پروژه شبیه سازی بر ای یک مساله کنترل پروژه با نرم افزار ED

اختصاصی از فی توو پروژه شبیه سازی بر ای یک مساله کنترل پروژه با نرم افزار ED دانلود با لینک مستقیم و پر سرعت .

سورس پروژه به زبان ED

پروژه شبیه سازی بر ای مساله اتوبوس با نرم افزار ED

اختصاصی از فی توو پروژه شبیه سازی بر ای مساله اتوبوس با نرم افزار ED دانلود با لینک مستقیم و پر سرعت .

سورس پروژه به زبان ED

پروژه شبیه سازی شناسایی متن با استفاده از شبکه های عصبی. doc

اختصاصی از فی توو پروژه شبیه سازی شناسایی متن با استفاده از شبکه های عصبی. doc دانلود با لینک مستقیم و پر سرعت .

نوع فایل: word

قابل ویرایش 121 صفحه

چکیده:

ایده اصلی شبکه های عصبی مصنوعی الهام گرفته از شیوه کارکرد سیستم عصبی زیستی برای پردازش داده ها و اطلاعات به منظور یادگیری و ایجاد دانش، می باشد.

شبکه‌های عصبی در کاربردهای مختلفی نظیر مسائل تشخیص الگو که خود شامل مسائلی مانند تشخیص متن، شناسایی گفتار، پردازش تصویر و مسائلی ازاین دست  می‌شود به کار می‌رود.

این پروژه مقدمه ای بر شبکه های عصبی مصنوعی است که کاربرد های شبکه های عصبی، ها بیان شده و همچنین سابقه ای تاریخی از آن آورده شده است و سر انجام به شرح ANN نظیر سیستم تشخیص متن می پردازیم.کاربرحرفی را به عنوان ورودی به سیستم تایپ می کند سپس عمل مقایسه این الگو با الگوهای ذخیره شده در پایگاه داده سیستم صورت می گیرد،البته این روش نیاز به به روز شدن و استفاده مستمر دارد در غیر این صورت مثمر ثمر نخواهد بود.

شبیه سازی فعالیت های انسان توسط ماشین ها یکی از زمینه های تحقیقاتی از زمان اختراع کامپیوترهای دیجیتال بوده است . در برخی زمینه ها که نوع خاصی از هوشمندی را نیاز داشته ؛ مانند بازی شطرنج ؛ پیشرفت های خوبی صورت گرفته است اما در مسائلی مانند بینایی ماشین حتی قدرتمندترین کامپیوترها نیز به راحتی از انسان شکست می خورند . شبیه سازی خواندن انسان نیز یکی از بخشهای جذابی است که طی سه دهه گذشته موضوع تحقیقات بسیاری از دانشمندان بوده و هنوز تا تکامل آن راه بسیاری در پیش است .

مقدمه:

شبیه سازی های شبکه عصبی  یکی از پیشرفت های اخیر می باشد، خیلی از پیشرفت های مهم با تقلید ها و شبیه سازی های ساده و ارزان کامپیوتری بدست آمده است.

شبکه های عصبی با مثال کار می کنند و نمی توان آنها را برای انجام یک وظیفه خاص برنامه ریزی کرد مثال ها باید با دقت انتخاب شوند در غیر این صورت زمان سودمند،تلف می شود و یا حتی بدتر از این شبکه ممکن است نادرست کار کند.امتیاز شبکه عصبی این است که خودش کشف می کند که چگونه مسئله را حل کند وعملکرد آن غیر قابل پیش گویی است.

می توان شبکه های عصبی را با اغماض زیاد، مدل های الکترونیکی از ساختار مغز انسان نامید چرا که مکانیسم آموزش مدل های الکترونیکی شبکه های عصبی همانند مغز انسان بر تجربه استوار است.قدرت و سرعت کامپیوترهای امروزی به راستی شگفت انگیز است؛ زیرا کامپیوترهای قدرتمند می‌توانند میلیون‌ها عملیات را در کمتر از یک ثانیه انجام دهند. شاید آرزوی بسیاری از ما انسان‌ها این باشد که ای کاش می‌شد ما نیز مانند این دستگاه‌ها کارهای خود را با آن سرعت انجام می‌دادیم، ولی این نکته را نباید نادیده بگیریم که کارهایی هستند که ما می‌توانیم آن‌ها را به آسانی و در کمترین زمان ممکن انجام دهیم، ولی قوی‌ترین کامپیوترهای امروزی نیز نمی‌توانند آن‌ها را انجام دهند و آن قدرت تفکری است که مغز ما انسان‌ها داردحال تصور کنید که دستگاهی وجود داشته باشد که علا‌وه بر قدرت محاسبه و انجام کارهای فراوان در مدت زمان کوتاه، قدرت تفکر نیز داشته باشد یا به قول معروف هوشمند باشد.

فهرست مطالب:

چکیده

فصل اول: مبانی شبکه های عصبی

مقدمه

1-1- شبکه های عصبی طبیعی

1-1-1- ساختار مغز

1-1-2- شکل بیولوژیکی شبکه های عصبی

1-1-3- ساختار نرون

1-1-4- نحوه کار مغز

1-1-4-1- چگونگی یادگیری

1-1-4-2- محرک

1-1-4-3- مغز تربیت پذیر

1-1-4-4- شکل گیری یادگیری پایدار

1-1-4-5- پاداش و مغز

1-1-4-6- ترمیم پذیری سلولهای از بین رفته در مغز

1-2- شبکه های عصبی مصنوعی

1-2-1- تاریخچه شبکه های عصبی مصنوعی

1-2-2- شباهت های شبکه های عصبی مصنوعی و بیولوژیکی

1-2-3- مدل ریاضی شبکه های عصبی

1-2-4- اتصالات یک شبکه عصبی

1-2-5- پیاده سازی الکترونیکی نرونهای مصنوعی

1-2-6- عملیات شبکه های عصبی

1-2-7- ساختار شبکه های عصبی مصنوعی چند لایه

1-2-8- ساختار نرون مصنوعی

1-2-9-توابع محرک

1-2-10- شبکه های عصبی مصنوعی به عنوان سیستمهای دینامیکی آموزش پذیر

1-2-11- فرآیند یادگیری

1-2-11-1- یادگیری بانظارت

1-2-11-2- یادگیری تشدیدی

1-2-11-3- یادگیری بدون نظارت

1-2-12- روش آموزش شبکه

1-2-12-1- روش تغییر حالت نرونها

1-2-12-2- آموزش به صورت تعدیل وزنها

1-2-12-3- الگوریتم پس انتشار خطا

1-2-13- ایده اصلی شبکه های عصبی

1-2-13-1- شبکه هاپفیلد و نحوه عملکرد آن

1-2-14- ویژگی های یک شبکه عصبی

1-2-15- ارزیابی شبکه 

1-2-16- شبکه های پس خور(بازگشتی)

1-2-17- قابلیت شبکه های عصبی مصنوعی

فصل دوم: کاربرد شبکه های عصبی

2-1- تشخیص الگو

2-1-1- روشهای مختلف تشخیص الگو

2-1-1-1- روشهای ریاضی

2 -1-1-2- استفاده از شبکه های عصبی

2-1-2- سیستم تشخیص گفتار و کاربرد آن

2-1-2-1- تشخیص الگوی صدا با استفاده از شبکه عصبی

2-1-2-2- تبدیل متن فارسی به گفتار

2-1-4- سیستم تشخیص تصویر

2-1-4-1- درک تصویر

2-2- محاسباتی

2-2-1- الگوریتم های هوش مصنوعی در بازیهای کامپیوتری

2-2-1-1- الگوریتم  * A

2-2-1-2- الگوریتم ماشین با حالات محدود

2-2-2- شبکه عصبی مصنوعی و الگوریتم های پیشرفته در بازیهای کامپیوتری

2-2-2-1- بررسی شبکه عصبی به کار رفته در چند بازی کامپیوتری

2-2-2-2- هوش مصنوعی در بازیهای تیراندازی

2-2-2-3- هوش مصنوعی در بازیهای ورزشی

2-3- کاربردهای شبکه های عصبی مصنوعی

2-3-1- کاربردهای پزشکی

2-3-2- کاربردهای کشاورزی

2-3-3- کاربردهای صنعتی

2-3-4- کاربردهای نظامی

2-3-5- کاربردهای جغرافیایی

فصل سوم: حل مساله

مقدمه

3-1- مساله

3-1-1-  شکل داده ها و نحوه بیان آنها

3-1-2-  تعداد لایه های میانی

3-1-3-  تعداد نرونهای میانی

3-1-4-  تعداد،توزیع و فرمت الگوهای آموزشی

فصل چهارم: سیستم تشخیص متن

مقدمه

4-1- روش استفاده شده برای تشخیص

4-1-1- بلوک دیاگرام سیستم تشخیص حروف

4-2-الگوشناسی

4-3-تشخیص متن

4-3-1-عملیات تشخیص متن

4-4-شبکه عصبی LVQ

4-5-بهبودتصاویرمتن

4-5-1-فیلترمیانه

4-5-2-میانگین گیری

4-5-3-قطعه بندی

4-5-4-projection افقی وعمودی

4-5-5-حذف نقاط تنها

4-5-6-پیاده سازی واجرا

4-6-پارامترهای فازی برای شناسایی کارکترها

4-6-1-معرفی

4-6-2-شبکه های عصبی

4-7-تشخیص کارکترها بوسیله نگاشت پیکسلی

4-8-روش پیشنهادی برای شناسایی کارکترها

4-8-1-تشخیص خواص هرکارکتر

4-8-2-جداسازی بخشهای کارکتر

4-8-3-مشخص کردن فضای مرجع

4-8-4-محاسبه خواص هر بخش

4-9-استفاده از خواص کارکتربعنوان ورودی شبکه 

4-9-1-نتایج عملی

4-9-2-نتیجه گیری

فصل پنجم: نتیجه گیری

5-1- نتیجه گیری

5-2- کارهای انجام شده

5-3- چشم انداز جایگاه شبکه عصبی مصنوعی در آینده

منابع

منابع فارسی

منابع لاتین

منابع و مأخذ:

[1] مهندس مهدیزاده.مح، شبکه های عصبی مصنوعی وکاربردهای آن،آذر1382

[2] آیزاک آسیموف ، ترجمه محمود بهزاد،اسرار مغز آدمی،1975

[3] اریک جنسن،ترجمه فرهادفرجی مغزوآموزش،1993

[4] هادی صدوقی یزدی،مهدی آبادی،دانشگاه تربیت مدرس،مهر1387

[5] دکترحسن آقایی،چهارمین کنفرانس ماشین بینایی وپردازش تصویر ایران،بهمن1385

[6] محمدامین طوسی،کلاسه بندی فازی درحل مسایل برنامه ریزی ،ابان 86

[7] محمدرضا اکبرزاده،دانشگاه فردوسی مشهد،پارامترهای فازی درشناسایی کارکترهای دستنویس ،دی ماه 1388

[8] یاسرمحمدیان روشن، چهارمین کنفرانس ماشین بینایی وپردازش تصویر ایران،بهمن1385

[9] سیاوش محمودیان،شناخت حروف توسط شبکه های عصبی،آذر1389

[10] مجتبی روحانی،تشخیص کارکترها با استفاده ازنگاشت پیکسلی،، پنجمین کنفرانس ماشین بینایی وپردازش تصویر ایران،آبان1387

[11] محمدرضافیض تشخیص متن درشبکه های عصبی مصنوعی،، پنجمین کنفرانس ماشین بینایی وپردازش تصویر ایران،ابان1387

[12] محمدابراهیمی، ،شناسایی کارکترها به کمک شبکه فازی درشبکه های عصبی،سومین کنفرانس اطلاعات ودانش،آذر1386

منابع لاتین:

[1] G.E.M.D.C. Bandara, S.D. Pathirana, R.M. Ranawana,” Use of Fuzzy Feature Descriptions to recognize Handwritten Alphanumeric Characters”,University of Peradeniya, Sri Lanka, 2003.

[2] Shahzad Malik,” Hand-Printed Character Recognizer using Neural Networks”, 2000.

[3] S.Chachra, N.Parimi, S.Chander,” Handwritten Character Recognition Using Neuro-Fuzzy Techniques”, Department Of Electrical Engineering, India, 2000.

[4] Paul D.Gader, James M.Keller,” Fuzzy Methods in Handwriting Recognition: An Overview”, University of Missouri – Columbia, 1997.

[5] C.Leja, A.Malaviya, L.Peters,” A fuzzy statistical rule generation method for handwriting recognition”, German National Research Center for Information Technology, 1996.

[6] A.Malaviya, L.Peters,” Handwriting Recognition with Fuzzy Linguistic Rule”, the Proceedings of the Third European Congress on Intelligent Techniques and Soft Computing (EUFIT‘95), Aachen, pp. 1430-1434,

[7]sarle,warren s,"archive of neural network FAQ,2002

 [8]J.Hochberg,L.Kelly and T.Thomas"Automatic script from images"ICDR ,1995.

دانلود فایل شبیه سازی ماشین بردار پشتیبان با رویکرد داده کاوی و الگوریتم خوشه بندی سلسله مراتبی - شبکه سیستم تشخیص نفو ذ SVM

اختصاصی از فی توو دانلود فایل شبیه سازی ماشین بردار پشتیبان با رویکرد داده کاوی و الگوریتم خوشه بندی سلسله مراتبی - شبکه سیستم تشخیص نفو ذ SVM دانلود با لینک مستقیم و پر سرعت .

دانلود فایل شبیه سازی ماشین بردار پشتیبان با رویکرد داده کاوی و الگوریتم خوشه بندی سلسله مراتبی - شبکه سیستم تشخیص نفو ذ - انجام پایان نامه

فایل حاضر شامل شبیه سازی ماشین بردار پشتیبان (SVM) توسط رویکرد داده کاوی و الگوریتم خوشه بندی سلسله مراتبی در شبکه های سیستم نفو ذ مبتنی بر SVM است.

فایل زیپ شامل فایل شبیه سازی همراه با مقاله مبنا ست.

لینک مقاله اصلی (مبنا):

http://www.sciencedirect.com/science/article/pii/S0957417410005701

عنوان:

A novel intrusion detection system based on hierarchical clustering and support vector

machines

ماشین بردار پشتیبان SVM:

یکی از الگوریتم ها و روشهای بسیار رایج در حوزه دسته بندی داده ها، الگوریتم SVM یا ماشین بردار پشتیبان است که در این مقاله سعی شده است به زبان ساده و به دور از پیچیدگیهای فنی توضیح داده شود.
بردارهای پشتیبان به زبان ساده، مجموعه ای از نقاط در فضای n بعدی داده ها هستند که مرز دسته ها را مشخص می کنند و مرزبندی و دسته بندی داده ها براساس آنها انجام می شود و با جابجایی یکی از آنها، خروجی دسته بندی ممکن است تغییر کند . در SVM فقط داده های قرار گرفته در بردارهای پشتیبان مبنای یادگیری ماشین و ساخت مدل قرار می گیرند و این الگوریتم به سایر نقاط داده حساس نیست و هدف آن هم یافتن بهترین مرز در بین داده هاست به گونه ای که بیشترین فاصله ممکن را از تمام دسته ها (بردارهای پشتیبان آنها) داشته باشد . در این زمینه انجام پایان نامه  به شما کمک می کند.

دانلود تحقیق شبیه سازی و پیاده سازی مدار سخت افزار پایه به کمک VHDL .

اختصاصی از فی توو دانلود تحقیق شبیه سازی و پیاده سازی مدار سخت افزار پایه به کمک VHDL . دانلود با لینک مستقیم و پر سرعت .

 تحقیق شبیه سازی و پیاده سازی مدار سخت افزار پایه به کمک VHDL  در 49 صفحه با فرمت ورد شامل بخش های زیر می باشد:

چکیده

مقدمه

مروری بر VHDL

فصل اول 

مروری بر تحقیقات گذشته

تراشه های قابل برنامه ریزی

 کاهش ابعاد و حجم سیستم

کاهش مدت زمان طراحی و ساخت و عرضه به بازار

کاهش توان مصرفی ، نویز و اغتشاش

 فصل دوم :

روش تحقیق و مواد

طراحی مدار voter هوشمند

توصیف عملیاتی

عملیات بخش switching

عملیات بخش master _ slave

عملیات بخش Comparement

عملیات بخش ed _ om

عملیات بخش error finder

عملیات بخش  data_ selector

کد نویسی در  VHDL

کد نویسی بخش switch – cell

کد نویسی بخش switching

 کد نویسی بخش d – ff – 2 bit

کد نویسی بخش ms - d – ff – 2 bit

کد نویسی بخش ms – block

کد نویسی بخش m – s – block

کد نویسی بخش error – finder

کد نویسی بخش data – selector

کامپایل و شبیه سازی

استاندارد کردن قطعه کدها و آنالیز آنها توسط FPGA express

تولید طرح سطح گیت بوسیله FPGA express

استخراج فایل Net list بوسیله FPGA express

طریقه سنتز بوسیله Foundation 2.1

فاز اجرایی در برنامه foundation 2.1

پیکر بندی روی تراشه XC4005XL  توسط Foundation 2.1

  چکیده

در این پروژه یک مدار سخت افزاری با 17 ورودی و 2 خروجی از نوع  qit کد نویسی و شبیه سازی شده و برای پیکربندی روی چیپ های FPGA  یا  CPLD  آماده شده است .

کد نویسی این مدار بوسیله زبان VHDL و شیه سازی آن بوسیله نرم افزار model sim  صورت گرفته است . مراحل آنالیز و سنتز قطعه کد های VHDL توسط دو برنامه   foundation 2.1و FPGA express  از شرکت xilinx  انجام شده است .

در صفحات بعدی این مقاله هر قسمت از روال فوق را که عبارت اند از : کد نویسی اولیه و مشکلات کامپایل ، آنالیز قطعه کدهای غیر استاندارد ، استاندارد کردن قطعه کدها و سنتز آنها می باشد . بطور کامل توضیح داده ام . همچنین در پایان در قسمت اجرایی نحوه تولید فایل باینری نهایی جهت برنامه ریزی روی چیپ  XC4005XLPC84 که یک FPGA  از خانواده XC4000XL است را مشاهده می کنید .

امید دارم با مطالعه این مقاله به اطلاعات شما در این زمینه افزوده شود .

مقدمه    

طی چند دهه اخیر ،مدارهای الکترونیکی پیشرفت قابل ملاحظه ای داشته اند . با پیچیده تر شدن هرچه بیشتر این مدارها ،نیاز به یافتن روشهایی است که سیستمها را بتوان با مجتمع سازی و جزئیات بیشتر طراحی و پیاده سازی نمود. قطعات قابل برنامه ریزی و FPGA ها ،آی سی هایی هستند که به تبع این پیشرفتها به بازار عرضه شده اند .  هزینه  ساخت کم و جزئیات زیاد این آی سی ها نسبت به حجم آنها،همچنین قابلیت برنامه ریزی شدن این قطعات بوسیله برنامه های نرم افزاری معمول و نرم افزارهای طراحی شماتیک باعث افزایش کاربرد این قطعات شده است . چنین پیش بینی می شود که  با وجود این پیشرفت،آینده در تسخیر این  قطعات قرار گیرد تا جائیکه بتوان بوسیله آنها تمامی یک سیستم پیچیده را به سادگی طراحی و اجرا نمود .

در این میان زبان توصیف سخت افزاری VHDL  نقش مهمی را در طراحی و شبیه سازی مدارات سخت افزاری به عهده دارد . در این قسمت لازم می دانم تا توضیحی اجمالی از نحوه عملکرد و مزایای این زبان به شما ارائه کنم ...

.

.

.

-2-2  کد نویسی در  VHDL

2-2-2-1  کدنویسی بسته  basic _ utility

در شبیه سازی و کد نویسی مدار سخت افزاری انتخابگر داده از بسته کتابخانه ای تحت عنوان basic _ utility استفاده کرده ام . استفاده از بسته کتابخانه ای  ( package )این امکان را به ما می دهد تا بتوانیم نوع داده هایی را که مایلیم با آنها کار کنیم را برای کامپایلر برنامه model sim  معرفی کنیم .

به عنوان مثال من برای هر bit  از نوع داده جدیدی تحت عنوان qit  استفاده کرده ام . نوع داده bit  بطور پیش فرض درکامپایلر model sim  معرفی شده که می تواند دو مقدار ( 1 ) , ( 0 )  باینری را در خود جای دهد . ما می توانیم از نوع داده bit  و همچنین bit _ vector  ( آرایه ای از بیت ها ) استفاده کنیم . ولی اگر بخواهیم هر سیگنال یا اتصال ما مثلاً مقدار Z  یعنی امپدانس بالا را نیز قبول کند باید یک نوع داده جدیدی در بسته کتابخانه ای تعریف کنیم که شامل این مقدار جدید نیز باشد .

این کار با دستور TYPE  در  VHDL  انجام می شود . به عنوان مثال در خط اول قطعه کد basic _ utility نوع داده ای با نام qit  تعریف شده که می تواند ارزشهای  “ X “ , “ Z  “, “ 1 “ , “ 0 “  که به ترتیب صفر منطقی ، یک منطقی ، امپدانس بالا و حالت بی اهمیت است را در خود جای دهد . توابع منطقی که با این نوع داده جدید  ( qit )  کار می کنند مانند  “ xor “ , “ nor “ , “ nand “ , “ or “ , “ and “ , “ not “  نیز به بسته کتابخانه ای اضافه شده اند .

همچنین توابع دیگری مانند int – to – bin , bit – to – int , equal  که هر یک وظیفه خاصی را دارا می باشند طراحی و کد نویسی و به بسته کتابخانه ای مورد نظراضافه شده اند . بسته کتابخانه ای basic _ utility به وسیله نرم افزار  model sim  کامپایل شده و در کتابخانه با نام  work  که بصورت پیش فرض در هر پروژه انتخاب می شود جای می گیرد . برای اینکه هر یک از قطعه کدها بتوانند از نوع داده ها و امکاناتی که در این بسته قرار دارند استفاده کنند ما باید در ابتدای هر قطعه کد این بسته کتابخانه ای که در کتابخانه work  قرار دارد را معرفی کنیم . قطعه کد مربوط به این بسته کتابخانه ای در صفحات بعد چاپ شده است ...