هوش مصنوعی

پاورپوینت هوش مصنوعی

29,000 تومان

به دلیل درخواست مکرر کاربران تلاش کردیم، پاورپوینت هوش مصنوعی را در 17 صفحه منتشر کنیم تا برای ارائه مناسب و بدون استرس آمادگی کافی داشته باشید. این پاورپوینت توسط تیم پی‌ استور بررسی شده و شما با خیال راحت می‌توانید محصول را خریداری و استفاده کنید. هوش مصنوعی سال‌هاست که به کمک بشر آمده و تقریبا در اکثر حوزه‌ها کاربرد دارد.

پاورپوینت شبکه های عصبی مصنوعی

39,000 تومان

در این پست پاورپوینت شبکه های عصبی مصنوعی قرار داده شده است. شبکه عصبی مصنوعی ANN شبیه به شبکه عصبی در مغز انسان است و عملکردی مشابه با نورون‌های مغزی دارد. شبکه‌های عصبی جزو الگوریتم‌های یادگیری ماشین بوده و از زیر شاخه‌های هوش مصنوعی می‌باشد. این پاورپوینت آماده در 24 اسلاید در قالب ppt. یا pptx. با قابلیت ویرایش برای ارائه درسی آماده دانلود می‌باشد.

الگوریتم مورچه و حل مسئله فروشنده دوره گرد TSP در پایتون

49,000 تومان

این سورس کد به زبان پایتون Python برای الگوریتم کلون مورچگان یا همان ACO نوشته شده است. این سورس کد بر اساس ساز و کار الگوریتم مورچه مسئله TSP را حل می کند. برای اینکه بتوانید الگوریتم ACO را واضح و کامل درک کنید مقاله ای کامل با عنوان الگوریتم کلونی مورچگان ACO در همین سایت نوشته شده است. در ادامه مختصری از الگوریتم برای درک کد الگوریتم مورچه در پایتون بیان می شود.

پاورپوینت الگوریتم کلونی مورچه ACO

39,000 تومان

الگوریتم بهینه سازی کلونی مورچگان تحت عنوان الگوریتم های هوش ازدحامی یا هوش گروهی شناخته شده و به مدل سازی رفتار مورچه های واقعی می پردازد. مورچه ها حشراتی هستند که می توانند گروه ها (کلونی ها) را شکل دهند. چنین رویکرد جمعیت محوری این امکان را برای الگوریتم ACO ایجاد می کند تا به حل مسائل بهینه سازی به طور کاملا کارآمد بپردازد.

آموزش شبکه عصبی با الگوریتم رقابت استعماری ICA در متلب

49,000 تومان

در این بخش سورس کد آموزش شبکه عصبی با الگوریتم رقابت استعماری ICA در متلب قرار داده شده است. برای افزایش دقت یادگیری در شبکه های عصبی می توان این شبکه را با الگوریتم های فرا ابتکاری یا تکاملی ترکیب کرد یعنی برای وزن دهی لایه های مختلف موجود که ارتباط آن ها با یال هایی است می توان مقادیر وزن ها ها یا یال ها را با الگوریتم های فرا ابتکاری تعیین کرد. یکی از مهم ترین الگوریتم ها، الگوریتم رقابت استعماری یا Imperialist Competitive Algorithm می باشد.

آموزش شبکه عصبی با الگوریتم مورچه ACO در متلب

49,000 تومان

در این بخش سورس کد آموزش شبکه عصبی با الگوریتم مورچه ACO در متلب قرار داده شده است. برای افزایش دقت یادگیری در شبکه های عصبی می توان این شبکه را با الگوریتم های فرا ابتکاری یا تکاملی ترکیب کرد یعنی برای وزن دهی لایه های مختلف موجود که ارتباط آن ها با یال هایی است می توان مقادیر وزن ها ها یا یال ها را با الگوریتم های فرا ابتکاری تعیین کرد. یکی از مهم ترین الگوریتم ها، الگوریتم کلونی مورچگان یا الگوریتم مورچه ACO می باشد.

آموزش شبکه عصبی با الگوریتم ژنتیک GA در متلب

49,000 تومان

برای افزایش دقت یادگیری در شبکه های عصبی می توان این شبکه را با الگوریتم های فرا ابتکاری یا تکاملی ترکیب کرد یعنی برای وزن دهی لایه های مختلف موجود که ارتباط آن ها با یال هایی است می توان مقادیر وزن ها ها یا یال ها را با الگوریتم های تکاملی تعیین کرد. یکی از مهم ترین الگوریتم های تکاملی، الگوریتم ژنتیک Genetic Algorithm می باشد.

آموزش شبکه عصبی با الگوریتم گرگ خاکستری GWO در متلب

49,000 تومان

برای افزایش دقت یادگیری در شبکه های عصبی می توان این شبکه را با الگوریتم های فرا ابتکاری یا تکاملی ترکیب کرد یعنی برای وزن دهی لایه های مختلف موجود که ارتباط آن ها با یال هایی است می توان مقادیر وزن ها ها یا یال ها را با الگوریتم های فرا ابتکاری تعیین کرد. یکی از این الگوریتم ها، الگوریتم گرگ خاکستری GWO می باشد. که در این بخش سورس کد آماده آن در متلب برای یک دیتاست ساده (دیتاست سرطان سینه) نوشته شده است.

تشخیص نفوذ با الگوریتم درخت تصمیم DT در متلب

49,000 تومان

در این بخش سورس کد تشخیص نفوذ با الگوریتم درخت تصمیم DT در متلب قرار داده شده است. در این سورس کد دیتاست معروف سیستم تشخیص نفوذ یعنی NSL-KDD با استفاده از الگوریتم درخت تصمیم دسته بندی یا کلاس بندی Classfication شده است. این سورس کد به همراه یک فیلم آموزش نحوه اجرا و توضیحات کلی برنامه همراه با یک گزارش کار 5 صفحه ای در قالب Word آماده دانلود می باشد.

آموزش شبکه عصبی با الگوریتم وال WOA در متلب

49,000 تومان

برای افزایش دقت یادگیری در شبکه های عصبی می توان این شبکه را با الگوریتم های فرا ابتکاری یا تکاملی ترکیب کرد یعنی برای وزن دهی لایه های مختلف موجود که ارتباط آن ها با یال هایی است می توان مقادیر وزن ها ها یا یال ها را با الگوریتم های فرا ابتکاری تعیین کرد. یکی از این الگوریتم ها، الگوریتم وال یا WOA می باشد. که در این بخش سورس کد آماده آن در متلب برای یک دیتاست ساده (دیتاست سرطان سینه) نوشته شده است.

تعیین وزن شبکه عصبی با الگوریتم PSO در متلب

49,000 تومان

در این بخش سورس کد تعیین وزن شبکه عصبی با الگوریتم PSO در متلب قرار داده شده است. برای افزایش دقت یادگیری در شبکه های عصبی می توان این شبکه را با الگوریتم های فرا ابتکاری یا تکاملی ترکیب کرد یعنی برای وزن دهی لایه های مختلف موجود که ارتباط آن ها با یال هایی است می توان مقادیر وزن ها ها یا یال ها را با الگوریتم های فرا ابتکاری تعیین کرد. یکی از این الگوریتم ها الگوریتم PSO می باشد.

تشخیص نفوذ با الگوریتم یادگیری KNN در متلب

69,000 تومان

در این بخش سورس کد تشخیص نفوذ با الگوریتم یادگیری KNN در متلب قرار داده شده است. در این سورس کد دیتاست معروف سیستم تشخیص نفوذ یعنی NSL-KDD با استفاده از الگوریتم یادگیری ماشین k نزدیکترین همسایه دسته بندی یا کلاس بندی Classfication شده است. این سورس کد به همراه یک فیلم آموزش نحوه اجرا و توضیحات کلی برنامه همراه با یک گزارش کار 5 صفحه ای در قالب Word آماده دانلود می باشد.

آموزش شبکه عصبی RBF در متلب

49,000 تومان

شبکه عصبی تابع پایه شعاعی Radial Basis Function سه لایه دارد: لایه ورودی (Input Layer)، لایه پنهان یا مخفی (Hidden Layer) و لایه خروجی (Output Layer). نورون‌های لایه مخفی با یک تابع پایه شعاعی (RBF) فعال (تحریک) می‌شوند. لایه مخفی از آرایه‌ای از واحدهای محاسباتی تشکیل شده که گره‌های مخفی (Hidden Nodes) نامیده می‌شوند.

فیلم آموزش شبکه عصبی Heb در متلب

59,000 تومان

در این بخش فیلم آموزش شبکه عصبی Heb در متلب قرار داده شده است. شبکه‌ عصبی مصنوعی (Artificial Neural Networks – ANN) برای یادگیری ماشین، نمایش دانش و در انتها اعمال دانش به دست آمده در جهت بیش‌بینی پاسخ‌های خروجی از سیستم های پیچیده هستند. در این فیلم آموزشی علاوه بر توضیحات سورس کد شبکه عصبی Heb در متلب توضیح داده می شود.

خوشه بندی طیفی با شبکه های عصبی گرافی برای اجتماع گراف ها

39,000 تومان

در این مقاله یک نوع روش  خوشه بندی طیفی (SC) برای یافتن جوامع کاملاً متصل بر روی یک گراف معرفی شده است. از SC می توان در شبکه های عصبی مبتنی بر گراف (GNN) برای جمع آوری گره های متعلق به یک خوشه استفاده کرد.