آنالیز ریسک شبکه ها در حملات هدفمند با استفاده از تئوری گراف و مدل لئون تیف

اختصاصی از فی توو آنالیز ریسک شبکه ها در حملات هدفمند با استفاده از تئوری گراف و مدل لئون تیف دانلود با لینک مستقیم و پر سرعت .

عنوان مقاله :آنالیز ریسک شبکه ها در حملات هدفمند با استفاده از تئوری گراف و مدل لئون تیف

محل انتشار: دهمین کنگره بین المللی مهندسی عمران تبریز

تعداد صفحات:10

نوع فایل :  pdf

دانلود مقاله کاربرد گراف در هوش مصنوعی

اختصاصی از فی توو دانلود مقاله کاربرد گراف در هوش مصنوعی دانلود با لینک مستقیم و پر سرعت .

مشخصات این فایل
عنوان: کاربرد گراف در هوش مصنوعی 
فرمت فایل:word (قابل ویرایش)
تعداد صفحات: 41

این مقاله در مورد کاربرد گراف در هوش مصنوعی می باشد.

 

بخشی از تیترها به همراه مختصری از توضیحات مقاله کاربرد گراف در هوش مصنوعی

تاریخچه
نظریه مجموعه‌ها در اواخر قرن نوزدهم به طور عمده توسط جرج کانتور بنیان گذاشته شد. زمانی که کانتور مفاهیم و استدلالهای جدید و متهورانه خود را منتشر کرد، اهمیت آنها تنها توسط تعداد کمی از ریاضیدانان بزرگ درک شد. اما این نظریه در توسعه بعدی‌اش، تقریباً در تمام شاخه‌های ریاضیات نفوذ کرد و تأثیری عمیق بر گسترش آنها داشت. بطوری که حتی باعث تغییر نظریه‌های تثبیت شده گردید و ریاضیدانان سعی کردند مفاهیم ریاضی را بر اساس نظریه مجموعه‌ها تعریف کنند. به عنوان مثال می‌توان از تعریف اعداد طبیعی توسط پئانو اشاره کرد. همچنین توسعه بعضی از نظامهای ریاضی، از قبیل توپولوژی، اساساً به...(ادامه دارد)

نظریه بازی ها (Game Theory)
روشهایی برای انتخاب بهترین گزینه، در حالی که پیش روی ما عواملی وجود دارد که مانع رسیدن ما به اهدافمان می شوند. در حالت خاص می توان به انتخاب بهترین حرکت در یک بازی دو یا چند نفره اشاره کرد. (مثل بازی های شطرنج که با کامپیوتر انجام می دهید.)...(ادامه دارد)

رباتیک (Robotics)
طراحی ربات های کامپیوتری (مکانیکی یا نرم افزاری) برای انجام وظیفه ای خاص. رشته های مختلفی می توانند در این زمینه درگیر باشند مانند مهندسی برق و مکانیک. اما برنامه ریزی و هوشمند ساختن ربات ها به عهده مهندسان کامپیوتر است. برای هوشمند ساختن ربات ها از الگوریتم های هوش مصنوعی مانند یادگیری، پردازش تصاویر، تشخیص گفتار و... استفاده می شود....(ادامه دارد)

آشنایی با ریاضیات پشت زمینه شبکه
چگونه اینترنت بسازیم؟در ساده ترین تعریف، گراف شامل تعدادی نقطه به عنوان راس و خطوطی است که این راسها را به هم وصل می کند. شاید ابتدا ارتباطی میان موجودی به نام گراف و پدیده ای به نام اینترنت پیدا نشود و اصلا شاید این پرسش مطرح شود که شیئی به نام گراف چه کاربردهایی می تواند داشته باشد؟
شاید تعجب برانگیز باشد، اما گرفا، نمودهای بسیار زیادی در عالم واقعیت دارد به صورت ساده تر می توان گفت هر مساله ای را که در آن تعدادی شیء و روابط میان آنها برای ما اهمیت داشته باشد می توان...(ادامه دارد)

هوش ازدحامی
هوش جمعی (Swarm Intelligence) نوعی روش هوش مصنوعی است که مبتنی بر رفتارهای جمعی در سامانه‌های نامتمرکز و خودسامانده بنیان شده است. این سامانه‌ها معمولاً از جمعیتی از کنشگران ساده تشکیل شده است که بطور محلی با یکدیگر و با محیط خود در تعامل هستند. با وجود اینکه معمولاً هیچ کنترل تمرکزیافته‌ای، چگونگی رفتار کنش‌گران را به آنها تحمیل نمی‌کند، تعاملات محلی آنها...(ادامه دارد)

الگوریتم کوچ پرستوها
روش PSO یک روش سراسری کمینه‌سازی است که با استفاده از آن می‌توان با مسائلی که جواب آنها یک نقطه یا سطح در فضای n بعدی می‌‌باشد، برخورد نمود. در اینچنین فضایی، فرضیاتی مطرح می‌شود و یک سرعت ابتدایی به آنها اختصاص داده می‌‌شود، همچنین کانال‌های ارتباطی بین ذرات درنظر گرفته می‌‌شود. سپس این ذرات در فضای پاسخ حرکت می‌کنند، و نتایج حاصله بر مبنای یک «ملاک شایستگی» پس از هر بازه‌ٔ زمانی محاسبه می‌شود. با گذشت زمان،...(ادامه دارد)

آشنایی با سیستم های عصبی
مدل‌های الکترونیکی شبکه‌های عصبی طبیعی نیز بر اساس همین الگو بنا شده‌اند و روش برخورد چنین مدل‌هایی با مسائل، با روش‌های محاسباتی که به‌طور معمول توسط سیستم‌های کامپیوتری در پیش گرفته شده‌اند، تفاوت دارد.
می‌دانیم که حتی ساده‌ترین مغز‌های جانوری هم قادر به حل مسائلی هستند که اگر نگوییم که کامپیوترهای امروزی از حل آنها عاجز هستند، حداقل در حل آنها دچار مشکل می‌شوند. به عنوان مثال، مسائل مختلف شناسایی الگو، نمونه‌ای از مواردی هستند که روش‌های معمول...(ادامه دارد)

هوش ماشینی و هوش انسانی
John McCarthy از جمله پیشروترین محققان در حوزه هوش مصنوعی است، ولی بیشتر شهرت وی به دلیل ابداع زبان LISP است که کاربرد گسترده‌ای را در حوزه هوش مصنوعی (AI) دارد. وی همچنین نخستین کسی است که به فکر استفاده اشتراک زمانی همه منظوره ازکامپیوترها  افتاد.
پروفسور جان مک‌کارتی در سال 1927 در بوستون متولد شد. وی درجه کارشناسی ارشد ریاضیات خود را در سال 1948 از انستیتو تکنولوژی کالیفرنیا دریافت کرد و با ادامه تحصیل در رشته ریاضیات، در سال 1951 مدرک دکترای خود را از دانشگاه پرنیستون اخذ نمود....(ادامه دارد)

بخشی از فهرست مطالب مقاله کاربرد گراف در هوش مصنوعی

مقدمه
نظریهٔ مجموعه‌ها
تاریخچه
نظریه طبیعی مجموعه‌ها
نظریهٔ اصل موضوعی مجموعه‌ها
 معماری کامپیوت
طراحی و ساخت مدارهای واسط
طراحی و ساخت سیستم های بلادرنگ
کنترل
میکروکنترل ها و سیستم های تعبیه شده
طراحی و ساخت مدارهای مجتمع در مقیاس بزرگ
 انتقال داده ها
سیستم های عامل
اتوماسیون ادار
برنامه نویسی همروند
الگوریتم های موازی
طراحی و ساخت کامپایلرها
 شبیه سازی کامپیوتری
محاسبات عددی
3.علوم کامپیوتر (Computer Science)
 ساختمان های گسسته (Discrete Structures)
...(ادامه دارد)

کاربردهای گرافها : Applications of Graphs

اختصاصی از فی توو کاربردهای گرافها : Applications of Graphs دانلود با لینک مستقیم و پر سرعت .

کاربردهای گرافها

گرافها از مفیدترین موضوعات ریاضی در علم کامپیوتر هستند .

شما می توانید تعداد زیادی از سیستمها و پدیده های موجود در عالم واقعی را با استفاده ازگرافها مدل کنید .

هنگامیکه یک چنین مدلی می سازید شما می توانید از اندوخته زیادی از قضایا درباره گرافها بهره برداری کنید تا به بینشی از داخل سیستمی که در حال مدل کردن آن هستید دست یابید .

این تحقیق به شرح گرافها و حالتهای آنها می پردازد و داری 6 صفحه فارسی با فرمت word می باشد.

دانلود پایان نامه و تحقیق و اموزش کامل در مورد رنگ آمیزی گراف با الگوریتم ژنتیک ‎ تعداد صفحات 53)

اختصاصی از فی توو دانلود پایان نامه و تحقیق و اموزش کامل در مورد رنگ آمیزی گراف با الگوریتم ژنتیک ‎ تعداد صفحات 53) دانلود با لینک مستقیم و پر سرعت .

 مساله بهینه سازی رنگ آمیزی گراف تعیین حداقل تعداد رنگهای مورد نظر برای رنگ آمیزی گرافی معین است به گونه ای که هیچ دو راس مجاور هم رنگ نباشند و این عدد مورد نظر را عدد کروماتیک گراف می گوئیم . مساله تصمیم گیری رنگ آمیزی گراف ان است که برای یک عدد صحیح m تعیین کنیم که آیا رنگ آمیزی وجود دارد که حداکثر از این m رنگ استفاده کرده و هیچ دو راس مجاوری هم رنگ نباشند. تا امروز برای حالتهای تصمیم گیری و بهینه سازی فوق الگوریتمی از مرتبه چند جمله ای پیدا نشده است . در اینجا سعی شده با استفاده از الگوریتم ژنتیک راه حل های بهینه ای را برای این مسئله ارائه دهیم.

 فهرست :

الگوریتم ژنتیک و الگوریتم هیورستیک

مقدمه ای بر بهینه سازی

الگوریتم های مینیمم یابنده

هیورستیک

انواع الگوریتم های هیورستیک

الگوریتم ژنتیک

فضای جستجو

مفاهیم پایه ای در الگوریتم ژنتیک

کد گذاری دودویی

کدگذاری جهشی

کدگذاری ارزشی

کدگذاری درختی

جمعیت ژنتیکی

تاریع برازندگی

عملگر ترکیب یا جابجایی

ترکیب چند نقطه ای

ترکیب یکنواخت

ترکیب نگاشت جزئی

ترکیب مرتب شده

ترکیب چرخشی

عملگر جهش

روش وارون سازی

روش ژن جزئی

روش درجی

روش درهم آمیخته

روش چرخ رولت

روش رتبه بندی

عملگر ترمیم

نخبه کشی

مراحل اجرای الگوریتم ژنتیک

همگرایی در الگوریتم ژنتیک

روش برش کروموزوم

نحوه جهش ژنتیک

دانلود مقاله کاربرد گراف درریاضی گسسته

اختصاصی از فی توو دانلود مقاله کاربرد گراف درریاضی گسسته دانلود با لینک مستقیم و پر سرعت .

بسیاری از وضعیتهای دنیای واقعی را می‌توان به راحتی به وسیله نموداری متشکل از مجموعه‌ای از نقاط و خطوطی که زوجهای معینی از این نقاط را به هم وصل می‌کنند، توصیف کرد. مثلا نقاط می‌توانند معرف افراد باشند و خطوط واصل بین زوجها می‌توانند معرف دستها باشند یا هر چیز دیگر که در اطراف خود می‌بینیم. مثل اینکه نقاط معرف اهداف ما و خطوط واصل می‌تواند راههای رسیدن به اهداف باشند. توجه کنید در چنین نمودارهایی آنچه بیشتر مورد توجه ما قرار می‌گیرد این است که آیا بین دو نقطه مفروض یک خط وصل شده است یا خیر. شیوه وصل مهم نیست. تجرید ریاضی وضعیتهایی از این نوع به پیدایش گراف منجر شده است. این نمودارها دارای کاربردهای بسیار وسیعی در علم کامپیوتر و انواع مهندسی ، علوم پایه به خصوص ژنتیک می‌باشند. در واقع اهمیت و قابل لمس بودن این بخش از ریاضیات غیر قابل انکار است.

مسئله کوتاهترین مسیر

فرض کنید به هر یال e ی گراف G عددی نسبت داده شده باشد، در این صورت عدد نسبت داده شده وزن هر سال و چنین گرافی را گراف وزن دار می‌نامیم. این اعداد تعبیرهای مختلفی در کاربردهای متفاوت می‌توانند داشته باشند، مثلا می‌تواند مقدار هزینه سفر از نقطه‌ای به نقطه دیگر یا معرفی مخارج ساختن یا نگهداری خطهای ارتباطی مختلف یا حتی بیانگر شدت دوستی بین دو فرد باشد. به عنوان مثال شبکه راه آهنی را تصور کنید شهرهای مختلف را به هم وصل می‌کند، هدف ما پیدا کردن مسیری با Min وزنی است که دو رأس را به هم وصل می کند که در اینجا وزنها معرف فاصله‌ها می‌باشند. الگوریتمی که به حل این مسئله می‌پردازد اولین بار توسط دیکسترا (1959) و بطور مستقل وایتینگ و هیلیه (1960) کشف کردند. این الگوریتم نه تنها کوتاهترین مسیر را می‌یابد بلکه کوتاهترین مسیر از به همه رأسهای گرا ف G را نیز پیدا می‌کند.

شامل 27 صفحه فایل word