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
۲۳
آذر

مرد خردمند هنر پیشه را، عمر دو بایست در این روزگار، تا به یکی تجربه اندوختن، با دگری تجربه بردن به کار! 

اگر همه ما تجربیات مفید خود را در اختیار دیگران قرار دهیم همه خواهند توانست با انتخاب ها و تصمیم های درست تر، استفاده بهتری از وقت و عمر خود داشته باشند.

هدف تیم دیجی پروژه کمک به دانش پژوهان برای درک بهتر بر مطالب و انجام پروژه می باشد. بنابراین در راستای این هدف برای هر یک از پروژه های قرار گرفته در این سایت، یک گزارش کامل از چگونگی انجام پروژه قرار می گیرد.

بنابرایت دانش پژوه عزیز لطفا از پروژه های این سایت جهت درک مطالب استفاده نمایید. مهم نیست پروژه ها را از کدام سایت ارائه میکنید مهم این است که فهمیدید چگونه انجام شده است.


ورود به دیجی پروژه


۰۹
اسفند

شرح مختصر : در این نوشتار به معرفی شبکه های عصبی زیستی و شبکه های عصبی مصنوعی و ساختارهای آنها می پردازیم.در ابتدا نرونهای شبکه های عصبی زیستی معرفی شده و طرز کار آنها نشان داده شده است.سپس مدل مصنوعی این نرونها و ساختار آنها،مدل ریاضی آنها،شبکه های عصبی مصنوعی و نحوه آموزش و بکارگیری این شبکه ها نشان داده شده است.تمرکز بیشتر بر نوعی از این شبکه ها به نام شبکه های عصبی مصنوعی چند لایه می باشد.سپس الگوریتم ژنتیک که جزو پرکاربردترین الگوریتمهای پیاده سازی شبکه عصبی مصنوعی است مورد بررسی قرار گرفته است.


دانلود رایگان پایان نامه

منبع : پروژه دات کام

 فرستنده : رز آهنی
 حجم فایل : 1,170 کیلوبایت
۲۱
بهمن

لازم به ذکر است که این پروژه با استفاده از نرم افزار متلب پیاده سازی شده است

و جهت اجرا آن ، نیاز است که ابتدا Matlab را نصب کرده باشید.

همراه این پروژه ، یک فایل مستندات با فرمت PDF وجود دارد

که توضیحات لازم را در رابطه با کد نویسی پروژه ارائه داده است و جهت آشنایی بیشتر ، میتوانید آن را مطالعه بفرمایید

دانلود

۱۷
بهمن

شرح مختصر : سه کشیش و سه آدم خوار در یک طرف رودخانه قرار دارند و هم چنین قایقی که قادر است یک یا دو نفر را حمل کند. راهی  را بیابید که هر نفر (همه) به سمت دیگر رودخانه برود، بدون آنکه تعداد کشیش‌ها در یکجا کمتر از آدم خوارها شود.

حالات: یک حالت شامل یک دنبالة مرتب شده از عدد است که تعداد کشیش‌ها، تعداد آدمخوارها و محل قایق در ساحلی از رودخانه که از آنجا مسئله شروع شده را نمایش می‌دهد.

عملگرها: از هر حالت، عملگرهای ممکن یک کشیش، یک آدمخوار، دو کشیش، دو آدمخوار، یا یکی از هر کدام را در قایق جا می‌دهند.

آزمون هدف: رسیدن به حالت (0و 0 و 0)

هزینه مسیر: تعداد دفعات عبور از رودخانه.

نکته : پروژه به صورت گرافیکی هست و هدر graphics.h در آن فراخوانی شده

دانلود

منبع : پروژه دات کام

۱۴
بهمن

پروژه هوش مصنوعی حل جدول سودوکو با استفاده از الگوریتم آگاهانه A* را میتوانید از طریق این پست دانلود نمایید که با استفاده از زبان سی شارپ  نوشته شده است.

 

مسئله سودوکو

سودوکو مسئله مشهوری است که در آن جدولی با ابعاد مختلف n*n شامل اعدادی از 1 تا 9 میباشد و این اعداد باید طوری در جدول چیده شوند که در هر سطر و  ستون همه این اعداد بصورت غیر تکرای وجود داشته باشند. شروط اصلی پر کردن جدول سودوکو با اعداد موجود به این صورت است که:

► مقادیر هر ستون منحصر به فرد باشند

► مقادیر هر سطر منحصر به فرد باشد(یعنی عدد تکراری نداشته باشیم)

► مقدار هر مربع N*Nداخلی منحصر به فرد باشد.

 

الگوریتم A*

جست وجوی آگاهانه A*، مینیمم کردن کل هزینه جواب میباشد، که معروفترین شکل"جست وجوی اول - بهترین" است. این روش گره ها را با ترکیب g(n) یعنی هزینه رسیدن به گره و h(n) یعنی هزینه رسیدن از این گره به گره هدف، ارزیابی میکند، پس هزینه مسیر ، f(n) = g(n) +h(n) میباشد.

این استراتژی فراتر از منطقی بودن است، بطوریکه اگر تابع ابتکاری h(n) بعضی از شرایط را برآورده کند، جست وجوی A* کامل و بهینه است.

 

روش برنامه سودوکو با تکنیک *A 

براساس شروط اصلی جدول سودوکو، در هر بار جستجو با استفاده از این شرط ها منحصر به فرد بودن تضمین می گردد.

این برنامه از دوبخش تشکیل شده است:

1. بخش نمایشی

2. بخش اصلی یا همان کلاس Sudoku

 

در این بخش مقدار آرایه ورودی را دریافت و به سازنده کلاس Sudoku  ارسال می کند.

این برنامه از یک آرایه دو بعدی برای ذخیره سازی جدول و انجام عملیات بر روی آن استفاده می کند. مقدار مربع داخلی آرایه نیز به صورت پیش فرض 3 در نطر گرفته شده است .برای جدول با اندازه های مختلف این مقدار تغییر می کند.همچنین یک آرایه داخلی از نوع Bool  برای ذخیره سازی مقدار منحصر به فرد آرایه استفاده شده است .این متغیر ها به صورت سراسری در سطح کلاس تعریف شده اند ، تا با متد های مختلف بتوان عملیات مورد نظر را  بر روی این مقادیر انجام داد .

مقدار  صفر در رشته ی ورودی بیانگر نقاط خالی در جدول می باشد.

برای دقت بیشتر جدول سودوکوی کامل نیز در خروجی ارائه شده است تا کاربر بتواند مقایسه این مقادیر جواب صحیح را ببیند .


دانلود

 

 

۲۹
دی

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.

دانلود کتاب

۲۹
دی

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 .

دانلود پایان نامه

با تشکر از جناب آقای ابراهیم هژبر

منبع : پروژه دات کام




۲۸
دی

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.

دانلود پایان نامه

با تشکر از سرکار خانم محبوبه امین زاده

منبع : پروژه دات کام

۲۲
دی

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 ....

ورود به دیجی پروژه


۱۵
آبان

وب سایت دیجی پروژه مرجع تخصصی پروژه های هوش مصنوعی،به تعدادی برنامه نویس و مترجم هوش مصنوعی جهت همکاری بصورت پروژه ای نیازمند می باشد.


ارسال رزومه به ایمیل :

📧 : info@digiprojects.ir


۱۴
تیر

FEATURE EXTRACTION METHODS FOR COLOR IMAGE SIMILARITY

روش‌های استخراج ویژگی برای تشابه تصاویر رنگی

فرمت ترجمه مقاله : word – قابل ویرایش

تعداد صفحات ترجمه مقاله : 11 صفحه

دانلود اصل مقاله رایگان

قیمت : 1۵۰۰۰ تومان


چکیده مقاله

ما در این مقاله، روی سیستم بازیابی تصویر در روزهای اولی که بسیاری از سیستم‌های تعامل کاربر با مفاهیم پایه کار می‌کردند تمرکز کردیم اما چنین سیستم‌هایی به خصوصیات کاربر نمی‌رسند و توسط کاربر جذب نشده‌اند، پس بسیاری از تحقیقات در سال‌های اخیر با خصوصیات جدید انجام شده است. روش‌های اخیر کاربرانی دارند که به روش‌های تعاملی ساده علاقه‌مند هستند و بسیاری از آنها روی بهبود این روش‌ها تمرکز کرده‌اند. در این سیستم پیشنهادی، ما روی بازیابی تصاویر در یک مجموعه‌ی بزرگ از تصاویر بر اساس انتخاب رنگ تمرکز می‌کنیم و روش‌های مختلف ریاضی معرفی و بری بازیابی تصاویر اعمال می‌شود. قبل از اعمال روش‌های پیشنهادی، تصاویر با استفاده از مقادیر آستانه، به زیر گروه‌هایی تقسیم می‌شوند، در این مقاله از ترکیبات RGB برای بازیابی تصاویر استفاده می‌شود و در روش‌های پیشنهادی پیاده‌سازی می‌شود و نتایج مقایسه با روش‌های قبلی ارائه می‌شوند.