برچسب ماشین بردار پشتیبان

کلاسبندی داده ها با روش ماشین بردار پشتیبان

بردارهای پشتیبان به زبان ساده، مجموعه ای از نقاط در فضای n بعدی داده ها هستند که مرز دسته ها را مشخص می کنند و مرزبندی و دسته بندی داده ها براساس آنها انجام می شود و با جابجایی یکی از آنها، خروجی دسته بندی ممکن است تغییر کند . به عنوان مثال در شکل فوق ، بردار (۴۵,۱۵۰) عضوی از بردار پشتیبان و متعلق به یک زن است . در فضای دوبعدی ،‌بردارهای پشتیبان، یک خط، در فضای سه بعدی یک صفحه و در فضای n بعدی یک ابر صفحه را شکل خواهند داد.

دانلود پایان نامه کاربردهای منطق فازی در یادگیری ماشین‎

شرح مختصر :  بي‌گمان رايانه در چند دهه كنوني از عوامل اصلي و كليدي پيشرفت شناخته شده است. گردش درست امور، سرعت (تندي) در كارها و روش‌هاي اداري، بهره‌وري و خدمات عمومي، دسترسي به اطلاعات شركت‌ها همه از مزایای رایانه‌هاست. امروزه سازمان‌ها جهت پردازش كارهايي چون نگهداري و به ‌روز رساني حساب‌ها و دارايي‌های خود، راهشان را به سوي استفاده از رایانه‌ها باز نموده‌اند. كاربردهایي چون لوازم خانگي،‌ خودروها، هواپيماها و ابزار صنعتي، دستگاه‌هاي الكتريكي، كنترل انتقال نيرو و خطوط كارخانه‌ها و گيرنده ماهواره توسط رايانه سرویس‌دهی می‌شوند. همزمان با   پيشرفت و سازماندهي سازمان‌ها و بنگاه‌هاي كوچك و متوسط، كشاورزي، صنعتي و … خدمات رايانه‌اي هر روز نفوذ خود را در زندگي اجتماعي و اقتصادي انسان نیز نشان مي‌دهند. ولی دیگر رایانه‌های دومنطقی صفر و یک جوابگوی نیازهای بشر نیست و باید سیستم‌هایی ساخت که به به شیوه‌های چندمقداری تفکر و تعلم انسان نزدیک باشد و ابهام و عدم قطعیت را هم شامل شود. در این راستا منطق جدیدی به نام منطق فازی توسط پروفسور لطفی‌زاده معرفی شد و از آن پس انبوه مقالات برای پیاده سازی این منطق در سیستم‌های کامپیوتری و الگوریتم‌های موجود، ارائه شد. هدف ما در این پژوهش هم بررسی جامعی پیرامون این مبحث و کاربردهای آن در یادگیری ماشین است. لذا پس از بیان تعاریف و تاریخچه و انواع روش‌های منطق فازی و یادگیری ماشین، مروری بر مقالات معتبر و جدید ارائه شده در این زمینه داشته و ایده‌های جدیدی که داده شده است را خواهیم گفت.

دانلود پایان نامه روشهای تشخیص و تفکیک عیوب متداول جعبه دنده ها‎

شرح مختصر : امروزه پایش وضعیت تولیدات مکانیکی مخصوصاً ماشین های دوار ، به منظور بالا بردن سطح کیفی و اطمینان از صحت عملکرد آنها ، کاربرد زیادی پیدا کرده است . در این راستا سیستم های مبتنی بر هوش مصنوعی به طور گسترده ای برای یافتن عیوب پیش آمده مورد استفاده قرار گرفته اند . ولی پراکندگی موجود در انواع روش های بکارگرفته شده ، انتخاب یک روش کاربردی را مشکل ساخته است . به همین علت در این پژوهش مطالعه ای بر روی طیف وسیعی از این روش ها که اغلب در سال های اخیر مطرح شده اند ، صورت گرفته است .همچنین در رابطه با پیشینه و تئوری آنها مطالبی بیان شده است . سپس برای یافتن راهکاری مناسب ، مزایا و معایب هر روش در جدول هایی گردآوری شده و در نهایت تحت یک مدل مقایسه ای ارزیابی شده اند . تلاش شده این مزایا و معایب بر پایه ی مکتوبات و مستندات سال های اخیر جمع آوری شود . نتایج نشان می دهد که برای یافتن عیوب یک چرخ دنده ، بکار گیری سیگنال ارتعاشی و آنالیز موجک بسته ای به همراه روش PCA برای انتخاب ویژگی های موثر و شبکه ی عصبی برای تفکیک عیوب ، بسیار مناسب می باشد . در پایان این پژوهش برای یافتن سلامت چرخ دنده ی یک جعبه دنده ی نمونه از توالی روش های گفته شده استفاده گردیده و نتایج آن نشان داده شده است