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.

پیاده سازی پایان نامه: استفاده از تکنیک های داده کاوی برای حل مسئله ی پیش بینی قیمت سهام 

سرمایه گذاری در سهام عرضه شده در بورس اوراق بهادار یکی از گزینه های پرسود در بازار سرمایه است. با این وجود بازار سهام دارای سیستمی غیر خطی و آشوب گونه است که تحت تاثیر شرایط سیاسی، اقتصادی و روانشناسی می باشد. از این رو نحوه ی مدیریت و پیش بینی قیمت سهام برای سرمایه گذاران در بازار سهام اهمیت فراوانی دارد. برای حل مسئله ی پیش بینی قیمت سهام می توان از سیستم های هوشمند غیرخطی استفاده نمود. در این پروژه، با استفاده از تکنیک های داده کاوی راهکاری برای حل این مسئله ارائه می شود.

پیاده سازی پایان نامه: تخمین مدت زمان جراحی از طربق تکنیک های داده کاوی 

اتاق های عمل  یکی از گران ترین و سودآورترین منابع در یک سیستم بیمارستانی هستند. مدیران بیمارستان ها  همواره تلاش می کنند تا از این منابع به بهترین شکل ممکن استفاده کنند. به طور سنتی، مدت زمان جراحی با استفاده از آمار ها و اطلاعات موجود تخمین زده می شود. در این راستا برای غلبه بر مشکلات موجود در تخمین با انواع روش های سنتی و کمبود حجم نمونه کافی، روش های مبتنی بر داده کاوی پیشنهاد می شود که با استفاده از تکنیک های  موجود مدت زمان مورد نظر را پیش بینی خواهند کرد.

در این پروژه، با استفاده از تکنیک های داده کاوی راهکاری برای پیش بینی مدت زمان جراحی ارائه می شود.

پیاده سازی پایان نامه: تحلیل احساسات داده های رسانه های اجتماعی برای تشخیص افسردگی با یادگیری ماشین

عقیده کاوی یا تحلیل احساسات امروزه یک روند نوظهور برای درک احساسات افراد در موقعیت های مختلف زندگی روزمره آنهاست. در این تحقیق روشی بر تحلیل احساسات در داده‌های رسانه‌های اجتماعی برای تشخیص دلهره یا دلسردی با استفاده از تکنیک‌های مختلف هوش مصنوعی ارائه می شود.

پیاده سازی پایان نامه: پیش بینی نقص نرم افزار با استفاده از تکنیک های داده کاوی

فرآیند تست یکی از مهمترین فعالیت ها در توسعه و نگهداری نرم افزار است و زمان و منابع قابل توجهی را مصرف می کند. از آنجایی که توزیع اشکالات بین ماژول‌های نرم‌افزار یکنواخت نیست این مسئله در بسیاری از مواقع چالش برانگیز می باشد. بنابراین، پیش‌بینی نقص نرم‌افزار تکنیک مهمی است که در تضمین کیفیت نرم‌افزار مورد استفاده قرار می‌گیرد.  در این پروژه، با استفاده از تکنیک های داده کاوی راهکاری برای پیش بینی نقص نرم افزار ارائه می شود.

سفارش انجام پروژه

پیاده سازی پایان نامه: بهبود امنیت در شبکه های اینترنت اشیا با استفاده از یادگیری ماشینی

از زمان شروع اینترنت اشیا (IoT)، تعداد دستگاه های اینترنت اشیا متصل به اینترنت به سرعت رشد کرده است. با این حال، بسیاری از دستگاه های اینترنت اشیا فاقد استانداردهای امنیتی هستند که دستگاه های غیر اینترنت اشیا دارند. این بدان معنی است که میلیاردها دستگاه هوشمند می توانند به عنوان بخشی از یک حمله استفاده شوند. پتانسیل بهره برداری از دستگاه های اینترنت اشیا، جستجو برای یافتن اقدامات امنیتی مناسب اینترنت اشیا را بسیار مهم می کند. به منظور رفع این نیاز، این مطالعه راهکاری جدید با استفاده از یادگیری ماشین برای بهبود امنیت IoT پیشنهاد می کند.

 
چکیده: با استفاده از دانش عقیده کاوی می‌توان دانش بسیار خوبی از عموم جامعه در شبکه‌های اجتماعی درباره موضوعات مختلف به دست آورد. با استفاده از عقیده کاوی می‌توانیم کشف کنیم که افراد چه عقایدی درباره موضوعات مختلف دارند و چه نظراتی داده‌اند که با تحلیل این نظرات نتایج جالبی می‌توانیم به دست آوریم، دانش نظر کاوی زیر مجموعه علم داده کاوی می‌باشد. با تحلیل احساسات و نظرات می‌توانیم دلیل شکست یا موفقیت موضوعات مختلف در جامعه را از دید کاربران به دست آوریم. در این پژوهش ما یک روش جدید برای عقیده کاوی در شبکه‌های اجتماعی درباره فیلم‌های سینمایی ارائه کرده‌ایم. نتیجه این تحقیق نشان می‌دهد که علت موفقیت یا شکست یک فیلم از دید کاربران چه بوده است، در روش پیشنهادی نظرات کاربران ابتدا بر اساس کلمات کلیدی و هشتگ های مهم برچسب گذاری می‌شود که نظر مثبت می‌باشد یا منفی و در ادامه بعد از برچسب گذاری تحلیلی برای نظرات انجام می‌شود که تعداد لایک هر نظر تأثیر بالایی در تحلیل دارد، نتایج شبیه سازی و مقایسه روش پیشنهادی نشان می‌دهد که روش پیشنهادی از دقت بالایی برخوردار می‌باشد و می‌توان از روش پیشنهادی در دیتاست های مختلف فارسی مورد استفاده قرار داد.

پیاده سازی پایان نامه: پیش بینی لغو هتل ها با استفاده از یادگیری ماشینی

لغو اتاق یک چالش بزرگ برای صنعت هتلداری است زیرا تعداد مهمانان بر کل تنظیمات عملیاتی تأثیر می گذارد. هدف از این تحقیق پیش بینی لغو هتل ها با استفاده از یادگیری ماشین و تجزیه و تحلیل عواملی است که بیشترین تأثیر را دارند. در این تحقیق راهکاری مبتنی بر تکنیک های داده کاوی و یادگیری ماشین برای حل این مسئله ارائه می شود.