هوش مصنوعی یا هوش ماشینی را باید عرصهٔ پهناور تلاقی و ملاقات بسیاری از دانش‌ها، علوم، و فنون قدیم و جدید دانست. ریشه‌ها و ایده‌های اصلی آن را باید در فلسفه، زبان‌شناسی، ریاضیات، روان‌شناسی، نورولوژی، و فیزیولوژی نشان گرفت و شاخه‌ها، فروع، و کاربردهای گوناگون و فراوان آن را در علوم رایانه، علوم مهندسی، علوم زیست‌شناسی و پزشکی، علوم ارتباطات و زمینه‌های بسیار دیگر.کتاب هوش مصنوعی حاضر توسط استوارت راسل و پیتر نورینگ نوشته شده است.
عنوان پایان نامه : داده کاوی، مفاهیم و کاربرد
قالب بندی : Word
قیمت : رایگان
شرح مختصر : امروزه با گسترش سیستم های پایگاهی و حجم بالای داده ها ی ذخیره شده در این سیستم ها ، نیاز به ابزاری است تا بتوان داده های ذخیره شده را پردازش کردواطلاعات حاصل از این پردازش را در اختیار کاربران قرار داد . با استفاده از پرسش های ساده در SQL و ابزارهای گوناگون گزارش گیری معمولی ، می توان اطلاعاتی را در اختیار کاربران قرار داد تا بتوانند به نتیجه گیری در مورد داده ها و روابط منطقی میان آنها بپردازند اما وقتی که حجم داده ها بالا باشد ، کاربران هر چند زبر دست و با تجربه باشند نمی توانند الگوهای مفید را در میان حجم انبوه داده ها تشخیص دهند و یا اگر قادر به این کار هم با شند ، هزینه عملیات از نظر نیروی انسانی و مادی بسیار بالا است . از سوی دیگر کاربران معمولا فرضیه ای را مطرح می کنند و سپس بر اساس گزارشات مشاهده شده به اثبات یا رد فرضیه می پردازند ، در حالی که امروزه نیاز به روشهایی است که اصطلاحا به کشف دانش بپردازند یعنی با کمترین دخالت کاربر و به صورت خودکار الگوها و رابطه های منطقی را بیان نمایند . داده کاوی یکی از مهمترین این روشها است که به وسیله آن الگوهای مفید در داده ها با حداقل دخالت کاربران شناخته می شوند و اطلاعاتی را در اختیار کاربران و تحلیل گران قرار می دهند تا براساس آنها تصمیمات مهم و حیاتی در سازمانها اتخاذ شوند . در داده کاوی از بخشی از علم آمار به نام تحلیل اکتشافی داده ها استفاده می شود که در آن بر کشف اطلاعات نهفته و ناشناخته از درون حجم انبوه داده ها تاکید می شود . علاوه بر این داده کاوی با هوش مصنوعی و یادگیری ماشین نیز ارتباط تنگاتنگی دارد ، بنابراین می توان گفت در داده کاوی تئوریهای پایگاه داده ها ، هوش مصنوعی ، یادگیری ماشین و علم آمار را در هم می آمیزند تا زمینه کاربردی فراهم شود . باید توجه داشت که اصطلاح داده کاوی زمانی به کار برده می شود که با حجم بزرگی از داده ها ، در حد مگا یا ترابایت ، مواجه باشیم . در تمامی منابع داده کاوی بر این مطلب تاکید شده است . هر چه حجم داده ها بیشتر و روابط میان آنها پیچیده تر باشد دسترسی به اطلاعات نهفته در میان داده ها مشکلتر می شود و نقش داده کاوی به عنوان یکی از روشهای کشف دانش ، روشن تر می گردد .
عنوان پایان نامه : بررسی پارامترهای مهم در شبکه های عصبی فازی
قالب بندی : PDF
قیمت : رایگان
شرح مختصر : منطق فازی که در آن «زبان طبیعی» به جای متغیرهای عددی برای تشریح رفتار و عملکرد سیستم ها به کار می رود.،بیشترین کاربرد این مقوله به ترتیب در سازماندهی و فراهم آوری اطلاعات بوده است. اکنون برای تضمین امنیت شبکه های اطلاعاتی، از منطق فازی بهره -برداری می شود. در برخی زمینه هاا مانند مستند سازی و مدیریت رکوردها نیز تاکنون پژوهشی با موضوع فازی به انجام نرسیده است. در سالهای اخیر، رویکرد عمده این بحث به سمت نظام های خبره و هوش مصنوعی سوق یافته است. به نظر می‌رسد برای حل بسیاری از گره های موجود در حوزه مدیریت اطلاعات، می توان از منطق فازی کمک گرفت.
شبکه های عصبی فازی یک سامانه پردازشی داده‌ها است که از مغز انسان ایده گرفته و پردازش داده‌ها را به عهده پردازنده‌های کوچک و بسیار زیادی سپرده که به صورت شبکه‌ای به هم پیوسته و موازی با یکدیگر رفتار می‌کنند تا یک مسئله را حل نمایند. در این شبکه‌ها به کمک دانش برنامه نویسی، ساختار داده‌ای طراحی می‌شود که می‌تواند همانند نورون عمل کند. که به این ساختارداده نورون گفته می‌شود. بعد باایجاد شبکه‌ای بین این نورونها و اعمال یک الگوریتم آموزشی به آن، شبکه را آموزش می‌دهند.
شبکه های عصبی فازی یک سیستم ارگانی شامل نورونها می‌باشد که اعمال و واکنش جانداران را هماهنگ می‌سازد و سیگنال‌ها را به بخشهای متفاوت بدن می‌فرستد. در بیشتر جانداران سیستم عصبی شامل دو بخش مرکزی و بخش جانبی است. در استفاده‌های جدیدتر این عبارت به شبکه عصبی مصنوعی که از نورون‌هایی مصنوعی ساخته شده‌است هم اشاره دارد. بنابراین عبارت ‘شبکه عصبی’ در حالت کلی به دو مفهوم مختلف شبکه عصبی زیستی و شبکه عصبی مصنوعی مختلف اشاره دارد.
شبکه‌های عصبی با توانایی قابل توجه خود در استنتاج نتایج از داده‌های پیچیده می‌توانند در استخراج الگوها و شناسایی گرایش‌های مختلفی که برای انسان‌ها و کامپیوتر شناسایی آنها بسیار دشوار است استفاده شوند.
تنظیم پارامترهای شبکه عصبی مصنوعی را میتوان به عنوان یکی از مهمترین مشکلات استفاده از آن عنوان کرد. روش شبکه عصبی فازی نسبت به سایر روش ها قدرت بالایی در شناخت روند موجود بر داده ها دارد و در تمامی روشهای اندازه گیری خطا نسبت به سایر روشها خطای کمتری دارد . نتایج تحقیق بیانگر آن است که روش شبکه عصبی فازی با توجه به میزان کم خطا دارای همگرایی سریع و توانایی تقریب بالایی است و برای پیش بینی مناسب است.
با تشکر از سرکار خانم محبوبه امین زاده
منبع : پروژه دات کام
آخرین پروژه های هوش مصنوعی را میتوانید در سایت دیجی پروژه مشاهده کنید :
پروژه های بینایی ماشین ، پروژه های شبکه های عصبی ، پروژه های پردازش تصویر ، پروژه های پردازش تکاملی ، پروژه های پردازش گفتار ، پروژه های تبدیل متن به گفتار ، پروژه های شناسایی آماری الگو ، پروژه های یادگیری ماشین و ....
