسترده ای بصورت عملی برای پیکسلهای آسیب دیده یا از بین رفته مورد استفاده قرار گرفته شده است. بیشتر تکنیکهای ترمیم موجود, نیازمند دانش قبلی در زمینه  محل پیکسلهای آسیب دیده یا دانش قبلی بدست آمده از پیش پردازشها می باشند. با اینحال, در کاربردهای خاصی , چنین اطلاعات قبلی وجود ندارد یا نمی توان بصورت قابل اعتمادی آنرا بدست آورد مثل حذف نویز ضربه با مقدار تصادفی از تصاویر یا حذف خراشیدگی های خاص از عکس. مقاله جاری مدل ترمیم مختلطی را برای حل این مسئله ارائه می دهد, یعنی مدلی که بطور همزمان پیکسلهای آسیب دیده تصویر را شناسایی و بازیابی می کند. روش تنظیم فرمی در این مقاله برای مسئله ترمیم مختلط  توسعه داده شده است و مسئله کمینه سازی بدست آمده با الگوریتم برگمان دوبخشی حل شده است که اولین بار پیشنهاد شده است. روش پیشنهادی در موقعیتهای ترمیم خیلی مشکلی استفاده شده است مانند بازیابی تصاویر تیره و خراشیده شده و حذف نویزترکیب شده با نویز ضربه مقدار تصادفی و گاوسی. این آزمایشها نشان می دهد که روش ما در مقایسه با بسیاری از روشهای دو مرحله ای جاری در این کاربرد قابل مقایسه می باشد.

فهرست :

چکیده

مدل ترمیم مختلط

مدل ترمیم مختلط دو سیستمی

الگوریتم های عددی

حل الگوریتم ها

کاربردهای مربوطه و ارزیابی تجربی

حذف نویز ضربه با مقدار تصادفی از تصویر

رفع تیرگی با وجود نویز ضربه تصادفی

نتیجه گیری

دانلود مقاله ISI طراحی مبتنی بر رویداد

اختصاصی از حامی فایل دانلود مقاله ISI طراحی مبتنی بر رویداد دانلود با لینک مستقیم و پر سرعت .

موضوع فارسی :طراحی  مبتنی بر رویداد

موضوع انگلیسی :Event based choreography

تعداد صفحه :31

فرمت فایل :PDF

سال انتشار :2010

زبان مقاله : انگلیسی

وب سرویس پشته پروتکل (برای مثال WSDL، UDDI، SOAP) حمایت اساسی برای توسعه فراهم می کند سرویس گرا
معماری با بهره برداری از امکانات برای انتشار، کشف و استناد خدمات شبکه در دسترس نیست. پروتکل پشته خدمات
است بسیار ارزشمند به برجسته از ویژگی های کلیدی خلاقانه از روش محاسبات سرویس گرا بوده است.
بسیاری از روش ها و در حال حاضر استانداردهای توسعه در ترکیب خدمات تمرکز توجه خود را.
دو روش مختلف به تصویب رسید: ارکستراسیون و طراحی رقص. در ارکستراسیون، یک جزء میانی،
ارکستراسیون، با توجه به طرح گردش کار معین نظارت فعالیت های خدمات. این رویکرد یک محلی از فراهم می کند
همکاری احزاب است. مدل طراحی رقص، به جای آن، بیانگر پروتکل تعامل جهانی، به عنوان مثال قوانین جهانی است که
تعریف هماهنگی میان احزاب است. فن آوری های استاندارد مربوطه پدید آمده اند به مدل سیاست هماهنگی.