بهترين و سريعترين مرجع دانلود كارآموزي و پروژه و پايان نامه

تعداد صفحات:170
نوع فايل:word
فهرست مطالب:
چكيده
فصل اول
مقدمه‏ اي بر سيستم خبره
مقدمه
تاريخچه اي از هوش مصنوعي و سيستم هاي خبره
ماهيت سيستم هاي خبره
فوائد استفاده از سيستم‏ هاي خبره
ويژگي هاي يك سيستم خبره
محدوده عملكرد مناسب براي سيستم‏ هاي خبره
اجزاي يك سيستم خبره
روش هاي استنتاج
درخت‌ها و شبكه‌ها
منطق قياسي و قياس صوري
زنجيره‏ هاي استدلال پيشرو و پسرو
تمثيل
روش فرضيه و آزمون
استنتاج معكوس
طراحـي سـيسـتم خبــره
كاربرد‏هاي سيستم خبره در زمان بندي كارگاهي
كاربردها در طراحي FMS
كاربردها در برنامه ريزي فرآيند و عمليات
كاربردها در كنترل فرآيند
كاربردها در طرح ريزي تسهيلات
سيستم‏ هاي خبره در طراحي به كمك كامپيوتر CAD/CAM
كاربردها در طراحي مهندسي
كاربردهاي سيستم خبره در عيب‏ يابي و تعميرات و نگهداري
كاربردها در جا به جايي مواد و انبار
كاربرد‏ها در انتخاب تجهيزات و شرايط عملياتي
كاربرد سيستم خبره در رباتيك
برخي كاربرد‏هاي سيستم خبره در رباتيك
كاربرد‏ها در ابزار‏آلات
كاربردهاي سيستم خبره در مديريت ساخت و توليد
فصل سوم
مراحل ساخت سيستم خبره
استراتژي هاي مديريت و اجرا
مهندس دانش
انتخاب فرد خبره
كشف دانش
روش‏ هاي استخراج اطلاعات از فرد خبره
ساخت پايگاه دانش
رويكرد سيستمي در طراحي سيستم خبره
استفاده از درخت تصميم‏ گيري براي طراحي ساختار دانش
فصل چهارم
اجزا و نحوه‏ كاركرد دستگاه فرز عمودي
مقدمه
اجزا اصلي ماشين فرز عمودي
زانويي ماشين فرز
زين
ميز ماشين
نوع ديگر تقسيم بندي ماشين فرز عمودي
شفت
تيغ فرز انگشتي
بدنه اصلي
مرغك
ترمزها
جعبه تقسيم
سه‏ نظام
فك هاي سه نظام
نحوه اتصال فك ها سه نظام به پيچ ارشميدسي
پيچ ارشميدسي
چرخ دنده هاي مخروطي كوچك
پيچ هاي اتصال
بدنه اصلي سه نظام
درپوش سه نظام
چرخ دنده مخروطي بزرگ
نگهداري دستگاه
فصل پنجم
سيستم خبره عيب يابي و تعميرات دستگاه فرز
مشكلات در حركت ميز كار
ناشي از بلبرينگ
ناشي از گوه ها
لرزش قطعه كار در حين كار
هم مركز نبودن مرغك و سه نظام
مشكلات در حركت سردستگاه
ناشي از پيچ درون آن
ناشي از چرخ دنده
مشكلات سه نظام
سختي در باز و بسته شدن فك ها
گرد و غبار و براده لاي اجزا رفته است
خلاصي در باز و بسته شدن فك ها
شكستگي دنده يكي (چند تا) از فك ها
عيوب جاي آچارخور
عيوب پيچ
عيوب بادامك
منابع و ماخذ

فهرست اشكال:
مدلي از مفهوم بنيادي سيستم خبره
ارتباط بين يك مساله و دامنه دانش
مراحل كلي توسعه سيستم خبره
ساختار يك سيستم مبتني بر قاعده
درخت تصميم‏ گيري كه دانش مربوط به حيوانات را نشان مي دهد
انواع روش‏ هاي استنتاج
مدل خطي چرخه حيات ايجاد سيستم خبره
WBS تهيه سيستم خبره
مدلي از رابطه وروردي - خروجي پارامترها
فرآيند طراحي سيستم خبره
مثالي از نقش سيستم خبره در ساخت و توليد
نقطه آغازين ارائه دانش
گسترش يك مسير تصميم‏ گيري
مسير تصميم براي هدف نهايي
مدلي مفهومي نقش سيستم خبره در مديريت
ماشين فرز عمودي
ستون (پايه) ماشين
ميز ماشين
موتور ماشين فرز عمودي
دو نما از شفت اتصال مته سه‏ نظام به بدنه فوقاني
مته سه‏ نظام
مرغك
ترمزها در جهت‏ هاي X و Y و Z
جعبه تقسيم
دو نما از صفحه پشت سه‏ نظام
دو نما از اتصالات پشت سه‏ نظام
دو نما از فك‏ هاي سه‏ نظام
نحوه جاگذاري فك‏ هاي سه‏ نظام
پيچ ارشميدسي
چرخ‏ دنده مخروطي كوچك
پيچ اتصال
دونما از بدنه سه نظام
درپوش سه نظام
چرخ دنده مخروطي بزرگ
سه نظام و مراحل بستن اجزاي آن
اجزا سه نظام در گازوييل
فرآيند عيب يابي حركت در جهت x ها
فلوچارت عيب يابي حركت در جهت محور x ها
فرآيند عيب يابي حركت در جهت y ها
فلوچارت عيب يابي حركت در جهت محور y ها
فرآيند عيب يابي حركت در جهت z ها
فلوچارت عيب يابي حركت در جهت محور z ها
فرآيند عيب يابي تراش نادرست قطعه كار
فلوچارت عيب يابي تراش نادرست قطعه كار
فرآيند عيب يابي لرزش قطعه كار حين تراش
فلوچارت عيب يابي لرزش قطعه كار حين تراش
فرآيند عيب يابي مشكلات حركت سردستگاه
فلوچارت عيب يابي مشكلات حركت سردستگاه
فلوچارت مشكلات مربوط به سه نظام
فرآيند عيب يابي ترمز در جهت x
فلوچارت عيب يابي ترمز در جهت x
فرآيند عيب يابي ترمز در جهت y
فلوچارت عيب يابي ترمز در جهت y
فرآيند عيب يابي ترمز در جهت z
فلوچارت عيب يابي ترمز در جهت z

فهرست جداول:
مقايسه استدلال هاي پيش رونده و پس رونده
وظايف مربوط به كسب دانش و استخراج آن
جدول حاصل از نمايش O-A-V

چكيده:
دنياي امروز، دنياي پيشرفت، سرعت، تكنولوژي و سيستم ميباشد. صنعت حاضر براي بقا و ماندگاري در بين رقبا نه نتها بايد از تكنولوژي و فناوري بالايي برخوردار باشد، بلكه بايد از مديريت سيستمي و كنترل هاي نوين و خودكار براي كاهش خطا، افزايش سرعت عكس العمل و تطابق با تغييرات سريع محيطي حاضر كمك بگيرد. مفاهيمي از قبيل هوش مصنوعي، طراحي به كمك كامپيوتر، ديدگاه سيستمي به محيط اطراف و كل مجموعه ها، سيستم خبره و ... از جمله مواردي هستند كه ما را در دستيابي به اين اهداف ياري ميرسانند.
اين پروژه ابتدا به معرفي هوش مصنوعي و زير مجموعه هاي آن از جمله سيستم خبره، اجزا و كاربردهاي آن ميپردازد. سپس كاربردهاي سيستم خبره را در صنعت بيان ميكند. سپس به طراحي سيستم خبره بعنوان يك پروژه طراحي و ساخت مينگرد و با ديدي تحليلگر به تقسيم مراحل مختلف اجرا و اجزاي پروژه ساخت سيستم خبره ميپردازد و مدلي ارائه ميدهد.
در مرحله بعدي سيستم تعميرات نگهداري ماشين فرز عمودي را تشريح ميكند، و با نگرشي سيستماتيك به طبقه بندي روش تعميرات و رفع عيوب دستگاه ميپردازد، سپس در بخش بعدي شرح كامل مراحل كار، قوانين و فلوچارت سيستم ارائه ميشود، كه در خاتمه به سيستم خبره عيب يابي و تعميرات نگهداري در قالب صفحات وب، و در نرم افزار VPX منتهي ميگردد.

تعداد صفحات:81
نوع فايل:word
فهرست مطالب:
چكيده
فصل1 – مقدمه اي بر داده كاوي
تعريف داده كاوي
تاريخچه داده كاوي
چه چيزي سبب پيدايش داده كاوي شده است؟
اجزاي سيستم داده كاوي
جايگاه داده كاوي در ميان علوم مختلف
قابليت هاي داده كاوي
چرا به داده كاوي نياز داريم؟
داده كاوي چه كارهايي نميتواند انجام دهد؟
كاربردهاي داده كاوي
كاربردهاي پيش بيني كننده
كاربردهاي توصيف كننده
ابزارهاي تجاري داده كاوي
داده كاوي و انبار داده ها
تعاريف انبار داده
چهار خصوصيت اصلي انبار داده
موارد تفاوت انبار داده و پايگاه داده
داده كاوي و OLAP
OLAP
انواع OLAP
مراحل فرآيند كشف دانش از پايگاه داده ها
انبارش داده ها
انتخاب داده ها
پاكسازي، پيش پردازش و آماده سازي
تبديل داده ها
كاوش در داده ها (Data Mining)
تفسير نتيجه
فصل 2 – قوانين ارتباطي
قوانين ارتباطي
اصول پايه
شرح مشكل جدي
پيمايش فضاي جستجو
مشخص كردن درجه حمايت مجموعه اقلام
الگوريتم هاي عمومي
دسته بندي
BFS و شمارش رويدادها
BFS و دونيم سازي TID-list
DFS و شمارش رويداد
DFS و دو نيم سازي TID-list
الگوريتم Apriori
مفاهيم كليدي
پياده سازي الگوريتم Apriori
معايب Apriori و رفع آن ها
الگوريتم رشد الگوي تكرار شونده
چرا رشد الگوي تكرار سريع است؟
مقايسه دو الگوريتم Apriori و FP-growth
تحليل ارتباطات
فصل 3 – وب كاوي و متن كاوي
وب كاوي
الگوريتم هاي هيتس و لاگسام
كاوش الگوهاي پيمايش مسير
متن كاوي
كاربردهاي متن كاوي
جستجو و بازيابي
گروه بندي و طبقه بندي
خلاصه سازي
روابط ميان مفاهيم
يافتن و تحليل گرايشات
برچسب زدن نحوي (pos)
ايجاد Thesaurus و آنتولوژي به صورت اتوماتيك
فرآيند متن كاوي
روش هاي متن كاوي
مراجع

فهرست اشكال:
مراحل فرآيند كشف دانش
سير تكاملي صنعت پايگاه داده
معماري يك نمونه سيستم داده كاوي
نرخ رشد اطلاعات
كاربرد پيش بيني كننده
داده ها از انبار داده ها استخراج ميگردند
داده ها از از چند پايگاه داده استخراج ميگردند
دسته بندي الگوريتم ها
پايان الگوريتم Apriori
درخت الگوي تكرار
اندازه گيري كاركرد درجه حمايت براي پايگاه داده D1 40K
اندازه گيري Apriori با درجه حمايت/تراكنش
اندازه گيري FP-growth با درجه حمايت/تراكنش
مقداردهي اوليه الگوريتم HITS
مثالي از الگوهاي پيمايش
فرآيند متن كاوي
مثال يافتن روابط

فهرست جداول:
كاوش FP-tree با ايجاد پايگاه هاي الگو شرطي
پارامترها
نتايج براي فاكتور درجه حمايت 5%
نتايج براي D1 150K با درجه حمايت
تراكنشهاي توصيف شده توسط مجموعه اي از URLها
نمايش URLها بعنوان بردارهايي از فعاليت گروه تراكنش
يك SOM مرسوم كه توسط توصيف URLها توليد شده است

چكيده:
در دو دهه قبل توانايي هاي فني بشر براي توليد و جمع آوري داده‌ها به سرعت افزايش يافته است. عواملي نظير استفاده گسترده از باركد براي توليدات تجاري، به خدمت گرفتن كامپيوتر در كسب و كار، علوم، خدمات دولتي و پيشرفت در وسائل جمع آوري داده، از اسكن كردن متون و تصاوير تا سيستم هاي سنجش از دور ماهواره اي، در اين تغييرات نقش مهمي دارند.
به طور كلي استفاده همگاني از وب و اينترنت بعنوان يك سيستم اطلاع رساني جهاني ما را مواجه با حجم زيادي از داده و اطلاعات ميكند. اين رشد انفجاري در داده‌هاي ذخيره شده، نياز مبرم وجود تكنولوژي هاي جديد و ابزارهاي خودكاري را ايجاد كرده كه بصورت هوشمند به انسان ياري رسانند تا اين حجم زياد داده را به اطلاعات و دانش تبديل كند. داده كاوي بعنوان يك راه حل براي اين مسائل مطرح ميباشد. در يك تعريف غير رسمي داده كاوي فرآيندي است، خودكار براي استخراج الگوهايي كه دانش را بازنمايي ميكنند، كه اين دانش بصورت ضمني در پايگاه داده هاي عظيم، انباره داده و ديگر مخازن بزرگ اطلاعات، ذخيره شده است.
به لحاظ اين كه در چند سال اخير مبحث داده كاوي و اكتشاف دانش موضوع بسياري از مقالات و كنفرانس ها قرار گرفته و نرم افزارهاي آن در بازار به شدت مورد توجه قرار گرفته، از اين رو در مقاله سعي بر آن شده تا گذري بر آن داشته باشيم.
در اين مقاله در فصل اول مروري بر داده كاوي خواهيم داشت. كه بطور عمده به تاريخچه، تعاريف، كاربردها و ارتباط آن با انبار داده و OLAP خواهيم پرداخت. در پايان فصل مراحل فرآيند كشف دانش از پايگاه داده ها را ذكر كرديم كه داده كاوي يكي از مراحل آن است.
در فصل 2 يكي از شيوه هاي داده كاوي كه از سبد خريد گرفته شده است توضيح داده شده است. در اين فصل به شرح قوانين ارتباطي خواهيم پرداخت كه در آن بعد از دسته بندي الگوريتم ها، الگوريتم Apriori (كه يك الگوريتم پايه در اين زمينه است) و الگوريتم FP-Growth (يك الگوريتم جديد مي باشد) را با شرح يك مثال توضيح ميدهيم و در آخر آن دو را با هم مقايسه ميكنيم.
در فصل 3 مباحث وب كاوي و متن كاوي را كه در بسياري از مراجع جزء كاربردهاي داده كاوي به حساب مي آيد شرح داده خواهد شد.

مقدمه:
امروزه با گسترش سيستم‌هاي پايگاهي و حجم بالاي داده‌هاي ذخيره شده در اين سيستم‌ها، نياز به ابزاري است تا بتوان داده‌هاي ذخيره شده را پردازش كرد و اطلاعات حاصل از اين پردازش را در اختيار كاربران قرار داد.
با استفاده از پرسشهاي ساده در SQL و ابزارهاي گوناگون گزارش‌گيري معمولي، ميتوان اطلاعاتي را در اختيار كاربران قرار داد تا بتوانند به نتيجه‌گيري در مورد داده‌ها و روابط منطقي ميان آن ها بپردازند. اما وقتي كه حجم داده‌ها بالا باشد، كاربران هرچند زبر دست و باتجربه باشند نمي‌توانند الگوها مفيد را در ميان حجم انبوه داده‌ها تشخيص دهند و يا اگر قادر به اين كار هم باشند، هزينه عمليات از نظر نيروي انساني و مادي بسيار بالا است. از سوي ديگر، كاربران معمولاً فرضيه‌اي را مطرح مي‌كنند و سپس بر اساس گزارشات مشاهده شده به اثبات يا رد فرضيه ميپردازند، در حالي كه امروزه نياز به روش هايي است كه اصطلاحاً به كشف دانش بپردازند يعني با كمترين دخالت كاربر و به صورت خودكار الگوها و رابطه‌هاي منطقي را بيان نمايند.
داده كاوي يكي از مهم ترين اين روش ها است كه به الگوهاي مفيد در داده‌ها با حداقل دخالت كاربران شناخته ميشوند واطلاعاتي را در اختيار كاربران و تحليل گران قرار ميدهند تا براساس آن تصميمات مهم و حياتي در سازمان ها اتخاذ شوند.
اصطلاح داده كاوي زماني به كار برده ميشود كه با حجم بزرگي از داده‌ها، در حد مگا يا ترابايت، مواجه باشيم. در تمامي منابع داده كاوي بر اين مطلب تاكيد شده است. هرچه حجم داده‌ها بيشتر و روابط آن ها پيچيده تر باشد دسترسي به اطلاعات نهفته در ميان داده ها مشكل تر ميشود و نقش داده كاوي به عنوان يكي از روشهاي كشف دانش، روشن‌تر ميگردد.
داده كاوي به طور همزمان از چندين رشته علمي بهره ميبرد نظير: تكنولوژي پايگاه داده، هوش مصنوعي، يادگيري ماشين، شبكه‌هاي عصبي، آمار، الگو، سيستم‌هاي مبتني بر دانش، حصول دانش، بازيابي اطلاعات، محاسبات سرعت بالا و بازنمايي بصري داده.

تعداد صفحات:30
نوع فايل:word
فهرست مطالب:
چكيده
نگاهي به تاريخچه سيستم هاي اطلاعاتي سنتي
MIS، ظهور يك پارادايم علمي جديد
ويژگيهاي سيستم اطلاعات مديريت
ابهامات مفهومي پارادايم MIS كلاسيك
استقلال MIS نسبت به كامپيوتر
سير تحول سيستم هاي اطلاعاتي مبتني بر رايانه
مدل سايبرنتيك MIS كلاسيك
تكامل سيستم هاي اطلاعاتي مبتني بر رايانه
تمركز بر داده
تمركز جديد بر اطلاعات
تمركز بر سيستم هاي تصميم گيري
تمركز جاري بر ارتباطات
تمركز بالقوه بر مشاوره با استفاده از سيستم هاي خبره
از سيستم هاي اطلاعاتي مبتني بر دانش تا سيستم هاي اطلاعاتي مبتني بر ياد گيري
برخي از دلايل عدم پيشرفت مناسب سيستم اطلاعات مديريت
نتيجه گيري
سوالات
منابع

فهرست نمودارها:
نمودار درصد نيروي كار
نمودار فناوري در گذر زمان
نمودار مدل سايبرنتيكي
نمودار مدل سيستمي يا جامع MIS
نمودار مدل كلاسيك TPS

چكيده:
دانش MIS، يكي از شاخه هاي علوم اطلاعات و يا به عبارتي ديگر، از علوم سيستم ها محسوب ميشود كه سابقه اي كمتر از چهل سال دارد. گرچه اين پارادايم علمي جديد تاكنون تحولات و دگرگوني هاي چشم گيري را تجربه نموده است، اما در مقايسه با علوم مرتبط به خود مانند تكنولوژي اطلاعات و ارتباطات، هوش مصنوعي و علوم شناختي، هنوز راه طولاني و پر فراز و نشيبي را در پيش رو خواهد داشت.
مفهوم MIS، كه در سال 1965 در آمريكا شكل گرفت به سرعت در اكثر مراكز آكادميك جهان و به خصوص دپارتمان هاي مديريت نفوذ پيدا كرده و فراگير شده است. ميتوان گفت اين گرايش علمي تقريبا دو سوم سير تكاملي خود را تا سال 1990 پيموده و از آن تاريخ به بعد تحول قابل ملاحظه اي نداشته است.
بسياري از محققين و دانشمندان علوم اطلاعات، مطالعات و تحقيقات مهمي را پيرامون تحولات MIS انجام داده و هر كدام از زاويه و ديدگاه مختلفي به مسئله نگريسته و تحليل هايي را ارايه كرده اند. در اين مقاله تحليلي بر منشا سيستم هاي اطلاعاتي مديريت و سير تحولات آن مورد بررسي و ارزيابي قرار مي گيرد.

تعداد صفحات:48
نوع فايل:word
فهرست مطالب:
تعريف هوش
تعريف تربيتي هوش
تعريف تحليلي هوش
تعريف كاربردي هوش
تاريخچه مطالعات مربوط به هوش
عوامل موثر بر هوش
انواع آزمون هاي هوش
طبقات هوش
هوش چندگانه
پوستر
صوت
نمايش دادن
موسيقي
هوش هيجاني
اندازه‌گيري هوش هيجاني
هوش معنوي
هوش مصنوعي
فلسفه هوش مصنوعي
مديريت پيچيدگي
سيستم‌هاي خبره
عامل‌هاي هوشمند
آينده هوش مصنوعي
تاريخ هوش مصنوعي
جان مك كارتي
هدف هوش مصنوعي
هوش مصنوعي و هوش انساني
ويژگي هاي هوش مصنوعي
هوش مصنوعي تركيبي
دين و هوش مصنوعي
اشاره
بررسي آزمون
دستكاري نمادها
دو فرضيه در هوش مصنوعي
استدلال اتاق چيني
دين و برداشت مكانيكي از تفكر
منابع

تعريف هوش:
به طور كلي تعاريف متعددي را كه توسط روانشناسان براي هوش ارائه شده است، ميتوان به سه گروه تربيتي (تحصيلي)، تحليلي و كاربردي تفسيم كرد.
تعريف تربيتي هوش:
به اعتقاد روان شناسان تربيتي، هوش كيفيتي است كه مسبب موفقيت تحصيلي ميشود و از اين رو يك نوع استعداد تحصيلي به شمار ميرود. آن ها براي توجيه اين اعتقاد اشاره ميكنند كه كودكان باهوش نمره‌هاي بهتري در دروس خود ميگيرند و پيشرفت تحصيلي چشم گيري نسبت به كودكان كم هوش دارند. مخالفان اين ديدگاه معتقدند كيفيت هوش را نمي‌توان به نمره‌ها و پيشرفت تحصيلي محدود كرد، زيرا موفقيت در مشاغل و نوع كاري كه فرد قادر به انجام آن است و به گونه كلي پيشرفت در بيشتر موقعيت هاي زندگي بستگي به ميزان هوش دارد.
تعريف تحليلي هوش:
بنابه اعتقاد نظريه پردازان تحليلي، هوش توانايي استفاده از پديده‌هاي رمزي و يا قدرت و رفتار موثر و يا سازگاري با موقعيت هاي جديد و تازه و يا تشخيص حالات و كيفيات محيط است. شايد بهترين تعريف تحليلي هوش به وسيله ديويد وكسلر، روانشناس آمريكايي، پيشنهاد شده باشد كه بيان ميكند: هوش يعني تفكر عاقلانه، عمل منطقي و رفتار موثر در محيط.
تعريف كاربردي هوش:
در تعاريف كاربردي، هوش پديده‌اي است كه از طريق تست هاي هوش سنجيده ميشود و شايد عملي‌ترين تعريف براي هوش نيز همين باشد.
تاريخچه مطالعات مربوط به هوش:
مساله هوش بعنوان يك ويژگي اساسي كه تفاوت فردي را بين انسان ها موجب ميشود، از ديرباز مورد توجه بوده است. زمينه توجه به عامل هوش را در علوم مختلف ميتوان مشاهده كرد. براي مثال زيست شناسان، هوش را بعنوان عامل سازش و بقا مورد توجه قرار داده‌اند. فلاسفه بر انديشه‌هاي مجرد بعنوان معناي هوش و متخصصان تعليم و تربيت، بر توانايي يادگيري تاكيد داشته‌اند.
در مقاله‌اي معتبر كه در سال 1904 منتشر شد، چارلز اسپيرمن، روان شناس بريتانيايي، نخستين كوشش براي تحقيق در ساختمان هوش را با روش هاي تجربي و كمي تشريح كرد. پيدايش مقياس هوشي بينه سيمون، در سال 1905 و به دنبال آن تهيه و استاندارد شدن مقياس استنفرد – بينه، در سال 1916 در آمريكا، از فعاليت هاي اوليه به منظور تهيه ابزار اندازه گيري هوش بوده است. البته در سال 1838 اسكيرول به منظور تهيه ضوابطي براي تشخيص و طبقه بندي افراد عقب مانده ذهني، روش هاي مختلفي را آزمود و به اين نتيجه رسيد كه مهارت كلامي فرد بهترين توانش ذهني اوست. جالب آن كه بعدها نيز مهارت كلامي از عوامل اساسي توانش ذهني شناخته شد و امروز نيز محتواي اكثر تست هاي هوش را مواد كلامي تشكيل ميدهد.
ترستون، ثرندايك، سيريل برت، گيلفورد، فيليپ ورنون، از ديگر افرادي بودند كه در زمينه هوش به تحقيق و بررسي پرداختند.

تعداد صفحات:68
نوع فايل:word
فهرست مطالب:
چكيده
مقدمه
فصل اول : هوش مصنوعي و ارتباط آن با هوش جمعي
مقدمه
تاريخچه هوش مصنوعي
هوش چيست؟
فلسفه هوش مصنوعي
مديريت پيچيدگي
عامل هاي هوشمند
سيستم هاي خبره
رابطه هوش جمعي با هوش مصنوعي
فصل دوم: تعريف هوش جمعي
مقدمه
تعريف هوش جمعي
خصوصيات هوش جمعي
اصول هوش جمعي
طبقه بندي هوش جمعي
طبيعي در مقابل مصنوعي
علمي در مقابل مهندسي
تعامل دو دسته طبيعي/ مصنوعي و علمي/ مهندسي
فصل سوم:‌ كاربردهاي هوش جمعي
مقدمه
تعريف بهينه سازي
الگوريتم بهينه سازي كلوني مورچه ها
تعريف
الگوريتم
خواص عمومي كلوني مورچه ها
الگوريتم مورچه براي مسئله فروشنده دوره گرد
كاربردهاي الگوريتم مورچه
مسيريابي خودرو
الگوريتم S_ANTNET
هزارتوي چند مسيره
مسيريابي در شبكه هاي مخابراتي
الگوريتم بهينه سازي زنبور
تعريف
جستجوي غذا در طبيعت
الگوريتم زنبور
بهينه سازي كلوني زنبورها
سيستم فازي زنبورها
كاربردهاي الگوريتم بهينه سازي زنبورها
مسئله Ride_matching
حل مسئله RS به وسيله سيستم فازي زنبورها
كاربردهاي الگوريتم زنبور در مهندسي
الگوريتم بهينه سازي انبوه ذرات
تعريف
الگوريتم
كاربردهاي الگوريتم بهينه سازي انبوه ذرات
الگوريتم ژنتيك
تعريف
عملگرهاي يك الگوريتم ژنتيك
عملكرد كلي الگوريتم ژنتيك
مقايسه الگوريتم ژنتيك و ديگر شيوه هاي مرسوم بهينه سازي
الگوريتم ژنتيك و سيستم هاي مهندسي
كاربردهاي الگوريتم ژنتيك
شبكه هاي عصبي مصنوعي
تعريف
تازيخچه شبكه هاي عصبي
چرا از شبكه هاي عصبي استفاده ميكنيم؟
شبكه هاي عصبي در مقابل كامپيوترهاي معمولي
چگونه مغز انسان مي آموزد؟
از سلولهاي عصبي انساني تا سلولهاي عصبي مصنوعي
كاربردهاي شبكه هاي عصبي
كاربردهاي ديگر هوش جمعي
تعريف
اقتصاد
شبكه هاي ادهاك
سيستم هاي خودسازمانده
فصل چهارم: نتيجه گيري
برخي از مزاياي هوش جمعي
منابع و مآخذ

چكيده:
موضوع اصلي اين پروژه، معرفي و بررسي روشهايي كه با نام هوش جمعي از آنها ياد ميشوند. در روشهايي كه در گروه هوش جمعي جاي ميگيرند، ارتباط مستقيم يا غير مستقيم بين جوابهاي مختلف الگوريتم وجود دارند. در واقع، در اين روشها، جوابها كه موجوداتي كم هوش و ساده هستند، براي پيدا شدن و يا تبديل شدن به جواب بهينه، همكاري ميكنند. اين روشها از رفتارهاي جمعي حيوانات و موجودات زنده در طبيعت الهام گرفته شده اند. الگوريتم مورچه ها يكي از بارزترين نمونه ها براي هوش جمعي است كه از رفتار جمعي مورچه ها الهام گرفته شده است. يكي ديگر از مهم ترين الگوريتم هايي كه در گروه هوش جمعي جاي ميگيرد، الگوريتم بهينه سازي انبوه ذرات است. در الگوريتم بهينه سازي انبوه ذرات، اعضاي جامعه، كه ماهي ها يا پرندگان ميباشند، به صورت مستقيم با هم ارتباط دارند. و همچنين در اين پروژه به الگوريتم ژنتيك و ديگر كاربردهاي هوش جمعي مي پردازيم.

تعداد صفحات:93
نوع فايل:word
فهرست مطالب:
مقدمه
شبكه عصبي چيست ؟
يادگيري در سيستم هاي بيولوژيك
سازمان مغز
نرون پايه
عمليات شبكه هاي عصبي
آموزش شبكه هاي عصبي
معرفي چند نوع شبكه عصبي
پرسپترون تك لايه
پرسپترون چند لايه
backpropagation
هاپفيلد
ماشين بولتزمن
كوهونن
كاربردهاي شبكه هاي عصبي
منابع

مقدمه
الگوريتم ها در كامپيوتر ها اعمال مشخص و واضحي هستند كه بصورت پي در پي و در جهت رسيدن به هدف خاصي انجام ميشوند.حتي در تعريف الگوريتم اين گونه آمده است كه الگوريتم عبارت است از مجموعه اي ازاعمال واضح كه دنبال اي از عمليات را براي رسيدن به هدف خاصي دنبال ميكنند.آنچه در اين تعريف خود نمايي ميكند كلمه دنباله ميباشد كه به معناي انجام كار ها بصورت گام به گام مي باشد. اين امر مشخص ميكند كه همه چيز در الگوريتم هاي سنتي بايد قدم به قدم براي كامپيوتر مشخص و قابل فهم و درك باشد. حتي در اولين الگوريتم هاي هوش مصنوعي نيز بر همين پايه و كار قدم به قدم بنا نهاده شده اند.
در اواخر قرن بيستم رويكرد به الگوريتم هاي جديد صورت گرفت كه علت هاي مختلفي داشت مثل حجيم بودن ميزان محاسبات برخي مسايل و بالا بودن مرتبه زماني الگوريتم هاي سنتي در مورد اين مسايل باعث شد نياز به الگوريتم هاي جديد احساس شود.همچنين برخي كارهاي انسان كه هنوز قابل انجام توسط كامپيوتر نبودندو يا به خوبي توسط كامپيوتر انجام نمي شدند باعث اين رويكرد شد.
مهمترين الگوريتم هاي جديد عبارتند از :
1- شبكه هاي عصبي
2- منطق فازي
3- محاسبات تكاملي

تعداد صفحات:23
نوع فايل:word
رشته مهندسي برق
فهرست مطالب:
مقدمه
روبات چيست؟
اهميت روبات ها
هدف از ساخت روبات ها
روباتيك چيست؟
اجزاء يك سيستم روباتيك
زير سيستم هاي اصلي يك روبات
انواع روبات
مزاياي روبات ها
معايب روبات ها
روبات هوشمند
روباتيك و هوش مصنوعي
روبات الگو
روش هاي مختلف تعامل روبات با محيط
سير تحول در كنترل روبات

گزارش روبات امدادگر

"لينك دانلود"

تعداد صفحات:46

نوع فايل:word

فهرست:

مقدمه

مفهوم وب و وب سايت

مفهوم وب معناگرا

وب كنوني

مثال هايي از وب كنوني و وب معنايي

تجارت الكترونيك

ويكي ها

فناوري هاي وب معنايي

فرا داده

آنتولوژي (هستي شناسي)

منطق

عامل ها

وب معنايي در مقايسه با هوش مصنوعي

روش لايه اي

آشنايي با XML

XML و اهميت آن در وب معنايي

آشنايي با XSD

آشنايي با XPATH

آشنايي با RDF

مدل RDF

نمايش دانش با استفاده از مدل RDF

آشنايي با RDF Schema

معرفي Taxonomy ها

چرا از Taxonomy استفاده مي كنيم؟

زبان آنتولوژي وب

شرايط مورد نياز براي زبان هاي آنتولوژي

محدوديت هاي موجود در قدرت انتقال معنا توسط RDF Schema

سازگاري OWL با RDF / RDFS

سه زير زبان OWL

آشنايي با OWL Full

آشنايي با OWL DL

آشنايي با OWL Lite

ساخت دستي آنتولوژي

بكارگيري مجدد آنتولوژي هاي موجود

روش هاي نيمه خودكار ساخت آنتولوژي

آنتولوژي هاي زبان طبيعي

آنتولوژي هاي حوزه اي

نمونه هاي آنتولوژي

نتيجه گيري

منابع و ماخذ

مقدمه:

چالش اساسي در ارتباط با وب آن است كه منابع موجود تنها براي انسان ها قابل فهم و استفاده مي باشد بنابراين ماشين ها در جستجو، اشتراك و يكپارچه سازي انبوهي از اطلاعات، محدوديت هاي زيادي دارند. در حال حاضر ماشين ها جهت شناخت محتوي وب و اطلاعات موجود در وب، نياز به دانش اساسي دارند و بدون آن تنها مي توانند كوركورانه وجود يا عدم وجود يك كلمه كليدي را مشخص كنند. وب معناگرا سعي دارد تا اطلاعات موجود در وب را براي ماشين ها قابل درك كندولي هرگز قصد آن را ندارد تا به ماشين ها قابليت هاي جادويي ببخشد تا با انسان ها رقابت كنند.بلكه تنها سعي دارد از سرعت و قدرت ماشين ها در پردازش اطلاعات موجود، جهت حل برخي مشكلات انسان ها استفاده نمايد.

جهت دانلود كليك نماييد