فی بوو

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

فی بوو

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

پروژه مدلسازی و پردازش عواطف واحساسات انسانی توسط ماشین. doc

اختصاصی از فی بوو پروژه مدلسازی و پردازش عواطف واحساسات انسانی توسط ماشین. doc دانلود با لینک مستقیم و پر سرعت .

پروژه مدلسازی و پردازش عواطف واحساسات انسانی توسط ماشین. doc


پروژه مدلسازی و پردازش عواطف واحساسات انسانی توسط ماشین. doc

 

 

 

 

نوع فایل: word

قابل ویرایش 100 صفحه

 

چکیده:

در دنیای امروز کاربردهای پردازش تصویر هر روزه در حال افزایش است .در زمینه پزشکی ،رباتیک و هواشناسی تحقیقات و پژوهش های بسیاری در این زمینه شده است و از کاربردهای آن در این زمینه استفاده های بسیاری می شود.اما  درمورد پردازش احساسات انسانی توسط ربات تحقیقات کمتری صورت گرفته و از موضوع پردازش چهره فراتر می باشد . در مقاله پیش روسعی بر این بوده است تا در ابتدا موارد کلی و مفاهیم اصلی در رابطه با موضوع یعنی پردازش احساسات توسط ماشینها آورده شود ، مفاهیمی از قبیل هوش مصنوعی و مفاهیم مرتبط با آن ، بازیابی معنایی عاطفی تصویر ، تشخیص چهره با استفاده از شش حالت اصلی چهره و دیگر مفاهیمی که برای پیاده سازی و ارائه مطالب مورد نیاز است . در قدم بعدی مطالب و مقاله هایی که پیش از این توسط افراد دیگر در رابطه با موضوع مورد نظر گردآوری شده است آورده شده ، که از این مقالات برای نتیجه گیری بهتر و ملموس تر کردن موارد جمع آوری شده استفاده می کنیم . در قدم آخر هم نتایج مطالعات و تحقیقات انجام شده برای ارائه روشی به صرفه در آشنایی با پردازش و مدلسازی احساسات درونی توسط رباتها با استفاده از الگوریتم های به کار رفته آورده می شود .

در این فصل با مفاهیم اولیه و واژه هایی که مربوط به پروژه می باشد آشنا می شوید و با مطالعه این فصل می توانید به راحتی مطالب فصول دیگر را بهتر درک نمایید .بحث اصلی این پروژه بر روی علم هوش مصنوعی می باشد ، که به وسیله این علم شما می توانید دنیای رباتیک را بهتر درک کنید . در این فصل شما با مفاهیم دیگر همچون : هوش محاسباتی و کاربردهای مختلف آن ، واقعیت مجازی که در دنیای امروز واژه ای بسیار آشنا می باشد ، مفاهیم اولیه پردازش تصویر و کاربردهای آن در زمینه های مختلف علمی که در فصول دیگر به طور کلی تر راجع به آن بحث شده است وغیره که با مطالعه این فصل می توانید با آنها آشنا شوید .

 

مقدمه:

از زمان طرح آزمون تورینگ در هوش مصنوعی ،توسعه پردازش زبان طبیعی و ساختن ماشینی مانند انسان ،از آرزوها و موضوعات علوم کامپیوتر بوده است . یکی از چالشهای مهم در زمینه پردازش عواطف و احساسات انسانی مانند خوشحالی ،ناراحتی ،خشم ،عشق و نفرت توسط ماشین است ،طوری که مثلا ماشینها یا رباتها نسبت به هم گذشت داشته باشند یا یکی از عملکرد  دیگری خشمگین یا خوشحال شود.در این راستا و در همین تحقیق روشهای پردازش احساسات و مخصوصا احساسات قابل انتقال و تشخیص از حالتهای چهره بررسی و تحلیل شده و مزایا و معایب هر کدام بیان می شود .      

 

فهرست مطالب:

چکیده

فصل اول: مفاهیم اولیه

1-1   مقدمه

1-2  هوش مصنوعی

1-2-1   نظریه و تست الن تورینگ

1-2-2   پردازش زبان طبیعی

1-2-3 هوش اجتماعی

1-2-4 حرکت و جابجا کردن اجسام

1-2-5 ادراک

1-3 هوش محاسباتی

1-3-1 محاسبات تکاملی

1-3-2    هوش ازدحامی

1-3-3 شبکه های عصبی مصنوعی

1-3-4  سیستم های فازی

1-4 محاسبات نرم

1-4-1 مقایسه محاسبات نرم با محاسبات سخت

1-5   معرفی نرم افزار WINCC  برای ارتباط انسان با ماشین

1-5-1 سیستم های فرعی در این نرم افزار عبارتند از

1-6   واقعیت مجازی

1-6-1 ویژگی  های واقعیت مجازی 

1-6-2 کاربردهای واقعیت مجازی

1-7   پردازش تصاویردیجیت

1-8  پردازش تصویر

1-8-1  آشنایی با مفاهیم اولیه پردازش تصویر

1-8-3  کاربردهای نظامی

نتیجه گیری

فصل دوم : تحقیقات انجام شده توسط دیگران

2-1  استخراج هوشمند و خودکار منحنی دقیق دور لب

2-1-1  مقدمه

2-1-2   فضای  رنگی جدید

2-1-3    یافتن آستانه بهینه

2-1-4  یافتن نقاط کلیدی و رسم منحنی دور لب

2-1-5  نتایج آزمایشات

2-2   مروری بر روشهای بازیابی معنایی عاطفی تصویر

2-2-1   مقدمه

2-2-2   روشهای بازیابی تصاویر بر اساس معانی عاطفی

2-3 تشخیص حالت های چهره از روی تصاویر متحرک با استفاده از Optical Flow و شبکه عصبیRBF

2-3-1   مقدمه

2-3-2  نقاط مشخصه صورت (FCP)

2-3-3  پایگاه داده استفاده شده

2-3-4   روش محاسبه Optical  Flow

2-3-5   سیستم تشخیص حالت های چهره توسط شبکه عصبیRBF

نتیجه گیری

فصل 3 : مدلسازی و پردازش عواطف انسانی توسط ماشین

3-1  مقدمه

3-2  الگوریتم ارتباطات عاطفی

3-3   ویژگی های ورودی الگوریتم

3-4  ویژگی های خروجی الگوریتم

3-5 اجرا

3-6   اعتبار سنجی بسترهای نرم افزاری تجربی

3-7   راه اندازی آزمایشی 

3-8  آزمایش

3-9   نتیجه گیری

فصل چهارم: نتیجه گیری نهایی

فصل پنجم: پیشنهادات

منابع و  مراجع

ضمیمه 1 : الگوریتم مسیریابی ربات آتش نشان

ضمیمه 2 : نیو ربات احساساتی

 

منابع و مأخذ:

1-ARTIFICIAL  INTELLIGENCE (AI)

2- Intelligent  machines

3- Turing Test

4- Creative Commons Attribution/Share- Alike

5-http://www.iranictnews.ir

6- http://www.hccmr.com/news-507.aspx

7- http://www.farsiebook.com/ebook/8955.htm

8-Digital Image Processing,Rafael C.Gonzalez,Richard E.Woods,2ndEdition,Prentice Hall,2001.

9-Digital Image Processing Using Matlab,Rafael C.Gonzalez,Richard E.Woods, Steven Eddins,1stEdition,Pearson,2003.

10-Digital Image Processing , William K. Pratt,4th Edition, John Wiley ,2007.

11-L.Putzara, I.Goerendta,T.Heeda,G.Richardb,C.Buchelc,B.Rodera.The neural basis of lip- reading capabilities is altered by early visual deprivation ,Neuropsychologia, Vol. 48,No.10,pp. 2158-2166 ,2010.

12- W. C. Ooi, C. Jeon, K. Kim, D. K. Han and H. Ko, “Effective Lip Localization and     Tracking for Achieving Multimodal Speech Recognition”, IEEE. Int. Conf. Multisensor Fusion and Integration for Intelligent Systems. Korea ,pp. 90-93, 2008.

13- N. Eveno, A. Caplier, and P. Y. Coulon, “Accurate and Quasi- Automatic Lip Tracking”, IEEE trans. Circuits and Systems for Video Technology, Vol. 14, No. 5, pp. 706-715, 2004.

14- ] S. Igawa, A. Ogihara, A. Shintani, and S. Takamatsu, “Speech recognition based on fusion of visual and auditory information  using full-frame color image”, IEICE trans. on fundamentals of electronics, communications and computer sciences, Vol. E79A, No. 11, pp. 1836-1840, 1996.

15-  N. Eveno, A. Caplier, P. Y. Coulon, “Key Points Based Segmentation of Lips”, IEEE Int. Conf. on Multimedia and Expo Segmentation of Lips”, IEEE Int. Conf. on Multimedia and Expo (ICME 02), Lauzanne, pp. 125-128, 2002.

16- R.L.Hsu, M.Abdel, A.K.Jain, “Face Detection in Color Images”, IEEE Trans. Pattern Analysis & Machine Intelligence, Vol. 24, No. 5, pp. 696-706, 2002.

17-A. Savran, B. Sankur, M. T. Bilge, "Facial action unit detection: 3D versus 2D modality", IEEE CVPR'10 Workshop on Human Communicative Behavior Analysis, San Francisco, California, USA, June 2010.

18- N.Otsu, “A threshold selection method from gray-level histograms”, IEEE Trans. on Systems Man Cybernetics, Vol. 9, No. 1, pp.62-66, 1979.

19- J.j.Zhao and J.j.Chen and Y.Qiang, "The Ontology-Cored Emotional Semantic Search Model",Advances in Wireless Networks and Information Systems, LNEE 72, pp. 209–215.

20- ] J.Machajdik and A. Hanbury, "Affective Image Classification using Features Inspired by Psychology and Art Theory", pp. 1-12,2004.

21- ] S.Bae Cho and J.Young Lee, " A Human-Oriented Image Retrieval System Using Interactive Genetic Algorithm", IEEE TRANSACTIONS ON SYSTEMS, MAN, AND CYBERNETICS PART A: SYSTEMS AND HUMANS, VOL. 32, NO. 3, pp 452-458,2002.

22- ] A.Lakdashti and M. Shahram Moin and K.Badie, " A Novel Semantic–Based Image Retrieval Method", IEEE TRANSACTIONS ON SYSTEMS, MAN, AND CYBERNETICS

PART A: SYSTEMS AND HUMANS, VOL. 52 , NO. 3, pp 969-974,2008.

23- S.Yong Hong and H.Yeon Choi, "COLOR IMAGE SEMANTIC INFORMATION RETRIEVAL SYSTEM USING HUMAN SENSATION AND EMOTION ",Issues in Information Systems, Volume VII, No. 2, pp140-145, 2006.

24- M.Solli and R.Lenz, " Color Semantics for Image Indexing ", 5th European Conference on Colour in Graphics, Imaging, and Vision, Joensuu, Finland, pp353-358,2010.

25- S.Bae Cho, " Emotional Image and Musical Information Retrieval With Interactive Genetic Algorithm", PROCEEDINGS OF THE IEEE, VOL. 92, NO. 4,702-711, 2004.

26- K.A.Olkiewicz and U.M.Kaczmar, "Emotion-based Image Retrieval-an Artificial Neural Network Approach", International Multiconference on Computer Science and Information

Technology, Wisla, POLAND, pp 89-96 , 2010.

27- W.NING WANG and Y.LIN YU, " IMAGE EMOTIONAL SEMANTIC QUERY BASED ON COLOR SEMANTIC DESCRIPTION ", Fourth International Conference on Machine Learning and Cybernetics, Guangzhou, pp4571-4576, 2005.

28- H.Chang Yang and C.Hong Lee, " Image semantics discovery from web pages for semantic-based image retrieval using selforganizing maps", Elsevier, Expert Systems with Applications 34, pp266–279, 2008.

29- N.Liu and E.Dellandr and C.Zhu and Y.Zhang and C.E.Bichot and S.Bres and B.Tellez and L.Chen, " LIRIS-Imagine at ImageCLEF2011 Photo Annotation task", pp 1-9.

30- N. Magesh and Dr. P. Thangaraj, " Semantic Image Retrieval Based on Ontology and SPARQL Query", International Conference on Advanced Computer Technology,pp1-9, 2011.

31- ] W.Wang and Y.Song and A.Zhang, " Semantics-based Image Retrieval by Region Saliency", pp 1-9, 2010.

32- H.Kong and M.Hwang and P.Kim, " The Study on the Semantic Image Retrieval based on the Personalized Ontology", International Journal of Information Technology, Vol. 12 No. 2, pp35-46,2006.

33-] H. Kobayashi and F. Hara," Recognition of Six Basic Facial Expressions and Their Stength by Neural Network ," Proc. of ROMAN' 92,pp381-386 ,1992.

34- T. Goto, S. Kshirsagar and N. Magnenat, "Automatic Face Cloning and Animation ," IEEE signal processing Magazine, pp. 17-25, May 2001.

35- L. Franco and A. Treves ,"A Neural Network Facial Expression Recognition System using Unsupervised Local Processing ," IEEE Trans.in Neural Networks, PP. 626-672 ,2001.

36- H. Kobayashi and F. Hara, "Real - Time Recognition of Six Basic Facial Expression," IEEE Int.Workshop on Robot and Human Communication,PP. 179- 185,1995.

37- H. Kobayashi and F. Hara ,"Analysis of the Neural Network Recognition Characteristics of 6 Basic Facial Expressions ," Int. Workshop on Robot and Human Communication ,PP. 222-226 , 1994.

38- ] H. Ushida , T. Takagi and T. Yamaguchi, "Recognition of Facial Expressions using Conceptual Fuzzy Sets ," IEEE Int. Conf. on Fuzzy Systems Vol.1 Mar. 1993.

39- A. Ralescu and H. Iwamoto," Recognition of and A. Ralescu and H. Iwamoto," Recognition of and IEEE Int.Workshop on Robot and Human Communication ,PP. 259-264 ,1993.

40- H. Ebine and O. Nakamura ," The Rocognition of Facial Exprossion Based on Fuzzy Expert System," IEICE 1998,General Conf.,D-12-163,PP. 262-265,1998.

41- ] M. Rosenblum , Y. Yacoob and L. Davis ,"Human Expression Recognition from Motion using a Radial Basis Function Network Architecture," IEEE Trans. on Neural Networks ,vol.7,No.5,september 1996.

42- Y. Yacoob and L. Davis,"Computing Spatio- Temporal Representation of Human Faces," Proc.of Computer Vision and Pattern Recognition Conf. ,pp. 70-75,1994.

43- M.j. Black and Y.Yacoob,"Recognizing Facial Expressions in Image Sequences Using Local Parameterized Model of Image Motion," Int. Joumal of Computer Vision,March 1995.

44- F. Piat and N. Tsapatsoulis , "Exploring the Time Course of Facial Expressions with a Fuzzy System ," ICME 2000 , PP. 615-618 , NY, U.S.A ,2000.

45- T. Kanade , J. Cohn, and Y. Tian. Comprehensive database for facial expression analysis, 2000.

46- J. Moody and C. Darken, "Learning with Localized receptive fields" in proc, 1988 Connectionist Models ummer School. San Matco. CA:Morgan-Kaufmann 1988.

47- Azad, P.; Asfour, T.; and Dillmann, R. 2007. Toward an Unified Representation for Imitation of Human Motion on Humanoids. In ICRA.

48- Bar-Cohen, Y., and Breazeal, C. 2003. Biologically Inspired Intelligent Robots. SPIE Press.

49- Breazeal, C. 2002. Designing Sociable Robots. The MIT Press.

50- Brock, O.; Fagg, A.; Grupen, R.; Platt, R.; Rosenstein, M.; and Sweeney, J. 2005. A Framework for Learning and Control in Intelligent Humanoid Robots. International Journal of Humanoid Robotics 2(3):301–336.

51- Brooks, R.; Aryananda, L.; Edsinger, A.; Fitzpatrick, P.; Kemp, C.; O’Reilly, U.-M.; Torres-Jara, E.; Varshavskaya, P.; andWeber, J. 2004. Sensing and manipulating built-forhuman environments. International Journal of Humanoid Robotics 1(1):1–28.

52- Deegan, P.; Thibodeau, B.; and Grupen, R. 2006. Designing a Self-Stabilizing Robot For Dynamic Mobile Manipulation. In Robotics: Science and Systems - Workshop on Manipulation for Human Environments.

53- Edsinger, A., and Kemp, C. C. 2006. Manipulation in Human Environments. In IEEE/RSJ International Conference on Humanoid Robotics.

54- Katz, D., and Brock, O. 2007. Interactive Perception: Closing the Gap Between Action and Perception. In ICRA 2007.

55- Workshop: From features to actions - Unifying perspectives in computational and robot vision.

56- Katz, D.; Horrell, E.; Yang, Y.; Burns, B.; Buckley, T.; Grishkan, A.; Zhylkovskyy, V.; Brock, O.; and Learned- Miller, E. 2006. The UMass Mobile Manipulator UMan: An Experimental Platform for Autonomous Mobile Manipulation. In Workshop on Manipulation in Human Environments at Robotics: Science and Systems.

57- Khatib, O.; Yokoi, K.; Brock, O.; Chang, K.-S.; and Casal, A. 1999. Robots in Human Environments: Basic Autonomous Capabilities. International Journal of Robotics Research 18(7):684–696.


دانلود با لینک مستقیم


پروژه مدلسازی و پردازش عواطف واحساسات انسانی توسط ماشین. doc

پروژه بررسی ومقایسه سیستم کالها در سیستم عاملهای ویندوز و یونیکس. doc

اختصاصی از فی بوو پروژه بررسی ومقایسه سیستم کالها در سیستم عاملهای ویندوز و یونیکس. doc دانلود با لینک مستقیم و پر سرعت .

پروژه بررسی ومقایسه سیستم کالها در سیستم عاملهای ویندوز و یونیکس. doc


پروژه بررسی ومقایسه سیستم کالها در سیستم عاملهای ویندوز و یونیکس. doc

 

 

 

 

نوع فایل: word

قابل ویرایش 37 صفحه

 

مقدمه:

سپاس بی کران پروردگار را که به انسان قدرت اندیشیدن بخشید تا به یاری  این موهبت راه ترقی و تعالی را بپیماید.   امروزه رایانه در انجام اغلب امور زندگی انسانها نقش مهمی ایفا میکند هر روز سخت افزارهای سریعتر و کوچکتر و کاراتر به بازار می آیند و بر روند پیشرفت علوم تاثیر بیشتری می گذراند.

البته باید توجه داشته باشیم که استفاده از این سخت افزارها تنها به کمک نرم افزارهایی موسوم به سیستم عامل تا به این اندازه آسان و لذت بخش گردیده است.

در اواخردهه 1980 شرکت مایکروسافت طراحی سیستم عامل جدیدی را شروع کرد تا بتواند از امکانات طراحی ریزپردازنده ها و پیشرفتهای نرم افزاری بهره گیرد. سیستم عامل جدید،ویندوز( ان- تی)نامگذاری شد.

سیستم عامل های کنونی همچون 2000 و(اکس-پی) بر پایه ویندوز (ان-تی) ساخته شده اند.

پیش از آن در سال 1963 آزمایشگاههای بل ، یونیکس را به عنوان یک سیستم اشتراک زمانی تولید کردند .هر چند که پیاده سازی اولیه یونیکس با زبان اسمبلی بود ولی طراحان همیشه میخواستند که آن با یک  زبان سطح بالا نوشته شود . از این رو آزمایشگاه بل زبان (سی) را بنیان نهاد تا طراحان بتوانند یونیکس را از نو بسازند .یونیکس به یک سیستم عامل محبوب تبدیل شد که در بسیاری از رایانه های رومیزی و حتی تجاری به کار می رفت.

ما در این کوتاه سخن سعی بر این داریم تا تفاوتهایی از دو سیستم عامل ویندوز و یونیکس را با رویکرد بررسی سیستم کالها ارایه نماییم.

 

فهرست مطالب:

مقدمه

سیر تکاملی و معماری ویندوز

معماری ویندوز

سیر تکاملی یونیکس

یونیکس از امکانات و قابلیت های زیر پشتیبانی می کند

مقایسه ی ساختار ویندوز با یونیکس

توصیف جامع ساختار و معماری سیستم کالها در ویندوز

لیست سیستم کالها در ویندوز

پخش کردن سیستم کالها

توصیف جامع ساختار و معماری سیستم کالها در یونیکس

لیست سیستم کالها در یونیکس

مدیریت فایل ها

مدیریت پردازه ها

وقفه های نرم افزاری

برنامه ها به سه روش به سیگنال ها پاسخ می دهند

نتیجه گیری

شباهت ها در یونیکس و ویندوز

تفاوت ها در یونیکس و ویندوز

نتیجه گیری کلی


دانلود با لینک مستقیم


پروژه بررسی ومقایسه سیستم کالها در سیستم عاملهای ویندوز و یونیکس. doc

پروژه حل مسأله TSP با ((GA و PSO))). doc

اختصاصی از فی بوو پروژه حل مسأله TSP با ((GA و PSO))). doc دانلود با لینک مستقیم و پر سرعت .

پروژه حل مسأله TSP با ((GA و PSO))). doc


پروژه حل مسأله TSP با ((GA و PSO))). doc

 

 

 

 

نوع فایل: word

قابل ویرایش 81 صفحه

 

چکیده:

الگوریتم PSOیک الگوریتم جستجوی اجتماعی است که از روی رفتار اجتماعی دسته‌های پرندگان مدل شده است. در ابتدا این الگوریتم به منظور کشف الگوهای حاکم بر پرواز همزمان پرندگان و تغییر ناگهانی مسیر آنها و تغییر شکل بهینه‌ی دسته به کار گرفته شد . در PSO، ذرات در فضای جستجو جاری می‌شوند. تغییر مکان ذرات در فضای جستجو تحت تأثیر تجربه و دانش خودشان و همسایگانشان است. بنابراین موقعیت دیگر توده ذرات روی چگونگی جستجوی یک ذره اثر می‌گذارد. نتیجه‌ی مدل‌سازی این رفتار اجتماعی فرایند جستجویی است که ذرات به سمت نواحی موفق میل می‌کنند. ذرات از یکدیگر می‌آموزند و بر مبنای دانش بدست آمده به سمت بهترین همسایگان خود می‌روند اساس کار PSO بر این اصل استوار است که در هر لحظه هرذرهمکان خود را در فضای جستجو با توجه به بهترین مکانی که تاکنون در آن قرار گرفته است و بهترین مکانی که در کل همسایگی‌اش وجود دارد، تنظیم می‌کند.

در این مقاله روشی برای حل مسأله مشهور فروشنده دوره گرد (Tsp)، با استفاده از الگوریتم PSO ارائه شده است. PSO یک روش بهینه سازی است که از رفتار اجتماعی پرندگان الهام گرفته است. در PSOهرعضو جامعه موقعیت خود را در فضای جستجو با توجه به تجربیات شخصی و تجربیات کل جامعه تغییر می دهد. الگوریتم PSO معمولا برای بهینه سازی توابع غیر خطی با متغیرهای پیوسته به کار می رود؛ در حالی که در مساله TSP با یک فضای جستجوی گسسته سروکار داریم. بنابراین با اعمال تغییرات اندکی در الگوریتم PSO وتعریف مجدد عملگرهای محاسباتی (جمع و ضرب وتفریق) این الگوریتم متناسب با ساختار مسألۀ TSP تغییر یافته سات. الگوریتم پیشنهادی بر روی گرافی متشکل از 17 شهر تست شده و در پنجمین اجرا به جواب بهنیۀ سراسری رسیده است. سایر جوابهای به دست آمده از الگوریتم نیز به جواب بهینه خیلی نزدیک می باشند.

 

کلمات کلیدی: PSO، مسألۀ فروشندۀ دوره گرد، الگوریتم های الهام گرفته از طبیعت.

 

مقدمه:

امروزه یکی از مهم‌ترین زمینه‌های تحقیق و پژوهش، توسعۀ روش‌های جستجو بر مبنای اصول تکامل طبیعی می‌باشد. در محاسبات تکاملی به صورت انتزاعی از مفاهیم اساسی تکامل طبیعی در راستای جستجو برای یافتن راه حلّ بهینه برای مسائل مختلف الهام گرفته شده است. در همین راستا مطالبی که در این فصل پیش روی شما پژوهندۀ گرامی قرار خواهد گرفت مفاهیمی دربارۀ علم کامپیوتر و علم ژنتیک مانند: الگوریتم و انواع آن، جستجو، هیوریستیک، تاریخچه الگوریتم ژنتیک و علم ژنتیک، ژن، کروموزوم، ارث بری و... می باشد، و یا به بیانی خلاصه‌تر می‌توان گفت: در این فصل به بیان مقدّمات خواهیم پرداخت.

انشاءالله مطالعۀ این فصل مفهومی ساده و روشن از موضوعِ این نوشتار را برای شما خوانندۀ محترم به تصویر خواهد کشید و شما را در درک آسان و سریع فصول بعدی یاری خواهد رساند.

فهرست مطالب:

فصل اول : مختصر توضیح در موردTSP

1-1- مقدمه

1-2- درباره علم ژنتیک

1-3- تاریخچۀ علم ژنتیک

1-4- ایدۀ اصلی استفاده از الگوریتم ژنتیک

1-5- انواع الگوریتم‌های هیوریستیک

فصل دوم : الگوریتم ژنتیک

2-1- مکانیزم الگوریتم ژنتیک

2-2- عملگرهای الگوریتم ژنتیک

2-2-1- کدگذاری

2-2-2- ارزیابی

2-2-3- ترکیب

2-2-4- جهش

2-2-5- رمزگشایی

2-3- انواع الگوریتم‌های ژنتیکی

2-3-1- الگوریتم ژنتیکی سری

2-3-2- الگوریتم ژنتیکی موازی

2-4- مقایسه الگوریتم ژنتیک با سیستم‌های طبیعی

2-5- نقاط قوّت الگوریتم‌های ژنتیک

2-6- بهبود الگوریتم ژنتیک

2-7- چند نمونه از کاربردهای الگوریتم‌های ژنتیک

2-8-کد کردن(Encoding)

2-9-تابع ارزش(Evaluation)

2-10-    انتخاب (Selection)

2-11-ترکیب (Crossover)

2-12-جهش (Mutation)

2-13-الگوریتم ژنتیک و حلّ مسألۀ فروشندۀ دوره‌گرد

2-14-مسئله فروشنده سیار موردی مربوط به بهینه سازی ترکیبی است

2-15- مسئله فروشنده سیار یک مسئله بهینه سازی ترکیبی است NP-hard

فصل سوم : PSO

3-1- قاعده PSO

3-2- الگوریتم 1: شبه‌دستورالعمل برای PSO پایه

3-2-1- قالب‌بندی آغازین

3-2-2- نشان دادن بهترین راه‌حل پیدا شده ؛

3-2-3- الگوریتم پیشنهادی (MHPSO)

3-3- فرمول‌بندی و شرح مسئله

3-4- روش دو گزینه‌ای

3-5- عملکرد متقاطع

3-6- الگوریتم MHPSO

3-7- نتایج تجربی

3-8- نتیجه گیری

فصل چهارم :حل مسئله TSP با GA

4-1-مقدمه

4-2- حل tsp با الگوریتم ژنتیک

4-3- مقایسه روشهای مختلف الگوریتم و ژنتیک برای TSP

4-4- نگاه مختصری به PSO

4-5- استفاده از PSO برای حل مساله فروشنده دوره گرد

4-6- بردار سرعت و عملگر حرکت (Move)

4-7- عملگر تفریق(subtraction)

4-8- عملگر جمع(addition)

4-9- عملگر ضرب(Multiplication)

4-10- الگوریتم PSO برای TSP

4-11- نتایج به دست آمده

4-12-جمع بندی و نتیجه گیری

مراجع

 

منابع و مأخذ:

[1] kennedy,j,and Eberhart,R.C,,”Particle swarm optimization “,proc .IEEE intl conf .on neural Network ,vol,IV,PP.1942-1948.IEEEService center , Piscataway,NJ,1995.

[2]Eberhart , R.C.and shi, Y.,”Evolving artificial neural networks”,proceedings of international conference on Neural NetworkandBrain ,1998,Beijing, P.R.China,pp.PL5-PL13,1998.

[3]Gudise ,v.G.,and venayagamoorthy,G.K.,”Comparison of particle swarm optimization and back Propagation as training algoritms for neural networks”,proceedings of the IEEE swarm Intelligence Symposium 2003 (SIS 2003),Indianapolis ,Indiana,USA,PP.110-117,2003.

[4]Xiaohui HU,”Particle Swarm optimization Tutorials”,online:

http://web.ics.purdue.edu/hux/tutorials.shtml,2002.

[5]Shi, .,and Eberhart ,R.C.,”parameter selection in particle swarm optimization “,Evolutionary programming VII:Proceedings of the Serventh Annual conference on Evolutionary programming ,New York,pp.591-600,1998.

[6]Clerc,M.,”Discrete particle swarm optimization ,III UStrated by the Traveling Salesman problem”,Online:http://www.mauriceclerc.net,2000.


دانلود با لینک مستقیم


پروژه حل مسأله TSP با ((GA و PSO))). doc

پروژه رشته کامپیوتر با موضوع بن بست. doc

اختصاصی از فی بوو پروژه رشته کامپیوتر با موضوع بن بست. doc دانلود با لینک مستقیم و پر سرعت .

پروژه رشته کامپیوتر با موضوع بن بست. doc


پروژه رشته کامپیوتر با موضوع بن بست. doc

 

 

 

 

نوع فایل: word

قابل ویرایش 97 صفحه

 

مقدمه:

در سال های اخیر صنعت کامپیوتر رشد بسیار شگفت انگیزی داشته است. در طی دو دهه اخیر سرعت کامپیوتر های شخصی از چند دستور در ثانیه به چند میلیون دستور در ثانیه رسیده است در صورتیکه قیمت آنها نیز از چند میلیون دلار به چند هزار دلار کاهش یافته است.

از سوی دیگر تحول چشم گیری نیز در صنعت شبکه های کامپیوتری به وجود آمده است. امروزه هزاران کامپیوتر می توانند از طریق یک شبکه LAN به یکدیگر متصل شده و در کسری از ثانیه داده های خود را با یکدیگر مبادله کنند. یا به کمک یک شبکه WAN میلیون ها کامپیوتر از سرتاسر دنیا قادر به تبادل داده با یکدیگر هستند.

با توجه به این تحولات، امروزه تصور مجموعه ای از کامپیوتر ها که به صورت یک کامپیوتر یکپارچه اما با قدرت بسیار بیشتر در حال کار هستند چندان بعید نیست.

           

فهرست مطالب:

فصل اول

مقدمه

تعریف سیستم های توزیع شده

ایجادارتباط کاربران با منابع

شفافیت (Transparency)

مسأله مقیاس پذیری

تکنیک های مقیاس گذاری

سیستم های چند پردازنده ای

سیستم های چند کامپیوتری همگن

سیستم های چند کامپیوتری نا همگن

سیستم عامل توزیع شده

سیستم عامل های چند پردازنده ای

سیستم عامل های چند کامپیوتری

سیستم توزیع شده با حافظه مشترک

سیستم عامل شبکه

میان افزار ها

انواع میان افزار ها

سرویس های میان افزار ها

میان افزار ها و مسأله باز بودن

مقایسه ای بین سیستم ها

حافظه اشتراکی توزیع شده

تبادل پیام

خصوصیات مطلوب سیستم تبادل پیام

 طبقه بندی ابزارهای تبادل پیام

طبقه بندی بر اساس پیاده سازی

مروری بر ابزارهای تبادل پیام

فصل دوم

چکیده

مقدمه

نیازهای مربوط به پردازش ویدئویی

ضعفهای طراحی رقابتی

روش پردازش موازی

پردازشگر GAPP

مروری بر طرح GAPP

برتری تکنیکی GAPP

راه حل کامپیوترویدئویی TeraNex

راه حل سیستم DTV

مروری بر محصول کامپیوتر ویدئویی

نتیجه گیری

فصل سوم

مقدمه

سیستم های تک خواسته

سیستم درخواست چندگانه

سیستم های پویای تک خواسته

سیستم های پویای چند درخواسته

سیستم های درخواستی OR

عمومی کردن سیستم های درخواستی

مکانیسم کنترل کنتاکت

استراتژی پرس و جوی تکراریt

استراتژی کوتاه شده

پروتکل Wflood


دانلود با لینک مستقیم


پروژه رشته کامپیوتر با موضوع بن بست. doc

پروژه رشته کامپیوتر با موضوع زبان برنامه نویسی دلفی. doc

اختصاصی از فی بوو پروژه رشته کامپیوتر با موضوع زبان برنامه نویسی دلفی. doc دانلود با لینک مستقیم و پر سرعت .

پروژه رشته کامپیوتر با موضوع زبان برنامه نویسی دلفی. doc


پروژه رشته کامپیوتر با موضوع زبان برنامه نویسی دلفی. doc

 

 

 

 

نوع فایل: word

قابل ویرایش 80 صفحه

 

مقدمه:

زبان دلفی یا همان پاسکال شی گرا از جمله زبانهای برنامه نویسی محصول شرکت بورلند میباشد. این زبان تکامل یافته و نسخه شی گرای زبان پاسکال میباشد که در دو بستر ویندوز و لینوکس ارائه شده است. نسخه تحت ویندوز ان با نام دلفی و نسخه تحت لینوکس آن با نام کایلیکس معروف است. محیط برنامه نویسی به صورت IDE یا همان محیط توسعه مجتمع میباشد . به این معنی که تمامی مراحل طراحی و تست و اشکال زدایی در یک محیط گرد آمده است. این زبان به صورت ویژوال میباشد . عمل طراحی نرمافزار به راحتی با استفاده از تکنیک کشیدن و رها کرن (drag and drop) انجام میگیرد. زبان دلفی دارای کامپوننتهای آماده بسیاری میباشد که عمل تولید نرمافزار برای ویندوز را به راحتی انجام میدهد. وجود کامپوننتهای بسیار و استفاده زبان از عبارات نزدیک به معنی و طولانی

و محیط کاربری راحت این زبان را به یکی از محبوبترین محیط های برنامه نویسی تبدیل کرده است.

 

فهرست مطالب:

فصل اول : مقدمه ای بر زبان دلفی

فصل دوم : مروری بر ابزار پایگاه داده اس کیو ال مایکروسافت

فصل سوم: بررسی نیازهای کارخانه تولیدی صنایع پلاستیک کاوه

فصل چهارم:بررسی نرم افزار به زبان دلفی

فصل پنجم: بررسی پایگاه داده نرم افزار

قصل ششم: منابع و مراجع

 

منابع و مأخذ:

مراجع و منابع فارسی:

مرجع کامل دلفی ترجمه جعفرنژاد قمی

آموزس SQL در 21روز ترجمه کامران سیروسیان

خودآموز MSSQL 2000 ترجمه جعفرنژاد قومی

 

مراجع انگلیسی :

  1. delphi.about.com

HELP همراه دلفی


دانلود با لینک مستقیم


پروژه رشته کامپیوتر با موضوع زبان برنامه نویسی دلفی. doc