وبلاگ دیجی پروژه

پروژه و ترجمه های هوش مصنوعی

وبلاگ دیجی پروژه

پروژه و ترجمه های هوش مصنوعی

وبلاگ دیجی پروژه

دیجی پروژه را در کانال تلگرام دیجی پروژه دنبال نمایید
https://telegram.me/DigiProjects

آخرین نظرات
۱۵
فروردين

هوش مصنوعی بسیار سریع تر از آنچه پیش از این تصور می شد، در حال توسعه و ترقی است. طی یک سال گذشته این شاخه از علم به حدی تحول یافته و نمود و بروز خود را در شاخه های دیگر از جمله رباتیک نشان داده که بسیاری از بزرگان حوزه فناوری و علم را نگران کرده است. نگران از اینکه مبادا آنچه زمانی برادران واچوفسکی در فیلم ماتریکس نمایش دادند به زودی زود محقق شود!

به گزارش «تابناک» در همین ماه گذشته بود که گوگل موفق شد با ماشین هوشمند خود ـ که مجهز به متودولوژی جدیدی در هوش مصنوعی است ـ یکی از بزرگترین بازیگران بازی Go در جهان را شکست دهد. آنچه این موفقیت را برای گوگل رقم زد، استفاده از تکنیک جدیدی در هوش مصنوعی به نام Deep Learning یا آموزش عمیق است؛ تکنیکی که به سرعت در حال متحول ساختن هوش مصنوعی است.

۱۴
فروردين

بعد از غلبه‌ محصول شرکت DeepMind گوگل بر انسان در بازی پیچیده‌ی گو، بحث پرحاشیه‌ هوش مصنوعی وارد مرحله‌ جدیدی شده است و همه می‌خواهند نوابغ پشت پرده‌ی این گام بلند به‌سوی آینده را بشناسند.

به گزارش ایسکانیوز به نقل از زومیت، واحد هوش مصنوعی گوگل موسوم به DeepMind یک شرکت با حدود ۲۰۰ نفر پرسنل در لندن است که با هدف حل معمای هوش مصنوعی تشکیل شده و می‌توان آن را جالب‌ترین و مؤثرترین موسسه‌ فعال در زمینه‌ی AI در سرتاسر دنیا دانست. روز ۹ مارس ۲۰۱۶ و بعد از غلبه‌ی AlphaGo بر نفر اول بازی گو در دنیا، DeepMind تاریخ‌ساز شد و در مرکز توجه جهانی قرار گرفت.

باوجود دستیابی به این موفقیت تاریخی، هنوز جزییات فعالیت کارکنان DeepMind (به‌جز سه نفر مؤسس آن) در پرده‌ ابهام قرار دارد که شاید دلیل آن عدم تمایل گوگل به اطلاع‌رسانی در مورد آن‌ها و پذیرفتن خطر جذب این نخبه‌ها توسط رقبای مقتدر و مشتاق به حضور در عرصه‌ی هوش مصنوعی باشد.

در ژانویه‌ ۲۰۱۶ گوگل مبلغ ۴۰۰ میلیون پوند در DeepMind سرمایه‌گذاری کرد که می‌توان دلیل این اقدام را اطمینان کامل به استعداد و توانایی نیروی کار این شرکت دانست و از طرف دیگر انگیزه‌ی قدرتمندی برای شناختن افرادی که تا این حد مورد اعتماد گوگل هستند در اختیار علاقه‌مندان به آینده‌ دنیای فناوری می‌گذارد.

شرکت DeepMind در سال ۲۰۱۰ تأسیس شد و از آن زمان در ابعاد وسیع به تحقیق و انتشار مقاله‌های آکادمیک در زمینه‌ هوش مصنوعی پرداخته است .

به‌منظور معرفی مؤثرترین دانشمندان فعال در DeepMind، تحلیل دقیقی روی محتویات این صفحه انجام شده تا ارتباط تک‌تک مقاله‌های کارکنان با جنبه‌های مختلف پیشرفت شرکت مشخص شود. ازآنجاکه گوگل قادر به تائید ارتباط همه‌ نویسندگان مقالات این صفحه با DeepMind نبود، برای حصول اطمینان از صحت آنچه در ادامه مطلب می‌خوانید، همه منابع ممکن مورد بررسی قرار گرفتند و حتی با تعدادی از دانشمندان این فهرست مستقیما تماس گرفته شد.

ماحصل این تلاش فهرستی شامل ۲۱ دانشمند برتر شاغل در DeepMind با توجه به تعداد مقالات علمی منتشر شده مرتبط با حوزه‌ی هوش مصنوعی است.

ادامه مطلب رو مشاهده نمایید...

تلگرام هوش مصنوعی

کانال هوش مصنوعی ما رو دنبال کنید.




۱۴
فروردين

Likelihood Estimation & Density Estimation

این پروژه و تمرین مربوط به درس شناسایی آماری الگو می باشد سوالات مربوط به این تمرین و پروژه در ذیل مشاهده میکنید.

برای خرید پاسخ سوالات ّبصورت PDF و همچنین کدهای Matlab مربوط به سوالات میتوانید از لینک ذیل استفاده نمایید:

قیمت : ۱۰۰۰۰ تومان

1

۱۴
فروردين

Bayesian Decision Theory

این پروژه و تمرین مربوط به درس شناسایی آماری الگو می باشد سوالات مربوط به این تمرین و پروژه در ذیل مشاهده میکنید.

برای خرید پاسخ سوالات ّبصورت PDF و همچنین کدهای Matlab مربوط به سوالات میتوانید از لینک ذیل استفاده نمایید:

قیمت : ۱۰۰۰۰ تومان

1

2


۱۳
فروردين

مایکروسافت آینده را از آن ربات هایی می داند که البته نه به آدم آهنی شباهت دارند و نه حتی پهپادهای پرنده، بلکه اپلیکیشن هایی هستند که عملکردی ساده را بر اساس دستورات کاربر به انجام می رسانند.

ادامه مطلب رو مشاهده نمایید...

تلگرام هوش مصنوعی

۱۲
فروردين

Linear Algebra & Probability Theory

این پروژه و تمرین مربوط به درس شناسایی آماری الگو می باشد سوالات مربوط به این تمرین و پروژه در ذیل مشاهده میکنید.

برای خرید پاسخ سوالات ّبصورت PDF و همچنین کدهای Matlab مربوط به سوالات میتوانید از لینک ذیل استفاده نمایید:


1

۱۲
فروردين

نانچه فرصت رای دادن به یک سیاستمدار درستکار و قابل اعتماد بیابید؛حالا اگر آن سیاستمدار یک ربات باشد، چه نظری خواهید داشت؟ مقصود در اینجا یک انسان باشخصیت رباتیک نیست بلکه یک ربات واقعی است که از هوش مصنوعی مستقل برخوردار باشد؟

به گزارش "کوگانا"، چنانچه  فرصت رای دادن به یک سیاستمدار درستکار و قابل اعتماد بیابید، چون مطمئن هستید او پنهانکاری نمی کند و یاداشت ها و برنامه ی مخفیانه ندارد و او حقیقتاً عصاره  آراء انتخاب کنندگان است، حتمًا به او رای می دهید، اینطور نیست؟

حالا اگر آن سیاستمدار یک ربات باشد، چه نظری خواهید داشت؟  مقصود در اینجا یک انسان باشخصیت رباتیک نیست بلکه یک ربات واقعی است که از هوش مصنوعی مستقل برخوردار باشد؟

در آینده  این موضوع  می تواند از مجموعه ی طرحهای بلند پروازانه علمی باشد که با زمینه ی که چند دهه ی  سابق به نتایجی دست یابد، ولی آیا این پروژه محقق خواهد شد؟ ولی چنانچه این امر در دسترس قرار گرفت، آیا ضرورت دارد از آن استفاده کنیم؟

ادامه مطلب رو مشاهده نمایید...

تلگرام هوش مصنوعی

۱۲
فروردين

Online Clustering

خوشه بندی آنلاین

فرمت  گزارش  : word ، PDF و پاورپوینت

تعداد صفحات گزارش : 50 صفحه

تعداد اسلایدهای پاورپوینت : 26

دانلود منابع گزارش به رایگان :

دانلود اصل مقاله – رایگان

دانلود اصل مقاله – رایگان

دانلود اصل مقاله – رایگان

قیمت : 32000 تومان

چکیده

خوشه­ بندی یکی از شاخه­ های یادگیری بدون نظارت می­باشد و فرآیند خودکاری است که در طی آن، نمونه ­ها به دسته ­هایی که اعضای آن مشابه یکدیگر می­باشند تقسیم می­شوند که به این دسته ­ها خوشه گفته می­شود. بنابراین خوشه مجموعه­ای از اشیاء می­باشد که در آن اشیاء با یکدیگر مشابه بوده و با اشیاء موجود در خوشه­ های دیگر غیر مشابه می­باشند.

در این گزارش الگوریتم خوشه­ بندی آنلاین معرفی شده است، بدین صورت که با اضافه شدن یک نمونه جدید، از نیاز به آموزش مجدد دسته­ بندی کننده در هر بار اضافه شدن نمونه جدید به سیستم، جلوگیری می­کند. نمونه ­های جدیدی که به سیستم وارد می­شوند، از مزایای ساختار آموزش دیده قبلی استفاده خواهند کرد، و اضافه شدن این نمونه ­های جدید، نیازی به محاسبات تکراری نخواهد داشت.

در بخش اول این گزارش، خوشه بندی سلسله­ مراتبی آنلاین رو بحث خواهیم کردم و در بخش دوم یک روش برای بهبود الگوریتم خوشه­ بندی واحد آنلاین ارائه خواهد شد و در بخش سوم کاربرد خوشه بندی آنلاین بازگشتی در استخراج سلسله‌مراتبی ویژگی فضایی و زمانی مطرح می­نماییم.

کلمات کلیدی

خوشه ­بندی آنلاین، خوشه ­بندی بازگشتی، تشخیص الگو،استخراج ویژگی بدون ناظر، تکنیک­های سلسله مراتبی، الگوریتم های تصادفی، خوشه­بندی واحد

onlineclustring

۱۱
فروردين

Cosine,Walsh and Slant Wavelet Transforms for Robust Image Steganography

تبدیل های ریزموج کسینوسی، walsh و اریب برای استگانوگرافی تصاویر بزرگ

فرمت ترجمه مقاله : word – قابل ویرایش

تعداد صفحات ترجمه مقاله : 17 صفحه

دانلود اصل مقاله – رایگان

قیمت : ۱۵۰۰۰تومان

چکیده

بر اساس آنالیز هیستوگرام های اختلاف مقدار پیکسل تصاویر پوششی و stego ، یک steganalyzer خاص برای steganography لبه های تصویر بر اساس تکنیک انطباق کم اهمیت ترین بیت EA-LSBMR ارائه شده است. این روش steganography امکان ایجاد نواحی لبه ای تیز تر را در تصاویر پوششی فراهم می کند تا اولا داده های سری را بتوان در آنها جای داد و ثانیا امنیت بالاتری را بدست آورد. این روش خاص با استفاده از ضعف steganography LSBMR EA- طراحی شده است. نتایج ازمایش نشان می دهد که این روش می تواند از EA-LSBMR steganography به خوبی دفاع کند.

۱۱
فروردين

فرA Special Detector for the Edge Adaptive Image Steganography
Based on LSB Matching Revisited

یک آشکارساز مخصوص برای استگانوگرافی انطباقی لبه تصویر بر مبنای LSB منطبق 

فرمت ترجمه مقاله : word – قابل ویرایش

تعداد صفحات ترجمه مقاله : 11 صفحه

دانلود اصل مقاله – رایگان

قیمت : 15000تومان

چکیده

بر اساس آنالیز هیستوگرام های اختلاف مقدار پیکسل تصاویر پوششی و stego ، یک steganalyzer خاص برای steganography لبه های تصویر بر اساس تکنیک انطباق کم اهمیت ترین بیت EA-LSBMR ارائه شده است. این روش steganography امکان ایجاد نواحی لبه ای تیز تر را در تصاویر پوششی فراهم می کند تا اولا داده های سری را بتوان در آنها جای داد و ثانیا امنیت بالاتری را بدست آورد. این روش خاص با استفاده از ضعف steganography LSBMR EA- طراحی شده است. نتایج ازمایش نشان می دهد که این روش می تواند از EA-LSBMR steganography به خوبی دفاع کند.