فایل یو

برترین جزوات آموزشی

فایل یو

برترین جزوات آموزشی

اتومات 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: 2215 مشاهده

فرمت فایل دانلودی:.docx

فرمت فایل اصلی: docx

تعداد صفحات: 25

حجم فایل:404 کیلوبایت

 قیمت: 9,000 تومان
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود.   پرداخت و دریافت فایل
  • 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

پروژه درختان تصمیم گیری و مساله یادگیری


چکیده:
یادگیری درخت تصمیم یکی از رایج ترین تکنیک های یادگیری ماشین می باشد که به دلیل سادگی و کارامدی باعث شده است علی رغم مشکلاتی که در استفاده از آن همچون صفات دارای نویز و یا صفات فاقد مقدار یا ... وجود دارد به شکل گسترده ای در مسائل مربوط به یادگیری ماشین استفاده شود. در این تحقیق سعی شده است به مسائل اصلی مطرح در زمینهء درخت طراحی مانند بازنمایی، طراحی، عام سازی و مشکلات و راه کارهای برخورد با آنها که توسعه یافته اند پرداخته شود و همچنین از برخی مسائل غیراصلی مانند درختان رگراسیون، نرم افزارهای آزمایشگاهی و تست آماری χ2  نیز ذکری به میان آید. 

فهرست مطالب:
چکیده    
مقدمه     
1-1- اهداف اصلی درخت‌های تصمیم‌گیری دسته‌بندی کننده    
1-2- جذابیت درختان تصمیم    
1-3- انواع درختان تصمیم    
1-3-1- درختان رگراسیون    
2- بازنمایی درخت تصمیم    
2-1- توسعهء درختان تصمیم با گراف های تصمیم    
3- مسائل مناسب برای یادگیری درخت تصمیم    
4- چه صفتی بهترین طبقه بندی کننده است؟    
4-1-1- بی نظمی همگونی مثال ها را اندازه گیری می کند 
4-1-2- نفع اطلاعات، کاهش مورد انتظار در بی نظمی را اندازه گیری می کند
4-2- یک مثال تشریحی    
4-3- حالت خاصی از ساخت درخت تصمیم    
5- جستجوی فضای فرضیه در یادگیری درخت تصمیم    
5-1- قابلیت ها و محدودیت های الگوریتم ID3    
6- بایاس قیاسی (استنتاجی) در یادگیری درخت تصمیم    
6-1- بایاس های محدودیت و بایاس های ارجحیت    
6-2- چرا فرضیات کوتاهتر را ترجیح می دهیم؟    
7- مسائل در یادگیری درخت تصمیم    
7-1- اورفیتینگ داده ها    
7-2- روشهای موجود برای ممانعت از اورفیتینگ    
7-2-1- انواع روش های هرس کردن    
7-2-1-1- تست chi-Square    
7-2-2- هرس خطای کاهش یافته    
7-2-3- هرس بعدی قانون    
7-3- بکاربردن صفات با مقادیر پیوسته    
7-4- معیارهای دیگر برای انتخاب صفات     
7-5- بکاربردن مثال های آموزشی با صفات فاقد مقدار    
7-6- بکاربردن صفات با هزینه های متفاوت    
8- عام سازی درخت     
8-1- طراحی یک دسته بندی کنندهء درخت تصمیم    
8-2- روش‌های اصلی برای طراحی دسته بندی کنندهء درخت تصمیم    
9- انواع یادگیری در درخت تصمیم گیری    
10- مزایا و معایب درخت تصمیم    
10-1- مزایای درختان تصمیم نسبت به روش های دیگر داده کاوی    
10-2- معایب درختان تصمیم    
11- نرم افزارهای مفید برای درخت تصمیم    
12- الگوریتم یادگیری درخت تصمیم پایه    
13- جمع بندی    
14- لغت نامه     
15- مراجع

تعداد مشاهده: 2565 مشاهده

فرمت فایل دانلودی:.doc

فرمت فایل اصلی: doc

تعداد صفحات: 45

حجم فایل:755 کیلوبایت

 قیمت: 9,000 تومان
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود.   پرداخت و دریافت فایل
  • راهنمای استفاده:
    مناسب برای دانشجویان رشته مهندسی کامپیوتر



  • محتوای فایل دانلودی:
    در قالب فایل word و قابل ویرایش
    به همراه اشکال و نمودارها

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: 4439 مشاهده

فرمت فایل دانلودی:.doc

فرمت فایل اصلی: doc

تعداد صفحات: 52

حجم فایل:759 کیلوبایت

 قیمت: 9,000 تومان
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود.   پرداخت و دریافت فایل
  • 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: 3188 مشاهده

فرمت فایل دانلودی:.doc

فرمت فایل اصلی: doc

تعداد صفحات: 65

حجم فایل:2,546 کیلوبایت

 قیمت: 9,000 تومان
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود.   پرداخت و دریافت فایل
  • 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