۲۷۲ مطلب با کلمه‌ی کلیدی «سفارش انجام پروژه داده کاوی» ثبت شده است

بهینه سازی ساختار شبکه عصبی با الگوریتم بهینه سازی ازدحام ذرات برای داده کاوی سرطان

سفارش انجام پروژه داده کاوی تشخیص سرطان به کمک روش های شبکه ی عصبی و الگوریتم بهینه سازی ازدحام ذرات:

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 تلفیق روش های شبکه ی عصبی (neural network) و الگوریتم بهینه سازی ازدحام ذرات (particle swarm optimization algorithm)، مجموعه داده های مربوط به سرطان مورد بررسی قرار گرفته است. نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.

  • شریف پژوه

سفارش انجام پروژه تشخیص اسپم با تلفیق روش های درخت تصمیم و الگوریتم سیستم ایمنی مصنوعی

سفارش انجام پروژه تشخیص اسپم با تلفیق روش های درخت تصمیم و الگوریتم سیستم ایمنی مصنوعی:

 

به سوءاستفاده از ابزارهای الکترونیکی مانند ایمیل، مسنجر، گروه‌های خبری ایمیلی، فکس، پیام کوتاه و... برای ارسال پیام به تعداد زیاد و به صورت ناخواسته اسپم می‌گویند. با توجه به هزینه اندک این روش نسبت به پست سنتی که در گذشته برای ارسال پلاک به پلاک تبلیغات مورد استفاده قرار می‌گرفت و همچنین ناقص بودن قوانین بین‌المللی برای محدود کردن هرزنامه، در حال حاضر اسپم ها در سطح وسیعی ارسال می‌شوند. امروزه اسپم‌ها به‌طور عمده با هدف‌های تجاری منتشر می‌شوند ولی اسپم‌های غیرتجاری مانند اسپم های سیاسی یا مذهبی نیز روز به روز در حال افزایش هستند. برای مقابله با اسپم ها تاکنون روش‌های متعددی ایجاد شده است و این روند با توجه به ابعاد گسترده آن، همچنان ادامه دارد. برای مطالعه جزییات بیشتر در مورد تشخیص اسپم کلیک کنید.

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 تشخیص اسپم مورد بررسی قرار گرفته است. نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.

  • شریف پژوه

بهینه سازی ساختار شبکه عصبی با الگوریتم ممتیک برای داده کاوی بیماری کلیوی

سفارش انجام پروژه داده کاوی تشخیص بیماری کلیوی به کمک روش های شبکه ی عصبی و الگوریتم ممتیک:

کلیه یکی از اندام‌های درونی بدن انسان و برخی دیگر از جانداران است. کار کلیه تصفیه خون از مواد زائد و دفع متابولیت‌های بدن می‌باشد جالب است بدانید انسان می‌تواند با ۲۰٪ کلیه‌هایش زندگی نسبتاً سالمی داشته باشد. کلیه نقش مهمی در دفع مواد زائد و تعادل آب و الکترولیتها در بدن دارد. نارسایی حاد کلیوی در اثر تخریب کلیه‌ها پدید می‌آید و با فقدان سریع عملکرد کلیوی مشخص می‌شود. این بیماری منجر به ناهنجاری‌های الکترولیتی و بر پایه اسید و احتباس فراورده‌های زاید نیتروژنی از قبیل اوره و کراتینین می‌گردد. برای مطالعه جزییات بیشتر در مورد کلیه و بیماری های آن کلیک کنید.

در این پروژه، با استفاده از تلفیق روش های شبکه ی عصبی (neural network) و الگوریتم ممتیک (memetic algorithm)، مجموعه داده های مربوط به بیماری کلیوی مورد بررسی قرار گرفته است. نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.

  • شریف پژوه

انجام پروژه بهبود یادگیری عمیق با الگوریتم رقابت استعماری برای شناسایی اعداد دست نویس

سفارش انجام پروژه بهبود یادگیری عمیق با الگوریتم رقابت استعماری برای شناسایی اعداد دست نویس:

 

در این پروژه، با استفاده از تلفیق روش های یادگیری عمیق (Deep Learning) و الگوریتم رقابت استعماری (Imperialist competitive 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.

  • شریف پژوه

سفارش انجام پروژه پیش بینی قیمت سهام با تلفیق روش های درخت تصمیم و الگوریتم هارمونی

سفارش انجام پروژه پیش بینی قیمت سهام با تلفیق روش های درخت تصمیم و الگوریتم هارمونی:

 

در این پروژه، با استفاده از تلفیق روش های درخت تصمیم (decision tree) و الگوریتم هارمونی (Harmony algorithm)، مجموعه داده های مربوط به پیش بینی قیمت سهام مورد بررسی قرار گرفته است. نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.

  • شریف پژوه

بهینه سازی ساختار شبکه عصبی با الگوریتم بهینه سازی ازدحام ذرات برای داده کاوی بیماری دیابت

سفارش انجام پروژه داده کاوی تشخیص بیماری دیابت به کمک روش های شبکه ی عصبی و الگوریتم بهینه سازی ازدحام ذرات:

دیابت یا بیماری قند یک اختلال سوخت و سازی (متابولیک) در بدن است. در این بیماری توانایی تولید هورمون انسولین در بدن از بین می‌رود یا بدن در برابر انسولین مقاوم شده و بنابراین انسولین تولیدی نمی‌تواند عملکرد طبیعی خود را انجام دهد. نقش اصلی انسولین پایین آوردن قند خون توسط سازوکارهای مختلف است. دیابت دو نوع اصلی دارد. در دیابت نوع یک، تخریب سلول‌های بتا در پانکراس منجر به نقص تولید انسولین می‌شود و در نوع دو، مقاومت پیش رونده بدن به انسولین وجود دارد که در نهایت ممکن است به تخریب سلول‌های بتای پانکراس و نقص کامل تولید انسولین منجر شود. برای مطالعه جزییات بیشتر در مورد بیماری دیابت کلیک کنید.

در این پروژه، با استفاده از تلفیق روش های شبکه ی عصبی (neural network) و الگوریتم بهینه سازی ازدحام ذرات (particle swarm optimization algorithm)، مجموعه داده های مربوط به بیماری دیابت مورد بررسی قرار گرفته است. نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.

  • شریف پژوه

پیاده سازی مقاله: ترکیبی از الگوریتم سیاه چاله با الگوریتم تبرید تدریجی

پیاده سازی مقاله: ترکیبی از الگوریتم سیاه چاله با الگوریتم تبرید تدریجی

چکیده:

امروزه اغلب مسائل بهینه سازی از نوع مسائل NP-hard هستند. از جمله راه حل های موجود در برخورد با این گونه مسائل، استفاده از الگوریتمهای تقریبی یا ابتکاری است. الگوریتم سیاه چاله (BH) یک روش ابتکاری جدید است که از پدیده سیاه چاله طبیعی الهام گرفته شده است، این الگوریتم سرعتی بالا و ساختاری ساده برای پیاده سازی دارد ولی در جستجوی محلی ضعیف عمل میکند. بنابراین در این مقاله ترکیبی از الگوریتم BH و الگوریتم تبرید تدریجی (SA) با نام BH-SA معرفی می شود. ما از الگوریتم SA برای بهبود جستجوی محلی و فرار از بهینه محلی استفاده کرده ایم. روش پیشنهادی بر روی تعدادی تابع محک رایج، مورد آزمایش قرار گرفته است. نتایج آزمایش ها نشان می دهد که روش پیشنهادی از دقت بالاتری در رسیدن به جواب بهینه سراسری برخوردار است. به عنوان مثال پاسخ حاصل از میانگین گیری 20 بار اجرای الگوریتم پیشنهادی روی تابع Griewank، نشان می دهد که خطای نسبی روش پیشنهادی 69.44 برابر کمتر از روش BH پایه است.
  • شریف پژوه

پیاده سازی مقاله: استفاده از سیستم تکاملی ایمنی مصنوعی برای امنیت شبکه های کامپیوتری

پیاده سازی مقاله: استفاده از سیستم تکاملی ایمنی مصنوعی برای امنیت شبکه های کامپیوتری

چکیده:

سیستم ایمنی بدن ،یک سیستم محاسباتی جالب و کارا برای بسیاری از کاربردها در زمینه مهندسی وبخصوص تشخیصنفوذ است این سیستم دفاعی بر اساس عامل ،بصورت توزیع شده و خود تطبیق است که بر اساس یک معماری لایه ای وسلسله مراتبی عمل می کند. در این مقاله ابتدا عناصرمعماری سیستم های های تشخیص ویروس که شامل چهار قسمتتبدیل داده ،ایجاد و تشخیص ویروس و شناسایی سلول های حافظه می باشد با تمرکز بر عناصر شبکه های کامپیوتریبیان شده است.سپس چند نمونه سیستم ایمنی مصنوعی برای امنیت شبکه را مورد بررسی قرار داده ایم. از جمله سیستمایمنی فورست که فقط ترافیک TCP/IP را در یک شبکه محلی مانیتور میکند . در انتها با توجه به ویژگی های الگوریتمهای هوش محاسباتی نتیجه گیری و پیشنهاداتی برای استفاده موثر از این الگوریتم ها بیان شده اند.

  • شریف پژوه

بهینه سازی ساختار شبکه عصبی با الگوریتم ژنتیک برای داده کاوی مشکلات ارتوپدی

سفارش انجام پروژه داده کاوی تشخیص مشکلات ارتوپدی به کمک روش های شبکه ی عصبی و الگوریتم ژنتیک:

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 ژنتیک (genetic algorithm)، 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.

  • شریف پژوه

پیاده سازی مقاله: شناسایی و رتبه بندی موانع موثر بر عدم استفاده معلمان از فناوری اطلاعات و ارتباطات

پیاده سازی مقاله: شناسایی و رتبه بندی موانع موثر بر عدم استفاده معلمان از فناوری اطلاعات و ارتباطات

چکیده:

چکیده: کارکردهای متعدد و متنوع فناوری اطلاعات و ارتباطات تمامی سازمان ها و از جمله نظام آموزشی را دچار تغییر و تحولات اساسی کرده اند؛ اما به نظر می رسد آن چنان که شایسته است فناوری اطلاعات و ارتباطات در نظام آموزشی مورد استفاده معلمان قرار نمی گیرد، از این رو هدف پژوهش توصیفی حاضر، شناسایی و رتبه بندی موانع موثر بر عدم استفاده معلمان از فناوری اطلاعات و ارتباطات (فاوا) بوده است که جهت تحقق این امر، پرسش نامه محقق ساخته ای میان معلمان دبیرستان های شهر تهران توزیع و داده های گردآوری شده با استفاده از آزمون های تی و فریدمن تحلیل شدند، نتایج حاکی از آن است که مهم ترین موانع عدم استفاده از فناوری اطلاعات و ارتباطات توسط معلمان، عوامل زیرساختی - فنی، فردی، اقتصادی و فرهنگی - آموزشی بوده اند که متناسب با هر یک پیشنهادهایی ارایه شده است.
  • شریف پژوه

پیاده سازی مقاله: آموزش شبکه عصبی مصنوعی چند لایه مبتنی بر الگوریتم خفاش اصلاح شده

پیاده سازی مقاله: آموزش شبکه عصبی مصنوعی چند لایه مبتنی بر الگوریتم خفاش اصلاح شده

چکیده:

کارایی شبکه عصبی مصنوعی وابسته به وزن اتصالات بین نرون های آن است که از طریقالگوریتم های آموزش شبکه تعیین می شوند. در این مقاله، ما الگوریتم خفاش اصلاح شده(MBA) را جهت محاسبه مقدار بهینه وزن های شبکه عصبی مصنوعی پیشنهاد می دهیم. الگوریتمخفاش (BA) یک الگوریتم بهینه سازی الهام گرفته از طبیعت است که به علت برقراری تعادلیمناسب بین نرخ همگرایی و قدرت اکتشاف، عملکرد نسبتاً خوبی در حل مسائل بهینه سازی از خودنشان داده است. MBA با تغییراتی در تولید جمعیت اولیه BA بدست می آید که باعث می شودقابلیت جستجوی سراسری در الگوریتم بصورت موثری افزایش یابد. جهت ارزیابی، عملکردالگوریتم BA, MBA و الگوریتم مبتنی بر گرادیان لونبرگ مارکارد را در آموزش شبکه عصبیبا آزمایشاتی بر روی دو مجموعه داده محک شناخته شده خانه بوستون (Boston Housing) وفریدمن (Friedman) بررسی کرده ایم. نتایج نشان داده است که بطور کلی MBA در مقایسه باالگوریتم BA از کارایی بهتری برخوردار می باشد؛ همچنین، دو الگوریتم MBA و BA نسبت بهالگوریتم مبتنی بر گرادیان لونبرگ مارکارد دارای قابلیت تعمیم بهتری در مجموعه داده خانهبوستون می باشند.

  • شریف پژوه

پیاده سازی مقاله: بهینه سازی تخصیص منابع در رایانش ابری با استفاده از الگوریتم ارزیابی چندهدفه

پیاده سازی مقاله: بهینه سازی تخصیص منابع در رایانش ابری با استفاده از الگوریتم ارزیابی چندهدفه

چکیده:

توسعه سریع‌ استفاده از رایانش ابری منجر به انتشار مراکزداده مختلفی در سراسر جهان شده است که این افزایش تعداد مراکزداده، تعداد منابع با عملکرد مشابه ولی مشخصات مختلف را افزایش داده است، همچنین از آنجایی که منابعی که به صورت مستقل توسعه داده شده‌اند ممکن است همیشه با هم سازگاری نداشته باشند، حال پیش بینی همه منابع مورد نیاز، انتخاب منابع بهینه و ترکیب این منابع، چالش‌های مطرح در این مساله خواهند بود. بنابراین انتخاب منبع ساده و مناسب و بهینه برای ترکیب با یکدیگر برای پاسخگویی درخواست های بزرگ، یکی از مهمترین مشکلات در تخصیص منابع ابری می‌باشد. تاکنون کارهای زیادی روی تخصیص منابع در ابر صورت گرفته است و در هر روش معیارهای متفاوتی نظیر اطمینان پذیری، توان مصرفی، کارایی، دسترس پذیری بررسی گردیده است. اما در کارهای گذشته چندین معیار با یکدیگر بررسی نشده اند و در واقع انتخاب منابع بر اساس یک یا دو معیار بوده است. ما در این پایان نامه قصد داریم تا تخصیص منابع را بر اساس ترکیبی از چهار معیار دسترس پذیری، اطمینان پذیری، هزینه و ترافیک بررسی کنیم تا بتوانیم با توجه به معیارهای مهم برای کاربر بهترین منابع را برای وی انتخاب کنیم و به وی پیشنهاد دهیم. با توجه به اینکه می خواهیم چندین معیار را برای انتخاب منابع بهینه درنظر بگیریم، نیاز است تا از الگوریتم های ارزیابی چندهدفه استفاده نماییم. استفاده از رویکرد پیشنهادی، سبب افزایش میزان رضایت‌مندی کاربران از فراهم کنندگان ابری و در نتیجه افزایش سودآوری برای ارائه دهندگان ابری خواهد شد. ارائه دهند‌گان منابع ابری از جمله: مایکروسافت، گوگل، آمازون و... می توانند با بهره‌گیری از رویکرد پیشنهادی، نیازهای کاربران را با توان بیشتری پاسخ دهند.
  • شریف پژوه

پیاده سازی مقاله: کاربرد الگوریتم رقابت استعماری در پیش بینی ورشکستگی

پیاده سازی مقاله: کاربرد الگوریتم رقابت استعماری در پیش بینی ورشکستگی

چکیده:

هدف بررسی کارایی الگوریتم رقابت استعماری در پیش بینی ورشکستگی بوده، در این مطالعه با بررسی برخی از داده های مرتبط با ورشکستگی، صورت های مالی شرکت های موجود در بازار بورس ایران و با مشاهده تجربی و تجارب پژوهش های گذشته به انتخاب متغیرهای اصلی در پیش بینی ورشکستگی پرداخته شده، سپس به دلیل انطباق بیشتر مدل با واقعیت، با توجه به ارتباط داده های متغیرهای اصلی با دیگر داده های در دسترس، به انتخاب متغیرهای فرعی پرداخته شده است. 6 متغیر اصلی و 18 متغیر فرعی اولیه، برای شرکت های نمونه ورشکسته با سه معیار ورشکستگی و برای شکرتهای نمونه غیر وزشکسته با انتخابی تصادفی، استخراج گشته است. معیارهای تعیین ورشکستگی با توجه با نگاهی فرآیندی برگزیده شده اند، معیار اول ماده 141 قانون تجارت و معیار دوم، معیار نسبت بدهی به دارایی ها می باشد، معیار سوم که در آن نسبت جمع حقوق صاحبان سهام به ارزش اسمی سهام، معیار تشخیص ورشکستگی است برای پوشش انتقادهای وارده به این معیار لحاظ گردیده است، به این صورت که اگر این نسبت کمتر از یک باشد شرکت ورشکسته تلقی می گردد. بازه زمانی انتخاب نمونه سال 1389 بوده و بازه رمانی استخراج داده ها سال های 1387 تا 1389 بوده است. تجزیه و تحلیل آماری روی این متغیرها منجر به حذف بعضی از آنها در معیارهای مختلف گشته و مدلی با بهره گیری از الگوریتم رقابت استعماری، متغیرهای اصلی و متغیرهای فرعی برای هر یک از سه معیار، طراحی و ارائه شده است که به نقطه آغازین وابسته نیست از این رو دسته بندی اولیه متغیرهای اصلی و فرعی تاثیری رخروجی مدل ندارد. مدل با استفاده از اطلاعات شرکت های ورشکسته و شرکت های غیر ورشکسته ارزیای شده و نتایج نشان میدهد که ورشکستگی را می توان با دقت نسبتا بالایی با مدل حاصل پیش بینی نمود.
  • شریف پژوه

بهینه سازی ساختار شبکه عصبی با الگوریتم جستجوی فاخته برای داده کاوی سرطان

سفارش انجام پروژه داده کاوی تشخیص سرطان به کمک روش های شبکه ی عصبی و الگوریتم جستجوی فاخته:

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 تلفیق روش های شبکه ی عصبی (neural network) و الگوریتم جستجوی فاخته (Cuckoo search)، مجموعه داده های مربوط به سرطان مورد بررسی قرار گرفته است. نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.

  • شریف پژوه

بهینه سازی شبکه عصبی با الگوریتم کلونی زنبور عسل برای پیش بینی ورشکستگی

سفارش انجام پروژه پیش بینی ورشکستگی به کمک روش های شبکه ی عصبی و الگوریتم کلونی زنبور عسل:

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 کلونی زنبور عسل (Artificial bee colony 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.

  • شریف پژوه

بهینه سازی ساختار شبکه عصبی با الگوریتم هارمونی برای داده کاوی پیش بینی نقص در ماژول های نرم افزاری

سفارش انجام پروژه داده کاوی پیش بینی نقص در ماژول های نرم افزاری به کمک روش های شبکه ی عصبی و الگوریتم جستجوی هارمونی:

با توجه به اهمیت نقش نرم‌افزارها در زندگی جوامع امروزی، تحقیقات پیرامون کیفیت نرم‌افزار در سال‌های اخیر، گسترش زیادی داشته است. خطاهای پیش‌بینی نشده ی نرم‌افزاری هزینه‌های زیادی را مصرف کننده ها، تحمیل می‌کند. بنابراین، تحقیقات حوزه ی نرم افزار، بر روی تولید سیستم‌های با کیفیت بالا متمرکز شده‌اند. مهم ترین مولفه در سیستم نرم‌افزاری، قابلیت اطمینان است. تعداد خرابی در زمان اجرای نرم‌افزار باید حداقل شود تا بتوان به قابلیت اطمینان مناسبی حاصل شود.

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 پیش بینی نقص در ماژول های نرم افزاری مورد بررسی قرار گرفته است. نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.

  • شریف پژوه

بهینه سازی ساختار شبکه عصبی با الگوریتم جستجوی هارمونی برای داده کاوی سرطان

سفارش انجام پروژه داده کاوی تشخیص سرطان به کمک روش های شبکه ی عصبی و الگوریتم جستجوی هارمونی:

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 تلفیق روش های شبکه ی عصبی (neural network) و الگوریتم جستجوی هارمونی (harmony search algorithm)، مجموعه داده های مربوط به سرطان مورد بررسی قرار گرفته است. نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.

  • شریف پژوه

بهینه سازی ساختار شبکه عصبی با الگوریتم بهینه سازی ازدحام ذرات برای داده کاوی مشکلات ارتوپدی

سفارش انجام پروژه داده کاوی تشخیص مشکلات ارتوپدی به کمک روش های شبکه ی عصبی و الگوریتم بهینه سازی ازدحام ذرات:

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 بهینه سازی ازدحام ذرات (particle swarm optimization algorithm)، 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.

  • شریف پژوه

پروژه بهبود فرآیند تشخیص نفوذ با تلفیق روش های درخت تصمیم و الگوریتم تکامل تفاضلی

سفارش انجام پروژه تشخیص نفوذ در شبکه های کامپیوتری با تلفیق روش های درخت تصمیم و الگوریتم تکامل تفاضلی:

 

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 درخت تصمیم (decision tree) و الگوریتم تکامل تفاضلی (Differential evolution algorithm)، 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.

  • شریف پژوه

سفارش پروژه پیش بینی نرخ جرم و جنایت با تلفیق روش های درخت تصمیم و الگوریتم رقابت استعماری

سفارش انجام پروژه پیش بینی نرخ جرم و جنایت با تلفیق روش های درخت تصمیم و الگوریتم رقابت استعماری:

 

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 رقابت استعماری (Imperialist competitive 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.

  • شریف پژوه
موضوعات
Archive