1- مقایسه کارایی طبقه بندی های مختلف متن برای عقیده کاوی در نقد کالا

2-کمی سازی گرایش احساسی نظرات متنی فارسی مشتریان بر روی کالای مشتریان بر روی ویژگی های کالا

3- مقایسه کارایی طبقه بندی های مختلف متن برای عقیده کاوی در نقد کالا

4-افزایش هوش تجاری براساس تحلیل عقاید در نقدهای فارسی

چکیده :

با گسترش تجارت الکترونیک و سیستمهای مدیریت درخواست مشتری، روزانه حجم عظیمی از دادههای متنی توسط کاربران بهطور مستقیم و غیرمستقیم تولید میشود. این دادههای متنی ارزش اطالعاتی بسیار باالیی دارند و واضح و بدیهی است که بررسی تمامی آنها بهطور دستی توسط انسان سخت و دشوار و در برخی موارد غیرممکن است. از طرفی خریداران یک محصول و حتی مدیران نیاز دارند تا اطالعات جامع و کارآمدی که حاصل تمامی نظرات داده شده است را مشاهده نمایند تا بتوانند در کوتاهترین زمان تصمیم درستی در خصوص کمیت و کیفیت در راستای گسترش خرید و یا فروش آن محصول اتخاذ نمایند. بررسی نتایج نشان میدهد که 11 %کاربران اینترنت قبل از خرید یک محصول یا خدمات راجع به آن جستجو نمودهاند و دیگر نظرات را مطالعه کردهاند. لذا در دهه اخیر، حوزه تحلیل احساست، نگاه بسیاری از محققان حوزه صنعت و دانشگاه را به خود معطوف کرده است اما متأسفانه بسیاری از این پژوهشها مختص زبان انگلیسی بوده و کارهای بسیار کمی در زبان فارسی صورت پذیرفته است. در این مقاله به ارائه چارچوبی خواهیم پرداخت که میتواند با استفاده از متون نقد کاربران در زبان فارسی قطبیت آن را پیشبینی نموده و ویژگیهای مورد نقد را استخراج نماید. در این راستای، ابتدا در مرحله پیشپردازش دادهها با جداسازی کلمات و جمالت، و ریشهیابی کلمات، اطالعات موردنیاز از نقدها استخراج شده و در گام بعدی با استفاده از مدل SVM نظرات و عقیده کاربران در مورد یک محصول و ویژگیهای آن طبقهبندی نمودیم. در پایان نیز مدل آموزش داده شده توانست با سرعت و دقت باالیی قطبیت نقدهای نوشته شده کاربران را بهدرستی پیشبینی نماید.

 

واژگان كلیدی: هوش تجاری، تحلیل احساسات، عقیده کاوی، پردازش زبان طبیعی، مدل SVM

5-مروری بر رویکردهای ارائه شده در نظرکاوی

چکیده:

به طور کلی، عقیده کاوی و تجزیه و تحلیل احساسات کمک می کند تا شرکت ها و ارائه دهندگان خدمات عقاید و احساسات مشتریان و کاربران خود را بدانند و بر اساس نیازهای مشتریان و کاربران محصوالت و خدمات خود را ارائه دهند. رایت در ]21 ] ادعا می کند که "برای بسیاری از کسب و کار ها، عقیده کاوی آنالین، یک نوع ارز مجازی است که می تواند باعث شکست یا موفقیت یک محصول در بازار شود.". از طرفی این حوزه یکی از برترین عالیق دانشمندانی مانند روانشناسان اجتماعی را تشکیل می دهد، طوری که در برخی منابع عقیده کاوی را باز شدن پنجره ای به روی تفکر روانی و واکنش آنالین جوامع می دانند. این مسئله به مطالعه و درک اذهان عمومی در جوامع در زمان های خاص )در مورد موضوعات خاص موجود در جامعه( کمک می کند. به عنوان مثال، عقیده کاوی می تواند برای تحلیلگران سیاسی در پیش بینی نتایج انتخابات استفاده داشته باشد.

کلمات کلیدی:عقیده ، عقیده کاوی ، آنتولوژی ، آنتروپی ، یادگیری ماشین ، احساسات ، شبکه عصبی ، زبان شناسی

 

:: برچسب‌ها: عقیده , عقیده کاوی , آنتولوژی , یادگیری ماشین , احساسات , شبکه عصبی , زبان شناسی , پردازش زبان طبیعی , هوش تجاری , تحلیل احساسات ,
:: بازدید از این مطلب : 85

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

اصل و ترجمه مقاله کنترل هوشمند کشتی با استفاده از شبکه عصبی و منطق فازی و ژنتیک الگوریتم

عنوان انگلیسی مقاله :

A Genetically Optimized Fuzzy Neural Network for Ship Controllers

A Genetically Optimized Fuzzy Neural Network for Ship Controllers

عنوان فارسی مقاله :

یک شبکه عصبی فازی ژنتیکی بهینه شده برای کنترل کشتی 

سال انتشار : 2006

کیفیت ترجمه : B

چکیده انگلیسی :

Abstract-A novel approach has been promoted for fuzzy neural ship controllers. An RBF neural network and GA optimization are employed in a fuzzy neural controller to deal with the nonlinearity, time varying and uncertain factors. Utilizing the designed network to substitute the conventional fuzzy inference, the rule base and membership functions can be auto-adjusted by GA optimization. The parameters of neural network can be decreased by using union-rule configuration in the hidden layer of the network. The performance of controller is evaluated by the system simulation conducted with Simulink tools, by which satisfied results have been obtained

.Index Terms- RBF network. Fuzzy control. Genetic algorithm. Union rule. Ship control

چکیده فارسی :

چکیده - منطق فازی عصبی، رویکردی جدید برای کنترل کشتی ها است. یک شبکه عصبی RBF و بهینه سازی GA در یک کنترل عصبی فازی به کار برای مقابله با غیرخطی، زمان های مختلف و عوامل نامشخص است. با استفاده از شبکه طراحی شده به جای استنتاج فازی معمولی، پایگاه قوانین و توابع عضویت می تواند به صورت خودکار توسط بهینه سازی GA تنظیم شود. پارامترهای شبکه عصبی را می توان با استفاده از تنظیمات مجموعه قوانین در لایه مخفی از شبکه کاهش داد. نتایج رضایت بخشی از عملکرد کنترل کننده های شبیه سازی سیستم، که توسط ابزار سیمولینک انجام می گردد دست آمده است. 

     

کلمات کلیدی : کنترل فازی. الگوریتم ژنتیک. مجموعه قوانین. کنترل کشتی.        

:: برچسب‌ها: رشته کامپیوتر , رشته برق , مقاله ترجمه شده , Fuzzy Neural Network , کنترل هوشمند فرمان کشتی , کنترل هوشمند کشتی , شبکه عصبی , الگوریتم منطق فازی , الگوریتم ژنتیک , Fuzzy Neural Network , منطق فازی ,
:: بازدید از این مطلب : 73

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

اثر انگشت یکی از قدیمی ترین روش ها برای شناسایی هویت افراد است.

در این پروژه که در برنامه MATLAB پیاده سازی و اجرا شده است، تشخیص اثر انگشت به کمک تکنولوژی TDNN مورد تحلیل و اجرا قرار گرفته است.

این پروژه از روی 3 مقاله مرجع که در پایگاه های اینترنتی و علمی معتبر(نظیر السویر،ساینس دایرکت و ...) انتشار یافته شده اند پیاده سازی شده است.شما می توانید این 3 مقاله را از طریق این لینک به صورت رایگان دریافت کنید.لازم به ذکر است فایل پی دی اف این مقاله که رایگان بر روی وبسایت ما قابل دریافت است در سایت های دیگر به رایگان قابل دسترسی نیست.برای دریافت اطلاعات بیشتر در مورد این برنامه ابتدا مقالات منتشر شده را مطالعه و سپس برای دریافت فایل اوپن سورس پروژه بر روی دکمه خرید کلیک نمایید. توجه داشته باشید کیفیت و قیمت این پروژه رقابتی و در سراسر محیط نت بی رقیب می باشد.

:: برچسب‌ها: شبکه عصبی , پردازش تصاویر , اثرانگشت , TDNN , فروش پروژه , تشخيص اثر انگشت با شبكه عصبی ART , تكنيكهای پردازش تصوير با نرم افزار , MATLAB , تشخیص اثرانگشت پروژه آماده , پروژه پیاده سازی شده برنامه نویسی ,
:: بازدید از این مطلب : 49

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

اثر انگشت یکی از قدیمی ترین روش ها برای شناسایی هویت افراد است.

در این پروژه که در برنامه MATLAB پیاده سازی و اجرا شده است، تشخیص اثر انگشت به کمک تکنولوژی TDNN مورد تحلیل و اجرا قرار گرفته است.

این پروژه از روی مقاله "استفاده از شبکه عصبی تاخیر زمانی(TDNN) در استخراج مشخصات اثرانگشت" که از طریق این لینک به صورت رایگان قابل دریافت است، پیاده سازی شده است.لازم به ذکر است فایل پی دی اف این مقاله که رایگان بر روی وبسایت ما قابل دریافت است در سایت های دیگر به رایگان قابل دسترسی نیست.برای دریافت اطلاعات بیشتر در مورد این برنامه ابتدا مقاله فارسی منتشر شده را مطالعه و سپس برای دریافت فایل اوپن سورس پروژه بر روی دکمه خرید کلیک نمایید. توجه داشته باشید کیفیت و قیمت این پروژه رقابتی و در سراسر محیط نت بی رقیب می باشد.

:: برچسب‌ها: شبکه عصبی , پردازش تصاویر , اثرانگشت , TDNN , فروش پروژه , تشخيص اثر انگشت با شبكه عصبی ART , تكنيكهای پردازش تصوير با نرم افزار , MATLAB , تشخیص اثرانگشت پروژه آماده , پروژه پیاده سازی شده برنامه نویسی ,
:: بازدید از این مطلب : 80

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

تعیین هویت مخاطب مستقل از متن کارآمد از طریق مدل ترکیبی ساختاری گاوس و شبکه های عصبی
چکیدهچکیده – ما سیستم مرکبی را در ارتباط با مدل ترکیبی گاوس (SGMM) و شبکه های عصبی برای دستیابی به راندمان محاسباتی و صحت بالا در ارتباط با تعیین هویت مخاطب ارائه می دهیم. یک مدل ساختاری پیشینه (SBM) در ابتدا از طریق طبقه بندی زنجیره ای تمام اجزای ترکیبی گاوس در ارتباط با این مدل ایجاد می گردد. به این ترتیب ، یک فضای صوتی به مناطق مختلف در سطوح مختلف بخش بندی می گردد. در ارتباط با هر یک از این اهداف ، مدل SGMM از طریق فرایندهای چند سطحی MAP از طریق SBM ایجاد می گردد. در هنگام تست ، تنها شاخه هایی از اجزای ترکیبی گاوس در ارتباط با این ویژگی ها مورد محاسبه قرار می گیرند تا هزینه های محاسباتی را به طور قابل توجهی کمتر کنند. علاوه بر این موارد مورد محاسبه شده در لایه های مدل درختی مختلف ، برای تصمیم گیری نهایی با شبکه های عصبی ترکیب می گردند. پیکره بندی های متفاوتی در ارتباط با این بررسی ها بر روی اطلاعات حاصل از گفتگوهای تلفنی مورد استفاده در ارزیابی NIST انجام می گیرد. نتایج حاصل از این بررسی ها نشان می دهد که کاهش محاسباتی با استفاده از فاکتور 17 از طریق 5 درصد کاهش نسبی در نرخ اشتباهات در مقایسه با خطوط اصلی مد نظر قرار می گیرد.  روش SGMM-SBM مزایایی را در ارتباط با آمیزش GMM نشان می دهد ، که شامل ، سرعت بالاتر و عملکردهای بهتر می باشد.عبارات کلیدی ،  طبقه بندی گاوس ، شبکه عصبی ، تعیین هویت مخاطب ، مدل ترکیبی گاوس.

:: برچسب‌ها: طبقه بندی گاوس , شبکه عصبی , تعیین هویت مخاطب , مدل ترکیبی گاوس , مدل ترکیبی ساختاری گاوس , SGMM , SBM , مدل ساختاری پیشینه , NIST , SGMM-SBM , مقاله انگلیسی کامپیوتر با ترجمه فارسی , مقاله انگلیسی کامپیوتر با ترجمه , مقاله انگلیسی کامپیوتر , Efficient Text-Independent Speaker Verification , Structural Gaussian Mixture Models , Neural Network ,
:: بازدید از این مطلب : 57

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

پیش بینی تقاضای انرژی الکتریکی با روش شبکه عصبی

:: برچسب‌ها: پیش بینی تقاضا , الکتریکی , شبکه عصبی ,
:: بازدید از این مطلب : 60

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

شبکه های عصبی مصنوعی جزء سیستم های دینامیکی هوشمندی هستند که با پردازش روی داده های تجربی ، دانش یا قانون نهفته  در ورای داده ها را به ساختار شبکه منتقل می کنند . به همین خاطر « هوشمند » هستند چون بر اساس محاسبات  روی داده های عددی یا مثال ها ، قوانین کلی را استخراج کرده و یاد گرفته اند .

:: برچسب‌ها: الگوریتم شبکه عصبی , شبکه عصبی , الگوریتم الهام گرفته از طبیعت , هوش گروهی , بهینه سازی بر اساس جمعیت , الگوریتم بهینه سازی , الگوریتم برای ارائه , تحقیق , پاورپوینت تحقیق , الگوریتم برای تحقیق , طراحی الگوریتم ,
:: بازدید از این مطلب : 102

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

در اين تحقيق داده كاوي مورد بحث قرار مي گيرد . علل استفاده از داده كاوي و منابعي كه داده كاوي بر روي آنها اعمال مي شود ,علاوه بر اين خلاصه اي از روشهاي رايج داده كاوي ارائه شده است . تكنيكهاي داده كاوي و قوانين وابستگي و الگوريتمهاي موجود (Apriori , Aprior TID, Partition, Eclat ,Max Eclat , Vector ) و الگوريتم با ساختار  Trie وfp grow و الگوريتمهاي كاهشي مورد بررسي قرار مي گيرند و در هر مورد مثالها , موارد كاربرد ,تكنيكها و نقاط قوت و ضعف  مورد بررسي قرار گرفته اند.

فهرست :

چکیده

مقدمه

کشف دانش در پایگاه داده

آیا داده کاوی برای حل مسائل ما مناسب است؟

جمع آوری داده ها

بکارگیری نتایج

استراتژیهای داده کاوی

پیش گویی Perdiction

Unsupervised Clustering دسته بندی بدون کنترل

تکنیکهای داده کاوی تحت کنترل

شبکه عصبی

برگشت آماری

قوانین وابستگی

الگوریتم  Apriori

الگوریتم Aprior TID

الگوریتم partition

الگوریتم های MaxEclat,Eclat

الگوریتم با ساختار trie

الگوریتم fp-grow

ساخت fp- tree

Fp-tree شرطی

الگوریتم برداری

نگهداری قوانین وابستگی

الگوریتم کاهشی

:: برچسب‌ها: دانلود تحقیق و مقاله نگاهی بر داده کاوی و کشف قوانین وابستگی (فرمت فایل Word ورد) تعداد صفحات 22 , مقاله نگاهی بر داده کاوی , داده کاوی و کشف قوانین وابستگی , داده کاوی , نقش داده کاوی , کشف دانش در پایگاه داده , آیا داده کاوی برای حل مسائل ما مناسب است , حل مسائل به کمک داده کاوی , جمع آوری داده ها , بکارگیری نتایج , استراتژیهای داده کاوی , به کار گیری نتایح در داده کاوی , پیش گویی Perdiction , Unsupervised Clustering , Unsupervised Clustering دسته بندی بدون کنترل , دسته بندی بدون کنترل , تکنیکهای داده کاوی تحت کنترل , شبکه عصبی , برگشت آماری , قوانین وابستگی , الگوریتم Apriori , الگوریتم Aprior TID , الگوریتم partition , الگوریتم های MaxEclat و Eclat ,
:: بازدید از این مطلب : 72

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

قالب مقاله: PDF

قالب ترجمه: WORD

عنوان مقاله فارسی: یک شبکه عصبی بهبود یافته برای طبقه بندی خطا های خط انتقال

عنوان مقاله انگلیسی: An Improved Neural Network Algorithm for

Classifying the Transmission Line Faults

چکیده- این مطالعه یک مفهوم جدید از الگوریتم مصنوعی مبتنی بر هوش برای طبقه بندی خطاها در شبکه های سیستم قدرت معرفی می کند.این طبقه بندی منطقه و نوع دقیق خطا را شناسایی می کند. این الگوریتم بر مبنای نوع منحصر به فرد شبکه عصبی به خصوص توسعه یافته به منظور برخورد کردن با مجموعه بزرگی از دیتای ورودی ابعاد بالایی. بهبود الگوریتم توسط پیاده سازی مراحل مختلف پردازش سیگنال ورودی، از طریق انتخاب پارامترها برای فیلترینگ آنالوگ، و مقادیر برای پنجره دیتا و فرکانس نمونه برداری ارائه شده است. علاوه بر این، یک روش پیشرفته برای طبقه بندی الگوهای تست مورد بحث قرار گرفته است و مقایسه مزایای اصلی با نزدیکترین طبقه بندی همسایه قبلی استفاده شده  نمایش داده شده است.

کلید واژه ها – روش خوشه بندی، الکترومغناطیس گذرا، شبکه های عصبی، دسته بندی الگو، خطاهای سیستم قدرت، رله های حفاظتی، آموزش.

:: برچسب‌ها: شبکه عصبی , شبکه , عصبی , الگوریتم , الگو , رله حفاظتی , آموزش ,
:: بازدید از این مطلب : 97

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

---

:: برچسب‌ها: شبکه عصبی , شبکه عصبی؛ الگوریتم ژنتیک؛ پیش¬بینی؛ تقاضا؛ انرژی , الگوریتم ژنتیک , پیش بینی تقاضا , انرژی ,
:: بازدید از این مطلب : 134

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

این فایل شامل یک گزارش کارآموزی کامل می باشد.
در پیش نمایش فایل فهرست عناوین و مقدمه ذکر شده است.
موضوع کار شده در کارآموزی کاملا جدید و نو می باشد و به هیچ وجه تکراری نیست
این گزارش را برای دانشجوهای مهندسی برق و الکترونیک و مخابرات همچنین مهندسی کامپیوتر گرایش های نرم افزار و سخت افزار و علوم شناختی مناسب می باشد.
به غیر از محتوای گزارش که برای واحد درسی کارآموزی است این گزارش شامل ترجمه چند مقاله به همراه نتایج کارهای صورت گرفته در موضوع مورد بحث می باشد و از آن می توان برای شروع یک ایده بکر و نو برای پروژه های کارشناسی و ارشد استفاده نمود.

:: برچسب‌ها: گزارش کارآموزی , FPGA , شبکه عصبی , پردازش تصویر , علوم شناختی , بینایی , مغز انسان , هولوگرافی , جهان هولوگرافیک , VHDL ,
:: بازدید از این مطلب : 160

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

شبکه های عصبی آموزشی رقابتی پیشرفته در مورد تشخیص نفوذ در شبکه و شناسایی کلاهبرداریچکیدهدر این پژوهش، دو الگوریتم خوشه بندی جدید را معرفی می کنیم. شبکه اموزشی رقابتی پیشرفته (ICLN) و شبکه آموزشی رقابتی پیشرفته نظارتی (SICLN) که در زمینه تشخیص کلاهبرداری و تشخیص نفوذ شبکه در می باشند. شبکه اموزشی رقابتی پیشرفته (ICLN) به عنوان الگوریتم خوشه بندی غیرنظارتی می باشد، که قوانین جدیدی را برای شبکه های عصبی آموزشی رقابتی استاندارد (SCLN) اعمال می کند. نورون های شبکه در شبکه آموزشی رقابتی پیشرفته (ICLN)  برای ارائه مرکز داده توسط قوانین بروز شده تنبیه و پاداش جدید آموزش دیده اند. این قوانین بروز شده، بی ثباتی شبکه های عصبی آموزشی رقابتی استانداردSCLN)  ) را از بین می برند. شبکه آموزشی رقابتی یشرفته نظارتی (SICLN) به عنوان نسخه بازبینی شده شبکه اموزشی رقابتی پیشرفته (ICLN) می باشد . در SICLN (شبکه آموزشی رقابتی یشرفته نظارتی (SICLN) ، قوانین بروزرسانی شده نظارتی از دسته بندی داده برای هدایت مراحل آموزش برای دسترسی به نتایج خوشه بندی بهتر استفاده می کند. شبکه آموزشی رقابتی پیشرفته نظارت شده می تواند برای داده های دسته بندی شده و دسته بندی نشده اعمال شده و در سطح بالایی در برابر اتیکت های مفقودی و تاخیری مقاوم می باشد. علاوه بر این، شبکه آموزشی رقابتی یشرفته نظارتی (SICLN) دارای قابلیت بازسازی بوده، بنابراین کاملا مستقل از تعداد اولیه خوشه ها می باشد. برای ارزیابی الگوریتم های مورد نظر، به مقایسه عملی در مورد داده های تحقیق و داده های حقیقی در تشخیص کلاهبرداری و تشخیص نفوذ شبکه پرداختیم. نتایج اثبات می کند که هر دو مورد ICLN و SICLN به بایگانی عملکرد بالا می پردازند، و SICLN در الگوریتم های خوشه بندی غیرنظارتی سنتی عملکرد بهتری دارد. 
کلیدواژه: آموزش رقابتی، شناسایی کلاهبرداری، شناسایی نفوذ، خوشه بندی نظارتی/ غیر نظارتی، شبکه عصبی

:: برچسب‌ها: آموزش رقابتی , شناسایی کلاهبرداری , شناسایی نفوذ , خوشه بندی نظارتی , خوشه بندی غیرنظارتی , شبکه عصبی , ICLN , SICLN , شبکه اموزشی رقابتی پیشرفته , شبکه آموزشی رقابتی پیشرفته نظارتی , Improved competitive learning neural networks , Improved competitive learning neural , network intrusion , fraud detection , مقاله انگلیسی کامپیوتر با ترجمه فارسی , مقاله انگلیسی کامپیوتر با ترجمه , مقاله انگلیسی کامپیوتر ,
:: بازدید از این مطلب : 142

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0