| جزوه
درسی:فصل 1 تا 16 زمینه های روانشناسی هیلیگارد
جزوه ی کتاب بسیار معتبر زمینه های روانشناسی هیلیگارد فصل 1 تا فصل16
|
|
| دسته بندی | جزوه های درسی |
| فرمت فایل | zip |
| حجم فایل | 11336 کیلو بایت |
| تعداد صفحات فایل | 75 |
دراین جزوه به صورت بسیار کاربردی و مفید 16 فصل اول زمینه روانشناسی هیلیگارد نوشته و نکته برداری و خلاصه شده است.تالیف شده توسط دکتر محمدی.
| پاورپوینت
اصول آزمایش های غیر مخرب و زمینه بکارگیری آنها در صنایع در 118 اسلاید
در این پروژه پاورپوینت اصول آزمایش های غیر مخرب و زمینه بکارگیری آنها در صنایع در 118 اسلاید به طور کامل و جامع همراه با شکل و تصاویر به دو زبان فارسی و لاتین طبق موارد زیر بیان شده است 1 عنوان اصول آزمایشهای غیر مخرب و زمینه بکارگیری آنها در صنایع 2 مقدمه 3 Manufacturing processes 4 Casting processes 5 Casting Defects 6 Ca
|
|
| دسته بندی | عمران |
| فرمت فایل | pptx |
| حجم فایل | 20036 کیلو بایت |
| تعداد صفحات فایل | 118 |
در این پروژه پاورپوینت اصول آزمایش های غیر مخرب و زمینه بکارگیری آنها در صنایع در 118 اسلاید به طور کامل و جامع همراه با شکل و تصاویر به دو زبان فارسی و لاتین طبق موارد زیر بیان شده است:
1- عنوان: اصول آزمایشهای غیر مخرب و زمینه بکارگیری آنها در صنایع
2- مقدمه
3- Manufacturing processes
4- Casting processes:
5- Casting Defects
6- Casting
7- Rolling
8- Welding Methods
9- Forging and Rolling Defects
10- آزمایشهای غیر مخرب(Non Destructive Testing)
11- روش های آزمایش غیر مخرب
12- بازرسی چشمی
13- بازرسی توسط ذرات مغناطیسی
14- بازرسی توسط ذرات مغناطیسی (MT)
15- روشهای مغناطیسی کردن قطعات
16- جهات عیوب و حساسیت تشخیص آنها
17- مزایای روش MT
18- محدودیت های روش MT
19- بازرسی توسط مایعات نافذ (PT)
20- آزمایش PT
21- مزایای روش PT
22- محدودیت های روش PT
23- بازرسی توسط جریان های گردابی Eddy Current
24- بازرسی به روش فراصوتی Ultrasonic
25- محدوده امواج صوتی:
26- روش Pulse echo:
27- Radiography
28- Non Conventional NDT methods
29- Innovation in NDT
30- Corrosion thickness gages
31- Precision thickness gages
32- Epoch flaw detectors
33- Omni Scan portable modular NDT instrument
34- Probe for tube inspection
35- Probes and transducers for aircraft inspection
36- نتیجه گیری
| تحقیق
با موضوع زمینه های ظهور هوش مصنوعی و سیستمهای خبره
تحقیق با موضوع زمینه های ظهورهوش مصنوعی وسیستمهای خبره 170صفحه قالب ورد قابل ویرایش
|
|
| دسته بندی | کامپیوتر و IT |
| فرمت فایل | doc |
| حجم فایل | 712 کیلو بایت |
| تعداد صفحات فایل | 170 |
توضیحات:
تحقیق با موضوع زمینه های ظهورهوش مصنوعی وسیستمهای خبره
170صفحه قالب ورد قابل ویرایش
بخشی ازمتن:
چکیده:
انسان هرزمانی که برای انجام کاری نیازبه یک یاترکیبی ازسه خصیصه سرعت،دقت وقدرت داشته به سمت تهیه،ساخت یا اختراع ماشینی رفته است.
اگراین تعریف رابپذیریم که ماشین ابزاری ساخته انسان جهت انجام کاریاکارهائیست ،کامپیوتر نیز یک ماشین است امابایک تفاوت اساسی وآن اینکه برخلاف اغلب ماشینها،کامپیوتربجای ماده بااطلاعات سروکاردارد.
کارباکامپبوتربااطلاعات چندجنبه دارد،اولا به عنوان یک ماشین محاسبه ،سریع ،دقیق وقوی میتواند اعمال ریاضی را درمورداعداد وارقام اعمال نماید.ثانیا بعنوان یک ماشین اطلاعاتی میتواندازهرابزار دیگری سریعتر ،دقیقتروقویتراطلاعات رقمی و حرفی راکسب ،ذخیره ،پردازش و منتقل نماید.ثالثا باتبدیل اصوات وتصاویر به کدهای رقمی توانسته بزرگترین انقلاب رادرارتیاطات باعث گردد.وبالاخره درحیطه ای که خاص انسان تصور میشد،یعنی (هوشمندی) واردعمل شده است.اگرچه تعریف دقیق هوش وهوشمندی ممکن نیست اما می توان زمینه هایی محدودتری را تعریف نمودمثل سیستمهای خبره ،منطق ،پردازش زبانهای طبیعی ،یادگیری،تشخیص الگوها،روباتیک و... همه این مقولات نو مربوط به دانش نوینی به نام(هوش مصنوعی ) میباشد،که در50 سال عمرخودیکی از مطرح ترین و انقلابی ترین موضوعات علمی بوده وبدون شک ژرفترین اثرات را برتمدن انسانی خواهد گذاشت.
دریک کلام اگرقرن آینده قرن اطلاعات وماشین آن کامپیوتر،باید دانش آن قرن را (هوش مصنوعی)دانست.
مقدمه
این نوشته درباره سیستم های مبتنی بر دانش یا سیستم های خبره است که تاکنون ایجاد شده اند . این قبیل سیستم ها زمینه اصلی بررسیشان مرهون رشته دیگری از مطالعات یعنی هوش مصنوعی می باشد. ایده های هوش مصنوعی به عنوان یک زمینه جدید برای بررسی و مطالعه در دهه 1940 شکوفا شد . بیش از 50 سال از موفقیت هایی که در زمینه هوش مصنوعی حاصل شده است می گذرد که در این مدت شکست هایی نیز تجربه شده است . این فصل با یک تاریخچه مختصر در مورد هوش مصنوعی و سیستم های مبتنی بر دانش شروع می شود به طوریکه خواننده بتواند درک درستی از مسائل این شاخه استدلالی از علم کامپیوتر بدست آورد.
مقدمات هوش مصنوعی
تحقیق در مورد هوش مصنوعی در دهه 1940 که مصادف با پدیدار شدن اولین نسل از کامپیوترها در مراکز تحقیقاتی بود شروع شد . اصول اولیه ماشین منطق که در ریاضیات پایه ریزی شده بودبا تلاش کرت گاول ، آلونز و چرچ آلن تورنیگ مهیا شد . همچنین وایت هدراسل در سال 1913 به تولید روشهای صوری در استدلال منطقی کمک شایانی کرد . تحقیق عمده همه این افراد روی موضوع حاسبهای احتمالی وپیشنهادی متمرکز می شد .
فهرست برخی ازمطالب:
چکیده ------------------------------------------------------------------
1
فصل اول :زمینه های ظهور هوش مصنوعی وسیستمهای خبره مقدمه
--------------------------------------------------------------- 3 مقدمات هوش مصنوعی
-------------------------------------------------- 4 برنامه های هوش مصنوعی برای حل مسائل
عمومی -------------------------------
4 پیدایش KBS
-------------------------------------------------------- 4
فصل دوم : مفاهیم
اساسی سیستم خبره مقدمه
--------------------------------------------------------------- 7 تعریف سیستم خبره
----------------------------------------------------- 9 فواید استفاده از سیستم خبره
---------------------------------------------- 12 سیستم های خبره به عنوان سیستم های
پشتیبانی تصمیم گیری ----------------------- 14 ویژگیهای سیستم خبره ----
| ترجمه
مقاله به سوی سیستم های توصیه ای مبتنی بر زمینه پنهان
ترجمه این مقاله در 26 صفحه ورد است فایل دانلودی مقاله پس از خرید یک فایل زیپ شامل فایل ورد و پی دی اف و فایل اصلی مقاله به زبان انگلیسی است
|
|
| دسته بندی | کامپیوتر و IT |
| فرمت فایل | zip |
| حجم فایل | 2574 کیلو بایت |
| تعداد صفحات فایل | 26 |
Towards latent context-aware recommendation systems
a b s t r a c t The emergence and penetration of smart mobile devices has given rise to the development of context- aware systems that utilize sensors to collect available data about users in order to improve various user services. Recently, the use of context-aware recommender systems (CARS) aimed at recommending items to users has expanded, particularly those that consider user context. Adding context to recommendation systems is challenging, because the addition of various environmental contexts to the recommendation process results in the expansion of its dimensionality, and thus increases sparsity. Therefore, existing CARS tend to incorporate a small set of pre-defined explicit contexts which do not necessary represent user context or reflect the optimal set of features for the recommendation process. We suggest a novel approach centered on representing environmental features as low dimensional unsupervised latent con- texts. We extract data from a rich set of mobile sensors in order to infer unexplored user contexts in an unsupervised manner. The latent contexts are hidden context patterns modeled as numeric vectors which are efficiently extracted from raw sensor data. The latent contexts are automatically learned for each user utilizing unsupervised deep learning techniques and PCA on the data collected from the user’s mobile phone. Integrating the data extracted from high dimensional sensors into a new latent context-aware recommendation algorithm results in up to a 20% increase in recommendation accuracy.
Keywords: Recommendation Recommender systems Context-aware recommender systems Context Matrix factorization Deep learning
ترجمه چکیده مقاله:
به سوی سیستم های توصیه ای مبتنی بر زمینه پنهان
موشه انگر، آریل بار، براکا شاپیرا، لیور روکاچ
کلمات کلیدی: توصیه شده، سیستم های توصیه کننده، سیستم های توصیف کننده اگه از زمینه، زمینه، فاکتورگیری اموزش عمیق
چکیده
ظهور و نفوذ دستگاه های هوشمند تلفن همراه، توسعه سیستم های متفاوت اطلاعاتی است که از سنسورها برای جمع آوری داده های موجود در مورد کاربران برای بهبود خدمات مختلف کاربر استفاده می کنند. به تازگی، استفاده از سیستم های پیشنهاد دهنده متداول (CARS) با هدف توصیه به اقلام به کاربران گسترش یافته است، به ویژه آنهایی که زمینه کاربر را بررسی می کنند. اضافه کردن زمینه به سیستم های توصیه شده چالش برانگیز است، زیرا اضافه کردن زمینه های مختلف محیطی به فرآیند توصیه باعث گسترش ابعاد آن می شود و به این ترتیب، سرعت را افزایش می دهد. بنابراین CARS های موجود به یک مجموعه کوچک از زمینه های صریح از پیش تعریف شده تمایل دارند که نیازی به توصیف زمینه کاربر و یا بازتاب مجموعه ای بهینه از ویژگی های فرایند توصیه ای ندارند. ما یک رویکرد جدید را در زمینه ارائه ویژگی های زیست محیطی به عنوان محدوده های نامعتبر بدون نظارت کمتری ارائه می کنیم. ما داده ها را از یک مجموعه غنی از سنسورهای تلفن همراه استخراج می کنیم تا زمینه های ناشناخته کاربر را به نحو بی نظیر به دست بیاوریم. زمینه های پنهان، الگوهای زمینه مخفی هستند که به عنوان بردارهای عددی طراحی شده اند که از اطلاعات حسگر خام استخراج می شوند. زمینه های پنهان به طور خودکار برای هر کاربر با استفاده از تکنیک های یادگیری عمیق بدون نظارت و PCA بر روی داده های جمع آوری شده از تلفن همراه کاربر آموخته می شود. یکپارچه سازی داده های استخراج شده از سنسورهای بعدی به یک الگوریتم پیشنهادی جدید علمی ناپیوسته، موجب افزایش 20٪ افزایش دقت توصیه شده می شود.
