پاورپوینت اصول و مفاهیم کلی در الگوریتم ژنتیک

اختصاصی از فی فوو پاورپوینت اصول و مفاهیم کلی در الگوریتم ژنتیک دانلود با لینک مستقیم و پر سرعت .

فایل پاورپوینت

قابل ویرایش

علمی

13 اسلاید

پایانامه کامپیوتر الگوریتم ژنتیک

اختصاصی از فی فوو پایانامه کامپیوتر الگوریتم ژنتیک دانلود با لینک مستقیم و پر سرعت .

فهرست مطالب پایانامه کامپیوتر با موضوع الگوریتم ژنتیک به شرح زیر است:

  فصل اول     

 مقدمه

 به دنبال تکامل...      

 ایدۀ اصلی استفاده از الگوریتم ژنتیک 

 درباره علم ژنتیک       

 تاریخچۀ علم ژنتیک    

 تکامل طبیعی (قانون انتخاب طبیعی داروین)   

 رابطه تکامل طبیعی با روش‌های هوش مصنوعی      

 الگوریتم        

 الگوریتم‌های جستجوی ناآگاهانه       

الف- جستجوی لیست

ب- جستجوی درختی  

پ- جستجوی گراف    

 الگوریتم‌های جستجوی آگاهانه         

الف جستجوی خصمانه

 مسائل NPHard       

 هیوریستیک   

 انواع الگوریتم‌های هیوریستیک

  فصل دوم    

 مقدمه

 الگوریتم ژنتیک

 مکانیزم الگوریتم ژنتیک

 عملگرهای الگوریتم ژنتیک      

 کدگذاری       

 ارزیابی

 ترکیب

 جهش

 رمزگشایی    

 چارت الگوریتم به همراه شبه کد آن   

 شبه کد و توضیح آن  

 چارت الگوریتم ژنتیک  

 تابع هدف      

 روش‌های کد کردن     

 کدینگ باینری 

 کدینگ جایگشتی      

 کد گذاری مقدار        

 کدینگ درخت 

 نمایش رشته‌ها        

 انواع روش‌های تشکیل رشته 

 باز گرداندن رشته‌ها به مجموعه متغیرها       

 تعداد بیت‌های متناظر با هر متغیر      

 جمعیت        

 ایجادجمعیت اولیه     

 اندازه جمعیت 

 محاسبه برازندگی (تابع ارزش)

 انواع روش‌های انتخاب

 انتخاب چرخ رولت      

 انتخاب حالت پایدار     

 انتخاب نخبه گرایی    

 انتخاب رقابتی 

 انتخاب قطع سر        

 انتخاب قطعی بریندل  

 انتخاب جایگزینی نسلی اصلاح شده  

 انتخاب مسابقه        

 انتخاب مسابقه تصادفی       

 انواع روش‌های ترکیب 

 جابه‌جایی دودوئی     

 جابه‌جایی حقیقی     

 ترکیب تک‌نقطه‌ای     

 ترکیب دو نقطه‌ای     

 ترکیب n نقطه‌ای      

 ترکیب یکنواخت        

 ترکیب حسابی         

 ترتیب 

 چرخه 

 محدّب

 بخش_نگاشته

 احتمال ترکیب 

 تحلیل مکانیزم جابجایی        

 جهش

 جهش باینری  

 جهش حقیقی

 وارونه سازی بیت      

 تغییر ترتیب قرارگیری  

 وارون سازی   

 تغییر مقدار    

 محک اختتام اجرای الگوریتم ژنتیک    

 انواع الگوریتم‌های ژنتیکی      

 الگوریتم ژنتیکی سری

 الگوریتم ژنتیکی موازی

 مقایسه الگوریتم ژنتیک با سیستم‌های طبیعی         

 نقاط قوّت الگوریتم‌های ژنتیک  

 محدودیت‌های GAها  

 استراتژی برخورد با محدودیت‌ها        

 استراتژی اصلاح عملگرهای ژنتیک     

 استراتژی رَدّی

 استراتژی اصلاحی    

 استراتژی جریمه‌ای   

 بهبود الگوریتم ژنتیک  

 چند نمونه از کاربردهای الگوریتم‌های ژنتیک    

  فصل سوم   

 مقدمه

 حلّ معمای هشت وزیر         

 جمعیت آغازین

 تابع برازندگی 

 آمیزش

 جهش ژنتیکی

 الگوریتم ژنتیک و حلّ مسألۀ فروشندۀ دوره‌گرد

 حل مسأله TSP به وسیله الگوریتم ژنتیک     

 مقایسه روشهای مختلف الگوریتم و ژنتیک برای TSP  

 نتیجه گیری   

 حلّ مسأله معمای سودوکو   

 حل مسأله    

 تعیین کروموزم

 ساختن جمعیت آغازین یا نسل اول    

 ساختن تابع از ارزش  

 ترکیب نمونه‌ها و ساختن جواب جدید  

 ارزشیابی مجموعه جواب      

 ساختن نسل بعد      

 مرتب سازی به کمک GA      

 صورت مسأله 

 جمعیت آغازین

 تابع برازندگی 

 انتخاب

 ترکیب

 جهش

 فهرست منابع و مراجع

پایان‌نامه کارشناسی فناوری اطلاعات - شبکه های عصبی

اختصاصی از فی فوو پایان‌نامه کارشناسی فناوری اطلاعات - شبکه های عصبی دانلود با لینک مستقیم و پر سرعت .

پایان‌نامه کارشناسی فناوری اطلاعات - شبکه های عصبی

85 صفحه در قالب word

فهرست مطالب                

فصل 1 مقدمه                            ..1

1-1مقدمه کلی                                   3

فصل 2 معرفی شبکه های عصبی                    ...6

2-1 مقدمه                                    ..7

  2-2 تعریف شبکه عصبی                             ...8 

 2-3 سابقه تاریخی                                   8

 2-4 ساختار شبکه عصبی                            ... ..9 

 2-5  شبکه عصبی در مقایسه با کامپیوترهای معمولی                ..10 

 2-6  مشخصه روش محاسباتی متداول                       ..12

2-6-1تفاوت شبکه عصبی با روش های محاسباتی متداول وسیستم خبره       .13

2-7 دلایل بکارگیری شبکه های عصبی                       .13

2-8 قابلیتها و معایب شبکه های عصبی                       .13

2-8-1 قابلیتهای شبکه عصبی                           .13

2-8-2 معایب شبکه عصبی                            ...15

2-9 خصوصیات شبکه های عصبی                         ..15

2-10انواع شبکه های عصبی                            16

2-10-1 تقسیم بندی شبکه های عصبی بر مبنای آموزش              ..16

2-11 معرفی شبکه های عصبی زیستی                       ..17

2-11-1 معرفی شبکه های عصبی مصنوعی                     .17

2-12 نتیجه گیری     .                           ..20

فصل 3 شبکه های عصبی مصنوعی                  21

3-1 مقدمه                                  ...22

3-2تعریف شبکه های عصبی مصنوعی                      .23

3-3تاریخچه شبکه های عصبی مصنوعی            ..24

3-3-1کاربردهای شبکه های عصبی مصنوعی                   25

3-4 قواعد یادگیری شبکه های عصبی مصنوعی                  ...26

3-5 الگوریتم های ژنتیک                            .26

3-6 الگوریتم های مورچگان                           27

3-6-1 الگوریتم کلونی مورچگان                         27

3-6-2 مزیتهایACO                             ...29

3-6-3 کاربردهایACO                            ...29

3-6-4 الگوریتم                                ..30

3-6-5 انواع مختلف الگوریتم بهینه سازی مورچگان                .30

3-6-6 کاربردهای الگوریتم مورچگان                       31

3-7 مزایا ومعایب شبکه های عصبی مصنوعی                   ..31

3-7-1 مزایای شبکه عصبی مصنوعی                       ..31

3-7-2 معایب شبکه عصبی مصنوعی                       ..32

3-8 شباهت شبکه های عصبی مصنوعی با مغز انسان                .32

3-9 انواع آموزش شبکه در شبکه های عصبی مصنوعی               ..34

3-10 نتیجه گیری                                35

فصل 4-هوش مصنوعی                       .36

4-1مقدمه                                   .37

4-2 توصیف هوش مصنوعی                            .38

4-3 تعریف هوش مصنوعی                            38

4-4 تاریخ هوش مصنوعی                             40

4-4-1 فلسفه هوش مصنوعی                           42

4-4-2 مقایسه هوش مصنوعی با هوش انسان                   ...42

4-5 سیستم های پیچیدگی                            43

4-6 سیستم های خبره…….……………………………………………………………………44

4-6-1مزایای سیستم های خبره                         ...45

4-6-2کاربردهای سیستم خبره                          .46

4-7آدم واره ها                    ...    .47

4-7-1 ویژگی آدم واره ها                    ...48

4-8 تکنیک ها وزبان های برنامه نویسی هوش مصنوعی             48

4-9 نتیجه گیری                             ...59

فصل 5-نورون                      ...51

5-1مقدمه                                   ...52

5-2نورون مصنوعی                                53

5-3 ساختار یک نورون                              ...53

5-4شبکه های عصبی تک نورونه                          56

5-5 نتیجه گیری                                 58

فصل 6-شبکه های عصبی و الگوریتم های ژنتیک در تجارت        59

6-1مقدمه                                    ..60

6-2 فناوری الگوریتم ژنتیک                            61

6-3 فناوری شبکه عصبی                             .61

6-4 مروریی بر کاربردهای تجاری                         ..63

6-4-1 بازاریابی                                 ...64

6-5 بانکداری و حوزه های مالی                          ..66

6-6پیش بینی                                  66

6-7 سایر حوزه های تجاری                            .67

6-8 نتیجه گیری                                ...68

نتیجه گیری کلی                          ..69

کارهای آینده                           ...70

فهرست مراجع                            71

فهرست واژه نامه                          ..72

فهرست علائم،نشانه ها ومخفف ها               ...75

چکیده:

چگونگی اداره حجم انبوه اطلاعات و استفاده موثر از آنها در بهبود تصمیم گیری،از موضوعات بحث برانگیز در عصر حاضر است.یکی از مسائل مهم تحقیقاتی در زمینه علوم کامپیوتر،پیاده سازی مدلی شبیه به سیستم داخلی مغز انسان برای تجزیه وتحلیل سیستم های مختلف بر اساس تجربه است. در این راستا شبکه های عصبی یکی از پویاترین حوزه های تحقیق در دوران معاصر هستند که افراد متعددی از رشته های گوناگون علمی را به خود جلب کرده است. استفاده از شبکه های عصبی و الگوریتم های ژنتیک در حل مسائل پیچیده کاربردی این روزها بیش از بیش رواج یافته است،

در این پروژه پس از مقدمه کلی پروزه در فصل دوم به تعریف شبکه های عصبی،ساختار این شبکه هاو معرفی شبکه های عصبی-زیستی پرداخته ایم،درفصل سوم آن شبکه های عصبی مصنوعی راازنظر کاربرد وویژگیها وهمچنین الگوریتم های ژنتیک ومورچگان را توضیح داده ایم.درفصل چهارم به توصیف هوش مصنوعی وآدمواره ها وتکنیک هاوزبانهای مورد استفاده در هوش مصنوعی پرداخته ایم.نورون های مصنوعی وساختار آنها را توضیح داده ایم ودر فصل ششم سهم الگوریتم های ژنتیک در تصمیم گیری در حوزه تجارت و کسب وکار مورد بررسی قرار گرفته است ودرآخر نتیجه گیری کلی و منابع پروژه آمده است.

واژه های کلیدی: شبکه های عصبی_نورون ها_الگوریتم ژنتیک_الگوریتم مورچگان

مقدمه:

    دیدگاه جدید شبکه های عصبی در دهه چهل قرن بیستم با کار آقایان والترپیتر[1] و وارین میکولوچ[2] آغاز شد. آنها نشان دادند که در شبکه های عصبی می توانند هر تابع حسابی و منطقی را محاسبه نمایند. دونال هیب[3] عمل شرط گذاری کلاسیک را به عنوان خواص نورونها معرفی کرد و سپس مکانیزمی را جهت یادگیری نورونهای بیولوژیکی ارائه داد.نخستین کاربرد عملی شبکه های عصبی در اواخر دهه پنجاه قرن بیستم مطرح شد، زمانی که فرنک روسینبلت[4] در سال 1958 شبکه پرسپترون[5]  را معرفی نمود. وی شبکه ای ساخت که  قادر بود الگوها را از هم شناسایی کند. در طی سالیان متعدد شبکه های عصبی بسیاری بوجود آمده و تحقیقات در این زمینه هنوز هم ادامه دارد.در حالت کلی، یک شبکه عصبی زیستی از مجموعه یا مجموعه‌ای از نورون‌های به صورت فیزیکی به هم متصل یا از لحاظ عملکردی به هم وابسته تشکیل شده‌است. شبکه عصبی مجموعه‌ای از نورون‌های زیستی به هم متصل است. در استفاده‌های جدیدتر این عبارت به شبکه عصبی مصنوعی که از نورون‌هایی مصنوعی ساخته شده‌است هم اشاره دارد. بنابراین عبارت 'شبکه عصبی' در حالت کلی به دو مفهوم مختلف اشاره دارد: شبکه عصبی زیستی -  شبکه عصبی مصنوعی یک شبکه عصبی شامل اجزای سازنده لایه ها و وزن[6] ها میباشد.رفتار شبکه نیز وابسته به ارتباط بین اعضااست. درحالت کلی درشبکه های عصبی سه نوع لایه نورونی وجود دارد که در پروژه به توضیح آن پرداخته ام. یک شبکه عصبی به طور کلی با یک کامپیوتر در مواردی تفاوت دارد که آن تفاوت ها را توضیح دادیم. تفاوت‌های شبکه‌های عصبی باروش‌های محاسباتی متداول و سیستم‌های خبره را نیز به بحث پرداختیم. شبکه های عصبی ، با قابلیت قابل توجه  آنها در استنتاج معانی از داده های پیچیده یا مبهم ، میتواند برای استخراج الگوها و شناسایی روشهایی که آگاهی از آنها برای انسان و دیگر تکنیک های کامپیوتری بسیار  پیچیده و دشوار است  به کار گرفته شود. از جمله قابلیت های شبکه های عصبی میتوان به موارد مثل یادگیری،شناسایی الگو وغیره پرداخت. یک شبکه عصبی دارای خصوصیاتی میباشد که در ادامه به توضیح آن پرداخته میشود.شبکه‌های عصبی مصنوعی[7] ANN و روش‌های محاسباتی برای یادگیری ماشینی، نمایش دانش، و در انتها اعمال دانش به دست آمده در جهت بیش‌بینی پاسخ‌های خروجی از سامانه‌های پیچیده به وجود آمده اند، ایده ی اصلی این گونه شبکه‌ها (تا حدودی) الهام‌گرفته از شیوه ی کارکرد سیستم عصبی زیستی، برای پردازش داده‌ها، و اطلاعات به منظور یادگیری و ایجاد دانش قرار دارد. عنصر کلیدی این ایده، ایجاد ساختارهایی جدید برای سامانه ی پردازش اطلاعات است. این سیستم از شمار زیادی عناصر پردازشی فوق العاده بهم‌پیوسته با نام نورون تشکیل شده که برای حل یک مسأله با هم هماهنگ عمل می‌کنند و توسط سیناپس‎ها(ارتباطات الکترومغناطیسی) اطلاعات را منتقل می‎کنند. در این شبکه‌ها اگر یک سلول آسیب ببیند بقیه سلول‎ها می‌توانند نبود آنرا جبران کرده، و نیز در بازسازی آن سهیم باشند. این شبکه‌ها قادر به یادگیری‎اند و یادگیری در این سیستم‎ها به صورت تطبیقی صورت می‌گیرد، که به توضیح آن پرداخته میشود.

 توافق دقیقی بر تعریف شبکه عصبی در میان محققان وجود ندارد؛ اما اغلب آنها موافقند که شبکه عصبی شامل شبکه‎ای از عناصر پردازش ساده (نورونها) است، که می‌تواند رفتار پیچیده کلی تعیین شده‎ای از ارتباط بین عناصر پردازش و پارامترهای عنصر را نمایش دهد. منبع اصلی و الهام بخش برای این تکنیک، از آزمایش سیستم مرکزی عصبی و نورونها (آکسون‎ها، شاخه‌های متعدد سلولهای عصبی و محلهای تماس دو عصب)نشأت گرفته‌است، که یکی از قابل توجه‎ترین عناصر پردازش اطلاعات سیستم عصبی را تشکیل می‎دهد. در یک مدل شبکه عصبی، گره‎های ساده (بطور گسترده «نورون»، «نئورونها»، «عناصر پردازش »یا«واحدها») برای تشکیل شبکه‎ای از گره‎ها، به هم متصل شده اند،به همین دلیل به آن، اصطلاح "شبکه‎های عصبی" اطلاق می‎شود. در حالی که یک شبکه عصبی نباید به خودی خود سازگارپذیر باشد، استفاده عملی از آن بواسطه الگوریتمهایی امکان پذیر است، که جهت تغییر وزن ارتباطات در شبکه (به منظور تولید سیگنال موردنظر) طراحی شده باشد با استفاده از دانش برنامه‌نویسی رایانه می‌توان ساختار داده‌ای طراحی کرد که همانند یک نورون عمل نماید. سپس با ایجاد شبکه‌ای از این نورون‌های مصنوعی به هم پیوسته، ایجاد یک الگوریتم آموزشی برای شبکه و اعمال این الگوریتم به شبکه آن را آموزش داد.

 این شبکه‌ها برای تخمین[8] و تقریب[9] کارایی بسیار بالایی از خود نشان داده‌اند. گستره کاربرد این مدل‌های ریاضی بر گرفته از عملکرد مغز انسان، بسیار وسیع می‌باشد که به عنوان چند نمونه کوچک می‌توان استفاده از این ابزار ریاضی در پردازش سیگنال‌های بیولوییکی، مخابراتی و الکترونیکی تا کمک در نجوم و فضا نوردی را نام برد.شبکه های عصبی چه در بعد آنالیز وتوسعه ساختاری و چه در بعد پیاده سازی سخت افزاری از نظر کمی وکیفی در حال رشد و پیشرفت میباشد و تکنیک های مختلف محاسبات عصبی ازلحاظ تعداد همچنان در حال افزایش هستند. در این پروژه به این مقوله پرداختم که شبکه‌های عصبی مصنوعی دارای چه دامنه کاربرد  می‌باشند. با وجود برتری‌هایی که شبکه‌های عصبی بسبت به سامانه‌های مرسوم دارند، معایبی نیز دارند که در این پروژه به آن میپردازیم. شبکه‌های عصبی زیستی مجموعه‌ای بسیار عظیم از پردازشگرهای موازی به نام نورون اند که در ادامه بحث به آن پرداخته ایم.شبکه های عصبی مصنوعی از قرن نوزدهم به طور همزمان اما جداگانه از سویی نوروفیزیولوزیست‌ها سعی کردند سامانه 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 مختلفی نظیر مسائل تشخیص الگوهستند که به توضیح آن پرداخته ایم. دراین پروژه به توضیح درموردالگوریتم مورچگان و الگوریتم  ژنتیک که بعنوان یکی از روشهای تصادفی بهینه یابی شناخته شده,  توسط جان هالند[10] در سال 1967 ابداع شده است وکاربردهای این الگوریتم ها پرداخته ایم.شبکه های عصبی مصنوعی نیز مانند شبکه های عصبی دارای مزایا ومعایب مربوط به خود هستند که در ادامه به آنها پرداخته ایم. اگرچه مکانیسم‌های دقیق کارکرد مغز انسان (یا حتی جانوران) به‌طور کامل شناخته شده نیست، اما با این وجود جنبه‌های شناخته شده‌ای نیز وجود دارند که الهام بخش تئوری شبکه‌های عصبی بوده‌اند که آن را توضیح داده ایم. برای‌ شناخت‌ هوش‌ مصنوعی‌ شایسته‌ است‌ تا تفاوت‌ آن‌ را با هوش‌انسانی‌ به‌ خوبی‌ بدانیم‌. مغز انسان‌ از میلیاردها سلول‌ یا رشته‌ عصبی‌درست‌ شده‌ است‌ و این‌ سلول‌ها به‌ صورت‌ پیچیده‌ای‌ به‌ یکدیگرمتصل‌اند. شبیه‌سازی‌ مغز انسان‌ می‌تواند از طریق‌ سخت‌افزار یا نرم‌افزارانجام‌ گیرد. تحقیقات‌ اولیه‌ نشان‌ داده‌ است‌ شبیه‌سازی‌ مغز، کاری‌مکانیکی‌ و ساده‌ می‌باشد که به توضیح کامل آن پرداخته ایم. در مقایسه هوش مصنوعی با هوش انسانی می‌توان گفت که انسان قادر به مشاهده و تجزیه و تحلیل مسایل در جهت قضاوت و اخذ تصمیم می‌باشد در حالی که هوش مصنوعی مبتنی بر قوانین و رویه‌هایی از قبل تعبیه شده بر روی کامپیوتر می‌باشد ومدیریت پیچیدگی ،سیستم های خبره ومزایای سیستم های خبره و آدمواره ها[11] وویژگی های آدمواره ها و عملکرد اولیه برنامه نویسی هوش مصنوعی ایجاد ساختار کنترلی مورد لزوم برای محاسبه سمبولیک میپردازیم ونیز اینکه یک نورون مصنوعی سامانه‌ای است با تعداد زیادی ورودی و تنها یک خروجی وبه توضیح در مورد از نورون انسان تا نورون های مصنوعی وساختار یک نورون ودر آخر نیز به توضیح در مورد چند کاربرد از شبکه های عصبی میپردازیم.

ممکن است هنگام انتقال از فایل ورد به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است

متن کامل را می توانید در ادامه دانلود نمائید

چون فقط تکه هایی از متن برای نمونه در این صفحه درج شده است ولی در فایل دانلودی متن کامل همراه با تمام ضمائم (پیوست ها) با فرمت ورد word که قابل ویرایش و کپی کردن می باشند موجود است

مقاله : شبکه های ANN

اختصاصی از فی فوو مقاله : شبکه های ANN دانلود با لینک مستقیم و پر سرعت .

عنوان مقاله : شبکه های ANN

شرح مختصر : موضوع ای که در این مقاله مورد بررسی قرار گرفته شبکه های عصبی است ، که شامل موضوعاتی از قبیل اینکه : شبکه عصبی چیست ، چرا ازشبکه های عصبی استفاده کنیم ، شامل چه مواردی است ، ازچه بخش هایی تشکیل شده ،چه کاربردی دارد و اینکه چگونه کار می کند ، می باشد .از آنجا که شبکه های عصبی نسل جدیدی از شبکه می باشد لذا دارای دنیای از اطلاعات جدید در زمینه شبکه و علم آن است.از جمله نتایج ارزشمند این مقاله می توان به آشنایی مبتدی با شبکه عصبی و طریقه کار آن و استانداردهای به کار رفته در آن اشاره کرد ، که پایه و مقدمه ای برای آشنایی هر چه بیشتر با این علم جدید می باشد ، و ما در پایان این مقاله هر چند کوتاه با پیشرفت های شگرف در زمینه شبکه آشنا خواهیم شد.

فهرست :

مقدمه

شبکه عصبی چیست

سابقه تاریخی

چرا از شبکه های عصبی استفاده میکنیم

تفاوت‌های شبکه‌های عصبی باروش‌های محاسباتی متداول و سیستم‌های خبره

کاربردهای شبکه های عصبی

الگوریتم ژنتیک

کاربرد های الگوریتم ژنتیک

الگوریتم مورچگان

کاربردهای الگوریتم مورچگان

مسیریاب

تست انطباق

آشنایی باشبکه های عصبی زیستی

معرفی ANN ها

مبانی ANN ها

مدل ریاضی یک نورون

نرم افزارهای شبکه های عصبی

ایده ی اصلی عملکرد شبکه های عصبی مصنوعی

مهم ترین تفاوت حافظه ی انسان و حافظه کامپیوتر

شبکه های عصبی در مقابل کامپیوترهای معمولی

معایب ANN ها

کاربردهای شبکه های عصبی مصنوعی

نتیجه گیری

کتاب الگوریتم ژنتیک عملی (زبان اصلی)

اختصاصی از فی فوو کتاب الگوریتم ژنتیک عملی (زبان اصلی) دانلود با لینک مستقیم و پر سرعت .

PRACTICAL GENETIC ALGORITHMS
SECOND EDITION
Randy L. Haupt
Sue Ellen Haupt
272 صفحه