وبلاگ فروشگاه فایل پی استور

در این پست فیلم آموزشی الگوریتم گرگ خاکستری GWO در متلب ارائه شده است. در این فیلم آموزش به توضیح کامل و واضح تئوری الگوریتم گرگ خاکستری و خط به خط کد متلب الگوریتم گرگ خاکستری GWO پرداخته می شود. شاید یکی از بزرگترین مشکلات محققان در زمینه کد نویسی درک نادرست از مسئله و مدلسازی آن باشد. وقتی تحقیق و مقاله ای ارائه می شود مهم ترین قسمت آن بخش نتایج و ارزیابی روش پیشنهادی است. برای پیاده سازی این بخش با انواع نرم افزارهای شبیه سازی کار می شود که نرم افزار متلب Matlab یکی از محبوب ترین آنها می باشد.

توضیح خط به خط کد متلب الگوریتم گرگ خاکستری GWO در متلب

الگوریتم گرگ خاکستری Grey Wolf Optimizer یا به اختصار GWO یک الگوریتم فراکتشافی یا الگوریتم بهینه سازی بر اساس رفتار و شیوه شکار گرگ های خاکستری است. این الگوریتم مبتنی بر جمعیت بوده، فرایند ساده ای دارد و به سادگی قابلیت تعمیم به مسائل با ابعاد بزرگ را دارد. در فیلم آموزشی الگوریتم گرگ خاکستری به طور کامل در رابطه با تئوری این الگوریتم توضیح داده خواهد شد.

برای دانلود توضیح و آموزش الگوریتم گرگ خاکستری به سایت پی استور مراجعه کنید.

الگوریتم کروسکال در متلب برای حل مسئله درخت پوشای کمینه محصولی است که در این پست به آن پرداخته شده است. الگوریتم کروسکال یک روش حریصانه Heuristic در علوم کامپیوتر می باشد. از این الگوریتم برای حل مسئله درخت پوشا کمینه استفاده می شود. درخت پوشای کمینه یا همان مینیمم که به اصطلاح (MST (Minimum Spanning Tree  نیز گفته می شود درختی است که در آن مجموع وزن لبه به حداقل برسد و تمامی گره ها یا راس ها شامل شود. در ادامه به توضیح کامل الگوریتم کروسکال در متلب اشاره خواهد شد. برای مشاهده توضیحات کامل در مورد الگوریتم کروسکال به روی لینک زیر کلیک کنید.

دریافت فایل از فروشگاه پی استور

در این پست سورس پیاده سازی و آماده سازی دیتاست KDD99 برای تزریق به الگوریتم های یادگیری ماشین را قرار داده ایم. یکی از مشکلات محققان در زمینه دیتاست ها چگونگی جستجو و تهیه آن است ولی مشکل اصلی پس از پیدا کردن دیتاست، نحوه استفاده و تزریق آن به الگوریتم ها است. بدین صورت که اکثر دیتاست ها یا مجموعه داه ها بصورت خام هستند و برای استفاده از آن ها بایستی پیش پردازش شوند. احتمالا در موارد بسیار زیادی داده ها در دیتاست ها دارای نوع متفاوتی باشند (رشته، عدد) که نحوه تبدیل آنها به فرمت مخصوص الگوریتم ها با ابعا گسترده دیتاست ها کاری طاقت فرسا است. مخصوصا اینکه برای مشاهده نتیجه پس از اجرای کد بایستی چندین ساعت منتظر ماند. در این پست در ادامه به تشریح دیتاست KDD99 پرداخته می شود و محصول آماده که در متلب نوشته شده ارائه می گردد.

دانلود از فروشگاه فایل

در این پست به بحث استفاده از الگوریتم کلونی مورچگان Ant Colony Optimization یا (ACO) را برای انتخاب ویژگی (Feature Selection) برایالگوریتم یادگیری ماشین بردار ماشین پشتیبان Support Vector Machine یا SVM  می پردازیم. در این بحث با توجه به خاصیت الگوریتم الگوریتم مورچه به انتخاب ویژگی با ACO از دیتاست ها پرداخته می شود. کدهای برنامه بصورت دقیق بر روی دیتاست موجود نوشته شده و بصورت روان قابل در است. انتخاب ویژگی با ACO برای SVM در نرم افزار متلب 2014 نوشته شده است در ادامه به تشریح موضوع می پردازیم.

در این پست برای شما روش‌های مدل سازی و ارزیابی شبکه‌‏های موردی خودرویی (VANET) را بعنوان یک سمینار قرار داده ایم. این سمینار در یک نسخه Word به تعداد  145 صفحه با توضیحات مندرج در قسمت پایین (چکیده و فهرست مطالب) موجود است.

شبکه­ های موردی خودرویی نوعی از شبکه­ های سیار موردی هستند. گره­ ها در یک شبکه خودرویی وسایل نقلیه ­ای هستند که بدون هیچ ایستگاه مرکزی با هم ارتباط برقرار می­ کنند. حرکت گره­ ها دارای محدودیتهایی است. سرعت حرکت گره ­ها بسیار زیاد و بنابراین تغییرات توپولوژی در این شبکه ­ها بسیار زیاد و سریع است. روش‌های مدل سازی و ارزیابی برای شبکه های خودرویی در زمینه های مختلف استفاده می شود.

دانلود از فروشگاه فایل

در این پست سمینار چالش‌های  مسیریابی در Vanet و برنامه‌های کاربردی در شبکه‌های خودرویی قرار داده ایم. که به تشریح مسیریابی در شبکه های خودرویی و چالش های آنها می پردازد. شبکه های خودرویی دو نوع هستند. نوع اول شبکه خودرو به خودرو (V2V) است. یک شبکه خودرو به خودرو یک شبکه بدون ساختار و متشکل از فقط خودروهای تجهیز شده است. نوع دوم شبکه های خودرویی با ساختار موردنیاز (V2I) است.

یک شبکه موردی خودرویی یک معماری سیستم باز است. یک معماری مسیریابی سیستم باز باید مقیاس پذیر باشد. انواع زیر شبکه‌ها و کیفیت خدمات را پشتیبانی کرده و خود را با تغییرات زیاد و سریع توپولوژی با هزینه سربار و پیچیدگی کم تطبیق دهد. همچنین اتصال امن سازمان های مختلف باهم را تسهیل کند. الگوریتم مسیریابی برای سیستم های باز بزرگ باید پویا، تطبیقی و نامتمرکز بوده و از مسیرهای گوناگون بین مبدأ و مقصد با انواع خدمات پشتیبانی کند. در این شبکه ها هیچ نگرانی در مورد تمام شدن انرژی گره‏ها وجود ندارد. این شبکه ‏ها مانند شبکه‏های سیار موردی ساختار خاصی نداشته و در آن گرهها تشکیل‏دهنده شبکه خودروهای در حال حرکت هستند. تصمیم راننده، سرعت‌بالا و حرکت مداوم خودروها خصوصیات منحصربه‌فردی را در این شبکه‏ ها ایجاد کرده است، بنابراین مسیریابی در شبکه های خودرویی برای انتشار داده‏ ها در این شبکه‏ ها مسئله‌ای اساسی است.

دانلود از فروشگاه فایل

در این پست سمینار  پروتکل‌های مسیریابی انرژی کارآمد در شبکه‌های حسگر بی‌سیم قرار گرفته شده است. در شبکه‌های حس‌گر بی‌سیم هر گره دارای محدوده حسی و محدوده ارتباطی است ازآنجاکه گره‌های حسگر دارای انرژی محدود هستند، کاهش مصرف انرژی ضروری است و این موضوع کمک می‌کند تا طول عمر شبکه و درنتیجه طول عمر پوشش بهبود یابد. برای کاهش مصرف انرژی در WSN، می‌توان از پروتکل‌های مسیریابی آگاه از انرژی استفاده کرد

در این سمینار پروتکل‌های مسیریابی  مسیریابی انرژی کارآمد در شبکه‌های حسگر بی‌سیم موردبحث قرار می‌گیرد. پروتکل‌های مختلف شبکه‌های حسگر بی‌سیم به دو بخش اصلی مبتنی بر ساختار و مبتنی بر ویژگی طبقه‌بندی‌شده‌اند. یکنواختی گره برای طبقه‌بندی ساختار شبکه استفاده‌شده است. ویژگی اصلی این نوع پروتکل‌ها این است که چگونه گره‌ها را متصل و انتقال داده‌ها بر اساس چارچوب اتصالات را انجام دهند. در ادامه مختصری در مورد زیر بخش‌های مربوط به پروتکل‌های مبتنی بر ساختار و مبتنی بر ویژگی توضیح داده می‌شود سپس تمرکز اصلی بر روی پروتکل‌های مبتنی بر ساختار سلسله مراتبی می‌باشد در این سمینار در مورد پروتکل‌های مسیریابی کارآمد سلسله مراتبی بر اساس دو رویکرد کلاسیک و هوش جمعی ارائه می‌شود. پروتکل مسیریابی متعلق به هر دو دسته می‌تواند با توجه به کارایی انرژی، جمع‌آوری داده‌ها، آگاهی مکان، QoS، مقیاس‌پذیری، متعادل بار، تحمل خطا، پرس‌وجو و چند مسیری خلاصه شود.

دانلود فایل از فروشگاه

سرطان سینه یکی از شایع‌ترین سرطان‌ها در میان ن ایرانی محسوب می‌شود و سالانه 7 هزار زن ایرانی به این سرطان مبتلا می‌شوند و 70 درصد این بیماران بالای 5 سال عمر می‌کنند اکنون حدود 70 هزار زن مبتلا به این بیماری در کشور داریم. در این پست داکیومنت تشخیص سرطان سینه با استفاده از الگوریتم جستجوی گرانشی و شبکه‌های عصبی مصنوعی را قرار داده ایم.

این داکیومنت مناسب برای دانشجویان و پژوهشگران در حوزه سلامت و یادگیری ماشین می باشد و الگوی مناسبی برای داکیومنت نویسی و سمیناراست. این داکیومنت در 72 صفحه در قالب Word به صورت فرمت آکادمیک پایانامه و روان ارائه شده است در ادامه چکیده و فهرست مطالب این اثر آمده است.

 دانلود فایل از فروشگاه

در این پست داکیومنت طراحی شبکه حمل و نقل شهری با الگوریتم کلونی مورچه قرار گرفته است. جاده‌ها و راه‌های ارتباطی شهرها در بسیاری از کشورها، بی نهایت شلوغ می باشد. پیامدهای این امر زمان سفر بالا، تاخیرهای پیش بینی نشده، افزایش هزینه های سفر، افزایش آلودگی هوا، سطح نویز، تعداد تصادفات ناشی از ترافیک و … است. تحلیل گران حمل و نقل و مسئولین شهری روش‌های مختلف مدیریت تقاضای سفر را توسعه و پیاده سازی کرده اند که انتخاب‌های سفر برای مسافرین را افزایش می‌دهد.

در طراحی شبکه حمل و نقل شهری حالت‌های مختلف خطوط اتوبوس شهری می تواند انتخاب شود که این مسئله باعث افزایش بعد مسئله می‌شود ومسئله NP-Hard پدید می آید و اینگونه مسائل نیز می تواند با استفاده از الگوریتم‌های فراابتکاری حل شود. در این داکیومنت، مدلی برای مسئله طراحی طراحی شبکه حمل و نقل پیشنهاد می‌شود که مبتنی بر الگوریتم های فراابتکاری بهینه سازی کلونی مورچگان(ACO) می باشد. الگوریتم ACO یک روش جستجوی تصادفی است که به کلاس الگوریتم های مبتنی بر جمعیت تعلق دارد. این تکنیک از تشابه میان شیوه جستجوی غذای مورچه ها در طبیعت و شیوه جستجوی بهینه مسئله بهینه سازی ترکیبی توسط الگوریتم های بهینه سازی استفاده می نماید. در ادامه چکیده و فهرست مطالب این داکیومنت آورده شده است.

دانلود فایل از فروشگاه

ساختار جملات انگلیسی یکی از مهم ترین مباحث در علوم زبان شناسی و ترجمه می باشد. با توجه به اهمیت این زبان بین المللی تجزیه و تحلیل ساختار این زبان یکی از چالش های محققان در چند دهه اخیر می باشد. در این پست تجزیه تحلیل ساختار جملات انگلیسی با یادگیری ماشین در سی شارپ ارائه کرده ایم. که به بررسی ساختار جملات انگلیسی می پردازد. این پروژه در Microsoft Visual Studio 2013 نوشته شده است.

پردازش زبان‌های طبیعی (NLP) یکی از زیرشاخه‌های بااهمیت در حوزه‌ی گسترده علوم کامپیوتر، هوش مصنوعی و نیز دانش زبان‌شناسی محاسباتی است که به تعامل بین کامپیوتر و زبان‌های (طبیعی) انسانی می‌پردازد؛ بنابراین پردازش زبان‌های طبیعی بر ارتباط انسان و کامپیوتر، متمرکز است.

به‌طورکلی تاریخچه پردازش زبان طبیعی از دهه ۱۹۵۰ میلادی شروع می‌شود. در ۱۹۵۰ آلن تورینگ مقاله معروف خود را درباره‌ی آزمایش تورینگ که امروزه به‌عنوان ملاک هوشمندی شناخته می‌شود، منتشر ساخت. نخستین تلاش‌ها برای ترجمه توسط کامپیوتر ناموفق بودند، به‌طوری‌که ناامیدی بنگاه‌های تأمین بودجه‌ی پژوهش از این حوزه را نیز در پی داشتند. پس از اولین تلاش‌ها آشکار شد که پیچیدگی زبان بسیار بیشتر از چیزی است که پژوهشگران در ابتدا پنداشته بودند. بی‌گمان حوزه‌ای که پس‌ازآن برای استعانت موردتوجه قرار گرفت زبان‌شناسی بود.

 این پروژه بااستفاده از زبان برنامه نویسی سی شارپ در microsoft visual studio 2013 نوشته شده است. پروژه توسط کارشناسان پی استور تست و بررسی شده است و مورد تایید پی استور می باشد. این محصول دارای نشان تضمین کیفیت پی استور می باشد. برای دانلود پروژه آن را خریداری کنید. به محض خریداری لینک دانلود در دسترس خواهد بود.