یادگیری ماشین
پاورپوینت سیستم خبره فازی Fuzzy expert system
در این بخش می خواهیم درمورد پاورپوینت سیستم خبره فازی Fuzzy expert system صحبت کنیم. این پاورپوینت درمورد منطق های فازی و کلاسیک صحبت می کند و کاربردهای آن را مورد بررسی قرار می دهد. مبحث اصلی که این پاورپوینت به آن اشاره دارد، کاربرد سیستم های خبره فازی است. این پاورپوینت با فرمت ppt. یا pptx. در 59 اسلاید قابل دریافت است. در ادامه درمورد پاورپوینت سیستم خبره فازی بیشتر توضیح خواهیم داد.
پاورپوینت الگوریتم K_means و knn
پاورپوینت الگوریتم K_means و knn با اسلایدهای جذاب به دانشجویان و دانش آموزان کمک میکند تا یک ارائه بینظیر داشته باشند. لازم به ذکر است که تمامی اسلایدها قابل ویرایش بوده و هر گونه تغییرات توسط شما در آن اعمال خواهد شد. همه ی توضیحات مورد نیاز در نوت یا همان پاورقی نوشته شده است تا نگرانی و مشکلی در هنگام ارائه نداشته باشید.
پاورپوینت کاربرد سیستم های خبره در پزشکی
پاورپوینت کاربرد سیستم های خبره در پزشکی با اسلایدهای جذاب به دانشجویان و دانش آموزان کمک میکند تا یک ارائه بینظیر داشته باشند. لازم به ذکر است که تمامی اسلایدها قابل ویرایش بوده و هر گونه تغییرات توسط شما در آن اعمال خواهد شد. همه ی توضیحات مورد نیاز در نوت یا همان پاورقی نوشته شده است تا نگرانی و مشکلی در هنگام ارائه نداشته باشید.
تشخیص نفوذ با الگوریتم درخت تصمیم DT در متلب
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
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.
انتخاب ویژگی با الگوریتم رقابت استعماری در متلب – انتخاب ویژگی با الگوریتم استعماری
در این بخش فیلم آموزش انتخاب ویژگی با الگوریتم استعماری در متلب قرار داده شده است. این آموزش به مسئله انتخاب ویژگی یا Feature Selection در مسائل Classification یا دسته بندی از حوزه الگوریتم های یادگیری ماشین و داده کاوی می پردازد. در انتخاب ویژگی در این آموزش از یک الگوریتم فرا ابتکاری یا متاهیورستیک در حوزه محاسبات تکاملی و فرآیند تکامل اجتماعی – سیاسی با نام الگوریتم رقابت استعماری Imperialist Competitive Algorithm که به اختصار ICA نامیده می شود استفاده شده است.
انتخاب ویژگی با الگوریتم گرگ خاکستری جهت افزایش دقت خلاصه سازی متن بر خط
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
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
استخراج ویژگی با روش اطلاعات متقابل Mutual Information یا MI یکی از روشهای فیلتری برای استخراج ویژگی از متن است. روش اطلاعات متقابل بین دو متغیر معیاری برای نشان دادن میزان وابستگی متقابل آن دو متغیر نسبت به هم میباشد. مفهوم اطلاعات متقابل ذاتاً مرتبط با آنتروپی یک متغیر (که میزان اطلاعات موجود در یک متغیر دیگر را نشان میدهد) میباشد. در این آموزش اطلاعات کاملی از نحوه عملکرد متد اطلاعات متقابل برای متن کاوی به همراه مثال ارائه شده است.
سمینار روش های پیش بینی و تخمین نقص نرم افزار با استفاده از داده کاوی
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.
پیشبینی موفقیت در بانکداری تلفنی با الگوریتمهای یادگیری ماشین
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.
دسته بندی متون احساسی با ویژگی های Bigram مبتنی بر الگوریتم تکاملی
در این پست داکیومنت دسته بندی متون احساسی با ویژگی های Bigram مبتنی بر الگوریتم تکاملی قرار گرفته شده است. ضرورت استفاده از سیستمهای تشخیص خودکار بر کسی پوشیده نیست. الگوریتمهای یادگیری ماشین بهصورت فراوانی هزینه تحقیق را کاهش میدهند و سرعت بسیار بیشتری نسبت به الگو های میدانی دارند و بدینصورت صرفهجویی زیادی در وقت میشود. مشکلی که در دستهبندی متن یا دسته بندی متون وجود دارد، حجم زیاد ویژگیها است که باعث کاهش دقت نتایج دستهبندی میشود.
پردازش زبان طبیعی و آنالیز ساختار جملات انگلیسی با استفاده از یادگیری ماشین
در این پست داکیومنت آنالیز ساختار جملات انگلیسی با استفاده از یادگیری ماشین قرار گرفته شده است که برای علاقه مندان و محققان در زمینه پردازش زبان طبیعی ( Natural Language Processing) بسیار مفید است. پردازش زبان طبیعی (NLP) به هرکدام از زبانهایی گفته میشود که توسط بشر در دنیا صحبت میشود و خودبهخود پدید آمده و تکاملیافته است.
داکیومنت تشخیص بیماری عروق کرونری با شبکههای عصبی مصنوعی و رویکرد تکاملی
در این پایان نامه یک روش جدید برای تشخیص بیماری کرونری قلبی ارائه شده است که با استفاده از الگوریتم جستجوی گرانشی (GSA) اقدام به انتخاب ویژگی های موثر در تشخیص بیماری کرونری قلبی نموده و با یک شبکه عصبی مصنوعی (ANN) آنرا دسته بندی میکند. الگوریتم جستجوی گرانشی یک الگوریتم وابسته به هوش جمعی و بدون حافظه می باشد.
پیاده سازی انتخاب ویژگی با الگوریتم کلونی مورچه ACO برای NB در متلب
در این پست به بحث انتخاب ویژگی با ACO برای NB یعنی استفاده از الگوریتم کلونی مورچگان Ant Colony Optimization یا (ACO) را برای انتخاب ویژگی (Feature Selection) برای الگوریتم یادگیری ماشین نیو بیزین (Naive Bayesian) یا همان NB می پردازیم. در این بحث با توجه به خاصیت الگوریتم الگوریتم مورچه به انتخاب ویژگی با ACO از دیتاست ها پرداخته می شود.