آشنایی با کروم بوک (chrome Book) های شرکت گوگل

تحقیق با موضوع کروم بوک های شرکت گوگل قابل ارائه برای دروس سیستم های خبره و هوش مصنوعی "بخش پردازش ابری یا کلودینگ "

کروم بوک چیست ؟

کروم بوک درست همانند یک لپ تاپ کوچک است با برخی تفاوتهای کلیدی. نسبتاً نازک است و به نظر نمی رسد در عمل سیستم عاملی در کار باشد. البته قطعاً هیچ کامپیوتری بدون سیستم عامل کار نمیکند. ولی در این دستگاه از آن سیستم عاملی که انتظارش را می کشیم و همراه با منوی استارت یا هر چیز دیگری که ما را به یاد سیستم عامل های معمول بیاندازد، خبری نیست. در عوض همه ی آنچه در اختیار داریم یک صفحه ورود زیبا به همراه یک مرورگر است و فقط همین. این لپ تاپ فقط برای استفاده کاربرانش از اینترنت ساخته شده است.

پروژه پیاده سازی سیستم خبره با نرم افزار Clips بمنظور بهینه سازی مصرف انرژی نیروگاههای برق حرارتی

پروژه کامل رشته مهندسی کامپیوتر با موضوع پیاده سازی سیستم خبره با نرم افزار Clips بمنظور بهینه سازی مصرف انرژی نیروگاههای برق حرارتی، در قالب فایل word و در حجم 73 صفحه، با قابلیت انتخاب زبان انگلیسی و فنگلیش، همراه با سورس کد و توضیح کامل کدها.

مقدمه:
در حوزه مهندسی نیروگاههای حرارتی تولید برق که نیروی محرکه ی توربینها از سوختهای فسیلی مانند گازطبیعی، گازوییل، مازوت ویا ترکیبی از آنها (نیروگاههای سیکل ترکیبی) تامین می شود مجموعه ای از حوزه های مختلف مهندسی نظیر مهندسی نفت، صنایع، مکانیک، کنترل قدرت، برق و... همکاری دارند. بعضاً بدلایل فنی، توازن بین مقدار سوخت مصرفی و میزان برق تولید شده در یک یا چند توربین از حالت بهینه خارج میشود. سیستم کنترل اتوماتیک این نیروگاهها طوری طراحی شده که در چنین مواقعی از فعالیت تمام توربینها بدلایل امنیتی و جلوگیری از اتلاف انرژی خاتمه می دهد. چون این نیروگاهها در مناطقی تاسیس می شوند که معمولاً به دور از سیستم سراسری شبکه برق می باشد، لذا قطعی های مکرر و غیر منتظره برق در مناطق تحت پوشش از معضلاتی است که همواره در چنین نیروگاههایی پیش می آید. این پروژه آموزشی تلاشی است برای طراحی یک سیستم خبره که بطور هوشمند با چک کردن و مقایسه ی مداوم نسبت سوخت مصرفی و برق تولیدی توسط توربینها در صورت بروز ناهماهنگی بین قواعد تعریف شده در پایگاه دانش و شرایط موجود قبل از بروز هرگونه مشکل با ارائه ی توصیه هایی به اپراتورها از اتلاف انرژی و اختلالات غیر منتظره جلوگیری کند. به این ترتیب همانند سایر حوزه های کلان صنعتی -تولیدی و خدماتی نیاز به متخصصین طراحی چنین سیستمهای هوشمندی در این صنعت عظیم روز به روز بیشتر میشود بنابراین اهمیت فناوری اطلاعات بعنوان یک تخصص میان رشته ای در چنین صنایعی غیر قابل انکار است. از جمله نیروگاههای برق حرارتی فوق می توان به نیروگاه سیکل ترکیبی در استان قزوین و نیروگاه گازی شیروان در استان خراسان شمالی اشاره کرد. 

فهرست مطالب:
آشنایی با مفاهیم اولیه برای طراحی
تشکیل نمودار درختی روابط سیستم
توضیح اصطلاحات بکار رفته در برنامه 
طراحی رابط کاربری انگلیسی و فنگلیش
فرایند تشکیل پایگاه دانش
قواعد استخراج شده از پایگاه دانش سیستم
توضیح کامل کد های برنامه
نحوه‘ اجرای برنامه
سورس کد برنامه 
ضمائم:
لینک دانلود مقاله انگلیسی و برنامه کلیپس
مقاله کامل سیستمهای خبره

کاربردهای منطق فازی در یادگیری ماشین‎

کاربردهای منطق فازی در یادگیری ماشین

مدیریت 177. پیش‌بینی موفقیت ERP: یک رهیافت شبکه عصبی مصنوعی

پیش‌بینی موفقیت ERP: یک رهیافت شبکه عصبی مصنوعی
کلیدواژه‌هابرنامه‌ریزی منابع سازمان (ERP) ؛ موفقیت ERP؛ مشخصات/عامل‌های سازمانی؛ شبکه عصبی مصنوعی (ANN) ؛ سیستم خبره
چکیدهبه سیستم برنامه‌ریزی منابع سازمان (ERP) بعنوان نمونه‌ای از سیستم‌های اطلاعات جدید اشاره شده است. با اینحال، دست یافتن به سطح مناسبی از موفقیت ERP متکی به عامل‌های گوناگونی است که این عوامل به یک محیط سازمانی یا پروژه‌ای وابسته هستند. در این مقاله، درمورد ایده پیش‌بینی موفقیت پیش از پیاده‌سازی ERP براساس مشخصات سازمانی، بحث شده است. همچنانکه با نیاز به ایجاد انتظارات از سازمان‌های ERP، یک سیستم خبره با استفاده از روش شبکه عصبی مصنوعی(ANN) برای بیان روابط بین برخی از عوامل سازمانی و موفقیت ERP توسعه داده شد. نقش سیستم خبره در آماده سازی برای به دست آوردن اطلاعات از شرکت های جدید که مایل به پیاده سازیERP هستند، و برای پیش بینی سطح محتمل موفقیت سیستم، است. برای این منظور، عامل‌های مشخصات سازمانی به رسمیت شناخته شده و مدل ANN توسعه داده شده است. سپس، با 171 داده بررسی شده به دست آمده از شرکت‌های خاور میانه که ERP  را تجربه کرده‌اند اعتباردهی می‌شوند. سیستم خبره آموزش دیده، با ضریب همبستگی متوسط 0.744پیش‌بینی می‌کند که نسبتاً بالا است و این ایده وابستگی موفقیت ERP به مشخصات سازمانی را حمایت می کند. علاوه بر این، نرخ طبقه بندی صحیح مجموع 0.685 نشان می دهد قدرت پیش بینی خوب است، که می تواند به پیش بینی موفقیت ERP شرکت‌ها قبل از پیاده سازی سیستم کمک نماید.