کتاب آموزش الگوریتم های مولد، مفاهیم و آزمایش: بافندگی (Generative Algorithms - Weaving)

اختصاصی از فی موو کتاب آموزش الگوریتم های مولد، مفاهیم و آزمایش: بافندگی (Generative Algorithms - Weaving) دانلود با لینک مستقیم و پر سرعت .

در میان طراحان بدون شک افزونه گرس هاپر (GrassHopper) برای راینو (Rhino) یک ابزار مناسب و قدرتمند طراحی فرم های پیچیده و تکرار شونده می باشد. این افزونه به طراحان اجازه می دهد که بدون نیاز به آموختن برنامه نویسی (برای مثال Rhinoscript) به روش مبتکرانه ای بتوانند در دنیای طراحی به اکتشاف فرم های خلاقانه و جدید بپردازند. گرس هاپر در کنار نرم افزار GC (Generative components) که از نرم افزار های تولید فرم های پیشرفته توسط برنامه نویسی صرف است به شهرت رسیده است و به دلیل آسانی کار گوی سبقت را نسبت به Rhinoscript و GC ربوده و در زمینه جذب طراحانی که به سمت هندسه های پارامتریک متمایل اند موفق بوده است. طراحی الگوریتمیک و تکرار شونده در حال تبدیل شدن به یکی از گرایش های محبوب در حرفه معماری می باشد و در این میان نقش سرعت بخشی به این حرکت توسط افزونه گرس هاپر بدون انکار است. قدرت این نرم افزار در طی این سال ها با معرفی شدن افزونه های مختلفی در زمینه معماری، شهرسازی، مدلسازی دینامکی، آنالیز سازه، آنالیز انرژی و روش های بهینه سازی قدرت آن افزایش یافته است.

گرس هاپر به طراحان این امکان را می دهد که فرم های پیچیده را به صورت پارامترهای مشخص تعریف کرده و با تغییر این پارامتر ها تغییرات فرم را به صورت زنده مشاهده کنند. تغییر دادن فرم پیچیده توسط پارامترهای اصلی این امکان را می دهد که معمارها راحت تر و سریع تر به فرم های دلخواه رسیده و در کنار آن یافتن فرم های بیهنه از نظر تابع هدف نیز آسان تر گردد. جالب تر اینکه احجام ساخته شده با این نرم افزار قابلیت انتقال به نرم افزار های سازه ای (مانند Sap2000,Strand) و همچنین نرم افزارهای آنالیز انرژی (مانند Diva-for-Rhino و Ecotect) را به سادگی دارند. دانشگاه های بزرگ مانند Harvard و MIT توانسته اند به این افزونه ها دستور های مرتبط با سازه، انرژی و ساخت را بیافزایند...

کتاب آموزش الگوریتم های مولد، مفاهیم و آزمایش: بافندگی (Generative Algorithms, Concepts and Experiments: Weaving)، از سری کتاب های Generative Algorithms نوشته آقای زوبین خبازی (ZUBIN KHABAZI) است که به تبیین و توضیح Weaving (بافتن) از نگاه پارامتریک می پردازد و مبانی و روش های ایجاد آن را مورد بحث قرار می دهد. در این راه از نرم افزار گرس هاپر کمک گرفته شده و الگوریتم های استفاده شده به صورت تصویر در این کتاب وجود دارد. این کتاب مشتمل بر 58 صفحه، به زبان انگلیسی روان، همراه با تصاویر به ترتیب زیر گردآوری شده است:

Chapter 1: Generatice Algorithms, Concepts and Experiments: Waeving

• Introduction
• Weaving

Chapter 2: Loom Project

• Where should start
• How should weave
• The Loom Algorithm

Chapter 3: Jacquard Weave

• Jacquard Loom
• Principles of Operation in a Jacquard Loom
• Jacquard Loom Project
• Pattern of Weaving
• Target Space/Form of Weaving
• Plotting Points onto Target Surface
• Weaving Target surface by Pattern
• Yarn Geometry Generation

Chapter 4: Conclusion

جهت خرید کتاب آموزش الگوریتم های مولد، مفاهیم و آزمایش: بافندگی (Generative Algorithms, Concepts and Experiments: Weaving)، به مبلغ فقط 3000 تومان و دانلود آن بر لینک پرداخت و دانلود در پنجره زیر کلیک نمایید.

!!لطفا قبل از خرید از فرشگاه اینترنتی کتیا طراح برتر قیمت محصولات ما را با سایر فروشگاه ها و محصولات آن ها مقایسه نمایید!!

!!!تخفیف ویژه برای کاربران ویژه!!!

با خرید حداقل 10000 (ده هزارتومان) از محصولات فروشگاه اینترنتی کتیا طراح برتر برای شما کد تخفیف ارسال خواهد شد. با داشتن این کد از این پس می توانید سایر محصولات فروشگاه را با 20% تخفیف خریداری نمایید. کافی است پس از انجام 10000 تومان خرید موفق عبارت درخواست کد تخفیف و ایمیل که موقع خرید ثبت نمودید را به شماره موبایل [phone] ارسال نمایید. همکاران ما پس از بررسی درخواست، کد تخفیف را به شماره شما پیامک خواهند نمود.

بهینه سازی قاب ها به کمک ترکیب الگوریتم جامعه پرندگان با روش کرایگینگ تحت اثر تحریک زلزله

اختصاصی از فی موو بهینه سازی قاب ها به کمک ترکیب الگوریتم جامعه پرندگان با روش کرایگینگ تحت اثر تحریک زلزله دانلود با لینک مستقیم و پر سرعت .

محل انتشار:نهمین کنگره ملی مهندسی عمران مشهد

تعداد صفحات: 9

نوع فایل : pdf

تشخیص تومور در مغز با استفاده از الگوریتم ژنتیک (2016) TUMOR DETECTION IN BRAIN USING GENETIC ALGORITHM

اختصاصی از فی موو تشخیص تومور در مغز با استفاده از الگوریتم ژنتیک (2016) TUMOR DETECTION IN BRAIN USING GENETIC ALGORITHM دانلود با لینک مستقیم و پر سرعت .

عنوان انگلیسی مقاله:

TUMOR DETECTION IN BRAIN USING GENETIC ALGORITHM

Abstract

Detection of brain tumour is very common fatality in current scenario of health care society. Image segmentation is used to extract the abnormal tumour portion in brain. Brain tumor is an abnormal mass of tissue in which cells grow and multiply uncontrollably, apparently unregulated by mechanisms that control cells. Several techniques have been developed for detection of tumor in brain. Our main concentration is on the techniques which use image segmentation to detect brain tumor. Tumor classification and segmentation from brain computed tomography image data is an important but time consuming task performed by medical experts.

Keywords: Brain Tumor, GA, Image Segmentation.
 

عنوان فارسی مقاله: تشخیص تومور در مغز با استفاده از الگوریتم ژنتیک

چکیده:

تشخیص تومور مغزی یکی از رایج‌ترین عوامل مرگ‌ومیر در سناریوهای پزشکی جامعة امروزی است. از تقسیم‌بندی تصویر برای استخراج بخش تومور غیرطبیعی در مغز استفاده می‌شود. تومور مغزی، یک تودة غیرطبیعی از بافت‌ها است که در آن سلول‌ها به‌صورتی غیرقابل‌کنترل رشد می‌کنند و چند برابر می‌شوند، ظاهراً غیرقابل‌کنترل توسط مکانیسم‌هایی هستند که سلول‌ها را کنترل می‌کنند. تکنیک‌های متعددی برای تشخیص تومور در مغز توسعه داده‌شده‌اند. تمرکز اصلی ما بر تکنیک‌هایی است که در آن از تقسیم‌بندی تومور برای تشخیص تومور مغزی استفاده می‌شود. طبقه‌بندی تومور و تقسیم‌بندی داده‌های  تصویر پرتونگاری کامپیوتری مغز اهمیت دارد، اما کاری زمان‌بر است که باید توسط کارشناسان پزشکی انجام شود.

کلمات کلیدی : تومور مغزی، GA، تقسیم‌بندی تصویر.

پس از پرداخت آنلاین در پایین همین سایت سریعا فایل رایگان مقاله لاتین و لینک خرید ترجمه کامل مقاله با کیفیتی عالی درفرمتword (قابل ویرایش) به صورت آنلاین برای شما ارسال می گردد.

پایان نامه الگوریتم های مسیر یابی

اختصاصی از فی موو پایان نامه الگوریتم های مسیر یابی دانلود با لینک مستقیم و پر سرعت .

این فایل در قالب ورد و قابل ویرایش در 150 صفحه می باشد.

مقدمه الگوریتمهای مسیریابی

در هریک از سه قرم گذشته فناوری خاصی رونق داشته باشد قرن هجدهم زمان توسعه سیستم های مکانیکی بزرگ به همراه  انقلاب صنعتی بود. قرن نوزدهم عصر موتور بخار بود. قرن بیستم زمان جمع آو ری ،پردازش ، و توزیع اطلاعات بودو در بین سایر پیشرفت ها ،شاهد نصب شبکه های جهانی تلفن، اختراع رادیو و تلویزیون ، تولید و رشد بی سایقه صنعت کامپیوتر و پرتاب ماهواره های ارتباطی  بوده ایم.

با پیشرفت فناوری  این موارد د رحال همگرایی است و تفاوت هایی بین جمع آوری ، انتثال ذخیره و پردازش اطلاعات به شدت در حال محو شدن است سازمان هایی با صدها شعبه در نقاط مختلف جغرافیایی ،ب فشردن کلید وضعیت فعلی را حتی در دورترین نقاط بررسی می کنند. با افزایش فدرت جمع آوری، پردازش و توزیع اطلاعات، تقاضای پردازش اطلاعات پیچیده تر نیز افزایش می یابد

-

الگوریتمهای مسیر یابی

وظیفه اصلی لایه شبکه ، هدایت بسته‌ها از ماشین منبع به ماشین مقصد است در اغلب زیر شبکه‌ها ، بسته‌ها باید چند جهش انجام دهند. تا به مقصد برسند. برای شبکه‌های پخشی،استثنایی وجود دارد، وای در اینجا نیز اگر منبع و مقصد در یک شبکه نباشد مسیر یابی مشکل محسوب می‌شود. الگورتیم هایی که مسیرها و ساختمان داده‌های مربوط به آن را انتخاب می‌کنند، موضوع مهم را طراحی لایه شبکه اند.

الگوریتم مسیر یابی بخشی از نرم افزار لایه شبکه است که تعیین می‌کند بسته ورودی باید به کدام خط خروجی منتقل شود. اگر زیر شبکه از داده‌ها گرام‌ها استفاده کند، این تصمیم گیری دوباره باید برای هر بسته  ورودی تکرار شود ،چون تا آن موقع امکان دارد بهترین مسیر، تغییر کند اگر زیر شبکه از مدارهای مجازی استفاده کند ، تصمیمات مسیر یابی وقتی اتخاذ می‌شوند که مدار مجازی جدیدی استفاده گردد. از آن پس ، بسته‌های داده‌ها فقط از مسیر ایجاد شده قبلی منتقل می‌شوند.حالت دوم گاهی مسیر یابی تماس دارد ، زیرا مسیر در طول مدت تمسا کاربر باقی می‌ماند ( مثل کار کردن با پایانه یا انتقال فایل ) صرف نظر از این که آیا مسیرها برای هر بسته به طور مستقل انتخاب میشوند  یا فقط وقتی که اتصال جدیدی برقرار می‌شود انتخاب می‌گردند، خواصی  وجود دارند. که در الگوریتم‌های مسیر یابی مطلوب‌اند صحت ، سهولت تحمل عیب، پایداری ، عدالت و بهینگی صخت وسهولت نیازی به توضیح ندارند، اما نیاز به تحمل عیب چندان روشن نیست. انتظار می‌رود که شبکه‌های بزرگ ، سال‌ها بدون عیب کلی سیستم  به کار خود ادامه دهند. در این مدت ممکن است اشکالات سخت افزاری و نرم افزاری  گوناگونی به وجود آید. میزبان‌ها مسیر یاب‌ها مسیر یاب‌ها بدون نیاز به توقف انجام انجام کارها در مسیر یاب‌ها و راه اندازی مجدد شبکه در هر بار متلاشی شدن مسیریاباز عهده تغییرات در توپولوژی و ترافیک برآید.

پایداری نیز برای الگوریتم مسیر یابی هدف مهمی است. الگوریتم‌های مسیر یابی وجود دارند که هرگز وجود دارندکه هرگز به حالت پایداری نمی‌رسند.مدت زمان اجرای آن بی تاثیر است عدالت وبهینگی مممکن است ساده به نظر می‌رسند یقیینا  کسی با آن مخالف نیست. اماهمان طور که روشن است اهداف متناقضی دارند به عنوان مثال از این تناقض ، شکل 1 را بینید. فرض کنید ترافیک کافی بین A و ش، بین B,B وبین C, C  وجود دارد تا پیوندهای افقی را اشباع نماید برای بیشینه کردن کل جریان ترافیک  X, X باید کاملا از بین برود. متاسفانه از نظر X وX عادلانه نیست بدیهی است که توافقی  بین کارایی کلی و عدالت اتصال‌های منفرد لازم است.

قبل از اینکه به متوزان کردن عدالت وبهینگی بپردازیم . باید تصمیم بگیریم که چه چیزی را بهینه کنیم . بدیهی است تاخیر بسته باید کمینه  شود ولی توان شبکه باید بیشینه شود. علاوه براین این دو هدف نیز با هم تضاد دارند، زیرا عملکرد هر سیستم  صف بندی در حد ظرفیت تاخیر صف بندی را زیاد ی کند. اغلب شبکه‌ها سعی میکنند تعدداد جهشهای بسته‌های را کمینه نمایند زیرا  کاهش تعدادجهش موجب بهبود تاخیر و نیزکاهش میزان پهنای باند مصرفی است که منجر به بهبود توان عملیاتی می‌شود.

الگوریتم‌های مسیر یابی  به می‌توانند به دو دسته تقسیم شوند غیر وفقی و وفقی  الگوریتم‌های غیر وفقی تصمیات مسیر یابی خود را بر اندازه گیری یا تخمین  توپولوژی و ترافیک فعلی بنا نمی‌نهند بلکه برای انتخاب مسری جهت رسیدن از I  به J برای تمام I  را به تمام J از قبل  محاسبه می‌شود در حالت OFF-LINE و هنگام راه اندازی شبکه به مسیر یاب‌ها بار می‌شود این روند گاهی مسیر یابی ایستا نام دارد.

تحقیق درباره بررسی و ارزیابی الگوریتم کلونی زنبور عسل

اختصاصی از فی موو تحقیق درباره بررسی و ارزیابی الگوریتم کلونی زنبور عسل دانلود با لینک مستقیم و پر سرعت .

فرمت فایل : word (قابل ویرایش) تعداد صفحات : 20 صفحه

چکیده

 هوش جمعی شاخه ای از پژوهش بر اساس جمعیت است که مدل های جمعیتی از عوامل مورد تداخل یا ازدحام که می توانند خود سازماندهی کنند . کلونی مورچه، ازدحام پرندگان و یا زنبورها یک نمونه ساده ای از سیستم جمعیتی است. دیگر نمونه ای از هوش جمعی کلونی زنبور عسل در اطراف کندو است. هوش کلونی زنبور عسل (ABC) یک  الگوریتم است که یک الگوریتم بهینه سازی بر اساس رفتار هوشمندانه جمعیت زنبور عسل است. در این مفاله، الگوریتم ABC برای بهینه سازی توابع چند متغیره مورد استفاده قرار می گیرد. و نتایج تولید شده توسط الگوریتم ABC  مقایسه می شوند.

الگوریتم کلونی زنبور عسل (ABC)

چندین الگوریتم اکتشافی جدید برای حل مسایل  بهینه سازی عددی و توابع ترکیبی توسعه یافته اند. این الگوریتم ها می توانند به گروههای مختلف طبقه بندی شوند با توجه به ضوابطی  که در نظر گرفته شده: مانند بر اساس جمعیت ، مبتنی بر تکرار شونده ، تصادفی ، قطعی ، و غیره. در حالی که الگوریتم با یک مجموعه راه حل هاکار میکند و در جهت بهبود آنها تلاش می کنند  که  مبتنی بر جمعیت نامیده می شوند ، یکی از کاربرد تکرار های چندگانه برای پیداکردن راه حل مطلوب که به عنوان الگوریتم تکرار شونده نام گذاری شده است. اگر یک الگوریتم یک قانون احتمالی را برای بهبود راه حل بکار بگیرد سپس آن را احتمال  یا اتفاقی نامیده میشود. یکی دیگر از طبقه بندی را می توان بسته به ماهیت پدیده توسط الگوریتم شبیه سازی کرد.این نوع طبقه بندی ، عمدتا دارای دو گروه مهم از الگوریتم جمعیت هستند که براساس :

ادامه...