loading...
ویرافایل
سعید بازدید : 14 یکشنبه 06 بهمن 1398 نظرات (0)
پاورپوینت-هوش-مصنوعی
پاورپوینت هوش مصنوعی
فرمت فایل دانلودی: .zip
فرمت فایل اصلی: pptx
تعداد صفحات: 20
حجم فایل: 1170 کیلوبایت
قیمت: 4200 تومان

چکیده:
هوش مصنوعی، هوش ماشین هاست. در واقع شاخه ای از علوم کامپیوتر است که قصد دارد راه حل های الگوریتمی را ارائه کند تا بتوانیم به وسیله آنها در ماشین ها هوشمندی ایجاد کنیم. اما این تعریف کافی نیست؛ اول از همه باید بدانیم که تعریف هوشمندی چیست و بعد باید منظور از ماشین را دربیابیم.

این فایل پاورپوینت مشتمل بر مباحثی نظیر تاریخچه هوش مصنوعی، هوش مصنوعی چیست؟، حوزه های هوش مصنوعی، شبکه های عصبی، یادگیری ماشین، سیستمهای خبره و ... است.

دانلود فایل
پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

سعید بازدید : 23 یکشنبه 06 بهمن 1398 نظرات (0)
پاورپوینت-خوشه-بندی-فازی
پاورپوینت خوشه بندی فازی
فرمت فایل دانلودی: .zip
فرمت فایل اصلی: pptx
تعداد صفحات: 20
حجم فایل: 1732 کیلوبایت
قیمت: 4400 تومان

توضیحات:
پاورپوینت خوشه بندی فازی (Fuzzy Clustering) در 20 اسلاید، ارائه کلاسی کارشناسی ارشد رشته مهندسی صنایع، در قالب فایل pptx

فهرست برخی از مطالب:
گذری بر یادگیری ماشین و کاربردهای آن
مفاهیم خوشه بندی
- معرفی
- مراحل فرآیند خوشه بندی
- روش های خوشه بندی
خوشه بندی فازی
- رویکرد فازی
- افراز فازی
- خوشه بندی فازی احتمالی
- خوشه بندی فازی تخت
کاربردهای خوشه بندی

دانلود فایل
پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

سعید بازدید : 52 جمعه 05 خرداد 1396 نظرات (0)
الگوریتم و برنامه نویسی ژنتیك

مسائل زیادی در هوش مصنوعی و یادگیری ماشین نیاز به برنامه های کامپیوتری دارند که خروجی های دلخواه را با توجه به ورودی های خاص ایجاد نمایند

دانلود الگوریتم و برنامه نویسی ژنتیك

یادگیری ماشین
برنامه نویسی ژنتیك
الگوریتم های ژنتیک عمومی
دانلود مقاله الگوریتم و برنامه نویسی ژنتیك
سیستم همکاری در فروش فایل
همکاری در فروش فایل
همکاری در فروش
فروش فایل
انجام پروژه و پایان نامه
fileina
فروشگاه ساز فایل
فروشگاه فایل
خرید مقاله و تحقیق هوش مصنوعی
دسته بندی هوش مصنوعی
فرمت فایل doc
حجم فایل 227 کیلو بایت
تعداد صفحات فایل 32

الگوریتم و برنامه نویسی ژنتیك

 
چکیده :                                                                                                        
 مسائل زیادی در هوش مصنوعی و یادگیری ماشین نیاز به برنامه های کامپیوتری دارند که خروجی های دلخواه را با توجه  به ورودی های خاص ایجاد نمایند. هنگامی که با این دید به  مسئله نگاه می شود این مسائل با جستجوی فضای ممکن برنامه های کامپیوتری جهت یافتن مناسبترین برنامه برابر میشود. مبحث "برنامه نویسی ژنتیک" راهی جهت یافتن مناسبترین برنامه مهیا می کند. در این روش جمعیتی از برنامه های کامپیوتری با استفاده از اصول  داروین مبتنی بر بقای مناسبترین به تولید مثل می پردازند.در این مقاله فرایند حل مسائل به کمک این روش با به تصویر کشیدن مثال هائی در زمینه های گوناگون به تصویر کشیده شده  است. مثال ها در زمینه یادگیری ماشین یک تابع ،دنباله های استقرائی،فرمهای مفهومی و… آورده شده اند. 
 
 
کلمات کلیدی:

یادگیری ماشین

برنامه نویسی ژنتیك

الگوریتم های ژنتیک عمومی

 
 
 1 . تاریخچه :
با الهام گرفتن از نظریه انتخاب طبیعی داروین که مبتنی برعمل تولید مثل موجودات واصل"بقای مناسبترین"  که گونه های زیست شناختی را قادر می سازد با شرایط محیطی خود را وفق دهند می باشد پروفسور جان هالند از دانشگاه میشیگان " ا لگوریتم های ژنتیک " را برای رشته های دودوئی با طول ثا بت را پایه گذاری کرد. ( " وفق پذیری در طبیعت و سیستمهای مصنوعی 1975  " ) در این مقاله "هالند"  نشان داد مسائل زیادی در سیستمهای وفقی این قابلیت را دارند که  به  صورت  وا ژه های  ژنتیک بیان شوند و توسط الگوریتم های ژنتیک که روند تکاملی داروین را شبیه سازی می کنند به صورت موازی حل شوند. کار در این زمینه توسط افراد مختلفی دنبال شد تا ا ینکه " جان کوزا " در سال 1992 مفهوم " برنامه نویسی  ژنتیک " را معرفی کرد که در این روش عناصر برنامه جایگزین رشته های  دودوئی میشوند.
 
 
 
فهرست مطالب
چکیده مطالب :5
1 . تاریخچه :6
2. الگوریتم های ژنتیک عمومی6
3. زبان برنامه نویسی لسیپ 6
4. بیان جزئیات برنامه نویسی ژنتیک9
4-1.  ساختارهایی که عمل وفق پذیری را انجام می دهند9
4-1-1 . شرط بسته بودن11
4-1-2 . شرط کافی بودن11
4-2. ساختارهای اولیه11
4-3 . تناسب12
4-4. عملیاتی جهت تغییر ساختارها13
4-4-1. عمل خود تولید13
4-4-2. عمل تولید مثل13
4-5. انتخاب پاسخ15
4-6 . شرط خاتمه15
4-7. پارامترهای کنترل15
5.  مالتی پلکسر-11  بولی16
6. دنباله های استقرائی21
7. فرمهای مفهومی22
8. سایر عملگرها22
8-1. عملگر جهش ژنتیکی22
8-2. عملگر جایگشت22
8-3. عملگر ویراستار23
8-4. عملگر تعریف تابع23
9. مسئله فروشنده دوره گرد24
1.9. تاریخچه24
2.9. کاربرد های مسئله فروشنده دوره گرد24
3.9. کاربرد برنامه نویسی ژنتیک در مسئله فروشنده دوره گرد25
1.3.9. انتخاب نسل اولیه25
2.3.9. انتخاب تابع تناسب25
3.3.9. تولید نسلهای بعدی25
4.3.9. تكامل همزمان و نسل كشی25
4.9. ساختارهای مورد استفاده و سایر روشها32
10. نتیجه گیری32
مراجع33
 

دانلود الگوریتم و برنامه نویسی ژنتیك

سعید بازدید : 28 جمعه 05 خرداد 1396 نظرات (0)
خوشه بندی (Clustering)

دانلود مقاله خوشه بندی

دانلود خوشه بندی (Clustering)

دانلود مقاله خوشه بندی
دانلود مقاله کلاسترینگ
خوشه بندی
کلاسترینگ
روش‌های خوشه بندی
یادگیری بدون ناظر
یادگیری ماشین
دانلود مقالات هوش مصنوعی
دانلود مقالات یادگیری ماشین
دسته بندی هوش مصنوعی
فرمت فایل doc
حجم فایل 391 کیلو بایت
تعداد صفحات فایل 32

خوشه بندی (Clustering)

 
 
 

خوشه بندی 

چکیده
امروزه خوشه‌بندی به عنوان یک روش یادگیری بدون ناظر در کاربردهای بسیاری توانسته است ارزش خود را نشان دهد. در این مجموعه سعی شده تا حد امکان مطالب پایه‌ایِ خوشه‌بندی و مسائل مربوط به آن بیان شود. همچنین سعی شده است تا چندین روش و تکنیک مختلف و رایجِ خوشه بندی تشریح شود و ویژگی‌های هر یک بیان گردد. برای ارزیابی، سنجش و اعتبارسنجی خوشه‌های تولید شده که خود یکی از مسائل مهم و قابل گسترش در باب خوشه‌بندی است.
 
 خوشه‌بندی را می‌توان به عنوان مهمترین مسئله در یادگیری بدون نظارت در نظر گرفت. خوشه‌بندی با یافتن یک ساختار درون یک مجموعه از داده‌های بدون برچسب درگیر است. خوشه‌ به مجموعه‌ای از داده‌ها گفته می‌شود که به هم شباهتداشته باشند. در خوشه‌بندی سعی می‌شود تا دادهها به خوشه‌هایی تقسیم شوند که شباهت بین داده‌های درون هر خوشه حداکثر و شباهت بین داده‌های درون خوشه‌های متفاوت حداقل شود.
 
 
 
 
 
کلمات کلیدی:

خوشه بندی

Clustering

یادگیری بدون ناظر

یادگیری ماشین

 
 
 
 

 روش‌های خوشه‌بندی

روش‌های خوشه‌بندی را می‌توان از چندین جنبه تقسیم‌بندی کرد:
 

1-    خوشه‌بندی انحصاری (Exclusive or Hard Clustering) وخوشه‌بندی با هم‌پوشی (Overlapping or Soft Clustering)

در روش خوشه‌بندی انحصاری پس از خوشه‌بندی هر داده دقیقأ به یک خوشه تعلق می‌گیرد مانند روش خوشه‌بندی K-Means. ولی در خوشه‌بندی با همپوشی پساز خوشه‌بندی به هر داده یک درجه تعلق بازاء هر خوشه نسبت داده می‌شود. به عبارتی یک داده می‌تواند با نسبتهای متفاوتی به چندین خوشه تعلق داشته باشد. نمونه‌ای از آن خوشه‌بندی فازی است. 
 

2-      خوشه‌بندی سلسله مراتبی (Hierarchical) و خوشه‌بندی مسطح(Flat)

در روش خوشه بندی سلسله مراتبی، به خوشه‌های نهایی بر اساس میزان عمومیت آنها  ساختاری سلسله‌ مراتبی نسبت داده می‌شود. مانند روش Single Link. ولی در خوشه‌بندی مسطح تمامی خوشه‌های نهایی دارای یک میزان عمومیت هستند مانند K-Means. به ساختار سلسله مراتبی حاصل از روشهای خوشه‌بندی سلسله مراتبی دندوگرام (Dendogram) گفته می‌شود.
با توجه با اینکه روش‌های خوشه‌بندی سلسله مراتبی اطلاعات بیشتر و دقیق‌تری تولید می‌کنند برای تحلیل داده‌های با جزئیات پیشنهاد می‌شوند ولی از طرفی چون پیچیدگی محاسباتی بالایی دارند برای مجموعه داده‌های بزرگ روش‌های خوشه‌بندی مسطح پیشنهاد می‌شوند.
 
 
 
 
 
 
 
فهرست مطالب
مقدمه‌ای بر خوشه‌بندی
خوشه‌بندی در مقابل طبقه‌‌بندی

یادگیری با نظارت در مقابل یادگیری بدون نظارت

کاربردها
مسائل درگیر با روش‌های خوشه‌بندی

خوشه‌بندی در مقابل چندی ‌سازی برداری

روش‌های خوشه‌بندی

روشهای خوشه‌بندی سلسله مراتبی

خوشه‌بندی با روش Single-Link

خوشه‌بندی با روش Complete-Link

خوشه‌بندی با روش Average-Link

دیگر روشهای خوشه بندی سلسله مراتبی
الگوریتم خوشه‌بندی پایین به بالای عمومی
روش خوشه‌بندی K-Means

خوشه‌بندی بر اساس چگالی

بررسی روشهای اعتبارسنجی خوشه‌ها
خلاصه و نتیجه‌گیری
منابع
 

دانلود خوشه بندی (Clustering)

اطلاعات کاربری
  • فراموشی رمز عبور؟
  • آمار سایت
  • کل مطالب : 1948
  • کل نظرات : 7
  • افراد آنلاین : 1
  • تعداد اعضا : 0
  • آی پی امروز : 20
  • آی پی دیروز : 59
  • بازدید امروز : 70
  • باردید دیروز : 177
  • گوگل امروز : 0
  • گوگل دیروز : 0
  • بازدید هفته : 650
  • بازدید ماه : 1,761
  • بازدید سال : 12,269
  • بازدید کلی : 205,620
  • کدهای اختصاصی