معرفی شبکه های عصبی و ساختار نورون عصبی

بهینه سازی خرپای فولادی با کمک الگوریتم ژنتیک و روش اجزا محدود

پروژه مطالعاتی در مورد "بهینه سازی خرپای فولادی با کمک الگوریتم ژنتیک و روش اجزا محدود" است. بر گرفته از مقاله ی ترجمه شده و اطلاعات درس محاسبات نرم. برای اطلاات بیشتر با ایمیل [e-mail] در تماس باشید.

مروری بر داده کاوی و بررسی شبکه های عصبی

چندین دهه است که شرکت ها اطلاعات را جمع آوری می نمایند تا با ایجاد یک پایگاه داده انبوه اطلاعات را ذخیره کنند، با این حال که اطلاعات در دسترس آنها قرار دارد فقط تعداد کمی از شرکت ها قادر شده اند به ارزش واقعی ذخیره شده در آنها پی ببرند سوال این شرکتها این است که چگونه میتوان به ارزش واقعی این اطلاعات دست یافت؟ پاسخ آن داده کاوی است، که امروزه در بسیاری از صنعتها از جمله پزشکی، آموزش، ورزش و بسیاری از صنایع دیگر مورد استفاده قرار میگیرد. تکنیکهای بسیاری جهت داده کاوی وجود دارد از جمله شبکه های عصبی مصنوعی، رگرسیون، درخت تصمیم و غیره. همچنین طراحی شده است اشاره SAS که توسط شرکت JMP نرم افزارهایی نیز برای داده کاوی ایجاد شده است که میتوان به نرم افزار کرد. این مقاله به معرفی داده کاوی و برخی از روشهای داده کاوی و همچنین محیطهایی که از داده کاوی بهره میبرند به همراه نرم افزار های آن پرداخته است.

فهرست :

چکیده

مقدمه

داده کاوی

تکنیک های داده کاوی

دسته بندی

رگرسیون گیری

خوشه بندی

تجمع و همبستگی

درخت تصمیم گیری

ویزگی های درخت تصمیم

الگوریتم ژنتیک

شبکه های عصبی مصنوعی

ساختار شبکه عصبی

نورون

معماری شبکه عصبی

شبکه های پیش خور تک لایه

انواع یادگیری در شبکه های عصبی مصنوعی

داده کاوی در پزشکی

داده کاوی در سلامت

نرم افزار های داده کاوی

نتیجه گیری

مراجع

کاربرد الگوریتم زنبورعسل در بهینه سازی مسائل ریاضی

رنگ آمیزی گراف با الگوریتم ژنتیک ‎

 مساله بهینه سازی رنگ آمیزی گراف تعیین حداقل تعداد رنگهای مورد نظر برای رنگ آمیزی گرافی معین است به گونه ای که هیچ دو راس مجاور هم رنگ نباشند و این عدد مورد نظر را عدد کروماتیک گراف می گوئیم . مساله تصمیم گیری رنگ آمیزی گراف ان است که برای یک عدد صحیح m تعیین کنیم که آیا رنگ آمیزی وجود دارد که حداکثر از این m رنگ استفاده کرده و هیچ دو راس مجاوری هم رنگ نباشند. تا امروز برای حالتهای تصمیم گیری و بهینه سازی فوق الگوریتمی از مرتبه چند جمله ای پیدا نشده است . در اینجا سعی شده با استفاده از الگوریتم ژنتیک راه حل های بهینه ای را برای این مسئله ارائه دهیم.

 فهرست :

الگوریتم ژنتیک و الگوریتم هیورستیک

مقدمه ای بر بهینه سازی

الگوریتم های مینیمم یابنده

هیورستیک

انواع الگوریتم های هیورستیک

الگوریتم ژنتیک

فضای جستجو

مفاهیم پایه ای در الگوریتم ژنتیک

کد گذاری دودویی

کدگذاری جهشی

کدگذاری ارزشی

کدگذاری درختی

جمعیت ژنتیکی

تاریع برازندگی

عملگر ترکیب یا جابجایی

ترکیب چند نقطه ای

ترکیب یکنواخت

ترکیب نگاشت جزئی

ترکیب مرتب شده

ترکیب چرخشی

عملگر جهش

روش وارون سازی

روش ژن جزئی

روش درجی

روش درهم آمیخته

روش چرخ رولت

روش رتبه بندی

عملگر ترمیم

نخبه کشی

مراحل اجرای الگوریتم ژنتیک

همگرایی در الگوریتم ژنتیک

روش برش کروموزوم

نحوه جهش ژنتیک