فایلود نیو
دانلود جزوه و تحقیقات آموزشی دانشجوییفایلود نیو
دانلود جزوه و تحقیقات آموزشی دانشجوییاتومات های یادگیری
چکیده:
در دهه 1960میلادی Tsypkin روشی برای ساده کردن مسائل به مساله‌ای برای تشخیص پارامترهای بهینه معرفی کرد و نخستین بار مسئله اتوماتای یادگیری توسط Tsetlinدر اتحاد جماهیر شوروی مطرح شد Varshavski و Vorontsova بر روی اتوماتای تصادفی کار کردند. کارهای صورت گرفته عبارت بودند از: تئوری بازی، اتوماتای تصادفی در تخمین پارمترها، تشخیص الگو. McLaren روشهای بِروز رسانی خطی و ویژگیهایش و Chandrasekar و Shen روشهای بِروزرسانی غیر خطی را مطرح کردند. اتوماتایک ماشین است برای انجام خودکار یکسری اعمال یا جواب به مجموعه ای از دستورات. اتوماتای یادگیری یک شئ مجرداست که میتوان تعدادی عمل متناهی انجام دهد. اتوماتا ازمجموعه ی اقدام های خود یکی را انتخاب می کند و آنها را بر محیط اعمال میکند. اتوماتا از پاسخی که محیط به آن می دهد اقدام بعدی خودش را انتخاب میکند. نتیجه این کار بهینه عمل کردن اتوماتا است. هر عملی که انتخاب می شود در یک محیط احتمالی بررسی می شود و نتیجه این بررسی سیگنال مثبت یا منفی است که به اتوماتا داده می شود و اتوماتا از این جواب در انتخاب عمل بعدی استفاده می کند در واقع هدف نهایی این است که اتوماتا از بین کارهای خود کارهایی را انتخاب کند که احتمال گرفتن پاداش از محیط را به بیشترین حد خود برساند. یادگیری همان تغییرات ایجاد شده در کارایی یک سیستم بر اساس تجربه های گذشته است.
یادگیری موجودات زنده به دودسته تقسیم می شود:
1 .به شناخت اصول یادگیری موجودات زنده و مراحل آن می‌پردازند.
2. دنبال ارائه یک روش هستندبرای قراردادن این اصول در یک ماشین.
ویژگی مهم سیستمهای یادگیر: توانایی بهبود کارایی خود با گذشت زمان است.
فهرست مطالب:
چکیده
مقدمه
تاریخچه اتوماتای یادگیری
تعریفی از اتومات های یادگیری
اتوماتا
اتوماتای یادگیری تصادفی
یادگیری
ویژگی مهم سیستمهای یادگیر
یادگیری نظارتی
یادگیری تقویتی
مزیت اصلی یادگیری تقویتی
تعریف مجموعه ی اتوماتای یادگیری
ساختار اتوماتا
ساختار ثابت
انواع اتوماتاهای یادگیری با ساختار ثابت
ساختار متغیر
محیط
انواع رفتارهای اتوماتای یادگیری
اتوماتای یادگیری توزیع شده
پیش بینی حرکت کاربران در وب بااتوماتای توزیع شده
اتوماتاچه محدودیت هایی دارد
اتوماتا چه ویژگی هایی دارد
نحوه تشخیص اجتماعات وب بااتوماتای یادگیری سلولی
تعریفی ازاتوماتی سلولی
عملکرداتوماتای سلولی
الگوریتم HITS
ضریب پاداش
ضریب جریمه
خوشه بندی مورچه ها بااتوماتای یادگیری
مزیت خوشه بندی مورچه ها
تفاوت خوشه بندی مورچه ها
نتیجه گیری
مراجع
تعداد مشاهده: 2323 مشاهده
فرمت فایل دانلودی:.docx
فرمت فایل اصلی: docx
تعداد صفحات: 25
حجم فایل:404 کیلوبایت
-
راهنمای استفاده:
مناسب جهت استفاده دانشجویان رشته کامپیوتر و فناوری اطلاعات
-
محتوای فایل دانلودی:
در قالب فایل word و قابل ویرایش
به همراه لیست منابع
جزوه کلاسی سیستمهای خبره و منطق فازی
توضیحات:
این جزوه مروبوط به مبحث سیستمهای خبره درس هوش مصنوعی و منطق فازی دوره کارشناسی ارشد رشته مدیریت فناوری اطلاعات است.
برخی از مباحث مطرح شده در این فایل عبارتند از:
تعریف هوش مصنوعی و سیستمهای خبره
مقایسه با سیستمهای متعارف اطلاعاتی
روشهای بازنمایی دانش
روشهای استناج
تئوری و مجموعه های فازی
...
تعداد مشاهده: 1936 مشاهده
فرمت فایل دانلودی:.pdf
فرمت فایل اصلی: pdf
تعداد صفحات: 59
حجم فایل:2,217 کیلوبایت
-
راهنمای استفاده:
قابل استفاده دانشجویان رشته های مدیریت، صنایع، کامپیوتر و IT
-
محتوای فایل دانلودی:
در قالب فایل pdf و تایپ شده
-
گالری تصاویر :
پاورپوینت هوش مصنوعی
هوش مصنوعی:
نام مرجع: Artificial Intelligence A Modern Approach
نویسنده: استوارت راسل، پیتر نورویگ
کتاب دروس تخصصی هوش مصنوعی از سری کتاب های راهیان ارشد، انتشارات آزاده
هوش مصنوعی، نوشته بن کوپین، مترجم داورپناه و میرزایی
فهرست مطالب:
فصل اول:
هوش مصنوعی چیست؟
مبانی هوش مصنوعی
تاریخچه هوش مصنوعی
فصل دوم:
عامل
خواص محیطهای وظیفه
برنامه های عامل
فصل سوم:
عاملهای حل مسئله
مسئله
اندازه گیری کارایی حل مسئله
جستجوی نا آگاهانه
اجتناب از حالتهای تکراری
جستجو با اطلاعات ناقص
فصل چهارم:
متدهای جست و جوی آگاهانه
یادگیری برای جست و جوی بهتر
جست و جوی محلی و بهینه سازی
جست و جوی محلی در فضاهای پیوسته
عاملهای جست و جوی Online
فصل پنجم:
بازیها چیستند و چرا مطالعه میشوند؟
انواع بازیها
الگوریتم minimax
بازیهای چند نفره
هرس آلفا-بتا
بازیهای قطعی با اطلاعات ناقص
بازیهایی که حاوی عنصر شانس هستند
فصل ششم:
عاملهای مبتنی بر دانش
منطق
منطق گزاره ای
الگوهای استدلال در منطق گزاره ای
الگوریتم resolution
زنجیر پیشرو و عقبگرد
فصل هفتم:
مروری بر منطق گزاره ای
منطق رتبه اول
انواع منطق
نحو و معنای منطق رتبه اول
مهندسی دانش
تعداد مشاهده: 2746 مشاهده
فرمت فایل دانلودی:.zip
فرمت فایل اصلی: ppt
تعداد صفحات: 211
حجم فایل:2,144 کیلوبایت
-
راهنمای استفاده:
مناسب جهت استفاده دانشجویان رشته کامپیوتر و فناوری اطلاعات
-
محتوای فایل دانلودی:
در قالب پاورپوینت و قابل ویرایش
انواع روشهای خوشه بندی داده ها
مقدمه:
در این پروژه روش های خوشه بندی مورد برسی قرار می گیرد هدف از خوشه بندی یافتن خوشه های مشابه از اشیاء در بین نمونه های ورودی می باشد تفاوت های خوشه بندی وطبقه بندی مورد مطالعه قرار میگیرد همچنین خوشه بندی در مقابل چندی سازی برداری قرار دارد در خوشه بندی نوعی سازمان داریم ولی در روشهای ارتباطی از چندی سازی استفاده میشود، در خوشه بندی از روشهای فازی استفاده می شود (kmeans, cmens).
خوشه بندی به انتخاب اولیه خوشه ها بستگی دارد و این باعث می شود که نتایج خوشه بندی در تکرارهای مختلف از الگوریتم متفاوت شود که این در بسیاری از کاربردها قابل استفاده نیست، برای رفع مشکل روش فازی cmens از الگوریتم LBG استفاده می شود.
فهرست مطالب:
مقدمه
خوشه بندی چیست؟
هدف از خوشه بندی چیست؟
خوشه بندی در مقابل طبقه بندی
یادگیری با نظارت در مقابل یادگیری بدون نظارت
کاربردها
مسائل درگیر با روشهای خوشه‌بندی موجود
خوشه‌بندی در مقابل چندی‌سازی برداری
روشهای خوشه‌بندی
روش خوشه‌بندی (K-Means یا C-Means)
مثالی برای خوشه‌بندی K-Means
مشکلات روش خوشه‌بندی K-Means
الگوریتم خوشه‌بندی LBG
خوشه بندی فازی چیست؟
روشهای خوشه‌بندی سلسله مراتبی
خوشه‌بندی با روش Single-Link
خوشه‌بندی با روش Link Complete
خوشه‌بندی با روش Average-Link
خوشه‌بندی بر اساس چگالی
الگوریتم خوشه‌بندی براساس چگالی
مثالی از الگوریتم خوشه‌بندی براساس چگالی
الگوریتم سلسله مراتبی خوشه‌بندی براساس چگالی
معیارهای کارایی
خلاصه و نتیجه گیری
مراجع
تعداد مشاهده: 4792 مشاهده
فرمت فایل دانلودی:.doc
فرمت فایل اصلی: doc
تعداد صفحات: 52
حجم فایل:759 کیلوبایت
-
راهنمای استفاده:
مناسب برای دانشجویان گرایش های مختلف رشته مهندسی کامپیوتر
-
محتوای فایل دانلودی:
در قالب فایل word و قابل ویرایش
به همراه اشکال و نمودارها
نهان نگاری اطلاعات در تصاویر دیجیتال
چکیده:
در سال های اخیر سهولت تولید، دستکاری و جعل داده های دیجیتال، منجر به ارائه روش هایی برای تامین امنیت داده های دیجیتال شده است. یکی از پرکاربردترین انواع داده های دیجیتال تصاویر دیجیتال می باشند. روش های نهان نگاری اطلاعات در تصاویر دیجیتال روشی برای تامین امنیت تصاویر دیجیتال می باشد. نهان نگاری اطلاعات کاربردهای فراوانی دارد از جمله مهمترین این کاربردها می توان به حفاظت حق کپی رایت، تایید اصالت محتوا و عدم جعل و دستکاری آن و کاربرد اثر انگشت، اشاره نمود.
روش های نهان نگاری اطلاعات سنتی، خاصیت برگشت ناپذیری را داشتند به این معنا که پس از نهان نگاری اطلاعات در محتوا و ارسال نسخه نهان نگاری شده به گیرنده، امکان بازیابی تصویر اولیه و انجام ارزیابی ها روی نسخه اصلی وجود نداشت. این ویژگی باعث شد که روش های نهان نگاری اطلاعات سنتی در موارد حساس که نیاز به محتوای اصلی بدون کوچکترین تغییری می باشد، غیر قابل استفاده باشند. به این دلیل روش های نهان نگاری جدیدی به نام روش های برگشت پذیر روی کار آمدند.
ویژگی بارز روش های نهان نگاری برگشت پذیر این است که در سمت گیرنده، پس از استخراج واترمارک نهان نگاری شده، قابلیت بازیابی محتوای اصلی پیش از نهان نگاری وجود دارد و بنابراین از این دسته از روش های نهان نگاری در کارهای حساس می توان استفاده نمود. در این سمینار به معرفی مساله نهان نگاری برگشت پذیر پرداخته ایم وبرای آشنایی با کارهای انجام شده در این زمینه، تعدادی از روش های ارائه شده توسط محققین ایرانی و سایر محققین جهان ارائه شده است.
فهرست مطالب:
چکیده
1.کلیات تحقیق
1.1- مقدمه
2.1- بیان مساله
3.1- اهمیت و ضرورت تحقیق
4.1- ساختار سمینار
2. ادبیات تحقیق
1.2- مروری بر نهان نگاری برگشت پذیر اطلاعات در تصاویر
1.1.2- انواع روش های نهان نگاری اطلاعات از نظر میزان شکنندگی
1.1.1.2- نهان نگاری شکننده
2.1.1.2- نهان نگاری مقاوم
3.1.1.2- نهان نگاری نیمه شکننده
2.1.2- کاربردهای مختلف نهان نگاری اطلاعات
1.2.1.2- حفاظت حق کپی رایت
2.2.1.2- تایید اصالت محتوا
3.2.1.2- اثر انگشت
2.2- پیشینه مساله در ایران
1.2.2- روش اول- نهان نگاری برگشت پذیر شکننده از طریق بهبود روش جاسازی چندلایه
2.2.2- روش دوم- روش نهان نگاری برگشت پذیر با استفاده از یک معیار مرتب سازی جدید
3.2.2- روش سوم- نهان نگاری برگشت پذیر مبتنی بر روش فازی
3.2- پیشینه مساله در جهان
1.3.2- روش اول- روش گسترش اختلاف زوج پیکسل ها
1.1.3.2- مرحله نهان سازی اطلاعات
1.1.1.3.2- تعریف مقادیر اختلاف تغییرپذیر
2.1.1.3.2- تعریف مقادیر اختلاف گسترش‌پذیر
3.1.1.3.2- جاسازی در مقادیر اختلاف گسترش‌پذیر
4.1.1.3.2- جاسازی در مقادیر اختلاف تغییرپذیر
2.1.3.2- مرحله استخراج و بازیابی اطلاعات
2.3.2- روش دوم- روش گسترش اختلاف در دسته های سه تایی از پیکسل ها
1.2.3.2- انواع دسته های سه تایی
2.2.3.2- عملیات جاسازی
3.3.2- روش سوم- نهان نگاری برگشت پذیر مبتنی بر گسترش اختلاف دو بعدی
1.3.3.2- گسترش اختلاف دو بعدی
2.3.3.2- عملیات جاسازی
3.3.3.2- عملیات استخراج
4.3.2- روش چهارم- نهان نگاری برگشت پذیر با استفاده از عملیات پیش بینی و مرتب سازی
1.4.3.2- گسترش خطای پیش بینی لوزی
2.4.3.2- شیفت هیستوگرام
3.4.3.2- تکنیک مرتب سازی
4.2- مقایسه نتایج
1.4.2- نتایج حاصل از روش نهان نگاری برگشت پذیر شکننده از طریق بهبود روش جاسازی چندلایه
2.4.2- نتایج حاصل از روش نهان نگاری برگشت پذیر با استفاده از یک معیار مرتب سازی جدید
3.4.2- نتایج حاصل از روش نهان نگاری برگشت پذیر مبتنی بر روش فازی
4.4.2- نتایج حاصل از روش گسترش اختلاف زوج پیکسل ها
5.4.2- نتایج حاصل از روش گسترش اختلاف در دسته های سه تایی از پیکسل ها
6.4.2- نتایج حاصل از نهان نگاری برگشت پذیر مبتنی بر گسترش اختلاف دو بعدی
7.4.2- نتایج حاصل از روش نهان نگاری برگشت پذیر با استفاده از عملیات پیش بینی و مرتب سازی
3- روش های پیشنهادی
منابع
فهرست شکل ها
فهرست جدول ها
تعداد مشاهده: 3350 مشاهده
فرمت فایل دانلودی:.doc
فرمت فایل اصلی: doc
تعداد صفحات: 65
حجم فایل:2,546 کیلوبایت
-
راهنمای استفاده:
مناسب جهت استفاده دانشجویان رشته های مهندسی کامپیوتر
-
محتوای فایل دانلودی:
فایل word و قابل ویرایش
همراه با شکل، نمودار، جدول، پاورقی، فهرست شکل ها، منابع