تحقیق با موضوع شبکه های عصبی کامپیوتر

تحقیق با موضوع شبکه های عصبی کامپیوتر تحقیق با موضوع شبکه های عصبی کامپیوتر 132صفحه قالب ورد قابل ویرایش

دسته بندی	کامپیوتر و IT
فرمت فایل	doc
حجم فایل	92 کیلو بایت
تعداد صفحات فایل	132

توضیحات:

تحقیق با موضوع شبکه های عصبی کامپیوتر

132صفحه قالب ورد قابل ویرایش

بخشی ازمتن:

چکیده 

       شبکه های عصبی مصنوعی در بسیاری از موارد تحقیق و در تخصص های گوناگون به کار گرفته شده و به عنوان یک زمینه تحقیقاتی بسیار فعال حاصل همکاری دانشمندان در چند زمینه علمی از قبیل مهندسی رایانه ، برق ، سازه ، و بیو لوژی اند . از موارد کاربرد شبکه ای عصبی می توان به طبقه بندی اطلاعات ، شناخت ویژگی های حروف و شکلها ، برآورد توابع و غیره اشاره کرد . 

کاربرد شبکه های عصبی در مهندسی عمران و به خصوص سازه نیز روز به روز در حال توسعه است و بی شک در آینده شاهد فراگیر شدن و گسترش این علم در مهندسی سازه خواهیم بود . از موارد استفاده شبکه های عصبی در مهندسی عمران می توان به بهینه سازی ، تحلیل ، طراحی و پیش بینی خیز و وزن سازه ها ، تحلیل و طراحی اتصالات ، پیش بینی نتایج آزمایشات بتنی و خاکی ، کاربرد در تئوری گرافها و بسیاری از موارد دیگر اشاره کرد .

این مقاله حاوی پنج بخش است : 

بخش اول به مفاهیم بنیادی شبکه های عصبی مصنوعی می پردازد و بعضی از موضوعات برای آشنایی مقدماتی به اختصار در این بخش توضیح داده شده است و شامل مدل بیولوژیکی شبکه های عصبی می باشد و همچنین سلول عصبی مصنوعی توضیح داده شده است که به منظور تقلید از خصوصیات مرتبه اول ( First order ) سلول عصبی بیولوژیکی طراحی شده است .سطح تحریک سلول عصبی که توسط جمع ورودی های وزن دار معین شده است ، در این بخش توضیح داده شده است .

شبکه های عصبی مصنوعی تک لایه و چند لایه نیز به طور مفصل مورد بحث قرار گرفته است که ساده ترین شبکه به صورت گروهی از سلول های عصبی است که در یک لایه مرتب شده اند و شبکه های چند لایه تواناییها و قابلیت های محاسباتی بیشتری را ارائه می کنند . شبکه های بازگشتی که شامل ارتباطات تغذیه برگشتی هستند ، در این شبکه ها ، خروجی های قبیل دوباره به سمت عقب به طرف ورودی ها منتشر می شوند و خروجی شان هم با استفاده از ورودی جاری و هم خروجی قبلیشان تعیین می شو د.

بخش دوم :شامل الگوریتم های آموزشی می باشد و هدف از آموزش شبکه را توضیح می دهد که یک شبکه به گونه ای آموزش داده می شود که با به کار بردن یک دسته از ورودی ها ، دسته خروجی های دلخواه تولید شود 

چکیده        

شبکه های عصبی مصنوعی در بسیاری از موارد تحقیق و در تخصص های گوناگون به کار گرفته شده و به عنوان یک زمینه تحقیقاتی بسیار فعال حاصل همکاری دانشمندان در چند زمینه علمی از قبیل مهندسی رایانه ، برق ، سازه ، و بیو لوژی اند . از موارد کاربرد شبکه ای عصبی می توان به طبقه بندی اطلاعات ، شناخت ویژگی های حروف و شکلها ، برآورد توابع و غیره اشاره کرد . کاربرد شبکه های عصبی در مهندسی عمران و به خصوص سازه نیز روز به روز در حال توسعه است و بی شک در آینده شاهد فراگیر شدن و گسترش این علم در مهندسی سازه خواهیم بود . از موارد استفاده شبکه های عصبی در مهندسی عمران می توان به بهینه سازی ، تحلیل ، طراحی و پیش بینی خیز و وزن سازه ها ، تحلیل و طراحی اتصالات ، پیش بینی نتایج آزمایشات بتنی و خاکی ، کاربرد در تئوری گرافها و بسیاری از موارد دیگر اشاره کرد .این مقاله حاوی پنج بخش است : بخش اول به مفاهیم بنیادی شبکه های عصبی مصنوعی می پردازد و بعضی از موضوعات برای آشنایی مقدماتی به اختصار در این بخش توضیح داده شده است و شامل مدل بیولوژیکی شبکه های عصبی می باشد و همچنین سلول عصبی مصنوعی توضیح داده شده است که به منظور تقلید از خصوصیات مرتبه اول ( First order ) سلول عصبی بیولوژیکی طراحی شده است .سطح تحریک سلول عصبی که توسط جمع ورودی های وزن دار معین شده است ، در این بخش توضیح داده شده است .شبکه های عصبی مصنوعی تک لایه و چند لایه نیز به طور مفصل مورد بحث قرار گرفته است که ساده ترین شبکه به صورت گروهی از سلول های عصبی است که در یک لایه مرتب شده اند و شبکه های چند لایه تواناییها و قابلیت های محاسباتی بیشتری را ارائه می کنند . شبکه های بازگشتی که شامل ارتباطات تغذیه برگشتی هستند ، در این شبکه ها ، خروجی های قبیل دوباره به سمت عقب به طرف ورودی ها منتشر می شوند و خروجی شان هم با استفاده از ورودی جاری و هم خروجی قبلیشان تعیین می شو د.بخش دوم :شامل الگوریتم های آموزشی می باشد و هدف از آموزش شبکه را توضیح می دهد که یک شبکه به گونه ای آموزش داده می شود که با به کار بردن یک دسته از ورودی ها ، دسته خروجی های دلخواه تولید شود 

فهرست برخی ازمطالب:

 سازه های مهندسی 

مقدمه      

بخش اول

بنیانهای شبکه های عصبی مصنوعی

مدل بیولوژیکی

سلول عصبی مصنوعی

توابع تحریک

شبکه های عصبی مصنوعی تک لایه

تابع تحریک غیر خطی 

شبکه های بازگشتی:

اصطلاحات علمی و فنی، نماد ها و نمایش شبکه های عصبی مصنوعی 

اصطلاحات علمی و فنی (‌واژه ها ) 

بخش دوم 

نگاهی اجمالی به الگوریتم های آموزش 

هدف از آموزش شبکه 

بخش سوم 

الگوریتم انتشار بر گشتی 

ساختار شبکه 

سلول عصبی 

چالش ها و مشکلات پیش رو در اجرا و بهره برداری از سدها و شبکه های آبیاری و زهکشی در خصوص بررسی و شناخت اجزای مهم متشکله طرح

پاورپوینت بررسی چالش ها و مشکلات پیش رو در اجرا و بهره برداری از سدها و شبکه های آبیاری و زهکشی در خصوص بررسی و شناخت اجزای مهم متشکله طرح در این پروژه پاورپوینت بررسی چالش ها و مشکلات پیش رو در اجرا و بهره برداری از سدها و شبکه های آبیاری و زهکشی در خصوص بررسی و شناخت اجزای مهم متشکلۀ طرح و امکان چالش زایی در 40 اسلاید به طور کامل و جامع طبق موارد زیر ارایه شده است 1 بررسی و شناخت اجزای مهم متشکلۀ طرح و امکان چالش زایی 2 مقدمه 3 اجرای پروژه بایدها و نبایدها سد مانعی راهگش

دسته بندی	عمران
فرمت فایل	pptx
حجم فایل	2020 کیلو بایت
تعداد صفحات فایل	40

در این پروژه پاورپوینت بررسی چالش ها و مشکلات پیش رو در اجرا و بهره برداری از سدها و شبکه های آبیاری و زهکشی در خصوص بررسی و شناخت اجزای مهم متشکلۀ طرح و امکان چالش زایی در 40 اسلاید به طور کامل و جامع طبق موارد زیر ارایه شده است:

1- بررسی و شناخت اجزای مهم متشکلۀ طرح و امکان چالش زایی

2- مقدمه

3- اجرای پروژه : بایدها و نبایدها - سد مانعی راهگشا

4- چالشهای عمده بحران کمبود آب و فقر آب در برخی حوزه ها :

5- روشهای برخورد با این مشکل :

6- اهداف سد سازی :

7- اجنتاب ناپذیر بودن ساخت سدها

8- دسته بندی کلی اجزا و عوامل مهم

9- ایجاد وقفه در انجام عملیات. • تغییر در نقشه و مشخصات. افزایش هزینه تمام شده سد بوجود آمدن کار جدید

10- . طرح های مکمل در احداث سد با توجه به اهداف از پیش تعیین شده از ساخت سد ، بهره برداری

11- در نتیجه :

12- در تحویل زمین طرح مشکلاتی چند ممکن است پدیدار گردد :

13- نظارت و کنترل عملیات شامل :

14- نتیجه گیری :

تحقیق با موضوع شرایط لازم برای دریافت مدرک CCNA (برنامه ریزی و طراحی شبکه)

تحقیق با موضوع شرایط لازم برای دریافت مدرک CCNA (برنامه ریزی و طراحی شبکه) تحقیق باموضوع شرایط لازم برای دریافت مدرک CCNA (برنامه ریزی وطراحی شبکه) 93صفحه قالب ورد قابل ویرایش

دسته بندی	کامپیوتر و IT
فرمت فایل	doc
حجم فایل	239 کیلو بایت
تعداد صفحات فایل	93

توضیحات:

تحقیق باموضوع شرایط لازم برای دریافت مدرک CCNA (برنامه ریزی وطراحی شبکه)

93صفحه قالب ورد قابل ویرایش

تحقیق باموضوع شرایط لازم برای دریافت مدرک CCNA (برنامه ریزی وطراحی شبکه)

93صفحه قالب ورد قابل ویرایش

بخشی ازمتن:

CCNA ( برگرفته از  Cisco Certified Network Associate ) ، اولین مدرک معتبر شرکت سیسکو در رابطه با شبکه است که می توان آن را پیش نیاز سایر مدارک این شرکت در نظر گرفت . علاقه مندان به دریافت این مدرک می بایست دارای مجموعه ای از  قابلیت ها باشند : 

• نصب ، پیکربندی و مدیریت شبکه های محلی ( LAN ) و شبکه های گسترده ( WAN ) 

• آشنائی و قابلیت پیکربندی پروتکل IP ( برگرفته از  Internet Protocol ) 

• آشنائی و قابلیت پیکربندی پروتکل IGRP ( برگرفته از  Interior Gateway Routing Protocol  ) 

• آشنائی و قابلیت پیکربندی پروتکل  EIGRP ( برگرفته از Enhanced IGRP ) 

• آشنائی و قابلیت پیکربندی پروتکل  OSPF ( برگرفته از Open Shortest Path First ) 

• آشنائی و قابلیت پیکربندی پروتکل PPP ( برگرفته از Point-to-Point Protocol  ) 

• آشنائی و قابلیت پیکربندی  ISDN  ( برگرفته از  Integrated Services Digital Network  ) 

• آشنائی و قابلیت پیکربندی پروتکل Frame Relay  

• آشنائی و قابلیت پیکربندی پروتکل RIP ( برگرفته از Routing Information Protocol ) 

• آشنائی و پیکربندی شبکه های محلی مجازی VLAN ( برگرفته از  virtual LANs  ) 

• آشنائی با مفاهیم اساسی اترنت 

• آشنائی و پیکربندی لیست های دستیابی 

فهرست برخی ازمطالب:

شرایط لازم برای دریافت مدرک CCNA 

چگونه می توان مدرک CCNA را دریافت نمود ؟ 

ماهیت و نحوه سوالات آزمون 

نکات کلیدی برای دریافت مدرک CCNA (بخش اول) 

کات کلیدی برای دریافت مدرک CCNA (بخش دوم) 

: برنامه ریزی و طراحی شبکه ( بخش اول ) 

بخش اول : طراحی یک شبکه محلی ساده با استفاده از فناوری سیسکو 

پاورپوینت طراحی شبکه های جمع آوری فاضلاب شهری

پاورپوینت طراحی شبکه های جمع آوری فاضلاب شهری فصل اول کلیات فصل دوم مطالعات جمعیتی فصل سوم تولید فاضلاب فصل چهارم مبانی فنی طراحی فصل پنجم طراحی هیدرولیکی فاضلابروها

دسته بندی	عمران
فرمت فایل	ppt
حجم فایل	906 کیلو بایت
تعداد صفحات فایل	150

فصل اول کلیات
فصل دوم مطالعات جمعیتی
فصل سوم تولید فاضلاب
فصل چهارم مبانی فنی طراحی
فصل پنجم طراحی هیدرولیکی فاضلابروها

دانلود فایل ورد WORD دستیابی به کیفیت سرویس در شبکه های حسگر بیسیم با استفاده از آتوماتاهای یادگیر سلولی

دانلود فایل ورد WORD دستیابی به کیفیت سرویس در شبکه های حسگر بیسیم با استفاده از آتوماتاهای یادگیر سلولی عنوان دستیابی به کیفیت سرویس در شبکه های حسگر بیسیم با استفاده از آتوماتاهای یادگیر سلولی تعداد صفحات 220 چکیده کیفیت سرویس در شبکه های حسگر بی سیم نسبت به شبکه های سنتی بسیار متفاوت است بعضی از پارامترهایی که در ارزیابی کیفیت سرویس در این شبکه ها مورد استفاده قرار می گیرند عبارتند

دسته بندی	کامپیوتر و IT
فرمت فایل	doc
حجم فایل	1631 کیلو بایت
تعداد صفحات فایل	220

عنوان : دستیابی به کیفیت سرویس در شبکه های حسگر بیسیم با استفاده از آتوماتاهای یادگیر سلولی

تعداد صفحات : 220

چکیده

کیفیت سرویس در شبکه های حسگر بی سیم نسبت به شبکه های سنتی بسیار متفاوت است. بعضی از پارامترهایی که در ارزیابی کیفیت سرویس در این شبکه ها مورد استفاده قرار می گیرند عبارتند از: پوشش شبکه, تعداد بهینه نودهای فعال در شبکه, طول عمر شبکه و میزان مصرف انرژی. در این پایان نامه سه مسئله اساسی شبکه ها ی حسگر بی سیم مطرح گردیده و با هدف بهبود پارامترهای کیفیت سرویس، برای این مسائل، راه حلهایی کارا با استفاده از روش هوشمند آتوماتاهای یادگیرسلولی ارائه شده است. ابتدا مسئله پوشش محیط در شبکه های حسگر را با استفاده از غیر فعال نمودن نودهای غیر ضروری و فعال نگه داشتن بهینه نودها حل می گردد، تا در مصرف انرژی صرفه جویی به عمل آمده و عمر شبکه افزایش یابد. سپس به مسئله خوشه بندی در شبکه حسگر پرداخته شده و با استفاده از آتوماتاهای یادگیرسلولی, شبکه های حسگر به گونه ای خوشه بندی می شوند که انرژی به صورت یکنواخت در شبکه بمصرف رسیده وعمر شبکه افزایش یابد. پس از آن با استفاده از آتوماتاهای یادگیر یک روش تجمیع داده های محیط حسگری پیشنهاد می گردد که در مصرف انرژی شبکه صرفه جویی به عمل آورده و عمر شبکه را افزایش می دهد. همه روشهای ارائه شده با استفاده از نرم افزار J-Sim شبیه سازی گردیده اند. نتایج شبیه سازی ها نشان دهنده عملکرد بهتر روشهای پیشنهادی نسبت به روشهای مشابه می باشد.

فهرست مطالب

چکیده

1- مقدمه

1-1-شبکه های حسگر بی سیم

1-1-1- مسائل مطرح در شبکه های حسگر بی سیم

1-1-2- پوشش محیط در شبکه های حسگر بی سیم

1-1-3- خوشه بندی در شبکه های حسگر بی سیم

1-1-4- تجمیع داده ها در شبکه های حسگر

1-2-کیفیت سرویس در شبکه های حسگر بی سیم

1-2-1- کیفیت سرویس در شبکه های داده ای سنتی

1-2-2- کیفیت سرویس در شبکه های حسگر بی سیم

1-3-آتوماتای یادگیر

1-3-1- آتوماتای یادگیر

1-3-2- معیار‌های رفتار اتوماتای یادگیر

1-3-3- الگوریتمهای یادگیری

1-3-4- آتوماتای یادگیر با عملهای متغیر

1-4-آتوماتای یادگیر سلولی

1-4-1- آتوماتای سلولی

1-4-2- آتوماتای یادگیر سلولی (CLA)

1-4-3- آتوماتای یادگیر سلولی نامنظم (ICLA)

1-5-اهداف پایان نامه و ساختار آن

2- پوشش محیط در شبکه های حسگر بی سیم با استفاده از آتوماتاهای یادگیرسلولی

2-1-مقدمه

2-1-1- اشکال مختلف طراحی

2-2-دسته بندی مسائل پوشش در شبکه های حسگر

2-2-1- پوشش ناحیه ای

2-2-2- پوشش نقطه ای

2-2-3- پوشش مرزی

2-3-روش پوشش CCP

2-3-1- فرضیات مسئله

2-3-2- تشریح روش

2-4-حل مسئله پوشش(k-پوششی ) با استفاده از آتوماتاهای یادگیر

2-4-1- فرضیات و مدل مسئله

2-4-2- روش تشخیص افزونه بودن نود حسگر

2-4-3- شبیه سازی

2-5-جمع بندی

3- خوشه بندی در شبکه های حسگر بی سیم با استفاده از آتوماتاهای یادگیر سلولی

3-1-مقدمه

3-2-کارهای انجام شده

3-2-1- پروتکل خوشه بندی LEACH

3-2-2- پروتکل خوشه بندی HEED

3-3-خوشه بندی در شبکه های حسگر بی سیم با استفاده از آتوماتاهای یادگیر سلولی

3-3-1- روش خوشه بندی پیشنهادی

3-3-2- شبیه سازی

3-4-جمع بندی

4- تجمیع داده ها در شبکه های حسگر با استفاده از آتوماتاهای یادگیر

4-1-مقدمه

4-2-کارهای انجام گرفته

4-3-تجمیع داده ها در شبکه های حسگر با استفاده از آتوماتاهای یادگیر

4-3-1- بیان مسئله و مفروضات آن

4-3-2- تشریح روش پیشنهادی

4-4-شبیه سازی

4-4-1- آزمایش اول

4-4-2- آزمایش دوم

4-4-3- آزمایش سوم

4-5-جمع بندی

5- نتیجه گیری

6- پیوست اول: شبکه های حسگر بی سیم

6-1-تاریخچه شبکه های حسگر

6-2-ساختار هر گره حسگر

6-2-1- اجزاء درونی یک گره حسگر

6-2-2- محدودیتهای سختافزاری یک گره حسگر

6-3-پشته پروتکلی

6-4-مزایای شبکه های حسگر بیسیم

6-5-کاربردهای شبکه های حسگر بیسیم

7- پیوست دوم:آتوماتای یادگیرسلولی

7-1-تاریخچه آتوماتای یادگیر

7-2-معیار‌های رفتار اتوماتای یادگیر

7-3-آتوماتای یادگیر با عملهای متغیر

7-4-آتوماتای یادگیر تعقیبی

7-5-آتوماتای یادگیر سلولی (CLA)

7-6-آتوماتای یادگیر سلولی باز(OCLA)

7-7-آتوماتای یادگیر سلولی ناهمگام (ACLA)

8- پیوست سوم: شرح نرم افزار J-Sim و پیاده سازی الگوریتمهای پیشنهادی با آن

8-1-مقدمه

8-2-شبیه ساز J-Sim

8-2-1- شبیه سازی شبکه های حسگر بی سیم با استفاده از J-sim

8-2-2- نصب و اجرا

8-3-پیاده سازی الگوریتم خوشه بندی پیشنهادی

8-4-پیاده سازی الگوریتم پوشش پیشنهادی

8-5-پیاده سازی الگوریتم تجمیع پیشنهادی

9- واژه نامه

مراجع

فهرست شکلها

شکل ‏1‑2: یک مدل ساده از QoS

شکل ‏1‑3: نحوه عملکرد پروتکل RSVP

شکل ‏1‑4 : اتوماتای یادگیر تصادفی

شکل ‏1‑5: (الف) همسایگی مور – (ب) همسایگی ون نیومن برای اتوماتای سلولی

شکل ‏1‑6: قانون 54

شکل ‏1‑7: آتوماتای یادگیر سلولی نامنظم

شکل ‏2‑11: محاسبه MaxIteration مناسب جهت بدست اوردن پوشش کامل در شبکه

شکل ‏2‑12 : مقایسه تعداد نودهای فعال در روشهای پوشش با درجه پوشش یک

شکل ‏2‑13 : مقایسه تعداد نودهای فعال در روشهای پوشش با درجات پوشش 2 و 3

شکل ‏2‑14 : مقایسه نسبت میانگین انرژی نودهای فعال نسبت به میانگین انرژی نودهای غیرفعال با درجه پوشش یک

شکل ‏2‑15 : مقایسه نسبت میانگین انرژی نودهای فعال نسبت به میانگین انرژی نودهای غیرفعال با درجه پوشش دو

شکل ‏2‑16 : مقایسه نسبت میانگین انرژی نودهای فعال نسبت به میانگین انرژی نودهای غیرفعال با درجه پوشش سه

شکل ‏2‑17 : مقایسه طول عمر شبکه(زمان از بین رفتن اولین نود) در حالتهای مختلف

شکل ‏2‑18 : مقایسه میزان انرژی مصرفی در الگوریتم پوشش نسبت به کل انرژی مصرفی

شکل ‏3‑1: ارتباطات تک گامی و چندگامی بدون خوشه بندی

شکل ‏3‑2: ارتباطات تک گامی و چندگامی با استفاده از خوشه بندی

شکل ‏3‑3: شبه کد الگوریتم HEED

شکل ‏3‑4 : مقایسه تعداد خوشه های ایجاد شده در روشهای مختلف خوشه بندی

شکل ‏3‑5: مقایسه درصد خوشه های خالی ایجاد شده در روشهای مختلف خوشه بندی

شکل ‏3‑6: مقایسه نرخ میانگین انرژی سرخوشه ها نسبت به میانگین انرژی نودهای معمولی

شکل ‏3‑7: مقایسه ضریب تغییرات اندازه خوشه ها در روشهای مختلف خوشه بندی

شکل ‏3‑8: مقایسه طول عمر شبکه در روشهای مختلف خوشه بندی

شکل ‏4‑1: محیط حسگری با نواحی A تا F و حسگرهای واقع در آنها

شکل ‏4‑2: حسگرهای H ,F ,G ,E ,C ,A و J در یک ناحیه واقعند و تشکیل یک ائتلاف می دهند

شکل ‏4‑3: محیط حسگری به 9 ناحیه مختلف با داده های متفاوت تقسیم بندی شده است

شکل ‏4‑4: محیط حسگری در زمان 250 دقیقه

شکل ‏4‑5: محیط حسگری در زمان 500 دقیقه

شکل ‏4‑6: محیط حسگری در زمان 750 دقیقه

شکل ‏4‑7: مقایسه تعداد کل بسته های دریافتی توسط نود سینک در روشهای مختلف

شکل ‏4‑8: مقایسه کل انرژی مصرفی توسط نودها در روشهای مختلف

شکل ‏4‑9: مقایسه طول عمر شبکه در روشهای مختلف تجمیع

شکل ‏4‑10: مقایسه میزان انرژی مصرفی در الگوریتم تجمیع نسبت به کل انرژی مصرفی

شکل ‏6‑1 : اجزاء درونی یک گره حسگر

شکل ‏6‑2 : پشته پروتکلی شبکه های حسگر

شکل ‏6‑3 : نمونه کاربردهای شبکه های حسگر بیسیم

شکل ‏8‑1 : محیط شبکه حسگربی سیم

شکل ‏8‑2 : مدل یک نود حسگربی سیم

شکل ‏8‑3 : تنظیم jdk در نرم افزار J-Sim

شکل ‏8‑4 : اجرای نرم افزار J-Sim