تعیین درخت پوشای مینیمم با الگوریتم CMAES در متلب

25,000 تومان

در این پست به مسئله حل درخت پوشای مینیمم با الگوریتم CMAES در متلب پرداخته شده است. درخت پوشای مینیمم یا درخت پوشای کمینه درختی است از زیر مجموعه ای از گراف G که تمام رأس ها با حداقل تعداد ممکن لبه ها پوشیده شده است که دارای حداقل هزینه باشد. از این رو، در درخت پوشای مینیمم حلقه ای وجود ندارد و همچنین نمی تواند قطع باشد.

سورس کد الگوریتم CMAES برای حل مسئله فروشنده دوره گرد TSP در متلب

25,000 تومان

الگوریتم CMAES ( استراتژی تکاملی انطباق ماتریس کوواریانس ) یکی از الگوریتم های بهینه سازی برای حل مسائل سخت در علوم کامپیوتر مختلف می باشد که در این پست به تشریح و چگونگی عملکرد این الگوریتم برای حل مسئله فروشنده دوره گرد پرداخته می شود. الگوریتم CMA-ES از یک توزیع نرمال، نمونه‌گیری کرده و جمعیت جدید را به وجود می‌آورد. این الگوریتم تکاملی یک ماتریس کواریانس و یک بردار میانگین را از جمعیت تخمین می‌زند. قوانین مختلف به روز‌رسانی، ماتریس کواریانس تطبیق یافته‌ای را در هر نسل ایجاد می‌کند که در کیفیت جمعیت جدید و در نتیجه هدایت تکامل نقش مهمی دارد.

پیاده سازی رمزنگاری تصویر با تابع آشوب لجستیک سه بعدی در متلب

38,000 تومان

در این پست به پیاده سازی رمزنگاری تصویر با تابع آشوب لجستیک سه بعدی در متلب پرداخته شده است. رمزنگاری  تصویر یکی از روش های تأمین امنیت اطلاعات است. رمزنگاری تصویر تلاش می کند تا تصویر اصلی رابه تصویری که به سختی قابل تشخیص باشد تبدیل کند به عبارت دیگرهیچ کس نمی تواند تصویر را بدون در دست داشتن کلید شناسایی کند.

پیاده سازی انتخاب ویژگی با الگوریتم کلونی مورچه ACO برای NB در متلب
34%

پیاده سازی انتخاب ویژگی با الگوریتم کلونی مورچه ACO برای NB در متلب

39,000 تومان

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.

پیاده سازی انتخاب ویژگی با الگوریتم کلونی مورچه ACO برای KNN در متلب
41%

پیاده سازی انتخاب ویژگی با الگوریتم کلونی مورچه ACO برای KNN در متلب

35,000 تومان

در این پست به بحث انتخاب ویژگی با ACO برای KNN یا بطور کامل استفاده از الگوریتم کلونی مورچگان Ant Colony Optimization یا (ACO) را برای انتخاب ویژگی (Feature Selection) برای الگوریتم یادگیری ماشین K همسایه نزدیک (k-Nearest Neighbors) یا همان KNN می پردازیم. در این بحث با توجه به خاصیت الگوریتم الگوریتم مورچه به انتخاب ویژگی با ACO از دیتاست ها پرداخته می شود.

پیاده سازی انتخاب ویژگی با الگوریتم کلونی مورچه ACO برای ANN در متلب
34%

پیاده سازی انتخاب ویژگی با الگوریتم کلونی مورچه ACO برای ANN در متلب

39,000 تومان

در این پست به بحث استفاده از الگوریتم کلونی مورچگان Ant Colony Optimization یا (ACO) را برای انتخاب ویژگی (Feature Selection) برای الگوریتم یادگیری ماشین  شبکه عصبی مصنوعی (Artificial Neural Network) یا همان ANN می پردازیم. در این بحث با توجه به خاصیت الگوریتم الگوریتم مورچه به انتخاب ویژگی با ACO از دیتاست ها پرداخته می شود.

پیاده سازی انتخاب ویژگی با الگوریتم کلونی مورچه ACO برای DT در متلب

29,000 تومان

در این پست به بحث استفاده از الگوریتم کلونی مورچگان Ant Colony Optimization یا (ACO) را برای انتخاب ویژگی (Feature Selection) برای الگوریتم یادگیری ماشین درخت تصمیم ( Discussion Tree)  یا همان DT می پردازیم. در این بحث با توجه به خاصیت الگوریتم الگوریتم مورچه به انتخاب ویژگی با ACO از دیتاست ها پرداخته می شود.

پیاده سازی انتخاب ویژگی با الگوریتم کلونی مورچه ACO برای SVM در متلب
36%

پیاده سازی انتخاب ویژگی با الگوریتم کلونی مورچه ACO برای SVM در متلب

38,000 تومان

در این پست به بحث استفاده از الگوریتم کلونی مورچگان Ant Colony Optimization یا (ACO) را برای انتخاب ویژگی (Feature Selection) برای الگوریتم یادگیری ماشین بردار ماشین پشتیبان Support Vector Machine یا SVM  می پردازیم. در این بحث با توجه به خاصیت الگوریتم الگوریتم مورچه به انتخاب ویژگی با ACO از دیتاست ها پرداخته می شود.

تبدیل دیتاست KDD99 برای استفاده الگوریتم های یادگیری ماشین در متلب

28,000 تومان

یکی از مشکلات محققان در زمینه دیتاست ها چگونگی جستجو و تهیه آن است ولی مشکل اصلی پس از پیدا کردن دیتاست، نحوه استفاده و تزریق آن به الگوریتم ها است. بدین صورت که اکثر دیتاست ها یا مجموعه داه ها بصورت خام هستند و برای استفاده از آن ها بایستی پیش پردازش شوند. احتمالا در موارد بسیار زیادی داده ها در دیتاست ها دارای نوع متفاوتی باشند (رشته، عدد) که نحوه تبدیل آنها به فرمت مخصوص الگوریتم ها با ابعا گسترده دیتاست ها کاری طاقت فرسا است. مخصوصا اینکه برای مشاهده نتیجه پس از اجرای کد بایستی چندین ساعت منتظر ماند.

پیاده سازی الگوریتم راند رابین (ROUND ROBIN) در متلب

25,000 تومان

پیاده سازی الگوریتم راند رابین (ROUND ROBIN) در متلب عنوان موضوعی است که در این پست به آن پرداخته ایم. در این پست به نحوه پیاده سازی و یک مثال کامل از این الگوریتم خواهیم پرداخت. سورس کد الگوریتم راند رابین بصورت کامل همراه با زمان های اجرا و زمان ورود هر فرآیند آمده است. در ادامه به بررسی این الگوریتم می پردازیم.

الگوریتم شبیه ساز حرارتی SA برای حل مسئله فروشنده دوره گرد TSP در متلب

22,000 تومان

در این پست سورس کد الگوریتم شبیه ساز حرارتی SA برای حل مسئله فروشنده دوره گرد TSP در متلب قرار داده ایم. این سورس کد با استفاده از ساز و کارهای الگوریتم شبیه ساز حرارتی SA برای حل مسئله فروشنده دوره گرد مورد استفاده قرار گرفته است. این سورس کد به صورت واضح و روان می تواند برای سایر مسائل استفاده گردد فقط بایستی تابع هزینه و مدل آن منطبق بر مسئله باشد در ادامه به تشریح الگوریتم و حل مسئله می پردازیم.

الگوریتم جستجوی گرانشی GSA برای حل مسئله فروشنده دوره گرد TSP در متلب

22,000 تومان

الگوریتم جستجوی گرانشی  gravitational search algorithm  یا به اختصار GSA یک الگوریتم بهینه سازی جدید بر اساس قانون گرانشی است. این الگوریتم بر اساس قانون گرانش نیوتن است. هر ذره در جهان ذره دیگر را با نیرویی که رابطه مستقیم با ضرب جرم آن‌ها و رابطه معکوس با مربع فاصله بین آن‌ها دارد به‌طرف خود جذب می‌کند.