فی موو

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

فی موو

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

تحقیق در مورد شبکه های عصبی , الگوریتم ژنتیک و الگوریتم مورچگان

اختصاصی از فی موو تحقیق در مورد شبکه های عصبی , الگوریتم ژنتیک و الگوریتم مورچگان دانلود با لینک مستقیم و پر سرعت .

تحقیق در مورد شبکه های عصبی , الگوریتم ژنتیک و الگوریتم مورچگان


تحقیق در مورد شبکه های عصبی , الگوریتم ژنتیک و الگوریتم مورچگان

لینک پرداخت و دانلود *پایین مطلب*

فرمت فایل:Word (قابل ویرایش و آماده پرینت)

 تعداد صفحه10

بخشی از فهرست مطالب

شبکه عصبی چیست؟

 

سابقه تاریخی

 

شبکه های عصبی در مقابل کامپیوتر های معمولی

 

چرا از شبکه های عصبی استفاده می کنیم؟

 

تفاوت‌های شبکه‌های عصبی با روش‌های محاسباتی متداول و سیستم‌های خبره

 

شبکه‌های عصبی را می‌توان با اغماض زیاد، مدل‌های الکترونیکی از ساختار عصبی مغز انسان نامید. مکانیسم فراگیری و آموزش مغز اساساً بر تجربه استوار است. 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 محاسباتی برای حل آنها به نتیجه مطلوب نمی‌رسند. درحالی‌که مغز ساده‌ترین جانوران به‌راحتی از عهده چنین مسائلی بر می‌آید. تصور عموم کارشناسان IT بر آن است که مدل‌های جدید محاسباتی که بر اساس شبکه‌های عصبی بنا می‌شوند، جهش بعدی صنعت IT را شکل می‌دهند. تحقیقات در این زمینه نشان داده است که مغز، اطلاعات را همانند الگو‌ها (pattern) ذخیره می‌کند. فرآیند ذخیره‌سازی اطلاعات به‌صورت الگو و تجزیه و تحلیل آن الگو‌، اساس روش نوین محاسباتی را تشکیل می‌دهند. این حوزه از دانش محاسباتی (computation) به هیچ وجه از روش‌های برنامه‌نویسی سنتی استفاده نمی‌کند و به‌جای آن از شبکه‌های بزرگی که به‌صورت موازی آرایش شده‌اند و تعلیم یافته‌اند، بهره می‌جوید.

 

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 پردازشی 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 ای 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.

 


دانلود با لینک مستقیم


تحقیق در مورد شبکه های عصبی , الگوریتم ژنتیک و الگوریتم مورچگان

ارزیابی عملکرد الگوریتم ژنتیک و الگوریتم مورچگان در شبکه های حسگر بی سیم

اختصاصی از فی موو ارزیابی عملکرد الگوریتم ژنتیک و الگوریتم مورچگان در شبکه های حسگر بی سیم دانلود با لینک مستقیم و پر سرعت .

امروزه استفاده از شبکه های بی سیم به شکل گسترده ای رو به ازدیاد است.یکی از انواع این شبکه ها، شبکه های موبایل تک کاره (Mobile ad hoc networks)است. شبکه موبایل Ad hoc به عنوان شبکه های با عمر کوتاه شناخته می شود. توپولوژی بسیار پویا، در دسترس بودن پهنای باند محدود،محدودیت های انرژی و عدم وجود زیرساخت، مسیریابی در این نوع شبکه ها را به چالش کشیده است،بدین جهت یافتن مسیر بهینه در این شبکه ها یک مسئله بسیار مهم به شمار می اید. الگوریتم های الهام گرفته از طبیعت (ازدحام هوش) مانند الگوریتم های بهینه سازی لانه مورچه و همچنین الگوریتم ژنتیک در چند سال اخیر برای حل مسئله مسیریابی شبکه های بی سیم معرفی شده اند. در این پروژه سعی کردیم مجموعه فعالیت های انجام شده برای یافتن مسیر بهینه در شبکه های بی سیم با استفاده از خواص الگوریتم ژنتیک و الگوریتم لانه مورچه ای را مورد بررسی و ارزیابی قرار داده و روشی بهینه در این زمینه را بیابیم.

فهرست مطالب

 

فصل اول:کلیات

1-1 مقدمه ای بر شبکه های بی سیم. 2

1-2 تقسیم بندی شبکه های بی سیم بر اساس محدوده فرکانس... 5

1-2-1 شبکه های مادون قرمز. 5

1-2-2 شبکه های لیزری.. 6

1-2-3 شبکه های Wi – Fi 7

1-2-4 شبکه های WiMAX. 7

1-3 شبکه های بیسیم Ad Ho. 9

1-4 مسیریابی هوشمند. 11

 

فصل دوم:ارزیابی الگوریتم مورچگان در شبکه های بی سیم

2-1 مقدمه. 17

2-2 پیدا کردن کوتاهترین مسیر توسط مورچه ها 18

2-3 الگوریتم پایه لانه مورچه ای.. 19

2-4 ویژگیهای الگوریتم مورچگان : 22

2-5 الگوریتم ساده لانه مورچه ای.. 23

2-6 چرا الگوریتم تخمین بهینه لانه مورچه ای برای شبکه های بی سیم مناسبند؟. 24

2-6-1 توپولوژی پویا 24

2-6-2 کار محلی.. 25

2-6-3 کیفیت اتصال. 25

2-6-4 پشتیبانی از چند مسیره بودن شبکه. 25

2-7 بررسی الگوریتم های مسیریابی مبتنی بر مورچه ها برای MANETs. 25

2-8 الگوریتم های مسیریابی تخت.. 26

2-8-1 الگوریتم مسیریابی مبتنی بر لانه مورچه. 27

2-8-2 خصوصیات ARA. 29

2-9 چگونگی کارکرد الگوریتم. 30

2-9-1 موریانه. 36

2-9-2 الگوریتم مسیریابی اورژانس احتمالاتی(PERA ) 38

2-9-3 الگوریتم مسیریابی فوری ویژه:(EARA ) 39

2-9-4 مورچه AODV. 41

2-10 پروتکل های مسیریابی سلسله مراتبی.. 42

2-10-1 مسیریابی مبتنی بر مورچه متحرک (MABR ) 42

2-10-2HOPENT. 46

2-10-3 الگوریتم ردیابی مورچه برای شبکه های اختصاصی بی سیم. 48

2-11 فهرست یا جدول پیشنهادی مسیریابی.. 50

2-11-1 مورچه ها 51

2-11-2 کشف مسیر. 52

2-11-3 حفظ مسیر. 55

2-12 محدوده مسیریابی بر اساس پروتکل مسیریابی لانه مورچه ای (TRAC) برای شبکه های بی سیم. 56

2-12-1 مروری بر پروتکل. 56

2-12-2 مروری بر پروتکل TARC. 56

2-12-3 پروتکل TRAC. 58

2-12-3-1 مرحله برپایی.. 58

2-12-3-2 مرحله جستجوی مسیر. 59

2-12-3-3 مرحله به روز رسانی مقدار فرومون. 61

 2-12-3-4 مرحله تحویل. 62

2-13 نتیجه گیری.........63

فصل سوم:ارزیابی عملکرد الگوریتم ژنتیک

3-1- مقدمه. 66

3-2- پیشینه. 67

3-3- اصطلاحات زیستی.. 68

3-4- تشریح کلی الگوریتم ژنتیک... 69

3-5- حل مساله با استفاده از الگوریتم های ژنتیک... 70

3-6- اجزای الگوریتم ژنتیک... 70

3-6-1- جمعیت.. 72

3-6-2- کدگذاری.. 73

3-7 مسیریابی QoS در MANET بر اساس الگوریتم ژنتیک... 73

3-7-1:QoS در MANET. 74

3-7-2 نقش GA در مسیریابی QoS در MANET. 78

3-8 مشکلات کوتاهترین مسیر حرکتی در MANET بر اساس الگوریتم ژنتیک... 82

3-8-1 مشکلات مسیر حرکتی SP. 83

3-8-2 الگوریتم ژنتیکی تخصصی برای مشکلات SP. 85

3-8-2-1 نمایش ژنتیکی.. 85

3-8-2-2 ارزش دهی اغازی جمعیتی.. 86

3-8-2-3 توانایی عملکرد. 86

3-8-2-4 برنامه ریزی انتخابی.. 87

3-8-2-5 همگذری و جهش... 87

3-8-3 الگوریتمهای ژنتیکی به همراه برنامه ریزی مهاجرتی.. 89

3-9 نتیجه گیری.. 92

 

فصل چهارم:ارزیابی و نتیجه گیری

4-1 نتیجه گیری.. 94

4-2 الگوریتم پیشنهادی: 96

 

منابع. 97


دانلود با لینک مستقیم


ارزیابی عملکرد الگوریتم ژنتیک و الگوریتم مورچگان در شبکه های حسگر بی سیم

عنوان پروژه : شناسایی چهره با استفاده از الگوریتم کلونی مورچگان

اختصاصی از فی موو عنوان پروژه : شناسایی چهره با استفاده از الگوریتم کلونی مورچگان دانلود با لینک مستقیم و پر سرعت .

عنوان پروژه : شناسایی چهره با استفاده از الگوریتم کلونی مورچگان


عنوان پروژه : شناسایی چهره با استفاده از الگوریتم کلونی مورچگان

عنوان پروژه : شناسایی چهره با استفاده از الگوریتم کلونی مورچگان

قالب بندی : PDF, Matlab

قیمت : 10000

شرح مختصر : فایل پروژه از دو فایل اصلی تشکیل شده است : یکی ACO_feature_selection.m و ExteractFeatureZernik_DWT.m و یک پایگاه داده که ۴۰۰ تصویر از ۴۰ شخص در ۱۰ حالت متفاوت گرفته شده است. مراحل اجرای پروژه به صورت زیر است :

ابتدا با استفاده از اجرای فایل ExteractFeatureZernik_Dw ویژگی های زرنیک و DWT که مربوط به ویولت هست را از ۴۰۰ تصویر بیرون کشیده و در یک ماتریس با ۴۰۰ ردیف ذخیره می کنیم. تعداد ویژگی های استخراجی برای DWT برابر ۱۶۸ ویژگی است. که با توجه به مقاله ی شماره ۲(شکل۴ مقاله) که در فایل پروژه هست پیاده سازی شده است. تصاویر پایگاه داده ۹۲×۱۱۲ می باشد سه سطح رزولوشن آن باستفاده از تبدیل وارون ویولت کم می شود سطح اول ۴۶×۵۶ ، سطح دوم ۲۳×۲۸ و سطح سوم و آخر ۱۲×۱۴ می شود. در این مرحله تصویر با ابعاد سطح سوم را به صورت برداری تک ردیف ارائه می کنیم و اینکار با کنار هم و بهم پیوست ستون ها انجام می دهیم. که برای هر تصویر بردار ویژگی DWT برداری با طول ۱۶۸ خواهد بود زیرا ۱۲×۱۴=۱۶۸ خواهد شد. پس از استخراج ویژگی های آنها را در ماتریس Feature_DWT.mat با ابعاد ۴۰۰×۱۶۸ برای استفاده ی الگوریتم ACO ذخیره می کنیم. به منظور استخراج ویژگی-های زرنیک نیز از به جای استفاده مستقیم از تصاویر پایگاه داده از تصاویر کاهش یافته ی ۶۴×۶۴ استفاده شده است. که فقط ۲۰ مرتبه ی اول ویزگی های زرنیک محاسبه می شود. و دراین حالت نیز ماتریس با نام Zernike_Moment_features.mat با ابعاد ۴۰۰×۲۰ را به منظور استفاده ACO ذخیره می کنیم.

فهرست :

توضیحات اجرای پروژه

مقاله زبان اصلی

فایل سورس پروژه


دانلود با لینک مستقیم


عنوان پروژه : شناسایی چهره با استفاده از الگوریتم کلونی مورچگان

دانلود پایان نامه کامل و دقیق در مورد الگوریتم کلونی مورچگان ACO (تعداد صفحات 66)

اختصاصی از فی موو دانلود پایان نامه کامل و دقیق در مورد الگوریتم کلونی مورچگان ACO (تعداد صفحات 66) دانلود با لینک مستقیم و پر سرعت .

دانلود پایان نامه کامل و دقیق در مورد الگوریتم کلونی مورچگان ACO (تعداد صفحات 66)


دانلود پایان نامه کامل و دقیق در مورد  الگوریتم کلونی مورچگان   ACO  (تعداد صفحات  66)

بسیاری ازمسائل دنیای واقعی پویا هستند. برای حل یک مسئله بهینه سازی پویا نیاز به الگوریتمی داریم که علی رغم پیدا کردن بهینه در محیط بتواند بهینه های در حال تغییر را دنبال کند.تاکنون  الگوریتم های تکاملی مختلفی برای بهینه سازی در محیط های پویا پیشنهاد شده است.دریک محیط پویا پس از روی دادن تغییر در محیط الگوریتم نیاز به تنوع کافی جهت جستجوی دوباره محیط دارد.درعین حال استفاده از اطلاعات جستجوهای پیشین رود جستجو راسریع تر میکند .مشکل اصلی الگوریتم های تکاملی معمول درحل مسائل بهینه سازی  پویا همگرایی زود رس وکاهش تنوع جمعیتی در طول زمان است.بنابراین درمواجه با مسائل بهینه سازی پویا نیاز به رویکردهایی است که تنوع را در طول زمان حفظ کنند. دراین پروژه  الگوریتم کلونی مورچه را بررسی کرده و در بسیاری مسائل کاربرد انرا بررسی میکند.

فهرست :  

تقدیر وتشکر

چیکده

مقدمه

فصل اول:

تاریخچه

الگوریتم کلونی مورچه ها

هوشمندی توده‌ای

تفاوت هوشمندی توده ای وهوشمندی اجتماعی

بهینه سازی مسایل بوسیله کلونی مورچه

استفاده از بهینه‌سازی کولونی مورچه‌ها در مسئله فروشنده دوره‌گرد

فصل دوم

مورچه ها چگونه کوتاه ترین مسیر را پیدا می کنند؟

انواع مختلف الگوریتم بهینه سازی مورچگان

مزیت های الگوریتم کلونی مورچه

کاربردهای الگوریتم کلونی مورچه

الگوریتم ACO

جنگ مورچه های اتشین

فصل سوم

الهام از طبیعت برای پیاده سازی نظامهای اجتماعی

ساختار نظام تحقیقات حرفه ای در پزشکی نوین

مزایای تحقق نظام تحقیقات حرفه ای در جامعه

فصل چهارم

مورچه ها متخصصان برجسته علم ژنتیک

بهینه‌سازی مسائل ریاضی به روش مورچه‌ها(ACO)

فصل پنجم

بهینه‌سازی شبکه‌های کامپیوتری با الهام از کلونی مورچه‌ها

کاربرد های الگوریتم کلونی مورچه ها در سگمنتیشن تصویر

تقطیع تصویر مبتنی بر MRF با استفاده از سیستم کلونی مورچه

سیستم Ant Colony برای تقسیم بندی و طبقه بندی Microcalcification در ماموگرام

استفاده از الگوریتم ACO در تقطیع تصویر برای استانه سازی مطلوب

5- کاربرد های الگوریتم حرکت دسته جمعی پرندگان در سگمنتیشن تصویر

1-5تقطیع تصاویر داده های سه بعدی با استفاده از الگوریتم بهینه سازی جمعی پرندگان

2-5ترکیب بهینه سازی حرکت جمعی پرندگان با الگوریتم های دسته بندی Unsupervised برای تقطیع تصویر

3-5بهینه سازی کلونی مورچه و الگوریتم بهینه سازی حرکت دسته جمعی پرندگان برای طبقه بندی Microcalcifications در ماموگرافی

فصل ششم

افق اینده

نتیجه گیری


دانلود با لینک مستقیم


دانلود پایان نامه کامل و دقیق در مورد الگوریتم کلونی مورچگان ACO (تعداد صفحات 66)