loading...

انجام پروژه متلب

شبکه عصبی,دانلود رایگان فیلم آموزشی,دانلود رایگان فایل آموزشی,تدریس خصوصی,دوره آموزشی,شبکه‌های عصبی مصنوعی (Artificial Neural Network - ANN),سیستم عصبی زیستی تخمین (Estimation) و تقریب (Approximation)

دانلود رایگان فیلم آموزشی جامع Weka (داده کاوی و شبکه عصبی

داده کاوی کلیک کنید + 

 

 

مطالب به سایت خانه متلب انتقال پیدا کرده است .بر روی لینک های زیر کلیک نمایید:
انجام پروژه متلب *** آموزش رایگان متلب *** دانلود کد متلب
دانلود پروژه متلب *** گروه تلگرام متلب *** انجام پروژه پایتون
دانلود جزوه *** تدریس MATLAB متلب ***  آموزش مالی
 

 

انجام پروژه بازدید : 3205 جمعه 19 اردیبهشت 1393 زمان : 18:58 نظرات (1)

 

 

 

مطالب به سایت خانه متلب انتقال پیدا کرده است .بر روی لینک های زیر کلیک نمایید:
انجام پروژه متلب *** آموزش رایگان متلب *** دانلود کد متلب
دانلود پروژه متلب *** گروه تلگرام متلب *** انجام پروژه پایتون
دانلود جزوه *** تدریس MATLAB متلب ***  آموزش مالی
 

 

دانلود رایگان کدهای‌ آموزشی متلب جامع رگرسیون یا Regression

 


 

Regression

repack of the Mi(xed) Da(ta) S(ampling) regressions (MIDAS) programs

Linear Regression

Regression Utilities

Unimodal regression

Calculates regression from a figure open

 

REGRESSION ANALYSIS.

linear regression minimizing the Hausdorff between the line segment and the given set of points.

Regression Outliers

Regression Analysis

Interactive regression on a plot

Nonlinear Regression Shapes

 non-negativity constrained least squares regression.

Multivariable Polynomial Regression

Forward Stepwise Regression Algorithm

Linear Deming Regression

Determine the Necessity for Global Signal Regression

Two-phase linear regression model

SCOPE: mulit-variate cox regression

Major Axis Regression

Efficient Kernel Smoothing Regression using KD-Tree

Linear Regression with Multiple Variables without regularization

Bartlett's Three Group Regression

Regression through least square(normal equations)

Adaptive ReGression using Uncertainty Searching (ARGUS)

Gaussian Mixture Model (GMM) - Gaussian Mixture Regression (GMR)

Linear regression for multiple category data with different slopes for each

 

دانلود فایل در ادامه مطلب

 

 

 

ادامه مطلب ...
انجام پروژه بازدید : 4497 سه شنبه 09 اردیبهشت 1393 زمان : 14:24 نظرات (5)

دانلود رایگان کدهای‌ آموزشی متلب جامع ماشین های بردار پشتیبان یا SVM

 

 

مطالب به سایت خانه متلب انتقال پیدا کرده است .بر روی لینک های زیر کلیک نمایید:
انجام پروژه متلب *** آموزش رایگان متلب *** دانلود کد متلب
دانلود پروژه متلب *** گروه تلگرام متلب *** انجام پروژه پایتون
دانلود جزوه *** تدریس MATLAB متلب ***  آموزش مالی
 

 

 


 

Multi Class Support Vector Machine

SVM Demo

Prepare svm datasets for multi svm

Multi Class SVM

3phase SVM

Multithreaded (Posix) SVM evaluation

Fast Linear binary SVM classifier

Face Detection using Support Vector Machine (SVM)

Pegasos - Primal Estimated sub-Gradient SOlver for SVM

Using Weka's SVM Regression functions in Matlab

Using Weka's SVM Classification functions in Matlab

 

 

دانلود فایل در ادامه مطلب

 

ادامه مطلب ...
انجام پروژه بازدید : 7759 یکشنبه 07 اردیبهشت 1393 زمان : 4:30 نظرات (8)

 

دانلود رایگان کدهای‌ آموزشی متلب جامع شبکه های عصبی پرسپترون چندلایه یا MLP

 

 

 

مطالب به سایت خانه متلب انتقال پیدا کرده است .بر روی لینک های زیر کلیک نمایید:
انجام پروژه متلب *** آموزش رایگان متلب *** دانلود کد متلب
دانلود پروژه متلب *** گروه تلگرام متلب *** انجام پروژه پایتون
دانلود جزوه *** تدریس MATLAB متلب ***  آموزش مالی
 

 

 

 

The matrix implementation of the two-layer Multilayer Perceptron (MLP) neural networks.

Biogeography-Based Optimizer (BBO), for training Multi-Layer Perceptron (MLP)

Multilayer Perceptron Neural Network Model and Backpropagation Algorithm for Simulink

Improved Feedforward Neural Networks Using PSOGSA

Back Propogation Algorithm

MLP

Neural Network (MLP) Robot Localization

Iris flower classification using MLP

Training MLP by means of Cuckoo Optimization Algorithm (COA)

Neural Network training using the Extended Kalman Filter

Support Vector Neural Network (SVNN)

Neural Network training using the Unscented Kalman Filter

MMGDX: a maximum-margin training method for neural networks

دانلود فایل در ادامه مطلب

 

 

ادامه مطلب ...
انجام پروژه بازدید : 12059 یکشنبه 07 اردیبهشت 1393 زمان : 4:24 نظرات (3)

 

دانلود رایگان کدهای‌ آموزشی متلب جامع شبکه های عصبی شعاعی پایه یا RBF

 

 

مطالب به سایت خانه متلب انتقال پیدا کرده است .بر روی لینک های زیر کلیک نمایید:
انجام پروژه متلب *** آموزش رایگان متلب *** دانلود کد متلب
دانلود پروژه متلب *** گروه تلگرام متلب *** انجام پروژه پایتون
دانلود جزوه *** تدریس MATLAB متلب ***  آموزش مالی
 

 

 

 

 

Neural Network RBF Regression

RBF Acoustic Tomography,

Orthogonal Least Squares Algorithm for RBF Networks

training rbf network using mran and ekf,

The Radial Basis Function (RBF) with LMS algorithm for Simulink

The Radial Basis Function (RBF) ,using pseudo-inverse method for Simulink

Tutorial Funciones de Base Radial (RBF) - Redes neuronales como aproximadoras de funciones,

Scattered Data Interpolation and Approximation using Radial Base Functions

Radial Basis Function Network,

Improved Nystrom Kernel Low-rank Approximation

Absolute Orientation

 

دانلود فایل در ادامه مطلب

 

 

ادامه مطلب ...
انجام پروژه بازدید : 5559 یکشنبه 07 اردیبهشت 1393 زمان : 4:20 نظرات (4)

 

 

 

مطالب به سایت خانه متلب انتقال پیدا کرده است .بر روی لینک های زیر کلیک نمایید:
انجام پروژه متلب *** آموزش رایگان متلب *** دانلود کد متلب
دانلود پروژه متلب *** گروه تلگرام متلب *** انجام پروژه پایتون
دانلود جزوه *** تدریس MATLAB متلب ***  آموزش مالی
 

 

دانلود رایگان فیلم های آموزشی

 

الگوریتم های بهینه سازی شبکه عصبی منطق فازی

 

هوش مصنوعی

 

مهندسی صنایع

 

و ...

 

 

 

گروه آموزشی متلب نت

 

رشته های
 
مهندسی صنایع ، مدیریت ، کامپیوتر ،
  
هوش مصنوعی ، عمران ، برق ،
 
مالی ، ریاضی، مکانیک
 
و ...

 

 بر روی لینک های زیر کلیک نمایید

 

دانلود رایگان فیلم آموزشی جامع برنامه نویسی در MATLAB (محصول ویژه متلب نت)

دانلود رایگان فیلم جامع آموزش عملی الگوریتم های ژنتیک Genetic Algorithm GA

دانلود رایگان فیلم جامع آموزش عملی الگوریتم‌های جستجوی ممنوعه در متلب

دانلود رایگان فیلم جامع آموزش عملی الگوریتم‌های شبیه سازی تبرید  در متلب

دانلود رایگان فیلم جامع آموزش عملی الگوریتم‌های مورچگان  در متلب

دانلود رایگان فیلم جامع آموزش عملی الگوریتم‌های زنبور  در متلب

دانلود رایگان فیلم آموزشی الگوریتم جستجوی هارمونی  محصول ویژه متلب نت

دانلود رایگان فیلم آموزشی الگوریتم جستجوی گرانشی محصول ویژه متلب نت

دانلود رایگان فیلم آموزشی الگوریتم رقابت استعماری محصول ویژه متلب نت

دانلود رایگان فیلم آموزشی الگوریتم کلونی زنبور های مصنوعی  محصول ویژه متلب نت

دانلود رایگان فیلم آموزشی جامع الگوریتم کرم شب تاب , FA در متلب

دانلود رایگان فیلم آموزشی جامع الگوریتم بهینه سازی اجتماع ذرات , PSO

دانلود رایگان فیلم آموشی الگوریتم بهینه سازی اجتماع ذرات چند هدفه MOPSO محصول ویژه متلب نت

دانلود رایگان فیلم آموزشی الگوریتم های ژنتیک چند هدفه NSGAII NSGA2  محصول ویژه متلب نت

دانلود رایگان فیلم آموزشی الگوریتم های ژنتیک چند هدفه NRGA  محصول ویژه متلب نت

دانلود رایگان فیلم آموشی جامع منطق فازی در متلب محصول ویژه متلب نت

دانلود رایگان فیلم آموشی جامع شبکه عصبی محصول ویژه متلب نت

دانلود رایگان فیلم های آموزشی حل مسائل مهندسی صنایع به وسیله الگوریتم های بهینه سازی در متلب 

دانلود رایگان مجموعه فیلم های آموزشی پردازش تصویر image processing

دانلود رایگان مجموعه فیلم های آموزشی داده کاوی Data mining

دانلود رایگان مجموعه فیلم های آموزشی سیمولینک Simulink در MATLAB

 

مدرس: شهاب پورصفری - کارشناس ارشد مهندسی صنایع
قیمت: رایگان                                                           
زبان: فارسی                                                            
فرمت: MP4، با ابعاد ۱۲۸۰ در ۷۲۰     (کیفیت HD)    

 

فیلم های آموزشی به مرور در حال آماده شدن و قرار گرفتن بر روی سایت است.

کلیک کنید(+)

 

 

شبکه ایمنی مصنوعی artificial immune network یا ain,شبکه حسگر بیسیم,شبکه سنسور بیسیم,شبکه عصبی,شبکه عصبی kohenen,شبکه عصبی mlp,شبکه عصبی mlp در matlab,شبکه عصبی mlp در متلب,شبکه عصبی mlp در مطلب,شبکه عصبی rbf,شبکه عصبی rbf در matlab,شبکه عصبی rbf در متلب,شبکه عصبی rbf در مطلب,شبکه عصبی som,شبکه عصبی پرسپترون چند لایه یا mlp,شبکه عصبی رقابتی,شبکه عصبی کوهنن,شبکه عصبی مبتنی بر pca,شبکه عصبی مصنوعی,شبکه عصبی هاپفیلد,شبکه هاپفیلد در matlab,شبکه هاپفیلد در متلب,شبکه هاپفیلد در مطلب,شبکه های بیزی یا bayesian networks,شبکه های عصبی,

انجام پروژه بازدید : 1657 شنبه 21 دی 1392 زمان : 15:33 نظرات (0)

 

 دانلود رایگان فایل آموزشی شبکه عصبی 

دانلود فایل در ادامه مطلب

 

 

 

 بر روی لینک های زیر کلیک نمایید

 

ادامه مطلب ...
انجام پروژه بازدید : 3053 شنبه 11 آبان 1392 زمان : 9:56 نظرات (0)

 

 دانلود رایگان فایل آموزشی شبکه عصبی  


Variations on Backpropagation

 

دانلود فایل در ادامه مطلب

 

 بر روی لینک های زیر کلیک نمایید

 

ادامه مطلب ...
انجام پروژه بازدید : 3033 شنبه 11 آبان 1392 زمان : 9:51 نظرات (1)

 

 دانلود رایگان فایل آموزشی شبکه عصبی  

Radial Basis Function RBF

 

دانلود فایل در ادامه مطلب

 

 

 بر روی لینک های زیر کلیک نمایید

 

ادامه مطلب ...
انجام پروژه بازدید : 2539 شنبه 11 آبان 1392 زمان : 9:36 نظرات (0)

 

 دانلود رایگان فایل آموزشی شبکه عصبی  


Performance Optimization

 

دانلود فایل در ادامه مطلب

 

 

 بر روی لینک های زیر کلیک نمایید

 

ادامه مطلب ...
انجام پروژه بازدید : 2455 شنبه 11 آبان 1392 زمان : 9:36 نظرات (0)

 

 دانلود رایگان فایل آموزشی شبکه عصبی  


Performance Surface

 

دانلود فایل در ادامه مطلب

 

 

 بر روی لینک های زیر کلیک نمایید

 

ادامه مطلب ...
انجام پروژه بازدید : 2143 شنبه 11 آبان 1392 زمان : 9:36 نظرات (0)

 

 دانلود رایگان فایل آموزشی شبکه عصبی  


Supervised Hebbian Learning

 

دانلود فایل در ادامه مطلب

 

 

 

 بر روی لینک های زیر کلیک نمایید

 

ادامه مطلب ...
انجام پروژه بازدید : 1455 شنبه 11 آبان 1392 زمان : 9:36 نظرات (0)

 

 دانلود رایگان فایل آموزشی شبکه عصبی  


Perceptron Learning Rule

 

دانلود فایل در ادامه مطلب

 

 

 بر روی لینک های زیر کلیک نمایید

 

ادامه مطلب ...
انجام پروژه بازدید : 2351 شنبه 11 آبان 1392 زمان : 9:36 نظرات (0)

 

 دانلود رایگان فایل آموزشی شبکه عصبی  


Recurrent Networks

 

دانلود فایل در ادامه مطلب

 

 

 بر روی لینک های زیر کلیک نمایید

 

ادامه مطلب ...
انجام پروژه بازدید : 2083 شنبه 11 آبان 1392 زمان : 9:36 نظرات (0)

 

 دانلود رایگان فایل آموزشی شبکه عصبی  

 
Signal andWeight Vector Spaces

 

دانلود فایل در ادامه مطلب

 

 

 

 بر روی لینک های زیر کلیک نمایید

 

ادامه مطلب ...
انجام پروژه بازدید : 2527 شنبه 11 آبان 1392 زمان : 9:36 نظرات (0)

 

 دانلود رایگان فایل آموزشی شبکه عصبی  

Dynamic Neural Networks

 

دانلود فایل در ادامه مطلب

 

 

 بر روی لینک های زیر کلیک نمایید

 

ادامه مطلب ...
انجام پروژه بازدید : 2293 شنبه 11 آبان 1392 زمان : 9:27 نظرات (0)

 

 دانلود رایگان فایل آموزشی شبکه عصبی  

Backpropagation

 

دانلود فایل در ادامه مطلب

 

 بر روی لینک های زیر کلیک نمایید

 

ادامه مطلب ...
انجام پروژه بازدید : 2767 شنبه 11 آبان 1392 زمان : 1:43 نظرات (0)

 

 دانلود رایگان فایل آموزشی شبکه عصبی  

Associative Learning

 

دانلود فایل در ادامه مطلب

 

 بر روی لینک های زیر کلیک نمایید

 

ادامه مطلب ...
انجام پروژه بازدید : 2681 شنبه 11 آبان 1392 زمان : 1:40 نظرات (0)

 

 

بر روی لینک های زیر کلیک نمایید

 

 دانلود رایگان فایل آموزشی شبکه عصبی - Associative Learning

  دانلود رایگان فایل آموزشی شبکه عصبی - Backpropagation

  دانلود رایگان فایل آموزشی شبکه عصبی Performance Optimization

دانلود رایگان فایل آموزشی شبکه عصبی Variations on Backpropagation

دانلود رایگان فایل آموزشی شبکه عصبی Supervised Hebbian Learning

دانلود رایگان فایل آموزشی شبکه عصبی Signal and Weight Vector Spaces

دانلود رایگان فایل آموزشی شبکه عصبی Recurrent Networks

دانلود رایگان فایل آموزشی شبکه عصبی Radial Basis Function RBF

دانلود رایگان فایل آموزشی شبکه عصبی Performance Surface

دانلود رایگان فایل آموزشی شبکه عصبی Perceptron Learning Rule

دانلود رایگان فایل آموزشی شبکه عصبی - Dynamic Neural Networks

دانلود رایگان فایل آموزشی شبکه عصبی

 

بر روی لینک های زیر کلیک نمایید

 

انجام پروژه بازدید : 5301 شنبه 11 آبان 1392 زمان : 0:32 نظرات (0)

 

بر روی لینک های زیر کلیک نمایید

 

 

 

 

شبکه عصبی یک سیستم ارگانی شامل نورون‌ها می‌باشد که اعمال و واکنش جانداران را هماهنگ می‌سازد و سیگنال‌ها را به بخشهای متفاوت بدن می‌فرستد. در بیشتر جانداران سیستم عصبی شامل دو بخش مرکزی و بخش جانبی است. در استفاده‌های جدیدتر این عبارت به شبکه عصبی مصنوعی که از نورون‌هایی مصنوعی ساخته شده‌است هم اشاره دارد. بنابراین عبارت 'شبکه عصبی' در حالت کلی به دو مفهوم مختلف شبکهٔ عصبی زیستی و شبکهٔ عصبی مصنوعی مختلف اشاره دارد.

توصیف

نام سیستم عصبی از اعصاب گرفته می‌شود. در حالت کلی، یک شبکه عصبی زیستی از مجموعه یا مجموعه‌ای از نورون‌های به صورت فیزیکی به هم متصل یا از لحاظ عملکردی به هم وابسته تشکیل شده‌است. هر نورون می‌تواند به تعداد بسیار زیادی از نورون‌ها وصل باشد و تعداد کل نورون‌ها و اتصالات بین آن‌ها می‌تواند بسیار زیاد باشد. اتصالات، که به آن‌ها سیناپس گفته می‌شود، معمولاً از آکسون‌ها و دندریت‌ها تشکلیل شده‌اند.

هوش مصنوعی و مدل سازی شناختی سعی بر این دارند که بعضی از خصوصیات شبکه‌های عصبی را شبیه سازی کنند. این دو اگرچه در روش‌هاشان به هم شبیه هستند اما هدف هوش مصنوعی حل مسائل مشخصی است در حالی که هدف مدل سازی شناختی ساخت مدل‌های ریاضی سامانه‌های نورونی زیستی است.

شبکه‌های عصبی زیستی

شبکه‌های عصبی زیستی مجموعه‌ای بسیار عظیم از پردازشگرهای موازی به نام نورون اند که به صورت هماهنگ برای حل مسئله عمل می‌کنند و توسط سیناپس‌ها (ارتباط‌های 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 یادگیری اند. مثلا با اعمال سوزش به سلول‌های عصبی لامسه، سلول‌ها یاد می‌گیرند که به طرف جسم داغ نروند و با این الگوریتم سامانه می‌آموزد که خطای خود را اصلاح کند. یادگیری در این سامانه‌ها به صورت تطبیقی صورت می‌گیرد، یعنی با استفاده ازمثال‌ها وزن سیناپس‌ها به گونه‌ای تغییر می‌کند که در صورت دادن ورودی‌های تازه سامانه پاسخ درستی تولید کند.

معرفی شبکه عصبی مصنوعی

شبکه عصبی مصنوعی یک سامانه پردازشی داده‌ها است که از مغز انسان ایده گرفته و پردازش داده‌ها را به عهدهٔ پردازنده‌های کوچک و بسیار زیادی سپرده که به صورت شبکه‌ای به هم پیوسته و موازی با یکدیگر رفتار می‌کنند تا یک مسئله را حل نمایند. در این شبکه‌ها به کمک دانش برنامه نویسی، ساختار داده‌ای طراحی می‌شود که می‌تواند همانند نورون عمل کند. که به این ساختارداده نورون گفته می‌شود. بعد باایجاد شبکه‌ای بین این نورونها و اعمال یک الگوریتم آموزشی به آن، شبکه را آموزش می‌دهند.

در این حافظه یا شبکهٔ عصبی نورونها دارای دو حالت فعال (روشن یا ۱) و غیرفعال (خاموش یا ۰) اند و هر یال (سیناپس یا ارتباط بین گره‌ها) دارای یک وزن می‌باشد. یال‌های با وزن مثبت، موجب تحریک یا فعال کردن گره غیر فعال بعدی می‌شوند و یال‌های با وزن منفی، گره متصل بعدی را غیر فعال یا مهار (در صورتی که فعال بوده باشد) می‌کنند.

تاریخچه شبکه‌های عصبی مصنوعی

از قرن نوزدهم به طور همزمان اما جداگانه از سویی نروفیزیولوزیست‌ها سعی کردند سامانه یادگیری و تجزیه و تحلیل مغز را کشف کنند و از سوی دیگر ریاضیدانان تلاش کردند تا مدل ریاضی بسازند که قابلیت فراگیری و تجزیه و تحلیل عمومی مسائل را دارا باشد. اولین کوشش‌ها در شبیه سازی با استفاده از یک مدل منطقی توسط مک کلوک و والتر پیتز انجام شد که امروزه بلوک اصلی سازنده اکثر شبکه‌های عصبی مصنوعی است. این مدل فرضیه‌هایی در مورد عملکرد نورون‌ها ارائه می‌کند. عملکرد این مدل مبتنی بر جمع ورودی‌ها و ایجاد خروجی است. چنانچه حاصل جمع ورودی‌ها از مقدار آستانه بیشتر باشد اصطلاحا نورون برانگیخته می‌شود. نتیجه این مدل اجرای توابع ساده مثل AND و OR بود.

نه تنها نروفیزیولوژیست‌ها بلکه روان شناسان و مهندسان نیز در پیشرفت شبیه سازی شبکه‌های عصبی تاثیر داشتند. در سال ۱۹۵۸ شبکه پرسپترون توسط روزنبلات معرفی گردید. این شبکه نظیر واحدهای مدل شده قبلی بود. پرسپترون دارای سه لایه به همراه یک لایه وسط که به عنوان لایه پیوند شناخته شده می‌باشد، است. این سامانه می‌تواند یاد بگیرد که به ورودی داده شده خروجی تصادفی متناظر را اعمال کند.

سامانه دیگر مدل خطی تطبیقی نورون می‌باشد که در سال ۱۹۶۰ توسط ویدرو و هاف (دانشگاه استنفورد) به وجود آمد که اولین شبکه‌های عصبی به کار گرفته شده در مسائل واقعی بودند. Adalaline یک دستگاه الکترونیکی بود که از اجزای ساده‌ای تشکیل شده بود، روشی که برای آموزش استفاده می‌شد با پرسپترون فرق داشت.

در سال ۱۹۶۹ میسکی و پاپرت کتابی نوشتند که محدودیت‌های سامانه‌های تک لایه و چند لایه پرسپترون را تشریح کردند. نتیجه این کتاب پیش داوری و قطع سرمایه گذاری برای تحقیقات در زمینه شبیه سازی شبکه‌های عصبی بود. آنها با طرح اینکه طرح پرسپترون قادر به حل هیچ مساله جالبی نمی‌باشد، تحقیقات در این زمینه را برای مدت چندین سال متوقف کردند.

با وجود اینکه اشتیاق عمومی و سرمایه گذاری‌های موجود به حداقل خود رسیده بود، برخی محققان تحقیقات خود را برای ساخت ماشین‌هایی که توانایی حل مسائلی از قبیل تشخیص الگو را داشته باشند، ادامه دادند. از جمله گراسبگ که شبکه‌ای تحت عنوان Avalanch را برای تشخیص صحبت پیوسته و کنترل دست ربات مطرح کرد. همچنین او با همکاری کارپنتر شبکه‌های ART را بنانهادند که با مدل‌های طبیعی تفاوت داشت. اندرسون و کوهونن نیز از اشخاصی بودند که تکنیک‌هایی برای یادگیری ایجاد کردند. ورباس در سال ۱۹۷۴ شیوه آموزش پس انتشار (Back Propagation) خطا را ایجاد کرد که یک شبکه پرسپترون چندلایه البته با قوانین نیرومندتر آموزشی بود.

پیشرفت‌هایی که در سال ۱۹۷۰ تا ۱۹۸۰ بدست آمد برای جلب توجه به شبکه‌های عصبی بسیار مهم بود. برخی فاکتورها نیز در تشدید این مساله دخالت داشتند، از جمله کتاب‌ها و کنفرانس‌های وسیعی که برای مردم در رشته‌های متنوع ارائه شد. امروز نیز تحولات زیادی در تکنولوژی ANN ایجاد شده‌است.

چرا از شبکه‌های عصبی استفاده می‌کنیم

شبکه‌های عصبی با توانایی قابل توجه خود در استنتاج نتایج از داده‌های پیچیده می‌توانند در استخراج الگوها و شناسایی گرایش‌های مختلفی که برای انسان‌ها و کامپیوتر شناسایی آنها بسیار دشوار است استفاده شوند. از مزایای شبکه‌های عصبی می‌توان موارد زیر را نام برد:

  1. یادگیری تطبیقی: توانایی یادگیری اینکه چگونه وظایف خود را بر اساس اطلاعات داده شده به آن و یا تجارب اولیه انجام دهد در واقع اصلاح شبکه را گویند.
  2. خود سازماندهی: یک شبکه عصبی مصنوعی به صورت خودکار سازماندهی و ارائه داده‌هایی که در طول آموزش دریافت کرده را انجام دهد. نورون‌ها با قاعدهٔ یادگیری سازگار شده و پاسخ به ورودی تغییر می‌یابد.
  3. عملگرهای بی‌درنگ: محاسبات در شبکه عصبی مصنوعی می‌تواند به صورت موازی و به وسیله سخت‌افزارهای مخصوصی که طراحی و ساخت آن برای دریافت نتایج بهینه قابلیت‌های شبکه عصبی مصنوعی است انجام شود.
  4. تحمل خطا: با ایجاد خرابی در شبکه مقداری از کارایی کاهش می‌یابد ولی برخی امکانات آن با وجود مشکلات بزرگ همچنان حفظ می‌شود.
  5. دسته بندی: شبکه‌های عصبی قادر به دسته بندی ورودی‌ها بر ای دریافت خروجی مناسب می‌باشند.
  6. تعمیم دهی: این خاصیت شبکه را قادر می‌سازد تا تنها با برخورد با تعداد محدودی نمونه، یک قانون کلی از آن را به دست آورده، نتایج این آموخته‌ها را به موارد مشاهده از قبل نیز تعمیم دهد. توانایی که در صورت نبود آن سامانه باید بی نهایت واقعیت‌ها و روابط را به خاطر بسپارد.
  7. پایداری-انعطاف پذیری: یک شبکه عصبی هم به حد کافی پایدار است تا اطلاعات فراگرفته خود را حفظ کند و هم قابلیت انعطاف و تطبیق را دارد و بدون از دست دادن اطلاعات قبلی می‌تواند موارد جدید را بپذیرد.

شبکه‌های عصبی در مقایسه با کامپیوترهای سنتی

یک شبکه عصبی به طور کلی با یک کامپیوتر سنتی در موارد زیر تفاوت دارد:

  1. شبکه‌های عصبی دستورات را به صورت سری اجرا نکرده، شامل حافظه‌ای برای نگهداری داده و دستورالعمل نیستند.
  2. به مجموعه‌ای از ورودی‌ها به صورت موازی پاسخ می‌دهند.
  3. بیشتر با تبدیلات و نگاشت‌ها سروکار دارند تا الگوریتم‌ها و روش‌ها.
  4. شامل ابزار محاسباتی پیچیده نبوده، از تعداد زیادی ابزارساده که اغلب کمی بیشتر از یک جمع وزن دار را انجام می‌دهند تشکیل شده‌اند.

شبکه‌های عصبی شیوه‌ای متفاوت برای حل مسئله دارند. کامپیوترهای سنتی از شیوه الگوریتمی برای حل مسئله استفاده می‌کنند که برای حل مسئله مجموعه‌ای از دستورالعمل‌های بدون ابهام دنبال می‌شود. این دستورات به زبان سطح بالا و سپس به زبان ماشین که سامانه قادر به تشخیص آن می‌باشد تبدیل می‌شوند. اگر مراحلی که کامپیوتر برای حل مسئله باید طی کند از قبل شناخته شده نباشند و الگوریتم مشخصی وجود نداشته باشد، سامانه توانایی حل مسئله را ندارد. کامپیوترها می‌توانند خیلی سودمندتر باشند اگر بتوانند کارهایی را که ما هیچ پیش زمینه‌ای از آنها نداریم انجام دهند. شبکه‌های عصبی و کامپیوترها نه تنها رقیب هم نیستند بلکه می‌توانند مکمل هم باشند. کارهایی وجود دارند که بهتر است از روش الگوریتمی حل شوند و همین طور کارهایی وجود دارند که جز از طریق شبکه عصبی مصنوعی قابل حل نمی‌باشند و البته تعداد زیادی نیز برای بدست آوردن بازده حداکثر، از ترکیبی از روش‌های فوق استفاده می‌کنند. به طور معمول یک کامپیوتر سنتی برای نظارت بر شبکه عصبی استفاده می‌شود. شبکه‌های عصبی معجزه نمی‌کنند، اگر به طور محسوس استفاده شوند کارهای عجیبی انجام می‌دهند.

نورون مصنوعی

یک نورون مصنوعی سامانه‌ای است با تعداد زیادی ورودی و تنها یک خروجی. نورون دارای دو حالت می‌باشد، حالت آموزش و حالت عملکرد. در حالت آموزش نورون یاد می‌گیرد که در مقابل الگوهای ورودی خاص برانگیخته شود و یا در اصطلاح آتش کند. در حالت عملکرد وقتی یک الگوی ورودی شناسایی شده وارد شود، خروجی متناظر با آن ارائه می‌شود. اگر ورودی جزء ورودی‌های از پیش شناسایی شده نباشد، قوانین آتش برای بر انگیختگی یا عدم آن تصمیم گیری می‌کند.

از نورون‌های انسان تا نورون مصنوعی

با کنار گذاشتن برخی از خواص حیاتی نورون‌ها و ارتباطات درونی آنها می‌توان یک مدل ابتدایی از نورون را به وسیله کامپیوتر شبیه سازی کرد.

ساختار شبکه‌های عصبی

یک شبکه عصبی شامل اجزای سازنده لایه‌ها و وزن‌ها می‌باشد. رفتار شبکه نیز وابسته به ارتباط بین اعضا است. در حالت کلی در شبکه‌های عصبی سه نوع لایه نورونی وجود دارد:

شبکه‌های تک لایه و چند لایه‌ای نیز وجود دارند که سازماندهی تک لایه که در آن تمام واحدها به یک لایه اتصال دارند بیشترین مورد استفاده را دارد و پتانسیل محاسباتی بیشتری نسبت به سازماندهی‌های چند لایه دارد. در شبکه‌های چند لایه واحدها به وسیله لایه‌ها شماره گذاری می‌شوند (به جای دنبال کردن شماره گذاری سراسری).

هر دو لایه از یک شبکه به وسیله وزن‌ها و در واقع اتصالات با هم ارتباط می‌یابند. در شبکه‌های عصبی چند نوع اتصال و یا پیوند وزنی وجود دارد: پیشرو: بیشترین پیوندها از این نوع است که در آن سیگنال‌ها تنها در یک جهت حرکت می‌کنند. از ورودی به خروجی هیچ بازخوردی (حلقه) وجود ندارد. خروجی هر لایه بر همان لایه تاثیری ندارد.

تقسیم بندی شبکه‌های عصبی

بر مبنای روش آموزش به چهار دسته تقسیم می‌شوند:

  1. وزن ثابت: آموزشی در کار نیست و مقادیر وزن‌ها به هنگام نمی‌شود. کاربرد: بهینه سازی اطلاعات (کاهش حجم، تفکیک پذیری و فشرده سازی) و حافظه‌های تناظری
  2. آموزش بدون سرپرست: وزن‌ها فقط بر اساس ورودی‌ها اصلاح می‌شوند و خروجی مطلوب وجود ندارد تا با مقایسه خروجی شبکه با آن و تعیین مقدار خطا وزن‌ها اصلاح شود. وزن‌ها فقط بر اساس اطلاعات الگوهای ورودی به هنگام می‌شوند. هدف استخراج مشخصه‌های الگوهای ورودی بر اساس راهبرد خوشه یابی و یا دسته‌بندی و تشخیص شباهت‌ها (تشکیل گروه‌هایی با الگوی مشابه) می‌باشد، بدون اینکه خروجی یا کلاس‌های متناظر با الگوهای ورودی از قبل مشخص باشد. این یاد گیری معمولاً بر پایه شیوه برترین هم خوانی انجام می‌گیرد. شبکه بدون سرپرست وزن‌های خود را بر پایه خروجی حاصل شده از ورودی تغییر می‌دهد تا در برخورد بعدی پاسخ مناسبی را برای این ورودی داشته باشد. در نتیجه شبکه یاد می‌گیرد چگونه به ورودی پاسخ بدهد. اصولا هدف این است که با تکنیک نورون غالب نورونی که بیشترین تحریک آغازین را دارد برگزیده شود. بنابر این در شبکه‌های بدون سرپرست یافتن نورون غالب یکی از مهمترین کارها است.
  3. آموزش با سرپرست: به ازای هر دسته از الگوهای ورودی خروجی‌های متناظر نیز به شبکه نشان داده می‌شود و تغییر وزن‌ها تا موقعی صورت می‌گیرد که اختلاف خروجی شبکه به ازای الگوهای آموزشی از خروجی‌های مطلوب در حد خطای قابل قبولی باشد. در این روش‌ها یا از خروجی‌ها به وزن‌ها ارتباط وجود دارد یا خطا به صورت پس انتشار از لایه خروجی به ورودی توزیع شده‌است و وزن‌ها اصلاح می‌شوند. هدف طرح شبکه‌ای است که ابتدا با استفاده از داده‌های آموزشی موجود، آموزش ببیند و سپس با ارائه بردار ورودی به شبکه که ممکن است شبکه آن را قبلا فراگرفته یا نگرفته باشد کلاس آن را تشخیص دهد. چنین شبکه‌ای به طور گسترده برای کارهای تشخیص الگو به کار گرفته می‌شود.
  4. آموزش تقویتی: کیفیت عملکرد سامانه به صورت گام به گام نسبت به زمان بهبود می‌یابد. الگوهای آموزشی وجود ندارد اما با استفاده از سیگنالی به نام نقاد بیانی از خوب و یا بد بودن رفتار سامانه بدست می‌آید (حالتی بین یادگیری با سرپرست و بدون سرپرست).

کاربرد شبکه‌های عصبی

شبکه‌های عصبی مصنوعی دارای دامنه کاربرد وسیعی می‌باشند از جمله سامانه‌های آنالیز ریسک، کنترل هواپیما بدون خلبان، آنالیز کیفیت جوشکاری، آنالیز کیفیت کامپیوتر، آزمایش اتاق اورژانس، اکتشاف نفت و گاز، سامانه‌های تشخیص ترمز کامیون، تخمین ریسک وام، شناسایی طیفی، تشخیص دارو، فرآیندهای کنترل صنعتی، مدیریت خطا، تشخیص صدا، تشخیص هپاتیت، بازیابی اطلاعات راه دور، شناسایی مین‌های زیردریایی، تشخیص اشیاء سه بعدی و دست نوشته‌ها و چهره و... در کل می‌توان کاربردهای شبکه‌های عصبی را به صورت زیر دسته بندی کرد: تناظر (شبکه الگوهای مغشوش وبه هم ریختهرا بازشناسی می‌کند)، خوشه یابی، دسته بندی، شناسایی، بازسازی الگو، تعمیم دهی (به دست آوردن یک پاسخ صحیح برای محرک ورودی که قبلا به شبکه آموزش داده نشده)، بهینه سازی. امروزه شبکه‌های عصبی در کاربردهای مختلفی نظیر مسائل تشخیص الگو که خود شامل مسائلی مانند تشخیص خط، شناسایی گفتار، پردازش تصویر و مسائلی از این دست می‌شود و نیز مسائل دسته بندی مانند دسته بندی متون یا تصاویر، به کار می‌روند. در کنترل یا مدل سازی سامانه‌هایی که ساختار داخلی ناشناخته یا بسیار پیچیده‌ای دارند نیز به صورت روز افزون از شبکه‌های عصبی مصنوعی استفاده می‌شود. به عنوان مثال می‌توان در کنترل ورودی یک موتور(کنترل‌کننده موتور) از یک شبکه عصبی استفاده نمود که در این صورت شبکه عصبی خود تابع کنترل را یاد خواهد گرفت. کاربرد مناسب تر شبکه عصبی ( در مقایسه با روش هایی از قبیل PID )برای کنترل یک سیستم دور موتور در برابر تغییرات ناگهانی بار و زمان پاسخ دهی نیز مطرح شده است[۱],[۲],[۳]

معایب شبکه‌های عصبی

با وجود برتری‌هایی که شبکه‌های عصبی نسبت به سامانه‌های مرسوم دارند، معایبی نیز دارند که پژوهشگران این رشته تلاش دارند که آنها را به حداقل برسانند، از جمله:

انجام پروژه بازدید : 2915 شنبه 11 آبان 1392 زمان : 0:29 نظرات (0)
درباره ما
Profile Pic
. سفارش انجام پروژه متلب|پایان نامه ارشد و دکتری|دانلود رایگان فیلم کد متلب انجام پروژه های دانشجویی شبکه عصبی داده کاوی شبیه سازی کامپیوتری توالی عملیات و زمان بندی مدل سازی انجام پروپزال پایان نامه ارشد دکتری مهندسی صنایع مدیریت مهندسی برق و...
اطلاعات کاربری
  • فراموشی رمز عبور؟
    •
    موضوعات

  • انجام پروژه متلب انجام پروژه matlab سفارش پروژه های دانشجویی برنامه نویسی کدنویسی مهندسی صنایع برق الکترونیک

  • آموزش جامع متلب

  • دانلود رایگان فیلم های آموزشی

  • دانلود رایگان فایل های آموزشی

  • دانلود رایگان کد های آماده متلب

  • دوره های آموزشی و تدریس خصوصی

  • دانلود رایگان نرم افزار + آموزش

    • اث‍رات‌ گ‍ی‍اه‌ ت‍رخ‍ون‌ Artemisia dracunculus)( ب‍ر س‍ی‍س‍ت‍م‌ ای‍م‍ن‍ی‌ و ف‍ل‍ور م‍ی‍ک‍روب‍یاث‍رات‌ گ‍ی‍اه‌ ت‍رخ‍ون‌ Artemisia dracunculus)( ب‍ر س‍ی‍س‍ت‍م‌ ای‍م‍ن‍ی‌ و ف‍ل‍ور م‍ی‍ک‍روب‍ی
    چهارشنبه 05 اسفند 1394
    ت‍اث‍ی‍ر ن‍ان‍و ذرات‌ روی‌ و آه‍ن‌، اس‍ی‍د ه‍ی‍وم‍ی‍ک‌ و ب‍ن‍زی‍ل‌ آدن‍ی‍ن‌ ب‍ر م‍تت‍اث‍ی‍ر ن‍ان‍و ذرات‌ روی‌ و آه‍ن‌، اس‍ی‍د ه‍ی‍وم‍ی‍ک‌ و ب‍ن‍زی‍ل‌ آدن‍ی‍ن‌ ب‍ر م‍ت
    چهارشنبه 05 اسفند 1394
    ب‍ررس‍ی‌ ب‍ی‍ان‌ ژن‌ Rheb در رده‌ س‍ل‍ول‍ی‌ AGS س‍رطان‌ م‍ع‍ده‌ی‌ ان‍س‍ان‌ در ح‍ض‍ور م‍شب‍ررس‍ی‌ ب‍ی‍ان‌ ژن‌ Rheb در رده‌ س‍ل‍ول‍ی‌ AGS س‍رطان‌ م‍ع‍ده‌ی‌ ان‍س‍ان‌ در ح‍ض‍ور م‍ش
    چهارشنبه 05 اسفند 1394
    ب‍ررس‍ی‌ ت‍اث‍ی‍ر ت‍خ‍ل‍ی‍ه‌ و ب‍ارگ‍ی‍ری‌ ک‍رب‍وه‍ی‍درات‌ ب‍ر ن‍ق‍طه‌ ش‍ک‍س‍ت‌ ب‍ررس‍ی‌ ت‍اث‍ی‍ر ت‍خ‍ل‍ی‍ه‌ و ب‍ارگ‍ی‍ری‌ ک‍رب‍وه‍ی‍درات‌ ب‍ر ن‍ق‍طه‌ ش‍ک‍س‍ت‌
    چهارشنبه 05 اسفند 1394
    م‍طال‍ع‍ات‌ اث‍رات‌ پ‍راک‍س‍ی‍د ه‍ی‍دروژن‌، اس‌ - ک‍اروون‌، ن‍ان‍وس‍ی‍ل‍ور و اس‍ی‍دم‍طال‍ع‍ات‌ اث‍رات‌ پ‍راک‍س‍ی‍د ه‍ی‍دروژن‌، اس‌ - ک‍اروون‌، ن‍ان‍وس‍ی‍ل‍ور و اس‍ی‍د
    چهارشنبه 05 اسفند 1394
    ب‍ررس‍ی‌ ن‍ظری‍ه‌ ش‍ب‍ی‍ه‌ س‍ازی‌ ت‍ه‍دی‍د و اث‍رب‍خ‍ش‍ی‌ ت‍ح‍ل‍ی‍ل‌ روی‍ا در اف‍ب‍ررس‍ی‌ ن‍ظری‍ه‌ ش‍ب‍ی‍ه‌ س‍ازی‌ ت‍ه‍دی‍د و اث‍رب‍خ‍ش‍ی‌ ت‍ح‍ل‍ی‍ل‌ روی‍ا در اف‍
    چهارشنبه 05 اسفند 1394
    اث‍رات‌ ل‍ج‍ن‌ ف‍اض‍لاب‌ ش‍ه‍ری‌ اردب‍ی‍ل‌ ب‍ر ب‍رخ‍ی‌ خ‍ص‍وص‍ی‍ات‌ ف‍ی‍زی‍ک‍ی‌ اث‍رات‌ ل‍ج‍ن‌ ف‍اض‍لاب‌ ش‍ه‍ری‌ اردب‍ی‍ل‌ ب‍ر ب‍رخ‍ی‌ خ‍ص‍وص‍ی‍ات‌ ف‍ی‍زی‍ک‍ی‌
    چهارشنبه 05 اسفند 1394
    ب‍ررس‍ی‌ ت‍اث‍ی‍ر م‍ص‍رف‌ پ‍ودر ج‍ی‍ن‍س‍ی‍ن‍گ‌ ب‍ر م‍ت‍غ‍ی‍ره‍ای‌ ق‍ل‍ب‍ی‌- ت‍نب‍ررس‍ی‌ ت‍اث‍ی‍ر م‍ص‍رف‌ پ‍ودر ج‍ی‍ن‍س‍ی‍ن‍گ‌ ب‍ر م‍ت‍غ‍ی‍ره‍ای‌ ق‍ل‍ب‍ی‌- ت‍ن
    چهارشنبه 05 اسفند 1394
    پ‍ارام‍ت‍ره‍ای‌ زی‍س‍ت‍ی‌ و ف‍ع‍ال‍ی‍ت‌ ب‍رخ‍ی‌ آن‍زی‍م‌ ه‍ای‌ گ‍وارش‍ی‌ Helicoverpa armigپ‍ارام‍ت‍ره‍ای‌ زی‍س‍ت‍ی‌ و ف‍ع‍ال‍ی‍ت‌ ب‍رخ‍ی‌ آن‍زی‍م‌ ه‍ای‌ گ‍وارش‍ی‌ Helicoverpa armig
    چهارشنبه 05 اسفند 1394
    ب‍ررس‍ی‌ م‍ق‍اوم‍ت‌ ب‍رش‍ی‌ خ‍اک‌ اص‍لاح‌ ش‍ده‌ ب‍ا ال‍ی‍اف‌ پ‍ل‍ی‍م‍ری‌ Fiber Reinforced Pب‍ررس‍ی‌ م‍ق‍اوم‍ت‌ ب‍رش‍ی‌ خ‍اک‌ اص‍لاح‌ ش‍ده‌ ب‍ا ال‍ی‍اف‌ پ‍ل‍ی‍م‍ری‌ Fiber Reinforced P
    چهارشنبه 05 اسفند 1394
    ت‍ه‍ی‍ه‌ و ب‍ررس‍ی‌ خ‍واص‌ ف‍ت‍وک‍ات‍ال‍ی‍زوری‌ ن‍ان‍وس‍اخ‍ت‍اره‍ای‌ اک‍س‍ی‍د روت‍ه‍ی‍ه‌ و ب‍ررس‍ی‌ خ‍واص‌ ف‍ت‍وک‍ات‍ال‍ی‍زوری‌ ن‍ان‍وس‍اخ‍ت‍اره‍ای‌ اک‍س‍ی‍د رو
    چهارشنبه 05 اسفند 1394
    م‍ق‍ای‍س‍ه‌ اث‍رب‍خ‍ش‍ی‌ آم‍وزش‌ راه‍ب‍رده‍ای‌ ی‍ادگ‍ی‍ری‌ خ‍ودت‍ن‍ظی‍م‍ی‌ و ح‍لم‍ق‍ای‍س‍ه‌ اث‍رب‍خ‍ش‍ی‌ آم‍وزش‌ راه‍ب‍رده‍ای‌ ی‍ادگ‍ی‍ری‌ خ‍ودت‍ن‍ظی‍م‍ی‌ و ح‍ل
    چهارشنبه 05 اسفند 1394
    ت‍اث‍ی‍ر دم‍ا روی‌ ب‍رخ‍ی‌ پ‍ارام‍ت‍ره‍ای‌ زی‍س‍ت‍ی‌ و ش‍ک‍ارگ‍ری‌ ب‍ال‍ت‍وری‌ س‍ت‍اث‍ی‍ر دم‍ا روی‌ ب‍رخ‍ی‌ پ‍ارام‍ت‍ره‍ای‌ زی‍س‍ت‍ی‌ و ش‍ک‍ارگ‍ری‌ ب‍ال‍ت‍وری‌ س‍
    چهارشنبه 05 اسفند 1394
    ب‍ه‍ی‍ن‍ه‌ س‍ازی‌ ل‍رزه‌ ای‌ س‍د ب‍ت‍ن‍ی‌ وزن‍ی‌ ب‍ا اس‍ت‍ف‍اده‌ از لای‍ه‌ ی‌ ای‍زوب‍ه‍ی‍ن‍ه‌ س‍ازی‌ ل‍رزه‌ ای‌ س‍د ب‍ت‍ن‍ی‌ وزن‍ی‌ ب‍ا اس‍ت‍ف‍اده‌ از لای‍ه‌ ی‌ ای‍زو
    چهارشنبه 05 اسفند 1394
    ارائ‍ه‌ س‍ی‍س‍ت‍م‌ ه‍وش‍م‍ن‍د س‍ورت‍ی‍ن‍گ‌ ف‍ن‍دق‌ ب‍ا اس‍ت‍ف‍اده‌ از پ‍ردازش‌ س‍ارائ‍ه‌ س‍ی‍س‍ت‍م‌ ه‍وش‍م‍ن‍د س‍ورت‍ی‍ن‍گ‌ ف‍ن‍دق‌ ب‍ا اس‍ت‍ف‍اده‌ از پ‍ردازش‌ س‍
    چهارشنبه 05 اسفند 1394
    ب‍ررس‍ی‌ ک‍ی‍ف‍ی‍ت‌ ک‍وب‍ش‌ در ک‍م‍ب‍ای‍ن‌ م‍ت‍دواول‌ ب‍ا در ن‍ظر گ‍رف‍ت‍ن‌ ف‍اص‍ب‍ررس‍ی‌ ک‍ی‍ف‍ی‍ت‌ ک‍وب‍ش‌ در ک‍م‍ب‍ای‍ن‌ م‍ت‍دواول‌ ب‍ا در ن‍ظر گ‍رف‍ت‍ن‌ ف‍اص‍
    چهارشنبه 05 اسفند 1394
    ب‍ررس‍ی‌ ع‍م‍ل‍ک‍رد ل‍رزه‌ ای‌ س‍ی‍س‍ت‍م‌ ق‍اب‌ خ‍م‍ش‍ی‌ ف‍ولادی‌ ب‍ا دی‍وار ب‍رشب‍ررس‍ی‌ ع‍م‍ل‍ک‍رد ل‍رزه‌ ای‌ س‍ی‍س‍ت‍م‌ ق‍اب‌ خ‍م‍ش‍ی‌ ف‍ولادی‌ ب‍ا دی‍وار ب‍رش
    چهارشنبه 05 اسفند 1394
    ه‍م‍س‍ان‍ه‌ س‍ازی‌ ژن‌ ه‍ای‌ ال‍ک‍ل‌ ده‍ی‍دروژن‍از و پ‍ی‍روات‌ دک‍رب‍وک‍س‍ی‍لاز در ه‍م‍س‍ان‍ه‌ س‍ازی‌ ژن‌ ه‍ای‌ ال‍ک‍ل‌ ده‍ی‍دروژن‍از و پ‍ی‍روات‌ دک‍رب‍وک‍س‍ی‍لاز در
    چهارشنبه 05 اسفند 1394
    واک‍ن‍ش‌ ه‍ای‌ ت‍غ‍ذی‍ه‌ ای‌ و ف‍ع‍ال‍ی‍ت‌ ب‍رخ‍ی‌ آن‍زی‍م‌ ه‍ای‌ گ‍وارش‍ی‌ plodia interواک‍ن‍ش‌ ه‍ای‌ ت‍غ‍ذی‍ه‌ ای‌ و ف‍ع‍ال‍ی‍ت‌ ب‍رخ‍ی‌ آن‍زی‍م‌ ه‍ای‌ گ‍وارش‍ی‌ plodia inter
    چهارشنبه 05 اسفند 1394
    اش‍ت‍ق‍اق‌ ت‍واب‍ع‌ ان‍ت‍ق‍ال‍ی‌ ب‍رای‌ ب‍رآورد ب‍رخ‍ی‌ خ‍ص‍وص‍ی‍ات‌ ه‍ی‍درول‍ی‍اش‍ت‍ق‍اق‌ ت‍واب‍ع‌ ان‍ت‍ق‍ال‍ی‌ ب‍رای‌ ب‍رآورد ب‍رخ‍ی‌ خ‍ص‍وص‍ی‍ات‌ ه‍ی‍درول‍ی‍
    چهارشنبه 05 اسفند 1394
    طراح‍ی‌ و س‍اخ‍ت‌ س‍ن‍س‍وره‍ای‌ ال‍ک‍ت‍روش‍ی‍م‍ی‍ای‍ی‌ ب‍رای‌ ت‍ع‍ی‍ی‍ن‌ ب‍رخ‍یطراح‍ی‌ و س‍اخ‍ت‌ س‍ن‍س‍وره‍ای‌ ال‍ک‍ت‍روش‍ی‍م‍ی‍ای‍ی‌ ب‍رای‌ ت‍ع‍ی‍ی‍ن‌ ب‍رخ‍ی
    چهارشنبه 05 اسفند 1394
    م‍دل‌ س‍ازی‌ م‍ک‍ان‌ ی‍اب‍ی‌ ع‍م‍ل‍ی‍ات‌ ک‍پ‍ه‌ ک‍اری‌ در ع‍رص‍ه‌ ه‍ای‌ ب‍ا ت‍وانم‍دل‌ س‍ازی‌ م‍ک‍ان‌ ی‍اب‍ی‌ ع‍م‍ل‍ی‍ات‌ ک‍پ‍ه‌ ک‍اری‌ در ع‍رص‍ه‌ ه‍ای‌ ب‍ا ت‍وان
    چهارشنبه 05 اسفند 1394
    ب‍ررس‍ی‌ ت‍غ‍ی‍ی‍رات‌ زم‍ان‍ی‌ ب‍ارن‍دگ‍ی‌ در دش‍ت‌ اردب‍ی‍ل‌ ب‍ا اس‍ت‍ف‍اده‌ از تب‍ررس‍ی‌ ت‍غ‍ی‍ی‍رات‌ زم‍ان‍ی‌ ب‍ارن‍دگ‍ی‌ در دش‍ت‌ اردب‍ی‍ل‌ ب‍ا اس‍ت‍ف‍اده‌ از ت
    سه شنبه 04 اسفند 1394
    ب‍ررس‍ی‌ و س‍ن‍ج‍ش‌ ع‍دال‍ت‌ ف‍ض‍ای‍ی‌ در ب‍ه‍ره‌ م‍ن‍دی‌ از خ‍دم‍ات‌ ع‍م‍وم‍ی‌ شب‍ررس‍ی‌ و س‍ن‍ج‍ش‌ ع‍دال‍ت‌ ف‍ض‍ای‍ی‌ در ب‍ه‍ره‌ م‍ن‍دی‌ از خ‍دم‍ات‌ ع‍م‍وم‍ی‌ ش
    سه شنبه 04 اسفند 1394
    ارزی‍اب‍ی‌ ت‍خ‍ری‍ب‌ و وض‍ع‍ی‍ت‌ م‍رت‍ع‌در چ‍ارچ‍وب‌ ف‍اص‍ل‍ه‌ از روس‍ت‍ا ب‍ا اس‍تارزی‍اب‍ی‌ ت‍خ‍ری‍ب‌ و وض‍ع‍ی‍ت‌ م‍رت‍ع‌در چ‍ارچ‍وب‌ ف‍اص‍ل‍ه‌ از روس‍ت‍ا ب‍ا اس‍ت
    سه شنبه 04 اسفند 1394
    ارزی‍اب‍ی‌ پ‍ه‍ن‍ه‌ ب‍ن‍دی‌ س‍ی‍لاب‌ آج‍رل‍وچ‍ای‌ ب‍ه‌ روش‌ L-THIAارزی‍اب‍ی‌ پ‍ه‍ن‍ه‌ ب‍ن‍دی‌ س‍ی‍لاب‌ آج‍رل‍وچ‍ای‌ ب‍ه‌ روش‌ L-THIA
    سه شنبه 04 اسفند 1394
    تجمیع داده رمزنگاری شده در شبکه های حسگر بی سیمتجمیع داده رمزنگاری شده در شبکه های حسگر بی سیم
    سه شنبه 04 اسفند 1394
    الگوریتم های چیدمان گره های هوایی در شبکه های حسگر پیشآالگوریتم های چیدمان گره های هوایی در شبکه های حسگر پیشآ
    سه شنبه 04 اسفند 1394
    کاهش مصرف انرژی شبکه‌های حسگر ترکیبی بر اساس روش چیدمان چند لایه‌ایکاهش مصرف انرژی شبکه‌های حسگر ترکیبی بر اساس روش چیدمان چند لایه‌ای
    سه شنبه 04 اسفند 1394
    طراحی یک الگوریتم خوشه‌بندی مبتنی بر پیش‌بینی برای ردیابی هدف در شبکه‌های حس‌گر بی‌سیمطراحی یک الگوریتم خوشه‌بندی مبتنی بر پیش‌بینی برای ردیابی هدف در شبکه‌های حس‌گر بی‌سیم
    سه شنبه 04 اسفند 1394
    تحلیل تاثیر بازاریابی داخلی بر تسهیم دانش (مورد مطالعه: کارکنان شرکت فولاد مبارکه اصفهان)تحلیل تاثیر بازاریابی داخلی بر تسهیم دانش (مورد مطالعه: کارکنان شرکت فولاد مبارکه اصفهان)
    سه شنبه 04 اسفند 1394
    بررسی تأثیر مدیریت سرمایه در گردش با کنترل‌کنندگی متغیرهای اندازه و حاکمیت شرکتی بر سودآوری شرکتبررسی تأثیر مدیریت سرمایه در گردش با کنترل‌کنندگی متغیرهای اندازه و حاکمیت شرکتی بر سودآوری شرکت
    سه شنبه 04 اسفند 1394
    بررسی رابطه بین اندازه، ارزش و شدت با بازده (بورس اوراق بهادار تهران)بررسی رابطه بین اندازه، ارزش و شدت با بازده (بورس اوراق بهادار تهران)
    سه شنبه 04 اسفند 1394
    مدیریت توان در شبکه های حسگر بی سیم با الگوریتم یادگیری تقویتیمدیریت توان در شبکه های حسگر بی سیم با الگوریتم یادگیری تقویتی
    سه شنبه 04 اسفند 1394
    ارزیابی و بهبود پروتکل های مسیریابی مبتنی بر خوشه بندی در شبکه های حسگر بی سیمارزیابی و بهبود پروتکل های مسیریابی مبتنی بر خوشه بندی در شبکه های حسگر بی سیم
    سه شنبه 04 اسفند 1394
    کاهش مصرف انرژی در شبکه‌های حسگر بی‌سیم با استفاده از شبکه‌های عصبی SOMکاهش مصرف انرژی در شبکه‌های حسگر بی‌سیم با استفاده از شبکه‌های عصبی SOM
    سه شنبه 04 اسفند 1394
    طراحی توان آگاه شبکه های حسگر بدنیطراحی توان آگاه شبکه های حسگر بدنی
    سه شنبه 04 اسفند 1394
    ارزیابی، تحلیل کارایی و بهبود پروتکل های مسیریابی در شبکه های حسگر بی سیمارزیابی، تحلیل کارایی و بهبود پروتکل های مسیریابی در شبکه های حسگر بی سیم
    سه شنبه 04 اسفند 1394
    بررسی و بهبود روشهای تقلیل استفاده از انرژی مبتنی بر تحرک در شبکه های حسگر بیسیمبررسی و بهبود روشهای تقلیل استفاده از انرژی مبتنی بر تحرک در شبکه های حسگر بیسیم
    سه شنبه 04 اسفند 1394
    بررسی مزیت نسبی تولید گیاه زعفران در ایران (از دید تولید)بررسی مزیت نسبی تولید گیاه زعفران در ایران (از دید تولید)
    سه شنبه 04 اسفند 1394
    افزایش طول عمر شبکه حسگر دوربین با پوشش کامل به منظور پایش و تشخیص ارتفاع هدفافزایش طول عمر شبکه حسگر دوربین با پوشش کامل به منظور پایش و تشخیص ارتفاع هدف
    سه شنبه 04 اسفند 1394
    مدیریت شبکه حسگر دوربین برای پوشش حداکثر میدان دیدمدیریت شبکه حسگر دوربین برای پوشش حداکثر میدان دید
    سه شنبه 04 اسفند 1394
    بررسی و بهینه سازی روش های اتصال شبکه ی حسگر بی سیم با اینترنتبررسی و بهینه سازی روش های اتصال شبکه ی حسگر بی سیم با اینترنت
    سه شنبه 04 اسفند 1394
    ارائه یک پروتکل جدید برای امنیت در شبکه های حسگر بی سیمارائه یک پروتکل جدید برای امنیت در شبکه های حسگر بی سیم
    سه شنبه 04 اسفند 1394
    بررسی تاثیر سیاست تقسیم سود بر نرخ رشد سود هرسهم، بازده، و ارزش بازار سهام شرکت‌های پذیرفته شده در بررسی تاثیر سیاست تقسیم سود بر نرخ رشد سود هرسهم، بازده، و ارزش بازار سهام شرکت‌های پذیرفته شده در
    دوشنبه 03 اسفند 1394
    مدلی برای انتخاب سبد سهام مطلوب تحت سنجه های ریسک مختلفمدلی برای انتخاب سبد سهام مطلوب تحت سنجه های ریسک مختلف
    دوشنبه 03 اسفند 1394
    رابطه بین دوره نگهداری سهام با اختلاف قیمت پیشنهادی خرید و فروش سهام، ارزش بازار شرکت و نوسانات با رابطه بین دوره نگهداری سهام با اختلاف قیمت پیشنهادی خرید و فروش سهام، ارزش بازار شرکت و نوسانات با
    دوشنبه 03 اسفند 1394
    بررسی اثرات سود باقیمانده (محاسبه شده با روش های ارزش افزوده اقتصادی و حسابداری) و سرمایه فکری بر اربررسی اثرات سود باقیمانده (محاسبه شده با روش های ارزش افزوده اقتصادی و حسابداری) و سرمایه فکری بر ار
    دوشنبه 03 اسفند 1394
    بهینه سازی پرتفوی با استفاده از الگوریتم ژنتیک و برنامه ریزی سازشی و استفاده از معیارهای مختلف سنجبهینه سازی پرتفوی با استفاده از الگوریتم ژنتیک و برنامه ریزی سازشی و استفاده از معیارهای مختلف سنج
    دوشنبه 03 اسفند 1394
    عوامل موثر بر موفقیت تجارت الکترونیک از دیدگاه مشتریان (با استفاده از تحلیل اهداف واسطه‌ای‌-نهای عوامل موثر بر موفقیت تجارت الکترونیک از دیدگاه مشتریان (با استفاده از تحلیل اهداف واسطه‌ای‌-نهای
    دوشنبه 03 اسفند 1394
    لینک دوستان
  • خانه متلب
    •
  • مرجع رایگان آموزش دانشگاهی خانه متلب
    •
  • دانلود رایگان فیلم دانشگاهی
    •
  • آموزش شبکه عصبی
    •
  • آموزش منطق فازی
    •
  • آموزش داده کاوی
    •
  • دانلود رایگان کد متلب
    •
  • انجام پروژه متلب
    •
  • تدریس خصوصی
    •
  • دانلود جزوه کتاب پایان نامه
    •
  • دانلود پروژه متلب
    •
  • مهندسی صنایع
    •
  • مهندسی برق و کامپیوتر
    •
  • مهندسی عمران و مکانیک
    •
  • هوش مصنوعی
    •
  • پردازش تصویر
    •
  • تصمیم گیری چند معیاره
    •
  • برنامه نویسی متلب
    •
  • الگوریتم های فراابتکاری
    •
  • heun
    •
  • spline
    •
  • solve-system-of-nonlinear-equations
    •
  • euler
    •
  • hub-location-problems
    •
  • vehicle-routing-problem
    •
  • project-scheduling-problem
    •
  • scheduling-and-sequencing-problem
    •
  • supply-chain-management
    •
  • مهندسی صنایع و مدیریت
    •
  • bees-algorithm
    •
  • frog-algorithm
    •
  • differential-evolution-algorithm
    •
  • harmony-search-algorithm
    •
  • الگوریتم فاخته
    •
  • الگوریتم خفاش
    •
  • الگوریتم کرم شبتاب
    •
  • الگوریتم زنبور
    •
  • الگوریتم مورچگان
    •
  • simulated-annealing-algorithm
    •
  • imperialist-competitive-algorithm
    •
  • الگوریتم PSO
    •
  • الگوریتم ژنتیک
    •
  • entropy
    •
  • permutation
    •
  • TOPSIS
    •
  • VIKOR
    •
  • SAW
    •
  • AHP
    •
  • پرزی
    •
  • دانلود سریال جدید
    •
  • آخرین مطالب ارسال شده
    • آرشیو
  • اسفند 1394
    •
  • بهمن 1394
    •
  • دی 1394
    •
  • آذر 1394
    •
  • آبان 1394
    •
  • تير 1393
    •
  • ارديبهشت 1393
    •
  • فروردين 1393
    •
  • اسفند 1392
    •
  • بهمن 1392
    •
  • دی 1392
    •
  • آذر 1392
    •
  • آبان 1392
    •
    آمار سایت
  • کل مطالب : 2400
  • کل نظرات : 284
  • افراد آنلاین : 3
  • تعداد اعضا : 24606
  • آی پی امروز : 16
  • آی پی دیروز : 132
  • بازدید امروز : 193
  • باردید دیروز : 2,841
  • گوگل امروز : 0
  • گوگل دیروز : 21
  • بازدید هفته : 193
  • بازدید ماه : 7,321
  • بازدید سال : 38,851
  • بازدید کلی : 5,906,356

    • بالای صفحه
    Designer: Rozblog.com
    Coding and seo: Rozblog.com