داکز دی ال
دانلود مقالات و جزوات آموزشی - دانشگاهیداکز دی ال
دانلود مقالات و جزوات آموزشی - دانشگاهیگزارش کارآموزی
این فایل شامل یک گزارش کارآموزی کامل می باشد.
در پیش نمایش فایل فهرست عناوین و مقدمه ذکر شده است.
موضوع کار شده در کارآموزی کاملا جدید و نو می باشد و به هیچ وجه تکراری نیست
این گزارش را برای دانشجوهای مهندسی برق و الکترونیک و مخابرات همچنین مهندسی کامپیوتر گرایش های نرم افزار و سخت افزار و علوم شناختی مناسب می باشد.
به غیر از محتوای گزارش که برای واحد درسی کارآموزی است این گزارش شامل ترجمه چند مقاله به همراه نتایج کارهای صورت گرفته در موضوع مورد بحث می باشد و از آن می توان برای شروع یک ایده بکر و نو برای پروژه های کارشناسی و ارشد استفاده نمود.
نسخه دوم پروژه تشخیص اثر انگشت با شبکه عصبی ART و تکنیکهای پردازش تصویر(MATLAB)
اثر انگشت یکی از قدیمی ترین روش ها برای شناسایی هویت افراد است.
در این پروژه که در برنامه MATLAB پیاده سازی و اجرا شده است، تشخیص اثر انگشت به کمک تکنولوژی TDNN مورد تحلیل و اجرا قرار گرفته است.
این پروژه از روی 3 مقاله مرجع که در پایگاه های اینترنتی و علمی معتبر(نظیر السویر،ساینس دایرکت و ...) انتشار یافته شده اند پیاده سازی شده است.شما می توانید این 3 مقاله را از طریق این لینک به صورت رایگان دریافت کنید.لازم به ذکر است فایل پی دی اف این مقاله که رایگان بر روی وبسایت ما قابل دریافت است در سایت های دیگر به رایگان قابل دسترسی نیست.برای دریافت اطلاعات بیشتر در مورد این برنامه ابتدا مقالات منتشر شده را مطالعه و سپس برای دریافت فایل اوپن سورس پروژه بر روی دکمه خرید کلیک نمایید. توجه داشته باشید کیفیت و قیمت این پروژه رقابتی و در سراسر محیط نت بی رقیب می باشد.
یک شبکه عصبی فازی ژنتیکی بهینه شده برای کنترل کشتی
اصل و ترجمه مقاله کنترل هوشمند کشتی با استفاده از شبکه عصبی و منطق فازی و ژنتیک الگوریتم
عنوان انگلیسی مقاله :
A Genetically Optimized Fuzzy Neural Network for Ship ControllersA Genetically Optimized Fuzzy Neural Network for Ship Controllers
عنوان فارسی مقاله :
یک شبکه عصبی فازی ژنتیکی بهینه شده برای کنترل کشتی
سال انتشار : 2006
کیفیت ترجمه : B
چکیده انگلیسی :
Abstract-A novel approach has been promoted for fuzzy neural ship controllers. An RBF neural network and GA optimization are employed in a fuzzy neural controller to deal with the nonlinearity, time varying and uncertain factors. Utilizing the designed network to substitute the conventional fuzzy inference, the rule base and membership functions can be auto-adjusted by GA optimization. The parameters of neural network can be decreased by using union-rule configuration in the hidden layer of the network. The performance of controller is evaluated by the system simulation conducted with Simulink tools, by which satisfied results have been obtained
.Index Terms- RBF network. Fuzzy control. Genetic algorithm. Union rule. Ship control
چکیده فارسی :
چکیده - منطق فازی عصبی، رویکردی جدید برای کنترل کشتی ها است. یک شبکه عصبی RBF و بهینه سازی GA در یک کنترل عصبی فازی به کار برای مقابله با غیرخطی، زمان های مختلف و عوامل نامشخص است. با استفاده از شبکه طراحی شده به جای استنتاج فازی معمولی، پایگاه قوانین و توابع عضویت می تواند به صورت خودکار توسط بهینه سازی GA تنظیم شود. پارامترهای شبکه عصبی را می توان با استفاده از تنظیمات مجموعه قوانین در لایه مخفی از شبکه کاهش داد. نتایج رضایت بخشی از عملکرد کنترل کننده های شبیه سازی سیستم، که توسط ابزار سیمولینک انجام می گردد دست آمده است.کلمات کلیدی : کنترل فازی. الگوریتم ژنتیک. مجموعه قوانین. کنترل کشتی.
کامپیوتر 54. تعیین هویت مخاطب مستقل از متن کارآمد از طریق مدل ترکیبی ساختاری گاوس و شبکه های عصبی
تعیین هویت مخاطب مستقل از متن کارآمد از طریق مدل ترکیبی ساختاری گاوس و شبکه های عصبی
چکیدهچکیده – ما سیستم مرکبی را در ارتباط با مدل ترکیبی گاوس (SGMM) و شبکه های عصبی برای دستیابی به راندمان محاسباتی و صحت بالا در ارتباط با تعیین هویت مخاطب ارائه می دهیم. یک مدل ساختاری پیشینه (SBM) در ابتدا از طریق طبقه بندی زنجیره ای تمام اجزای ترکیبی گاوس در ارتباط با این مدل ایجاد می گردد. به این ترتیب ، یک فضای صوتی به مناطق مختلف در سطوح مختلف بخش بندی می گردد. در ارتباط با هر یک از این اهداف ، مدل SGMM از طریق فرایندهای چند سطحی MAP از طریق SBM ایجاد می گردد. در هنگام تست ، تنها شاخه هایی از اجزای ترکیبی گاوس در ارتباط با این ویژگی ها مورد محاسبه قرار می گیرند تا هزینه های محاسباتی را به طور قابل توجهی کمتر کنند. علاوه بر این موارد مورد محاسبه شده در لایه های مدل درختی مختلف ، برای تصمیم گیری نهایی با شبکه های عصبی ترکیب می گردند. پیکره بندی های متفاوتی در ارتباط با این بررسی ها بر روی اطلاعات حاصل از گفتگوهای تلفنی مورد استفاده در ارزیابی NIST انجام می گیرد. نتایج حاصل از این بررسی ها نشان می دهد که کاهش محاسباتی با استفاده از فاکتور 17 از طریق 5 درصد کاهش نسبی در نرخ اشتباهات در مقایسه با خطوط اصلی مد نظر قرار می گیرد. روش SGMM-SBM مزایایی را در ارتباط با آمیزش GMM نشان می دهد ، که شامل ، سرعت بالاتر و عملکردهای بهتر می باشد.عبارات کلیدی ، طبقه بندی گاوس ، شبکه عصبی ، تعیین هویت مخاطب ، مدل ترکیبی گاوس.