پروپوزال بررسی مقایسه ای بین مدل ترکیبی الگوریتم ژنتیک-شبکه عصبی مصنوعی برای شناسایی دستکاری قیمت سهام

اختصاصی از فی ژوو پروپوزال بررسی مقایسه ای بین مدل ترکیبی الگوریتم ژنتیک-شبکه عصبی مصنوعی برای شناسایی دستکاری قیمت سهام دانلود با لینک مستقیم و پر سرعت .

عنوان:

فارسی

بررسی مقایسه ای بین مدل ترکیبی الگوریتم ژنتیک-شبکه عصبی مصنوعی (ANN-GA) و مدل SQDF

برای شناسایی دستکاری قیمت سهام در شرکت های حاضر در بورس اوراق بهادار تهران

انگلیسی

Comparison between the Hybrid Model of Genetic Algorithm-Artificial Neural Networks and SQDF Model

to Detection the Stock Price Manipulation in Tehran Stock Exchange listed Companies

واژگان کلیدی:

فارسی

قیمت سهام، دستکاری قیمت سهام، حفاظت از بازار، الگوریتم ژنتیک، شبکه عصبی مصنوعی

انگلیسی

Stock Price, Stock Price Manipulation, Market Surveillance, Genetic Algorithm (GA), Artificial Neural Network (ANN)

فهرست مطالب:

• بیان مسأله
• سؤال‏ پژوهش
• پیشینه پژوهش
•    پژوهش ‏های خارجی
•    پژوهش ‏های داخلی
• فرضیه پژوهش
• حدود پژوهش
•    قلمرو موضوعی پژوهش
•    قلمرو مکانی پژوهش
•    قلمرو زمانی پژوهش
• اهداف پژوهش
• مبانی نظری پژوهش
• روش شناسی پژوهش
• معرفی الگو یا روش کار
•    مدل SQDF
•    الگوریتم ژنتیک
•    شبکه عصبی مصنوعی
• فهرست منابع و مآخذ
•    منابع و مآخذ فارسی
•    منابع و مآخذ خارجی

تعداد صفحات:     17

نگارش حرفه ای و آماده استفاده

دانلود مقاله مطلبی در خصوص توسعه سیبرنتیک دست مصنوعی

اختصاصی از فی ژوو دانلود مقاله مطلبی در خصوص توسعه سیبرنتیک دست مصنوعی دانلود با لینک مستقیم و پر سرعت .

دانلود مقاله مطلبی در خصوص توسعه سیبرنتیک دست مصنوعی

 نوع فایل : Word 

تعداد صفحات : 39

فهرست محتوا 

• چکیده
• 3-3 نیروی حساسگر تاندون عمقی.. 
• 4-3 نیروی حساسگری خارجی: حساسگر نیروی انگشت شست.. 
• 4- کنترل پروتزها 
• 5- نتیجه گیری.. 
• تشکر و قدردانی.. 
• 2. طراحی دست بیومکاترونیک... 
• 1-2 ساختار دست بیومکاترونیک... 
• 2-2 طراحی و توسعه نوع واقعی انگشت.. 
• 3-2 ویژگی نیروی نوک انگشت.. 
• 4-2 نتایج و بحث.. 
• 2-3 نتایج الکتروفیزیولوژی.. 
• 1-2-3 برقراری الکتروفیزیولوژی و شیوه ها 
• 2-2-3 تحلیل کامپیوتری سیگنال های الکتروفیزیولوژیکی.. 
• 1-4 برقراری آزمایشگاهی.. 

چکیده
در یک مفهوم وسیع، این تحقیق در خصوص انسان ها به عنوان تلاش های برای شبیه سازی انسان در یکپارچگی او یا برخی از مؤلفه های اصلی اوست. بنابراین، توسعة یک اندام مصنوعی سیبرنتیک، شبیه سازی توانایی های حسی – حرکتی تا حد ممکن دست طبیعی به عنوان یک هدف مهم در این زمینه قابل ملاحظه است.
این مقاله تلاش می کند تحقیقاتی جاری را در جهت توسعة این سیبرنتیک از دست مصنوعی ارائه می دهد که بر برخی از زیانهای سیستم سیبرنتیک جاری فائق خواهد آمد. این اندام مصنوعی جدید از طریق یک مقطوع العضو به عنوان فقدان یک اندام طبیعی احساس می شود که باز خورد احساس طبیعی وی را بوسیلة شبیه سازی عصب های خاصی توزیع می کند. علاوه بر اینها، از طریق یک شیوة بسیار طبیعی از راه پردازش سیگنال و ابران که از دستگاه مرکزی اعصاب می آیند کنترل می شوند. (لذا ناراحتی پروتزهای کنترل مبتنی بر EMG جاری را کاهش می دهد).
بویژه، در این مقاله سه موضوع اصلی مورد بحث قرار خواهد گرفت: طراحی بهینه سازی پروتزهای مکاترونیک پیشرفته موجود، حساس سازی دست مصنوعی، و کنترل آن...

دانلود تحقیق کاربرد گراف درهوش مصنوعی

اختصاصی از فی ژوو دانلود تحقیق کاربرد گراف درهوش مصنوعی دانلود با لینک مستقیم و پر سرعت .

مقدمه:

نظریه گراف شاخه ای از ریاضیات است که درباره ی اشیاء خاصی درریاضی به نام گراف بحث می کند. به صورت شهودی گراف نمودار یا دیاگرافی است شامل تعدادی راس که با یالهایی به هم متصل شده اند. تعریف دقیق تر گراف به این صورت است که گراف مجموعه ای از راس هاست که توسط خانواده ای از زوج های مرتب که همان یالهاست به هم مرتبط شده اند. یالها بر دو نوع ساده و جهت دار هستند که هر کدام در جای خود کاربرد بسیاری دارد. مثلا اگر صرفا اتصال دو نقطه مانند اتصال تهران و زنجان با کمک آزاد راه مد نظر شما باشد کافیست آن دو شهر را با دو نقطه نمایش داده و اتوبان مزبور را یالی ساده نمایش دهید. اما اگر بین دو شهر جاده ای یکطرفه وجود داشته باشد آنگاه لازمست تا شما با قرار دادن یالی جهت دار مسیر حرکت را در آن جاده مشخص کنید.
آغاز نظریه ی گراف به سده ی هجدهم بر می گردد. اویلر ریاضیدان بزرگ مفهوم گراف را برای حل مسئله ی پل های کونیگسربگ ابداع کرد، اما رشد و پویایی این نظریه عمدتا مربوط به نیم سده ی اخیر و با رشد علم داده ورزی (انفورماتیک) بوده است. مهمترین کاربرد گراف مدل سازی پدیده های گوناگون و بررسی بر روی آنهاست. با گراف می توان به راحتی یک نقشه بسیار بزرگ یا شبکه ای عظیم را درون یک ماتریس به نام ماتریس وقوع گراف ذخیره کرد و یا الگوریتم های مناسب مانند الگوریتم دایسترا یا الگوریتم کروسکال و.... را برروی آن اعمال نمود.
نظریه ی گراف یکی از پرکاربرد ترین نظریه ها در شاخه های مختلف علوم مهندسی (مانند عمران)، باستانشناسی (کشف محدوده ی یک تمدن) و هوش مصنوعی و.... است.
من در این تحقیق کاربرد گراف را در هوش مصنوعی که علم روز می باشد برگزیدم.

نظریهٔ مجموعه‌ها
شالودهٔ بنیادین و سنگ اساسی بنای ریاضیات جدید است. تعریف‌های دقیق جمیع مفاهیم ریاضی، مبتنی بر نظریه مجموعه‌هاست. گذشته از این روشهای استنتاج ریاضی، با استفاده از ترکیبی از استدلالهای منطقی و مجموعه- نظری تنظیم شده‌اند. زبان نظریه مجموعه‌ها، زبان مشترکی است که ریاضیدانان منطقی در سراسر دنیا با آن صحبت کرده و آن را درک می‌کنند. چنان که اگر کسی بخواهد پیشرفتی در ریاضیات عالی یا کاربردهای عملی آن داشته باشد، باید مفاهیم اساسی و نتایج نظریه مجموعه‌ها و زبانی که در آن بیان شده‌اند، آشنا شود.
تاریخچه
نظریه مجموعه‌ها در اواخر قرن نوزدهم به طور عمده توسط جرج کانتور بنیان گذاشته شد. زمانی که کانتور مفاهیم و استدلالهای جدید و متهورانه خود را منتشر کرد، اهمیت آنها تنها توسط تعداد کمی از ریاضیدانان بزرگ درک شد. اما این نظریه در توسعه بعدی‌اش، تقریباً در تمام شاخه‌های ریاضیات نفوذ کرد و تأثیری عمیق بر گسترش آنها داشت. بطوری که حتی باعث تغییر نظریه‌های تثبیت شده گردید و ریاضیدانان سعی کردند مفاهیم ریاضی را بر اساس نظریه مجموعه‌ها تعریف کنند. به عنوان مثال می‌توان از تعریف اعداد طبیعی توسط پئانو اشاره کرد. همچنین توسعه بعضی از نظامهای ریاضی، از قبیل توپولوژی، اساساً به ابزار نظریه مجموعه‌ها وابسته است. از اینها مهم‌تر، نظریه مجموعه‌ها نیرویی متحد کننده بدست داد که به تمام شاخه‌های ریاضیات مبنای مشترک و مفاهیم آنها،وضوح ودقتی تازه بخشیده است.
هنگامی که می‌خواهیم با مجموعه‌ای آشنا شویم می‌توانیم آنها را به سه صورت مورد بررسی قرار دهیم. مطالعه مجموعه‌ها به طور کلی نیاز به آشنایی عمومی با آنها دارد که هر کس که می‌خواهد علوم پایه را مورد مطالعه قرار دهد باید این آشنایی را کسب کند، مطالعه مجموعه‌ها به طور طبیعی و مطالعه مجموعه‌ها به صورت اصل موضوعی. در نظریه مجموعه‌ها دو واژه طبیعی و اصل موضوعی دو واژه متضاد هم می‌باشند.
نظریه طبیعی مجموعه‌ها
مطالعه مجموعه‌ها به صورتی طبیعی به عنوان نظریه طبیعی مجموعه‌ها یا Naive set theory است و این همان نظریه‌ای است که در آغاز پیدایش نظریه مجموعه‌ها توسط جرج کانتور مطرح گردید. اما در ادامه این نظریه درگیر اشکالات و پارادکس‌هایی همچون پارادکس راسل شد، و به این ترتیب نیاز به یک تغییر در نظریه مجموعه ها احساس شد و به این ترتیب ریاضیدانانی چون ارنست زرملو سعی کردند نظریه مجموعه‌ها را در قالب یک دستگاه اصل موضوعی ارایه کنند که منجر به ایجاد نظریه اصل موضوعی مجموعه‌ها انجامید.

شامل 44 صفحه word

دانلود پاورپوینت معرفی هوش مصنوعی - 46 اسلاید قابل ویرایش

اختصاصی از فی ژوو دانلود پاورپوینت معرفی هوش مصنوعی - 46 اسلاید قابل ویرایش دانلود با لینک مستقیم و پر سرعت .

بخش اول:

تاریخچه هوش مصنوعی

•دوره اول

•دوره دوم

تعریف هوش مصنوعی

بخش دوم:

معرفی شاخه های هوش مصنوعی و مثال ها

برای دانلود کل پاورپوینت از لینک زیر استفاده کنید:

تحقیق هوش مصنوعی

اختصاصی از فی ژوو تحقیق هوش مصنوعی دانلود با لینک مستقیم و پر سرعت .

دانلود تحقیق هوش مصنوعی 67 ص با فرمت word 

   همانگونه که از تعریف فوق-که توسط یکی از بنیانگذاران هوش مصنوعی ارائه شده است- برمی‌آید،حداقل به دو سؤال باید پاسخ داد:
1ـ هوشمندی چیست؟
2ـ برنامه‌های هوشمند، چه نوعی از برنامه‌ها هستند؟

تعریف دیگری که از هوش مصنوعی می‌توان ارائه داد به قرار زیر است:
   « هوش مصنوعی، شاخه‌ایست از علم کامپیوتر که ملزومات محاسباتی اعمالی همچون ادراک (Perception)، استدلال(reasoning) و یادگیری(learning) را بررسی کرده و سیستمی جهت انجام چنین اعمالی ارائه می‌دهد.»

و در نهایت تعریف سوم هوش مصنوعی از قرار زیر است:
   «هوش مصنوعی، مطالعه روش‌هایی است برای تبدیل کامپیوتر به ماشینی که بتواند اعمال انجام شده توسط انسان را انجام دهد.»

   به این ترتیب می‌توان دید که دو تعریف آخر کاملاً دو چیز را در تعریف نخست واضح کرده‌اند.
1ـ منظور از موجود یا ماشین هوشمند چیزی است شبیه انسان.
2ـ ابزار یا ماشینی که قرار است محمل هوشمندی باشد یا به انسان شبیه شود، کامپیوتر است.

   هر دوی این نکات کماکان مبهم و قابل پرسشند. آیا تنها این نکته که هوشمندترین موجودی که می‌شناسیم، انسان است کافی است تا هوشمندی را به تمامی اعمال انسان نسبت دهیم؟ حداقل این نکته کاملاً واضح است که بعضی جنبه‌های ادراک انسان همچون دیدن و شنیدن کاملاً ضعیف‌تر از موجودات دیگر است.

   علاوه بر این، کامپیوترهای امروزی با روش‌هایی کاملاً مکانیکی(منطقی) توانسته‌اند در برخی جنبه‌های استدلال، فراتر از توانایی‌های انسان عمل کنند.