دانلود پاورپوینت شبیه سازی بازارهای مالی با استفاده از منطق فازی

اختصاصی از فی ژوو دانلود پاورپوینت شبیه سازی بازارهای مالی با استفاده از منطق فازی دانلود با لینک مستقیم و پر سرعت .

اهدف و گزینه های مورد بررسی:

هدف ما برسی بازار مالی یک منطقه بر اساس پارامترها و شرایطی می باشد.

گزینه های مورد برسی ما عبارتند از :

1. بازاار اقتصادی
2. بورس

 ازار اقتصادی :تعیین شرایط بر حسب متغییرهای زبانی همچون(نفت / طلا / اقتصاد آمریکا / امنیت / جنگ)

 مقادیر زبانی ما برای متغییر های زبانی را به صورت (بالا / متوسط / پایین) در نظر می گیریم.

بورس : تعیین شرایط بر حسب متغییرهای زبانی همچون(بازار جهانی / نوع سهام / تعداد سهام/ دولتی یا خصوصی بودن/قیمت)

 مقادیر زبانی ما برای متغییر های زبانی را به صورت (بالا / متوسط / پایین) در نظر می گیریم.

 بنابراین ورودی های ما بازار اقتصادی و بورس و خروجی ما تعیین خروجی با  وضعیت(تایید یا عدم تایید می باشد).

 قانون مورد استفاده در بخش فازی استفاده از قوانین ممدانی می باشد.

بازار اقتصادی(Economic Market):

 تعیین متغییرهای زبانی(تعیین ورودی ها) و تعیین نوع خروجی

پنج ورودی و یک خروجی و یک قانون به نام ممدانی

 شامل 9 اسلاید powerpoint

دانلود پاورپوینت معرفی منطق فازی

اختصاصی از فی ژوو دانلود پاورپوینت معرفی منطق فازی دانلود با لینک مستقیم و پر سرعت .

 پاورپوینت معرفی منطق فازی در 19 اسلاید 

بخشی از پاورپوینت:

žپروفسور لطفى زاده واضع منطق فازى است، که گرچه بیش از چند دهه از عمر آن نمى گذرد اما تاثیر آن بر فناورى هاى دیجیتال اساسى و حیرت آور برآورد مى شود. اکنون سال هاست که منطق فازى در شاخه هاى مختلف علوم کامپیوتر از ساخت ریزپردازنده تا طراحى زبان هاى هوش مصنوعى، کاربرد داشته و هر روز به تعداد مصنوعاتى که اساس آنها برپایه هوش مصنوعى استوار است افزوده مى شود.

žریاضیات فازی یک فرا مجموعه از منطق بولی است که بر مفهوم درستی نسبی، دلالت می کند. منطق کلاسیک هر چیزی را بر اساس یک سیستم دوتائی نشان می دهد ( درست یا غلط، 0 یا 1، سیاه یا سفید) ولی منطق فازی درستی هر چیزی را با یک عدد که مقدار آن بین صفر و یک است نشان می دهد. مثلاً اگر رنگ سیاه را عدد صفر و رنگ سفید را عدد 1 نشان دهیم، آن گاه رنگ خاکستری عددی نزدیک به صفر خواهد بود.

..

.

.

.

منطق فازی در عمل

žمجموعه های فازی به دلیل انعطاف پذیری، شبیه سازی استدلال انسان را در قالبی که روی رایانه های رقمی قابل اجراست، میسر می سازند. به عنوان مثال، نرم افزارهای تشخیص کلام باید در برابر تفاوت تلفظ واژه ها، توسط افرادی با لهجه های مختلف، انعطاف داشته باشند. این نکته در مورد خواندن متون دستنویس نیز صحت دارد.
رایانه هایی که بر مبنای منطق دو ارزشی ساخته شده اند، در تشخیص شباهت میان اندازه های متفاوت یک حرف نیز دچار مشکل میشوند، چه رسد به شناخت آشکال متنوع حروف در نوشته های مختلف.
..

تحقیق در مورد مدل های فازی

اختصاصی از فی ژوو تحقیق در مورد مدل های فازی دانلود با لینک مستقیم و پر سرعت .

لینک پرداخت و دانلود *پایین مطلب*

فرمت فایل:Word (قابل ویرایش و آماده پرینت)

تعداد صفحه38

سرمقاله : مدل های فازی[1] – چه هستند وچرا ؟

(J.C.Bezdek , IEEE Transactions on Fuzzy Systems , Vol. 1 , February 1993 - Edited by P.D.)

مجموعه های فازی درواقع تعمیمی برتئوری مجموعه های قراردادی[2] می باشد که درسال 1965 به عنوان روشی ریاضی برای روشن کردن ابهامات درزندگی روزمره توسط زاده[3] معرفی شد. [1].

ایده اصلی مجموعه های فازی ساده است وبه راحتی می توان آن را دریافت. فرض کنید هنگامی که به چراغ قرمز می رسید باید توصیه ای به یک دانش آموز راننده درباره زمان ترمز کردن بکنید. شما می گویید « در74 فوتی چهارراه ترمزکن » یا توصیه ی شما شبیه به این است « خیلی زود از ترمزها استفاده کن »؟ البته دومی ؛ دستورالعمل اول برای انجام دادن بسیار دقیق است. این نشان می دهد که دقت می تواند بی فایده باشد ، تا زمانی که راه های مبهم وغیر دقیق می توانند تفسیر وانجام گیرند. زبان روزمره مثال دیگری است از استفاده وانتشار ابهامات. بچه ها بسرعت تفسیر وانجام دستورالعمل های فازی را یاد می گیرند. (ساعت 10 به رختخواب برو). همه ما اطلاعات فازی نتایج مبهم واطلاعات غیر دقیق را به خاطر می سپاریم وازآن ها استفاده می کنیم وبه خاطر همین مسئله قادر هستیم تا در موقعیت‌هایی که به یک عنصر تصادفی وابسته است تصمیم گیری کنیم. بنابراین مدل های محاسباتی از سیستم‌های حقیقی باید قادر باشند که عدم قطعیت های آماری وفازی را تشخیص دهند ، مشخص کنند ، تحت کنترل خود درآورند ، تفسیر کنند وازآن استفاده کنند.

تفسیر فازی ازاطلاعات یک راه بسیار طبیعی ، مستقیم و خوش‌ظاهر برای فرموله کردن وحل مسائل مختلف است. مجموعه های قراردادی شامل اشیایی است که برای عضویت در ویژگی‌های دقیقی صدق می کنند. مجموعه H که اعداد از6 تا 8 می باشد یک CRISP است ؛ ما می نویسیم   . به طور مشابه H توسط تابع عضویت (MF)[4]  که مطابق زیرتعریف می شود نیز توصیف می گردد.

دانلود مقاله ارزیابی کیفیت خدمات بیمارستانها از طریق MCDM فازی

اختصاصی از فی ژوو دانلود مقاله ارزیابی کیفیت خدمات بیمارستانها از طریق MCDM فازی دانلود با لینک مستقیم و پر سرعت .

مشخصات این فایل
عنوان:  ارزیابی کیفیت خدمات بیمارستانها از طریق MCDM فازی
فرمت فایل : word (قابل ویرایش)
تعداد صفحات : 48

این مقاله در مورد ارزیابی کیفیت خدمات بیمارستانها از طریق MCDM فازی می باشد.

بخشی از تیترها به همراه مختصری از توضیحات هر تیتر از مقاله  ارزیابی کیفیت خدمات بیمارستانها از طریق MCDM فازی

 بررسی کیفیت خدمات بیمارستانی
فرآیند ارزیابی در این مقاله، شامل تعدادی مرحله است گام اول، تعریف ابعاد ویژگی کیفیت خدمات است. پس از آنکه از معیارهای ارزیابی را تنظیم کردیم با استفاده از روش AHP وزن آنها  را محاسبه خواهیم کرد. کارایی هر معیار را هم با استفاده از مجموعه های فازی خواهیم سنجید. در نهایت داده ها را بر اساس Topsis  رویکرد حداقل- حداکثر یا گر چرانی AND و یا OWA رتبه بندی ....(ادامه دارد)

مجموعه های فازی و کیفیت خدمات بیمارستانی
صداقت، خوش بینی و سنجش های ذهنی دقیق و مطلق نیستند. حال شما چطور است؟ درآمد شما چطور است؟ پاسخ ما به این سوالات دقیق و واضح نیست و بیشتر جوابهایی می دهیم مثل «خوب» «خیلی خوب» بنابراین پاسخ های ما در حد و فرم متوسط است. می توان گفت جوابهای ما همه مشترکاً فازی هستند. آنها مثل سیاه و سفید مشخص نیست. پاسخ هامان خاکستری اند. باید به جوابهای نامعلوم، نامشخص و خاکستری خود در زندگی ....(ادامه دارد)

 فازی سازی از میانگین فازی
نتیجه ی تصمیم گیری های مصنوعی فازی، که از بیمارستانها حاصل شده است نیز، فازی است. بنابراین ضروری است که در طول مقایسه ی کیفی خدمات هر بیمارستان از روش رتبه بندی غیرفازی برای اعداد فازی استفاده کنیم به روند تبدیل (اعداد فازی به اعداد حقیقی فازی سازی می گوییم. روش های مختلفی برای پیدا کردن ارزش بهتر عملکرد غیر فازی(BNP) در روند فازی سازی وجود ....(ادامه دارد)

محاسبه ی وزنهای معیاری عملکرد
کمیسیونی متشکل از سه پزشک متخصص، و سه محقق دانشگاهی که همه با استفاده از روش نمونه گیری انتخاب شدند، از روش AHP برای محاسبه ی اهمیت وزن معیارهای عملکرد استفاده کردند. کمیسیون مذکور، اهمیت یک معیار را در برابر دیگری، از طریق مقایسه رو به رو مشخص کرد. به دلیل اینکه ما در این مقاله....(ادامه دارد)

نتیجه
ارزیابی کیفیت خدمات یکی از مهمترین چالش های عصر ماست. در این نوع از تحقیقات برداشت مشتری از خدمات را باید مورد تجزیه و تحلیل قرار دارد. و خدمات نیز باید بر اساس نتایج تحقیقات مذکور تدبیر شوند . برای از بین بردن مشکلات بیمارستانی با بهترین عملکرد،  جایگزین های مختلفی بر اساس شماری از معیارها پیش بینی و مورد بررسی قرار گرفتند. استفاده از موثرترین روش ....(ادامه دارد)

 فهرست مطالب مقاله ارزیابی کیفیت خدمات بیمارستانها از طریق MCDM فازی

چکیده
مقدمه
 بررسی کیفیت خدمات بیمارستانی
مجموعه های فازی و کیفیت خدمات بیمارستانی
متغیرهای زبانی (زبان شناختی)
 میانگین اندازه گیری فازی
مرحله اول: محاسبه ماتریس عملکرد نرمال
محاسبه ی وزنهای معیاری عملکرد
نتیجه

پیش بینی سطح آب در مخزن با استفاده از سیستم استنتاج فازی – عصبی تطبیقی

اختصاصی از فی ژوو پیش بینی سطح آب در مخزن با استفاده از سیستم استنتاج فازی – عصبی تطبیقی دانلود با لینک مستقیم و پر سرعت .

فرمت فایل: word(قابل ویرایش)تعداد صفحات79

پیش بینی سطح آب در مخزن با استفاده از سیستم استنتاج فازی – عصبی تطبیقی
(ANFIS)
مقدمه:
سدها و مخازن مهمترین و موثرترین سیستم ذخیره آب می باشند که توزیع نابرابر مکانی و زمانی آب را تغییر می دهند. آنها نه تنها در تامین آب شرب، تولید انرژی برقابی و آبیاری زمین های پایین دست کاربرد داشته، بلکه در به حداقل رسانی خسارات ناشی از سیلاب و خشکسالی نیز نقش موثری را ایفا می کنند. بدون شک به منظور استفاده کامل از آب موجود، مدیریت بهینه مخازن بسیار با اهمیت می باشد. مدیریت مخزن مجموعه ای از تصمیم ها را در بر می گیرد که جمع آوری و رهاسازی آب در طول زمان را مشخص می کنند. با توجه به کارکردهای مختلف مخازن، پیش بینی دقیق دبی ورودی و سطح آب می تواند در بهینه سازی مدیریت منابع آب، بسیار موثر باشد. با توجه به وجود روابط غیرخطی، عدم قطعیت زیاد و ویژگی های متغیر زمانی در سیستم های آبی، هیچ یک از مدل های آماری و مفهومی پیشنهاد شده به منظور پیش بینی دقیق سطح آب نتوانسته به عنوان یک مدل برتر و توانا شناخته شوند[1]. امروزه سیستم های هوشمند به منظور پیش بینی یک چنین پدیده های پیچیده و غیرخطی، بسیار مورد استفاده قرار می گیرند. روش بدیع سیستم استنتاج فازی – عصبی تطبیقی (ANFIS) یکی از این روشهاست که یک شبکه پس خور چند لایه می باشد و از الگوریتمهای یادگیری شبکه عصبی و منطق فازی به منظور طراحی نگاشت غیرخطی بین فضای ورودی و خروجی استفاده می کند. ANFIS با توجه به توانایی در ترکیب قدرت زبانی یک سیستم فازی با قدرت عددی یک شبکه عصبی، نشان داده است که در مدل سازی فرایندهای همچون مدیریت مخازن [2،3]، سری های زمانی هیدرولوژیکی [4] و برآورد رسوب [5] بسیار قدرتمند می باشند.
هدف اصلی این تحقیق بررسی توانایی سیستم استنتاج فازی – عصبی تطبیقی جهت پیش بینی سطح آب در مواقع سیلابی و به صورت ساعتی می باشد. به این منظور از اطلاعات اشل پنج ایستگاه بالادست سد دز، جهت پیش بینی سطح آب در مخزن این سد استفاده شد. همچنین به منظور بررسی توانایی شبکه های فازی – عصبی در تقابل با تصمیمات بشری، دو الگوی متفاوت یکی با در نظر گرفتن خروجی مخزن به عنوان متغیر ورودی و دیگری بدون این متغیر به کار گرفته شد.
مواد و روشها
سیستم استنتاجی فازی – عصبی تطبیقی (ANFIS)
از زمانی که پروفسور عسگرزاده تئوری منطق فازی را به منظور توصیف سیستم های پیچیده پیشنهاد داد، این منطق بسیار مشهور شده است و به طور موفقیت آمیزی در مسائل مختلف، به ویژه کنترل کننده هایی مثل راکتور شیمیایی، قطارهای خودکار و راکتورهای هسته ای به کار گرفته شده است. اخیرا منطق فازی برای مدل کردن مدیریت مخازن و حل ویژگیهای مبهم آنها پیشنهاد شده است. با وجود این، مشکل اصلی منطق فازی این است که روند سینماتیکی برای طراحی یک کنترل کننده فازی وجود ندارد. به عبارت دیگر، یک شبکه عصبی این توانایی را دارد که از محیط آموزش ببیند (جفت های ورودی – خروجی)، ساختارش را خود مرتب کند و با شیوه ای، تعامل خود را تطبیق دهد. بدین منظور پروفسور جنگ در سال 1993 مدل ANFIS را ارائه کرد که قابلیت ترکیب توانایی دو روش مذکور را داشت[6].
ساختار و الگوریتم: [1]
ANFIS قابلیت خوبی در آموزش، ساخت و طبقه بندی دارد و همچنین دارای این مزیت است که اجازه استخراج قوانین فازی را از اطلاعات عددی یا دانش متخصص می دهد و به طور تطبیقی یک قاعده – بنیاد می سازد. علاوه بر این، می تواند تبدیل پیچیده هوش بشری به سیستم های فازی را تنظیم کند. مشکل اصلی مدل پیش بینی ANFIS، احتیاج نسبتا زیاد به زمان برای آموزش ساختار و تعیین پارامترها می باشد.
به منظور ساده سازی، فرض می شود که سیستم استنتاجی مورد نظر دو ورودی x و y و یک خروجی z دارد. برای یک مدل فازی تاکاگی – سوگنو درجه اول، می توان یک مجموعه قانون نمونه را با دو قانون اگر – آنگاه فازی به صورت زیر بیان کرد:
قانون اول: اگر x برابر A1 و y برابر B1 باشد آنگاه
قانون دوم: اگر x برابر A2 و y برابر B2 باشد آنگاه
که Pi، qi و ri (i=1,2) پارامترهای خطی در بخش تالی مدل فازی تاکاگی – سوگنو درجه اول هستند. ساختار ANFIS شامل پنج لایه می شود (شکل 1) که معرفی خلاصه ای از مدل در پی می آید:
لایه اول، گره های ورودی : هر گره از این لایه، مقادیر عضویتی که به هر یک از مجموعه های فازی مناسب تعلق دارند، با استفاده از تابع عضویت تولید می کنند.
که x و y ورودی های غیرفازی به گره I و Ai و Bi (کوچک، بزرگ و ...)، برچسب های زبانی هستند که به ترتیب با توابع عضویت مناسب Aiμ و Biμ مشخص می شوند. در اینجا معمولا از فازی سازهای گوسی و زنگی شکل استفاده می شود. باید پارامترهای این توابع عضویت که به عنوان پارامترهای مقدماتی در این لایه شناخته می شوند، مشخص شوند.