فی موو

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

فی موو

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

آزمون کارشناسی ارشد دانشگاه سراسری «درس هوش مصنوعی به همراه پاسخ‌های تشریحی» رشته فناوری اطلاعات (IT) سال 1390

اختصاصی از فی موو آزمون کارشناسی ارشد دانشگاه سراسری «درس هوش مصنوعی به همراه پاسخ‌های تشریحی» رشته فناوری اطلاعات (IT) سال 1390 دانلود با لینک مستقیم و پر سرعت .

آزمون کارشناسی ارشد دانشگاه سراسری «درس هوش مصنوعی به همراه پاسخ‌های تشریحی» رشته فناوری اطلاعات (IT) سال 1390


آزمون کارشناسی ارشد دانشگاه سراسری «درس هوش مصنوعی به همراه پاسخ‌های تشریحی» رشته فناوری اطلاعات (IT) سال 1390 آزمون کارشناسی ارشد دانشگاه سراسری «درس هوش مصنوعی به همراه پاسخ‌های تشریحی» رشته فناوری اطلاعات (IT) سال 1390
سال: 90 دانشگاه سراسری
تعداد سوال و پاسخ: 6 سوال به همراه پاسخ‌های کاملاً تشریحی (از سوال 73 تا 78)
فرمت: PDF
تعداد صفحه: 2 صفحه
این مجموعه شامل سوالات کنکور کارشناسی ارشد برگزار شده در سال 90 می‌باشد. از لحاظ ظاهری (فونت، تایپ و صفحه‌بندی و ...) نیز سعی شده است که سوالات به سوالات دفترچه کنکور نزدیک باشد. این مجموعه سوالات توسط استادان و دانشجویان برتر رشته‌های مربوط پاسخ داده شده است. همچنین سوالات و پاسخ‌ها و آبجکت‌ها توسط حروفچین‌ها و رسامان حرفه‌ای تایپ و رسم شده و بعد از چندبار بازبینی توسط ویراستاران (از لحاظ تایپی و ایراد علمی) در سایت قرار داده شده است. امید است این مجموعه سوالات و پاسخ‌ها کمک کوچکی به شما در راه کسب علم و دانش کرده باشد.
نظرات خود را با ما در جریان بگذارید: banknovintest@gmail.com

دانلود با لینک مستقیم


آزمون کارشناسی ارشد دانشگاه سراسری «درس هوش مصنوعی به همراه پاسخ‌های تشریحی» رشته فناوری اطلاعات (IT) سال 1390

پاورپوینت رشته معماری با عنوان « چمن های مصنوعی در معماری »

اختصاصی از فی موو پاورپوینت رشته معماری با عنوان « چمن های مصنوعی در معماری » دانلود با لینک مستقیم و پر سرعت .

پاورپوینت رشته معماری با عنوان « چمن های مصنوعی در معماری » به صورت فایل پاور (45 اسلاید ) و قابل ویرایش می باشد.

بصورت کامل و همراه عکس و مطالب می باشد.

 

جهت استفاده دانشجویان عزیز رشته معماری


دانلود با لینک مستقیم


پاورپوینت رشته معماری با عنوان « چمن های مصنوعی در معماری »

شبکه های عصبی درهوش مصنوعی

اختصاصی از فی موو شبکه های عصبی درهوش مصنوعی دانلود با لینک مستقیم و پر سرعت .

شبکه های عصبی درهوش مصنوعی


شبکه های عصبی  درهوش مصنوعی

شبکه

فرمت: word

 

تعدادصفحات : 84

 

  یک شبکه عصبی مصنوعی (Artificial Neural Network (ANN)) ایده ای است برای پردازش اطلاعات که از سیستم عصبی زیستی الهام گرفته شده و مانند مغز به پردازش اطلاعات می پردازد . عنصر کلیدی این ایده ، ساختار جدید سیستم پردازش اطلاعات است. این سیستم از شمار زیادی عناصر پرداز شی فوق العاده بهم پیوسته تشکیل شده (neurons)که برای حل یک مسأله با هم هماهنگ عمل می کند.ANN ها ،نظیر انسانها ، با مثال یاد می گیرند . یک ANN برای انجام وظیفه های مشخص ، مانند شناسایی الگو ها و دسته بندی اطلاعات ، در طول یک پروسه یاد گیری ، تنظیم می شود . در سیستم های زیستی یاد گیری با تنظیماتی در اتصالات سیناپسی که بین اعصاب قرار دارد همراه است . این روش ANN ها هم می باشد. 

 

سابقه تاریخی

 

به نظر می آید شبیه سازی های شبکه عصبی یکی از پیشرفت های اخیر باشد . اگرچه این موضوع پیش از ظهور کامپیوتر ها بنیان گذاری شده و حداقل یک مانع بزرگ تاریخی و چندین دوره مختلف را پشت سر گذاشته است. خیلی از پیشرفت های مهم با تقلید ها و شبیه سازی های ساده و ارزان کامپیوتری بدست آمده است. در پی یک دوره ابتدائی اشتیاق و فعالیت در این زمینه ، یک دوره ی بی میلی و بدنامی راهم پشت سر گذاشته است . در طول این دوره سرمایه گذاری و پشتیبانی حرفه ای از این موضوع در پایین ترین حد خود بود ، پیشرفت های مهمی به نسبت تحقیقات محدود در این زمینه صورت گرفت . که بدین وسیله پیشگامان قادر شدند تا به گسترش تکنولوژی متقاعد کننده ای بپردازند که خیلی برجسته تر از محدودیت هایی بود که توسط Minsky و Papert شناسانده شد. Minsky و Papert ،کتابی را در سال 1969 منتشر کردند که در آن عقیده عمومی راجع به میزان محرومیت شبکه های عصبی را در میان محققان معین کرده بود و بدین صورت این عقیده بدون تجزبه و تحلیل های بیشتر پذیرفته شد. هم اکنون ، زمینه تحقیق شبکه های عصبی از تجدید حیات علایق و متناطر با آن افزایش سرمایه گذاری لذت می برد . اولین سلول عصبی مصنوعی در سال 1943 بوسیله یک neurophysiologist به نامWarren McCulloch و یک منطق دان به نام Walter Pits ساخته شد . اما محدودیتهای تکنولوژی در آن زمان اجازه کار بیشتر به آنها نداد.  

های عصبی  درهوش مصنوعی

 


دانلود با لینک مستقیم


شبکه های عصبی درهوش مصنوعی

دانلود پایان نامه کاربرد مدل شبکه عصبی مصنوعی در مدیریت منابع آب زیرمینی

اختصاصی از فی موو دانلود پایان نامه کاربرد مدل شبکه عصبی مصنوعی در مدیریت منابع آب زیرمینی دانلود با لینک مستقیم و پر سرعت .

دانلود پایان نامه کاربرد مدل شبکه عصبی مصنوعی در مدیریت منابع آب زیرمینی


دانلود پایان نامه کاربرد مدل شبکه عصبی مصنوعی در مدیریت منابع آب زیرمینی

در طی دهه اخیر استفاده از شبکه های عصبی مصنوعی بطور روز افزونی در حیطه منابع آبی بویژه آبهای زیرزمینی در سراسر دنیا انجام شده است. با توجه به اینکه مدلهای شبکه عصبی نتایج خوبی ارائه می کنند استفاده از این مدلها در زمینه منابع آبی از مقبولیت خوبی برخوردار هستند.  دراین فصل به بیان مختصری از کارها و تحقیقات قبلی در زمینه شبکه عصبی مصنوعی پرداخته شده است.

1-2- مروری بر تحقیقات انجام یافته

اخیراً از شبکه های عصبی مصنوعی که یکی از شاخه های هوش مصنوعی محسوب می شود، به عنوان روشی کارا در حل مسائل به روش معکوس به طور روز افزونی استفاده می شود.

از قرن نوزدهم به طور همزمان اما جداگانه از سویی نروفیزیولوژیستها سعی کردند سیستم 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  McCulloch and Pitts(1984)  انجام شد که  امروز بلوک اصلی سازنده‌ی اکثر شبکه های عصبی مصنوعی است . این مدل فرضیه‌هایی در مورد عملکرد نرونها ارائه می کند. عملکرد این مدل مبتنی بر جمع ورودیها و ایجاد خروجی است . چنانچه حاصل جمع ورودی‌ها از مقدار آستانه بیشتر باشد اصطلاحا نرون برانگیخته می‌شود. نتیجه این مدل اجرای توابع ساده منطقی مثل OR وAND بود.

 نه تنها نروفیزیولوژیستها بلکه روانشناسان و مهندسان نیز در پیشرفت شبیه سازی شبکه‌های عصبی تأثیر داشتند. اولین بار توسطRosenblatt (1985)  شبکه پرسپترون معرفی شد. این شبکه نظیر واحدهای مدل شده‌ی قبلی بود. این سیستم می‌تواند یاد بگیرد که به ورودی داده شده خروجی تصادفی متناظر را اعمال کند.

سیستم دیگری از مدل خطی تطبیقی نرون توسط Widrow and Hoff(1960)  به نام Adalalin  ایجاد شد که اولین شبکه های عصبی بکار گرفته شده در مسائل واقعی بود.  Adalaline یک دستگاه الکترونیکی بود که از اجزای ساده‌ای تشکیل شده بود روشی که برای آموزش استفاده می‌شد با پرسپترون فرق داشت.

کتابی توسط Minisky and Papert (1969) نوشته شد که محدودیتهای سیستمهای تک لایه و چند لایه پرسپترون را تشریح میکرد. نتیجه این کتاب پیشداوری و قطع سرمایه گذاری برای تحقیقات  در زمینه شبیه سازی شبکه‌های عصبی بود. آنها با طرح اینکه طرح پرسپترون قادر به حل هیچ مساله مهمی نمی‌باشد تحقیقات در این زمینه را برای مدت چندین سال متوقف کردند.

با وجود اینکه اشتیاق عمومی و سرمایه گذاری های 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 1980))Grossberg که شبکه‌ای تحت عنوان Avalanch را برای تشخیص صحبت پیوسته و کنترل دست ربات مطرح کرد. همچنین او شبکه های ART(Adaptive resonance theory)  را بنا نهاد که با  مدلهای طبیعی تفاوت داشت. Anderson و Kohonen نیز از اشخاصی بود که تکنیکهایی برای یادگیری ایجاد کردند. Werbos(1974) شیوه آموزش پس انتشار خطا (Back Propagation) را ایجاد کرد که یک شبکه پرسپترون چند لایه البته با قوانین نیرومندتر آموزشی بود.

پیشرفتهایی که در 1970 تا 1980 بدست آمد برای جلب توجه به شبکه‌های عصبی بسیار مهم بود. برخی فاکتورها نیز در تشدید این مسئله دخالت داشتند از جمله کتابها و کنفرانسهای وسیعی که برای مردم در رشته‌های متنوع ارائه شد. امروز نیز تحولات زیادی در تکنولوژی ANN ایجاد شده است.

مقدمه1
فصل اول: مروری بر پیشینه پژوهش3
1-1- مقدمه3
1-2- مروری بر تحقیقات انجام یافته3
فصل دوم: روش پژوهش، ابزار و مواد11
2-1-مقدمه11
2-2-  معرفی شبکه عصبی مصنوعی11
2-2-1- مزیت های شبکه های عصبی:11
2-2-2- کاربردهای شبکه عصبی:12
2-2-3- اجزای کلی شبکه عصبی مصنوعی13
2-2-4- ساختار های شبکه عصبی مصنوعی15
2-2-4-1- شبکه های پیشرو(Feedforward)15
2-2-4-2- شبکه های برگشتی(Backforward) 15
 2-2-4-3- شبکه های شعاعی(Radial Basis Function Networks )16
2-2-5- معرفی انواع شبکه عصبی ساده: 16
2-2-5-1- پرسپترون(Perceptron)16
2-2-5-2- شبکه همینگ(Haming)17
2-2-5-3- شبکه هاپفیلد(Hopfield)17
2-2-6- الگوریتمهای مختلف آموزش17
2-2-6-1-الگوریتم لونبرگ-مارکورت (LM) Levenberg-Marquardt17
2-2-6-2-گرادیان نزولی انتشار خطا به عقب با ممنتم18
2-2-6-3-تنظیم بایزین (BR) Bayesian Regulazation18
2-2-7- تقسیم بندی شبکه ها از نظر نوع توابع عملگر18
2-2-8- تقسیم بندی شبکه ها از نظر نوع آموزش19
2-2-8-1- آموزش نظارت شده(Supervised)19
2-2-8-2- آموزش غیرنظارت شده(Unsupervised)19
2-2-9- آموزش شبکه های عصبی مصنوعی20
2-2-10- صحت سنجی21
2-2-11- معیار ارزیابی کارایی و خطای مدل22
2-3- ویژگیهای منطقه مورد مطالعه22
2-3-1- موقعیت جغرافیایی محدوده مورد مطالعه22
2-3-2- زمین شناسی منطقه مورد مطالعه:24
2-3-2-1- تشکیلات کرتاسه26
2-3-2-2- رسوبات نوع فلیش27
2-3-2-3- تشکیلات پالئوژن27
2-3-2-4- تشکیلات نئوژن27
2-3-2-5- رسوبات کواترنر28
2-3-3- زمین‏شناسی ساختمانی منطقه‏ مورد مطالعه28
2-3-4- هواشناسی29
2-3-4-1- بارندگی29
2-3-4-2- درجه حرارت :32
2-3-4-3- تبخیر و تعرق33
2-3-4-4-  رطوبت نسبی:34
2-3-4-5- طبقه بندی اقلیمی منطقه35
2-3-5-  بررسی های اکتشافی دشت بیرجند37
2-3-5-1-  مطالعات ژئوفیزیک37
2-3-5-2- نقشه هم ضخامت آبرفت38
2-3-5-3-  نقشه مقاومت عرضی39
2-3-5-4-  نقشه هم ارتفاع سنگ کف دشت بیرجند39
2-3-6-  هیدروژئولوژی دشت بیرجند41
2-3-6- 1- بررسی ضرایب هیدرودینامیکی:41
2-3-6-2- رفتار سنجی چاههای مشاهده ای43
2-3-6-3- هیدروگراف واحد دشت53
2-3-7-  نقشه های هیدروژئولوژی55
2-3-7-1- نقشه هم پتانسیل دشت بیرجند55
2-3-7-2- نقشه هم عمق دشت بیرجند57
2-3-7-3-  نقشه هم افت دشت بیرجند58
2-3-8-  بهره برداری از منابع آب زیرزمینی دشت بیرجند59
2-3-8-1-  چاه59
2-3-8-2-  چشمه61
2-3-8-3-  قنات62
2-3-9-  محاسبه بیلان دراز مدت آبخوان دشت بیرجند62
2-3-9-1- مدت یا دوره بیلان63
2-3-9-2-  مجموعه ورودی آب زیرزمینی63
2-3-9-3-  مجموعه خروجی آب زیرزمینی65
2-3-9-4-  تغییرات حجم مخزن در دوره بیلان(∆X)66
2-3-10- محاسبه بیلان کوتاه مدت آبخوان آبرفتی دشت67
2-3-10-1- مدت یا دوره بیلان:67
2-3-10-2-  مجموعه ورودی آب زیرزمینی:67
2-3-10-3-  مجموعه خروجی آب زیرزمینی69
2-3-10-4- تغییرات حجم مخزن در دوره بیلان(∆X)70
فصل سوم: بحث، تجزیه و تحلیل71
3-1- مقدمه72
3-2- انجام آنالیز حساسیت و تعیین ساختار شبکه عصبی و پارامترهای موثر بر نوسانات سطح آب72
3-3- مدلسازی سطح آب زیرزمینی در چاه مشاهده ای محمدیه در منطقه مورد مطالعه79
3-4- مدلسازی سطح آب زیرزمینی در چاههای مشاهده ای موجود در منطقه مورد مطالعه83
3-5- پیش بینی سطح آب زیرزمینی در چاههای مشاهده ای موجود در منطقه مورد مطالعه91
3-6- پیش بینی سطح آب در مناطق فاقد چاه مشاهده ای در محدوده مورد مطالعه  و ترسیم منحنی هم تراز99
فصل چهارم: نتیجه گیری و پیشنهاد114
4-1- نتیجه گیری114
4-2- پیشنهادها116
منابع و ماخذ117
Reference118

 

شامل 130 صفحه فایل word


دانلود با لینک مستقیم


دانلود پایان نامه کاربرد مدل شبکه عصبی مصنوعی در مدیریت منابع آب زیرمینی

دانلود پایان نامه شبکه های عصبی مصنوعی

اختصاصی از فی موو دانلود پایان نامه شبکه های عصبی مصنوعی دانلود با لینک مستقیم و پر سرعت .

دانلود پایان نامه شبکه های عصبی مصنوعی


دانلود پایان نامه شبکه های عصبی مصنوعی

این شبکه ها در علوم بسیاری از جمله فیزیک ، مهندسی برق، مهندسی محیط زیست ، مهندسی شیمی ، علوم کامپوتر ، رباتیک و... کاربرد دارند و با گذر زمان رویکرد بشر به سمت استفاده از شبکه های عصبی مصنوعی بیشتر و بیشتر می شود. با مطالعات فراوان دانشمندان بر روی شبکه های مصنوعی به کاربرد وسیع این شبکه ها در شناسایی الگوهای جریان دو فازی گاز- مایع و صنایع شیمیایی و دیگر صنایع پی برده شد. در نرم افزار MATLAB می توان 13 نوع شبکه عصبی را طراحی کرد که تئوری و ساختار برخی از این شبکه ها در فصل قبل مورد بررسی قرار گرفت.

در این فصل به بررسی کاربردهای شبکه های عصبی مصنوعی در شناسایی الگوهای جریان دو فازی گاز- مایع و صنایع شیمیایی به کمک نرم افزار MATLAB می پردازیم :

بخش دوم- استفاده از شبکه های عصبی مصنوعی در شناسایی الگوی جریان دو فازی گاز- مایع

الگوی جریان دو فازی گاز- مایع در خطوط انتقال و تجهیزاتی که این شرایط در آنها رخ می دهد جزء اولین پارامتر هایی است که باید مشخص گردد و مبنایی برای تعیین دیگر عوامل تاثیر گذار بر پارامتر های طراحی و بهینه سازی مانند میزان مایع تجمع یافته و افت فشار خواهد بود. از جمله عوامل تاثیر گذار بر روی نوع الگوی جریان دو فازی می توان به :

1- خواص فیزیکی : فشار، دما ، ویسکوزیته ، دانستیه ، کشش سطحی

2- ویژگی های جریان : شدت جریان هر یک از فازها، جهت جریان (زوایه جریان نسبت به افق ) هم جهت بودن و یا خلاف جهت بودن دو فاز

3- شرایط مجرا: شکل هندسی خط لوله جنس لوله زبری سطح داخلی ، قطر لوله ، طول خط

اشاره کرد هر کدام از این عوامل می توانند به عنوان ورودی های شبکه عصبی مصنوعی بکار برده شوند. دو محدودیت عمده در استفاده از هر یک از عوامل بالا در طراحی شبکه وجود دارد. که این عوامل عبارتند از :

1- امکان اندازه گیری یا محاسبه پارامتر

2- کد کردن پارامتر بصورت یک ورودی یا خروجی قابل درک برای شبکه

مجموعه های انتخاب شده به منظور طراحی شبکه عصبی مصنوعی در این بخش عبارتند از :

1) مطالعه تاثیر تغییر زوایه خط لوله نسبت به افق بر روی الگوی جریان دو فازی

FLOW REGIM TRANSITIONS IN LARGE DIAMETER INCLINED MULTIPHASE PIPELIMES

در این مقاله نتایج مطالعات آزمایشگاهی محققین در مرکز نوآوریهای جریان های چند فازی و انستیتو تکنو لوژی جریان های چند فازی وخوردگی دانشگاه ها اوهایو در سال 2002 میلادی آورده شده است. این آزمایشها بر روی خط لوله ای به قطر 16/10 سانتیمتر و طول 36 متر تحت 6 زوایه 2 ±، 15 ± و 30 ± انجام گرفته است. محدوده تغییرات سرعت ظاهری گاز m/s 2-2/0 و سرعت ظاهری نفتm/s14-1 می باشد . نفت با ویسکوزیته cP 5/2 به عنوان فاز مایع و دی اکسید کربن به عنوان فاز گاز جریان دو فازی بکار رگفته شده اند. آزمایشها تحت دمای oC25 و فشار m/sMPa 13/0 انجام یافته است. جدول 3-1 گزارشی از شرایط جریان دو فازی این مطالعه می باشد. روشی که برای تشخیص الگوی جریان توسط این محققین بکار گرفته شده است. مشاهده مستقیم جریان می باشد . در اینجا منظور از زاویای مثبت جریان رو به بالا و زوایای منفی ، جریان رو پایین می باشد .

بخش اول – مقدمه
 بخش دوم- استفاده از شبکه های عصبی مصنوعی در شناسایی الگوی جریان دو فازی گاز- مایع
 طراحی شبکه در نرم افزار MATLAB
پردازش اطلاعات
مجموعه اول
مجموعه دوم :
 مجموعه سوم :  
طراحی شبکه LVQ
 مجموعه اول
 نتیجه
 مجموعه دوم:
 نتیجه :
 مجموعه سوم
نتیجه
طراحی شبکه RBF
مجموعه اول
مجموعه دوم
نتیجه
طراحی شبکه با 18/0=spread
مجموعه سوم
نتیجه
نتیجه گیری
بخش سوم – پیش بینی بازده کلی سینی مشبک با استفاده از شبکه عصبی مصنوعی
 آشنایی با سینی های مشبک (غربالی) و بازده آن
تعاریف بازده سینی
 بازده نقطه ای یا بازده موضعی
 بازده برج
مدل های پایه ای برای پیش بینی بازده سینی  مشبک تقطیر
پیش بینی بازده کلی سینی مشبک با استفاده از شبکه عصبی
انتخاب پارامترهای ورودی
پیش بینی بازده سینی مشبک با استفاده از شبک های عصبی
          نتیجه گیری
بخش چهارم – استفاده از شبکه های عصبی در مدل سازی مشخصه های کف با عملکرد فرایند فلوتاسیون مس سرچشمه
 حالت اول :
روش انتخاب و ارائه داده های مشخصه کف
انتخاب ساختار شبکه
  حالت دوم
بخش پنجم – استفاده از شبکه های عصبی مصنوعی در مدل سازی واحد شیرین سازی پالایشگاه  هاشمی نژاد
نتیجه گیری
منابع
منابع فارسی :

 

 

شامل 146 صفحه فایل word


دانلود با لینک مستقیم


دانلود پایان نامه شبکه های عصبی مصنوعی