چکیده: تشخیص پزشکی اغلب با تخصص و تجربه کادر پزشکی انجام میشود ولی بعضی مواقع ممکن است منجر به تشخیص نادرست شود. اسکلروز چندگانه (MS) بیماری دستگاه عصبی مرکزی است. در این بیماری بدن پادتنهایی را تولید میکند که به میلین حمله کرده و آسیب میزنند. در MS غلاف میلین (که پوششی عایقی برای رشته های عصبی است) دچار مشکل میشود و صدمهی وارده به میلین در سیستمهای عصبی مرکزی، ارتباط بین مغز و اسپینال کورد و دیگر اعضای بدن را قطع میکند. مشکل عمدهای که وجود دارد ضعف در تشخیص آن است. به منظور بهبود تشخیص، از شبکه عصبی فازی (ANFIS) استفاده میشود. ایده اصلی این گونه شبکهها از شیوه کارکرد سیستم عصبی زیستی برای پردازش دادهها و اطلاعات به منظور یادگیری و ایجاد دانش الهام گرفته شده است. این سیستم از شمار زیادی عناصر پردازشی فوقالعاده بهم پیوسته به نام نورون تشکیل شده است که برای حل یک مساله با هم هماهنگ عمل میکنند. در این سیستم قسمت شبکه عصبی برای یادگیری و طبقهبندی تواناییها و نیز پیوند و اصلاح الگو به کار میرود. قسمت شبکه عصبی به طور خودکار، قواعد منطق فازی و توابع عضویت را در طول دوره تناوب یادگیری ایجاد میکند. چند روش برای آموزش شبکههای عصبی وجود دارد که در این تحقیق از روش ترکیبی استفاده میشود. شبکهی عصبی-فازی توانایی ترکیب قدرت زبانی یک سیستم فازی با قدرت عددی یک شبکه عصبی را دارد. در این شبکه برای بهینهسازی دادههای ورودی خروجی از تکنیک K-fold cross validation استفاده میشود. پیادهسازی این سیستم در محیط متلب با فایلی حاوی600 داده که دارای6 ستون، که 5 ستون آن ورودی و 1 ستون خروجی میباشد انجام شد و دارای دقت تقریباً 96% میباشد.
این دوره ی آموزشی مناسب برای افراد مبتدی می باشد.
در این دوره، ابتدا با مفاهیم الگوریتم و طراحی فلوچارت آشنا می شوید. در ادامه محیط های برنامه نویسی برای پاسکال معرفی می شود.
سر فصل های قابل ارائه در این دوره، شامل همه ی مفاهیم پایه، نظیر معرفی عمگلرها، حلقه ها، برنامه نویسی بازگشتی، توابع، رویه ها و .... می باشد.
- شریف پژوه
چکیده: یکی از چالشهای تشخیص تقلب در حوزه سیستم های پرداخت الکترونیکی، تنوع و تغییر مداوم شیوههای تقلب است لذا نیاز به روش های تشخیص تقلب با کارایی و دقت باال به روشنی قابل درک است. در این پژوهش روش داده کاوی رگرسیون لجستیک، شبکه عصبی BP و شبکه عصبی GMDH برای ساخت مدلهایی جهت شناسایی تقلب در تراکنشهای مالی دستکاه خودپرداز یک بانک پیاده سازی شدند. در ادامه، این روشها برروی دادههای واقعی آزمایش و کارایی هر روش سنجیده شد. روش شبکه عصبی GMDH با دقت 19.37 درصد در شناسایی تقلب یا غیرتقلب بودن تراکنشهای مالی بهترین کارایی را در مقایسه با دو روش رگرسیون لجستیک با دقت کلی 98.63 و شبکه عصبی BP با دقت کلی 0..34داشت. باتوجه به نتایج بدست آمده روش پیشنهادی در تشخیص تقلب نسبت به دو روش دیگر با دقت بیشتری عمل کرده است.
چکیده:
در سیستمهای تشخیص نفوذ، با داده های حجیم برای تحلیل مواجه هستند. بررسی مجموعه داده سیستمهای تشخیص نفوذ نشان می دهد که بسیاری از ویژگیها، ویژگیهای غیرمفید، بی تاثیر در سناریوهای حمله و یا ویژگیهای نامربوط هستند. بنابراین حذف ویژگیهای نامناسب از مجموعه ویژگی، به عنوان یک راهکار مناسب برای کاهش مجموعه داده سیستمهای تشخیص نفوذ معرفی می شود. نیازمندی دیگری که در سیستمهای تشخیص نفوذ مطرح می باشد، دانستن مجموعه ویژگی بهینه برای هر نوع حمله است. چرا که در اینصورت، سیستم تشخیص نفوذ قادر خواهد بود برای تشخیص هر نوع حمله، تنها از مجموعه ویژگی متناسب با آن حمله استفاده کند. در این تحقیق، روشی ارایه می شود که قادر است تمام نیازمندیهای فوق را پاسخگو باشد، علاوه بر این، این روش نحوه ارتباط بین ویژگیها را برای تحلیل بهتر آنها نشان می دهد. روش پیشنهادی از مفاهیم داده کاوی و تحلیل شبکه های اجتماعی استفاده می نماید.
سفارش انجام پروژه بهبود یادگیری عمیق با الگوریتم فاخته برای شناسایی اعداد دست نویس:
در این پروژه، با استفاده از تلفیق روش های یادگیری عمیق (Deep Learning) و الگوریتم فاخته (Cuckoo algorithm)، مجموعه داده های مربوط به اعداد دست نویس، مورد بررسی قرار گرفته است. نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.
پروژه اسپارک:
آپاچی اسپارک (Apache Spark) یک چارچوب رایانش توزیعشده متنباز است.
اسپارک یک رابط برنامهنویسی کاربردی برای برنامهنویسی تمام خوشهها با موازیسازی دادههای ضمنی و تحمل خطا فراهم میکند.
اسپارک از حافظه اصلی برای نگهداری دادههای برنامه استفاده میکند که این امر باعث سریعتر اجرا شدن برنامهها میشود.
همچنین یکی دیگر از مواردی که باعث افزایش کارایی اسپارک میشود، استفاده از مکانیسم حافظه نهان هنگام استفاده از دادههایی است که قرار است دوباره در برنامه استفاده شوند. اینکار باعث کاهش سربار ناشی از خواندن و نوشتن از دیسک میشود.
سفارش انجام پروژه داده کاوی تشخیص تقلب در کارت های اعتباری به کمک روش های شبکه ی عصبی و الگوریتم تکامل تفاضلی:
به دلیل ضعف های امنیتی سیستم پردازش کارت هـای بـانکی، تقلـب در آن هـا رونـد رو به گسترشی دارد و خسارت های زیادی وارد می کند. تقلب در کارت های بانکی به یکی از راه های کسب درآمد بـرای مجرمـان تبـدیل شـده اسـت. به همین دلیل مسئله ی تقلب برای بانـکهـا و مؤسسه ها اهمیت بالایی دارد. رویکردهای تشخیص تقلب به طور گسترده به دو دسته تقسیم می شوند. مورد اول، تشخیص سو استفاده است که تلاش می کند که موارد مشاهده شده قبلی را در قالب یک الگو یا امضا تشخیص دهد. مورد دوم، تشخیص ناهنجاری است که تلاش می کند تا یک مشخصه از تاریخچه عملکرد برای هر کاربر ایجاد کرده و سپس با هرگونه انحراف به قدر کافی بزرگ، پی به یک رفتار مشکوک می برد.
در این پروژه، با استفاده از تلفیق روش های شبکه ی عصبی (neural network) و الگوریتم تکامل تفاضلی (differential evolution algorithm)، مجموعه داده های مربوط به تشخیص تقلب در کارت های اعتباری مورد بررسی قرار گرفته است. نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.
سفارش انجام پروژه پیش بینی نرخ جرم و جنایت با تلفیق روش های درخت تصمیم و الگوریتم سیستم ایمنی مصنوعی:
با گسترش روزافزون سیستم های کامپیوتری، تحلیلگران اطلاعات می توانند به روند حل جرم و جنایات سرعت بخشند و از این طریق به اجرای قانون کمک کنند. تجزیه و تحلیل و پیشگیری از جرم رویکردی برای شناسایی و تحلیل الگوها و روند جنایت است. در این پروژه اطلاعات ناشناخته و مفید از داده های بدون ساختار استخراج می شود و مناطقی که احتمال وقوع جرم و جنایت در آن ها وجود دارد، پیش بینی می شود.
در این پروژه، با استفاده از تلفیق روش های درخت تصمیم (decision tree) و الگوریتم سیستم ایمنی مصنوعی (Artificial immune system algorithm)، مجموعه داده های مربوط به پیش بینی نرخ جرم و جنایت مورد بررسی قرار گرفته است. نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.
سفارش انجام پروژه داده کاوی امتیاز اعتباری:
امتیاز اعتباری یک عبارت عددی است که با تکنیکهای آماری و بر اساس اطلاعات واقعی که بیانگر وضعیت جاری و سابقهای فرد یا شرکت هستند محاسبه میشود. امتیاز اعتباری یک نمره قابل مقایسه است؛ لذا تصمیمگیری بر این مبنا، در مقایسه با روشهای سلیقهای و گزارشهای متنی، به مراتب قابل اطمینانتر و منصفانهتر خواهد بود. برای مطالعه جزییات بیشتر در مورد امتیازاعتباری کلیک کنید.
در این پروژه، با استفاده از نرم افزار رپیدماینر (RapidMiner)، مجموعه داده های مربوط به امتیاز اعتباری مورد بررسی قرار گرفته است. راهکارهای متعدد پاکسازی داده ها، دسته بندی، خوشه بندی بر روی داده ها اعمال شده است و نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.
سفارش انجام پروژه داده کاوی تشخیص سرطان:
سرطان نامی است که به مجموعهٔ بیماریهایی اطلاق میشود که از تکثیر مهارنشده سلولها پدید میآیند. سلولهای سرطانی از سازوکارهای عادی تقسیم و رشد سلولها جدا میافتند. علت دقیق این پدیده همچنان نامشخص است ولی احتمال دارد عوامل ژنتیکی یا مواردی که موجب اختلال در فعالیت سلولها میشوند در هسته سلول اشکال وارد کنند. از جملهٔ این موارد میتوان از مواد رادیو اکتیو، مواد شیمیایی و سمی یا تابش بیش از حد اشعههایی مانند نور آفتاب نام برد. در یک جاندار سالم، همیشه بین میزان تقسیم سلول، مرگ طبیعی سلولی و تمایز، تعادلی وجود دارد. برای مطالعه جزییات بیشتر در مورد بیماری سرطان کلیک کنید.
در این پروژه، با استفاده از زبان R، مجموعه داده های مربوط به سرطان (انواع سرطان) مورد بررسی قرار گرفته است. راهکارهای متعدد پاکسازی داده ها، دسته بندی، خوشه بندی بر روی داده ها اعمال شده است و نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.
سفارش انجام پروژه تشخیص فرار مالیاتی به کمک روش های شبکه ی عصبی و الگوریتم سیستم ایمنی مصنوعی:
فرار مالیاتی یا گریز از مالیات (Tax evasion) به هر گونه تلاش قانونی یا غیرقانونی یک شرکت به منظور طفره رفتن و گریختن از پرداخت مالیات یا کمتر پرداخت نمودن آن، به هر شیوه که انجام شود، گفته میشود. در سال های اخیر تکنیک های داده کاوی برای ارائه ی ابزارهای مؤثر برای تقویت کارآیی و اثربخشی تشخیص فرار مالیاتی مورد توجه قرار گرفته اند. تکنیک های داده کاوی قادر به شناسایی الگوهای خاص و مطابقت آن با داده های جدید می باشد و از این طریق می تواند برای کاهش یا به حداقل رساندن ضرر و زیان ناشی از فرار از مالیاتی مورد استفاده قرار بگیرند. برای مطالعه جزییات بیشتر در مورد تشخیص فرار مالی کلیک کنید.
در این پروژه، با استفاده از تلفیق روش های شبکه ی عصبی (neural network) و الگوریتم سیستم ایمنی مصنوعی (artificial immune system)، مجموعه داده های مربوط به تشخیص فرار مالیاتی مورد بررسی قرار گرفته است. نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.
سفارش انجام پروژه تشخیص فرار مالیاتی به کمک روش های شبکه ی عصبی و الگوریتم جستجوی هارمونی:
فرار مالیاتی یا گریز از مالیات (Tax evasion) به هر گونه تلاش قانونی یا غیرقانونی یک شرکت به منظور طفره رفتن و گریختن از پرداخت مالیات یا کمتر پرداخت نمودن آن، به هر شیوه که انجام شود، گفته میشود. در سال های اخیر تکنیک های داده کاوی برای ارائه ی ابزارهای مؤثر برای تقویت کارآیی و اثربخشی تشخیص فرار مالیاتی مورد توجه قرار گرفته اند. تکنیک های داده کاوی قادر به شناسایی الگوهای خاص و مطابقت آن با داده های جدید می باشد و از این طریق می تواند برای کاهش یا به حداقل رساندن ضرر و زیان ناشی از فرار از مالیاتی مورد استفاده قرار بگیرند. برای مطالعه جزییات بیشتر در مورد تشخیص فرار مالی کلیک کنید.
در این پروژه، با استفاده از تلفیق روش های شبکه ی عصبی (neural network) و الگوریتم جستجوی هارمونی(harmony search algorithm)، مجموعه داده های مربوط به تشخیص فرار مالیاتی مورد بررسی قرار گرفته است. نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.
سفارش انجام پروژه داده کاوی تشخیص مشکلات ارتوپدی به کمک روش های شبکه ی عصبی و جستجوی فاخته:
جراحی ارتوپدی (Orthopedic surgery) یا استخوانپزشکی به شاخهای از علم پزشکی گفته میشود که شامل درمان بیماریها و اصلاح ناهنجاریهای مربوط به استخوانها و مفاصل است. برای مطالعه جزییات بیشتر در مورد جراحی ارتوپدی و انواع آن کلیک کنید.
در این پروژه، با استفاده از تلفیق روش های شبکه ی عصبی (neural network) و الگوریتم جستجوی فاخته (Cuckoo search)، مجموعه داده های مربوط به مشکلات ارتوپدی مورد بررسی قرار گرفته است. نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.
سفارش انجام پروژه تشخیص فرار مالیاتی به کمک روش های شبکه ی عصبی و الگوریتم ژنتیک:
فرار مالیاتی یا گریز از مالیات (Tax evasion) به هر گونه تلاش قانونی یا غیرقانونی یک شرکت به منظور طفره رفتن و گریختن از پرداخت مالیات یا کمتر پرداخت نمودن آن، به هر شیوه که انجام شود، گفته میشود. در سال های اخیر تکنیک های داده کاوی برای ارائه ی ابزارهای مؤثر برای تقویت کارآیی و اثربخشی تشخیص فرار مالیاتی مورد توجه قرار گرفته اند. تکنیک های داده کاوی قادر به شناسایی الگوهای خاص و مطابقت آن با داده های جدید می باشد و از این طریق می تواند برای کاهش یا به حداقل رساندن ضرر و زیان ناشی از فرار از مالیاتی مورد استفاده قرار بگیرند. برای مطالعه جزییات بیشتر در مورد تشخیص فرار مالی کلیک کنید.
در این پروژه، با استفاده از تلفیق روش های شبکه ی عصبی (neural network) و الگوریتم ژنتیک (Genetic Algorithm)، مجموعه داده های مربوط به تشخیص فرار مالیاتی مورد بررسی قرار گرفته است. نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.
سفارش انجام پروژه داده کاوی تشخیص نفوذ در شبکه های کامپیوتری به کمک روش های شبکه ی عصبی و الگوریتم فاخته:
سامانههای تشخیص نفوذ، وظیفهٔ شناسایی و تشخیص هر گونه استفادهٔ غیرمجاز به سیستم، سوء استفاده یا آسیبرسانی توسط هر دو دستهٔ کاربران داخلی و خارجی را بر عهده دارند. تشخیص و جلوگیری از نفوذ امروزه به عنوان یکی از مکانیزمهای اصلی در برآوردن امنیت شبکهها و سیستمهای رایانهای مطرح است و عمومأ در کنار دیوارههای آتش و به صورت مکمل امنیتی برای آنها مورد استفاده قرار میگیرند. برای مطالعه جزییات بیشتر در مورد تشخیص نفوذ کلیک کنید.
در این پروژه، با استفاده از تلفیق روش های شبکه ی عصبی (neural network) و الگوریتم فاخته (Cuckoo search)، مجموعه داده های مربوط به تشخیص نفوذ در شبکه های کامپیوتری مورد بررسی قرار گرفته است. نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.
پروژه هشت وزیر با الگوریتم تکامل تفاضلی (differential evolution) در متلب:
مسئله چند وزیر یک معمای شطرنجی و ریاضیاتی است که بر اساس آن باید n وزیر شطرنج در یک صفحه n×n شطرنج بهگونهای قرار داده شوند که هیچیک زیر ضرب دیگری نباشند. با توجه به اینکه وزیر بهصورت افقی، عمودی و اُریب حرکت میکند، باید هر وزیر را در طول، عرض و قطر متفاوتی قرار داد. اولین و مشهورترین شکل این مسئله معمای هشت وزیر است که برای حل آن باید ۸ وزیر را در یک صفحهً معمولی (۸×۸) شطرنج قرار داد. این مسئله ۹۲ جواب دارد که ۱۲ جواب آن منحصر بهفرد است یعنی بقیه جوابها از تقارن جوابهای اصلی بهدست میآید. برای مطالعه ی بیشتر کلیک کنید.
در این پژوه به کمک روش تکامل تفاضلی (differential evolution) ، مسئله ی هشت وزیر در محیط متلب (Matlab) پیاده سازی شده است.
سفارش انجام پروژه پیش بینی ورشکستگی به کمک روش های شبکه ی عصبی و الگوریتم سیستم ایمنی مصنوعی:
پیش بینی ورشکستگی یکی از مهم ترین عنوان های کاربرد داده کاوی در حوزه های مالی است. در این راستا، عوامل، شرایط و اقداماتی که نهایتا به مشکلات مالی منجر می شود، شناسایی خواهند شد. در طول سال های اخیر، تحقیقات مالی و حسابداری گسترده ای در این زمینه انجام شده است. اهمیت این مسئله به حدی است که بسیاری از سرمایه گذاری ها و همکاری های مالی قبل از حصول اطمینان از عدم امکان ورشکستگی انجام نمی شود. برای مطالعه جزییات بیشتر در مورد پیش بینی ورشکستگی کلیک کنید.
در این پروژه، با استفاده از تلفیق روش های شبکه ی عصبی (neural network) و سیستم ایمنی مصنوعی (Artificial immune system)، مجموعه داده های مربوط به پیش بینی ورشکستگی مورد بررسی قرار گرفته است. نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.
سفارش انجام پروژه پیش بینی ورشکستگی به کمک روش های شبکه ی عصبی و الگوریتم رقابت استعماری:
پیش بینی ورشکستگی یکی از مهم ترین عنوان های کاربرد داده کاوی در حوزه های مالی است. در این راستا، عوامل، شرایط و اقداماتی که نهایتا به مشکلات مالی منجر می شود، شناسایی خواهند شد. در طول سال های اخیر، تحقیقات مالی و حسابداری گسترده ای در این زمینه انجام شده است. اهمیت این مسئله به حدی است که بسیاری از سرمایه گذاری ها و همکاری های مالی قبل از حصول اطمینان از عدم امکان ورشکستگی انجام نمی شود. برای مطالعه جزییات بیشتر در مورد پیش بینی ورشکستگی کلیک کنید.
در این پروژه، با استفاده از تلفیق روش های شبکه ی عصبی (neural network) و الگوریتم رقابت استعماری (Imperialist competitive algorithm)، مجموعه داده های مربوط به پیش بینی ورشکستگی مورد بررسی قرار گرفته است. نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.
پیاده سازی یادگیری عمیق با شبکه عصبی کانولوشن (Convolutional neural network) برای سری های زمانی:
در این پروژه، با استفاده از پایتون پیاده سازی یادگیری عمیق با شبکه عصبی کانولوشن (Convolutional neural network) برای سری های زمانی به همراه توضیحات مربوطه، ارائه می گردد.
پیاده سازی شبکه عمیق پرسپترون برای سری های زمانی:
در این پروژه، با استفاده از پایتون پیاده سازی شبکه عمیق پرسپترون برای سری های زمانی به همراه توضیحات مربوطه، ارائه می گردد.
- شریف پژوه
- هوش مصنوعی (۳۸۴)
- پروژه رپیدماینر(RapidMiner) (۲۶)
- پروژه وکا(Weka) (۲۰)
- پروژه نایم(Knime) (۲۰)
- پروژه پایتون(Python) (۶۴)
- پروژه R (۳۰)
- پروژه کلمنتاین(clementine) یا مدلر(IBM Spss Modeler) (۱۶)
- پروژه شبکه عصبی (۱۱۲)
- پروژه الگوریتم ژنتیک (۳۷)
- پروژه الگوریتم ممتیک (۲۳)
- پروژه الگوریتم جستجوی هارمونی (۳۰)
- پروژه تکامل تفاضلی (۳۲)
- پروژه بهینه سازی ازدحام ذرات (۳۴)
- پروژه الگوریتم کلونی زنبور عسل (۳۴)
- پروژه عقیده کاوی (۱۷)
- پروژه ماشین بردار پشتیبان (۱۴)
- مقالات (۶۲)
- پروژه الگوریتم رقابت استعماری (۱۶)
- پروژه الگوریتم درخت تصمیم (۳۹)
- پروژه سیستم ایمنی مصنوعی (۱۶)
- دریافت ویدیوهای آموزشی (۴۸)
- یادگیری عمیق(Deep Learning) (۱۴)
- پردازش تصویر (۱۰)
- پروژه الگوریتم بهینه سازی چندهدفه (NSGA-II) (۴)
- پروژه متلب(MATLAB) (۳۸)
- برنامه نویسی (۹۴)
- پروژه C شارپ (۶)
- پروژه C پلاس پلاس (۶)
- پروژه جاوا(JAVA) (۴)
- پروژه دلفی (Delphi) (۴)
- یادگیری انتقالی(Transfer Learning) (۱)
- سیستم توصیه گر (recommender system) (۴)
- شبکه کاوی(Social media mining) (۱)
- رایانش ابری (Cloud Computing) (۱۹)
- کلودسیم (CloudSim) (۱۸)
- پروژه الگوریتم فاخته (۸)
- پروژه الگوریتم خفاش (۲)
- دوره های آموزشی (۶)
- پروژه الگوریتم کرم شب تاب (۱)
- سیستم خبره (۳)
- پروژه های مشترک (۱۱)
- تدریس رایگان (۱)
-
پریسا
سلام چطور میتونم کد پایتون این پروژه رو داشته باشم؟ -
مجتبی
سلام لطفا کد ... -
فرشاد
سلام و ادب، می شه کد رو برای من ارسال کنید؟ -
آرش
سلام و وقت بخیر. امکانش هست کد رو برای من ارسال کنید؟ -
علی
سلام لطفا کد رو برای بنده ارسال کنید. با تشکر -
مصطفی
با سلام سپاسپگزارم اگر ... -
زهرا
سلام -
nazanin
میشه سورس کد رو برام بفرستید؟
- بهینه سازی ساختار شبکه عصبی با الگوریتم بهینه سازی ازدحام ذرات برای داده کاوی سرطان
- سفارش انجام پروژه تشخیص اسپم با تلفیق روش های درخت تصمیم و الگوریتم سیستم ایمنی مصنوعی
- بهینه سازی ساختار شبکه عصبی با الگوریتم ممتیک برای داده کاوی بیماری کلیوی
- انجام پروژه بهبود یادگیری عمیق با الگوریتم رقابت استعماری برای شناسایی اعداد دست نویس
- سفارش انجام پروژه پیش بینی قیمت سهام با تلفیق روش های درخت تصمیم و الگوریتم هارمونی
- بهینه سازی ساختار شبکه عصبی با الگوریتم بهینه سازی ازدحام ذرات برای داده کاوی بیماری دیابت
- پیاده سازی مقاله: ترکیبی از الگوریتم سیاه چاله با الگوریتم تبرید تدریجی
- بهینه سازی ساختار شبکه عصبی با الگوریتم کلونی زنبور عسل برای داده کاوی سرطان
- پیاده سازی مقاله: استفاده از سیستم تکاملی ایمنی مصنوعی برای امنیت شبکه های کامپیوتری
- بهینه سازی ساختار شبکه عصبی با الگوریتم ژنتیک برای داده کاوی مشکلات ارتوپدی
- ارديبهشت ۱۴۰۳ ( ۴ )
- فروردين ۱۴۰۳ ( ۴ )
- اسفند ۱۴۰۲ ( ۲ )
- بهمن ۱۴۰۲ ( ۲ )
- دی ۱۴۰۲ ( ۴ )
- آذر ۱۴۰۲ ( ۳ )
- آبان ۱۴۰۲ ( ۶ )
- مهر ۱۴۰۲ ( ۲ )
- شهریور ۱۴۰۲ ( ۷ )
- مرداد ۱۴۰۲ ( ۱۲ )
- تیر ۱۴۰۲ ( ۱۱ )
- خرداد ۱۴۰۲ ( ۲ )
- ارديبهشت ۱۴۰۲ ( ۴ )
- فروردين ۱۴۰۲ ( ۱ )
- شهریور ۱۴۰۱ ( ۱ )
- تیر ۱۴۰۱ ( ۱ )
- خرداد ۱۴۰۱ ( ۲ )
- ارديبهشت ۱۴۰۱ ( ۲ )
- فروردين ۱۴۰۱ ( ۱ )
- اسفند ۱۴۰۰ ( ۲ )
- بهمن ۱۴۰۰ ( ۱ )
- دی ۱۴۰۰ ( ۲ )
- آذر ۱۴۰۰ ( ۲ )
- آبان ۱۴۰۰ ( ۲ )
- مهر ۱۴۰۰ ( ۳ )
- شهریور ۱۴۰۰ ( ۶ )
- مرداد ۱۴۰۰ ( ۵ )
- تیر ۱۴۰۰ ( ۴ )
- خرداد ۱۴۰۰ ( ۵ )
- ارديبهشت ۱۴۰۰ ( ۵ )
- فروردين ۱۴۰۰ ( ۶ )
- اسفند ۱۳۹۹ ( ۶ )
- آذر ۱۳۹۹ ( ۱ )
- مهر ۱۳۹۹ ( ۳ )
- شهریور ۱۳۹۹ ( ۲ )
- تیر ۱۳۹۹ ( ۱ )
- خرداد ۱۳۹۹ ( ۵ )
- ارديبهشت ۱۳۹۹ ( ۱۳ )
- فروردين ۱۳۹۹ ( ۵ )
- اسفند ۱۳۹۸ ( ۲ )
- دی ۱۳۹۸ ( ۱ )
- آذر ۱۳۹۸ ( ۵ )
- آبان ۱۳۹۸ ( ۳ )
- مهر ۱۳۹۸ ( ۱ )
- شهریور ۱۳۹۸ ( ۶ )
- مرداد ۱۳۹۸ ( ۱۲ )
- تیر ۱۳۹۸ ( ۹ )
- خرداد ۱۳۹۸ ( ۱۳ )
- ارديبهشت ۱۳۹۸ ( ۶۸ )
- فروردين ۱۳۹۸ ( ۱۱۸ )
- اسفند ۱۳۹۷ ( ۴۱ )
- پیاده سازی الگوریتم بهینه سازی چندهدفه NSGA-II در پایتون(Python)
- پیاده سازی الگوریتم بهینه سازی ازدحام ذرات در پایتون(Python)
- پیاده سازی الگوریتم ژنتیک در پایتون(Python)
- پروژه داده کاوی تشخیص بیماری دیابت با پایتون(Python)
- پروژه داده کاوی تشخیص بیماری های قلبی با پایتون (Python)
- پروژه داده کاوی تشخیص تقلب با نرم افزار نایم (Knime)
- پروژه داده کاوی تشخیص بیماری های قلبی با نرم افزار وکا (Weka)
- پروژه داده کاوی بازاریابی مستقیم (Direct marketing) با پایتون (Python)
- پروژه داده کاوی تشخیص تقلب با نرم افزار رپیدماینر (RapidMiner)
- پروژه داده کاوی تشخیص سرطان با پایتون (Python)
- پیاده سازی الگوریتم بهینه سازی چندهدفه NSGA-II در پایتون(Python)
- پروژه داده کاوی تشخیص تقلب در کارت های اعتباری با نرم افزار کلمنتاین یا مدلر(IBM Spss Modeler)
- پیاده سازی مقاله: تشخیص بیماری دیابت با استفاده از تکنیک داده کاوی و شبکه عصبی
- سفارش انجام پروژه تعادل بار با استفاده از الگوریتم تکامل تفاضلی در محیط رایانش ابری (CloudSim)
- پروژه داده کاوی امتیاز اعتباری (Credit scoring) با نرم افزار وکا (Weka)
- پروژه داده کاوی تشخیص سرطان با نرم افزار کلمنتاین(clementine) یا مدلر(IBM Spss Modeler)
- بهینه سازی ساختار شبکه عصبی با الگوریتم ممتیک برای داده کاوی امتیاز اعتباری
- پروژه داده کاوی تشخیص تقلب با نرم افزار نایم (Knime)
- بهینه سازی ساختار شبکه عصبی با الگوریتم جستجوی فاخته برای داده کاوی سرطان
- بهینه سازی شبکه عصبی با الگوریتم کلونی زنبور عسل برای داده کاوی تشخیص تقلب در کارت های اعتباری