یادگیری ماشین

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.

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.

تبدیل دیتاست NSL-KDD برای استفاده الگوریتم های یادگیری ماشین در متلب

49,000 تومان

دیتاست NSL-KDD در سال 2009 بعنوان نسخه جدید تجدید نظر شده در مجموعه داده اصلی KDDCup99 ارائه شد که با حجم کم ویژگی های سودمند و چالش برانگیز KDDCup را حفظ کرد. امروزه این دیتاست به عنوان یک مجموعه داده ارزشمند برای بررسی کارایی روش ها و الگوریتم های امنیت سایبری و سیستم های تشخیص نفوذ بکار گرفته می شود.

پاورپوینت انتخاب ویژگی با الگوریتم گرگ خاکستری برای متن کاوی

39,000 تومان

این پاورپوینت برای پایانامه ای با عنوان انتخاب ویژگی با الگوریتم گرگ خاکستری جهت افزایش دقت خلاصه سازی متن بر خط تهیه شده است. در این پایانامه انتخاب ویژگی با الگوریتم گرگ خاکستری برای کاهش ابعاد و همچنین افزایش دقت در متن کاوی با الگوریتم یادگیری ماشین KNN و همچنین روش اطلاعات متقابل MUTUAL INFORMATION در نظر گرفته شده است.

انتخاب ویژگی با الگوریتم گرگ خاکستری جهت افزایش دقت خلاصه سازی متن بر خط

385,000 تومان

انتخاب ویژگی معمولاً برای کاهش ابعاد مجموعه داده و افزایش دقت در الگوریتم های یادگیری ماشین استفاده می شود. در این پایانامه انتخاب ویژگی با الگوریتم گرگ خاکستری برای کاهش ابعاد و همچنین افزایش دقت در متن کاوی با الگوریتم یادگیری ماشین KNN و همچنین روش اطلاعات متقابل MUTUAL INFORMATION در نظر گرفته شده است.

دسته بندی خاک با الگوریتم SVM در متلب

39,000 تومان

در این پست دسته بندی خاک با الگوریتم SVM یا الگوریتم ماشین بردار پشتیبان چند کلاسه از روی تصاویر را در نرم افزار MATLAB آماده کردیم که در واقع پیاده سازی مقاله Machine Learning in Soil Classification می باشد. این سورس کد یک پروژه مناسب در حوضه ی پردازش تصویر، بینایی ماشین، رشته مهندسی عمران ، علوم و مهندسی خاک ، خاک شناسی و مهندسی کشاورزی است.

استخراج ویژگی از متن با روش اطلاعات متقابل Mutual Information

39,000 تومان

برای انتخاب یا استخراج ویژگی یا همان feature selection از متن می توان از روش های مختلفی استفاده کرد. روش اطلاعات متقابل بین دو متغیر معیاری برای نشان دادن میزان وابستگی متقابل آن دو متغیر می‌باشد. مفهوم اطلاعات متقابل ذاتاً مرتبط با آنتروپی یک متغیر که میزان اطلاعات موجود در یک متغیر دیگر را نشان می‌دهد، می‌باشد.

سمینار روش های پیش بینی و تخمین نقص نرم افزار با استفاده از داده کاوی

69,000 تومان

با توسعه فن‌آوری کامپیوتر، سیستم های نرم‌افزاری بیشتر و پیچیده‌تر می‌شود. به علت محدودیت توانایی انسان، نقایص زیادی در چرخه حیات توسعه نرم‌افزاری وجود دارد. کیفیت یکی از مسائل مهم در فرآیند تولید و توسعه نرم‌افزار است. جهت افزایش کیفیت، نقص‌های نرم‌افزار باید قبل از انتشار تشخیص داده شود. پیش‌بینی و تشخیص نقص‌ها در مراحل اولیه توسعه نرم‌افزار سبب افزایش کیفیت محصول تولیدی نرم‌افزار می‌شود یکی از مؤثرترین پیش‌بینی‌های نقص نرم‌افزار استفاده از تکنیک‌های داده‌کاوی و الگوریتم‌های یادگیری ماشین است. در این روش‌ها مؤلفه‌های نرم‌افزاری در دو دسته مستعد نقص و غیر مستعد نقص قرار می‌گیرند.

آموزش الگوریتم K نزدیکترین همسایه KNN

29,000 تومان

روش K نزدیک‌ترین همسایه نزدیک K Nearest Neighbors یا (KNN) یک روش یادگیری موردی ‌است و از جمله ساده‌ترین الگوریتم‌های یادگیری ماشین می‌باشد. در این الگوریتم یک نمونه با رای اکثریت از همسایه‌هایش دسته‌بندی می‌شود. K یک مقدار مثبت صحیح و عموماً کوچک است.

پیش‌بینی موفقیت در بانکداری تلفنی با الگوریتم‌های یادگیری ماشین

139,000 تومان

در این پست داکیومنت پیش‌بینی موفقیت در بانکداری تلفنی با الگوریتم‌های یادگیری ماشین قرار داده شده است. ضرورت سرعت عمل در بازاریابی بر کسی پوشیده نیست. با پیشرفت جوامع و ایجاد کسب‌وکارهای دیجیتال، سیستم‌های قدیمی توانایی قابل‌توجهی برای جذب سرمایه و مشتری ندارند. یادگیری ماشین و سایر فناوری‌های پیشرفته، فرصت‌های جدیدی برای هزینه هوشمندانه بودجه‌های بازاریابی فراهم کرده است.

تأثیر تمرینات پیلاتس بر آمادگی جسمانی افراد کم‌توان ذهنی

139,000 تومان

برای شبیه‌سازی تأثیرات تمرینات پیلاتس بر روی افراد کم‌توان ذهنی نیاز به مجموعه داده می‌باشد که متأسفانه چنین مجموعه داده‌ای برای این افراد تاکنون گردآوری نشده است. با جمع‌آوری مجموعه داده برای افراد کم‌توان ذهنی و اعمال شبیه‌سازی و بررسی تحقیق روی این مجموعه می‌توان علاوه بر اثر سلامت جسمی افراد کم‌توان ذهنی بر روی رو سلامت روان این افراد با دادن اعتمادبه‌نفس تأثیر گذاشت.

تشخیص سرطان سینه با استفاده از الگوریتم جستجوی گرانشی و شبکه‌های عصبی مصنوعی

139,000 تومان

در این پژوهش یک الگوریتم ترکیبی جستجوی گرانشی و شبکه عصبی برای کلاس‌بندی مجموعه داده‌های 683 نفر بیمار مبتلابه سرطان پیشنهادشده است. اطلاعات بیماران در این مجموعه دارای 9 ویژگی و دو کلاس سرطان خوش‌خیم و بدخیم می باشد. انتخاب ویژگی‌های مؤثر در نحوه عملکرد شبکه عصبی برای آموزش بهتر انکارناپذیر است ولی یافتن این ویژگی‌ها یک مسئله Np_hard است.

بررسی اثر سه کلاسه کردن دسته‌بندی بر روی دقت تشخیص اسپم در ایمیل‌ های فارسی – تشخیص اسپم در ایمیل‌

169,000 تومان

تشخیص اسپم در ایمیل‌ های فارسی عنوان داکیومنتی است که در این پست به آن پرداخته شده است. در یک دهه گذشته، با گسترش سریع اینترنت ایمیل‌ها یکی از سریع‌ترین و مقرون به صرفه‌ترین و راحت‌ترین راه‌های ارتباطی شده‌اند. امروزه ایمیل‌ها در اینترنت به صورت نمایی در حال افزایش می‌باشند، اما متاسفانه کارایی و ماهیت اقتصادی ایمیل‌ها مورد سوء‌استفاده قرار گرفته است.

شبیه سازی تشخیص سرطان سینه با استفاده از الگوریتم ماشین بردار پشتیبان SVM در متلب

49,000 تومان

شبیه سازی تشخیص سرطان سینه عنوان پروژه ای است که در این پست قرار داده ایم. شبیه سازی تشخیص سرطان سینه با استفاده از الگوریتم ماشین بردار پشتیبان SVM در شبیه ساز  محبوب متلب 2017 پیاده سازی شده است. این پروژه به دنبال تشخیص نوع سرطان سینه بدخیم و خوش خیم می پردازد و با استفاده از معیارهای دقت، صحت، F1 و Recall پیاده سازی ارزیابی می شود.

تشخیص سرطان سینه با شبکه عصبی در متلب (سورس کد کامل)

49,000 تومان

سرطان سینه شایع‌ترین سرطان در میان زنان است که در مردان نیز رخ می‌دهد. اخیراً مدل‌هایی که با دقت بالا بتوانند بقاي این بیماران را در افراد مبتلا پیش‌بینی نمایند، مورد توجه است. تشخیص سرطان سینه با شبکه عصبی یکی از مدل هایی است که در میان محققین از محبوبیت بالایی بر خوردار است.