سر خط نوشته

هوش مصنوعی

تخمین محتوای رطوبتی قطعات پاپایا حین خشک شدن در خشک‌ کن کابینتی با استفاده از ANFIS

پژوهش کارشناسی ارشدM.S.C. گروه علوم و صنایع غذایی امروزه روش هوش مصنوعی به خوبی پیشرفته شده است و به طور گسترده ای برای مدل سازی فرآیند خشک شدن محصولات کشاورزی و مواد غذایی استفاده می شود.. در این تحقیق، سیستم تلفیقی شبکه عصبی و منطق فازی (ANFIS) شامل سه ورودی (زمان خشک کردن، دمای خشک کردن و ضخامت قطعات) و یک خروجی (مقدار نسبت رطوبتی) طراحی شد و جهت بررسی کنتیک خشک شدن قطعات پاپایا مورد استفاده واقع شد. برای طراحی مدل ANFIS از توابع عضویت مثلثی (trimf) و ۲۷ قانون فازی استفاده شد. بعلاوه، از چهار مدل ریاضی مختص خشک کردن لایه نازک مواد غذایی رایج در منابع شامل نیوتن، پیج اصلاح شده، هندرسون و پابیس و ونگ و سینگ، جهت مدل سازی و همچنین مقایسه با روش ANFIS استفاده شد.. نتایج نشان داد که در بین مدل های ریاضی، مدل نیوتن نزدیک ترین داده ها را نسبت به داده های آزمایشگاهی پیش بینی کرد (R2 برابر با ۹۹۵۴/۰ و RMSE برابر با ۰۲۳۰/۰). مقدار بالای R2 (9967/0) و مقدار پائین RMSE (0161/0) دقت بالای تکنیک مدل سازی بر پایه هوش مصنوعی ANFIS را برای تخمین محتوای رطوبتی قطعات لایه نازک پاپایا نشان داد. بنابراین بر اساس نتایج می توان نتیجه گرفت که تخمین محتوای رطوبتی قطعات پاپایا با ANFIS با دقت بیشتری نسبت به مدل سازی ریاضی قابل انجام است.

ادامه مطلب »

استخراج قانون ارتباطی داده ها با حفظ حریم آنها با استفاده از هادوپ (Hadoop)

سمینار کارشناسی ارشد رشته مهندسی کامپیوتر هادوپ یک سیستم توزیعی محبوب و منبع باز بوده که می تواند داده های مقیاس بزرگ را پردازش کند. در این ضمن، استخراج داده ها یکی از تکنیک هایی است که برای پیدا کردن الگو و تقویت آگاهی از مجموعه های داده ها مورداستفاده قرار می گیرد، همچنین، زمانیکه با چارچوب هادوپ ترکیب شود، کاربردپذیری پردازش داده های کلان را بهبود می بخشد. درهرحال، استخراج داده ها تهدیداتی را حفظ حریم داده ها ایجاد می کند. اگرچه مطالعات زیادی برای حل این مشکل انجام شده است، اما این بررسی ها ناکافی بوده و دارای برخی عیوب ازجمله مصالحه بین کاربردپذیری داده ها و حفظ حریم آنها می باشد. در این تحقیق، ما بر روی تکنیک الگوریتم استخراج داده ها با حفظ حریم اطلاعات، بویژه الگوریتم استخراج قانون ارتباطی، تمرکز کردیم که یک الگوریتم معرف استخراج داده ها می باشد. ما یک روش جدید برای الگوریتم استخراج قانون ارتباطی در هادوپ با حفظ حریم داده ها پیشنهاد کردیم که از نقض حریم داده ها جلوگیری می کند بدون اینکه مطلوبیت داده ها از بین رود. از طریق نتایج آزمایشگاهی، تکنیک پیشنهادی اعتبارسنجی شده تا از افشاء داده های حساس بدون کاهش بکارگیری داده ها جلوگیری کند.

ادامه مطلب »

تشخیص اثر انگشت با متلب

تشخیص اثر انگشت با متلب در پروژه ما علاوه بر سورس کد تمامی برنامه ها و برنامه گرافیکی اصلی آن به توضیحات تمام برنامه در یک فایل جداگانه پرداخته ایم. و همچنین منبع اصلی (مرجع زبان انگلیسی) آن نیز به این پروژه پیوست گردیده است. و تعدادی از اثر انگشت های نمونه نیز بعنوان آزمایش و امتحان در این پروژه قرار داده ایم. این پروژه با زبانه برنامه نویسی متلب (MATLAB) نوشته شده است . ادامه مطلب »

بهبود چهارچوب مدیریت قابلیت اعتماد در پردازش ابری

سمینار کارشنارسی ارشد مهندسی کامپیوتر امروزه پردازش ابری درعلوم کامپیوتر و حتی خیلی از سازمان ها تبدیل به یک موضوع مهم شده است.پردازش ابری از تلفیق پردازش موازی،پردازش توزیعی و پردازش شبکه ایی تشکیل شده است.در اینجا ابر به معنی سرویس ها داده های که در اختیار کاربران قرار میگیرد.پردازش ابری بستری را فراهم میکند که ثابت شده است از نظر هزینه بصرفه می باشد و قابلیت اتکا،قابلیت گسترش و قابلیت انعطاف پذیری بالایی دارد.برای مثال یک برنامه به جای صرف هزینه زیاد برای خرید و تصب به صورت یک ابراختیار یک کاربر قرار میگیرد.چالش مهمی که در اینجا مطرح می شود این مسئله می باشد که آیا کاربرانی که قرار است از این شیوه استفاده کنند میتوانند به آن اعتماد کنند؟ آیا سازمانهایی که این سرویس ها را ارائه میدهند نیز میتوانند به کاربرانی که درخواست سرویس دادند اعتماد کنند؟ آیا می توان چهارچوبی برای مدیریت این اعتماد برای دو طرف بیان کرد؟مدیریت قابلیت اعتماد یکی از بحث های داغ و چالشی در زمینه پردازش ابری می باشد.قابلیت اعتماد در خیلی از سیستم ها مورد توجه می باشد و شامل ویژگی های مهمی همچون قابلیت اطمینان،امنیت و مواردی دیگر می باشد.در نتیجه ارائه یک چهارچوب مدیریتی برای کنترل اعتماد در پردازش ابری سازمان ها را مجاب به استفاده از این تکنولوژی می کنند.

ادامه مطلب »

پروژه حل مسایل NP با محاسبات DNA

پروژه کارشناسی ارشد مهندسی کامپیوتر حل مسایل NP با محاسبات DNA این مقاله که برگرفته از پروژه کارشناسی ارشد می باشد در آن به پیچیدگی الگوریتم های کامپیوتر پرداخته و حل آنها با محسبات DNA که یکی از زیر شاخه های محاسبات مولکولی می باشد پرداخته و از جمله مسائل مطرح شده مسله Nوزیر و دیگر مسایل NP میباشد. در سال 1994 لئوناردآدلمن با حل مسئله مسیر هامیلتونی به کمک مولکلهای DNA، تصویر موجود از کلمه کامپیوتر در میان دانشمندان را تغیر داد. با آشکار شدن توانائیهای کامپیوترهای مبتنی بر DNA، از جمله پردازش موازی و چگالی بالای ذخیره سازی اطلاعات و مصرف پایین انرژی و ارزان بودن آن، بود که سایر دانشمندان به دنبال حل سایر مسائل محاسباتی در این زمینه رفتند و مدل های محاسباتی مختلفی برای آن ارائه دادند. کارهای انجام شده در این زمینه به دو دسته عملی و نظری تقسیم می شود. در دسته عملی هدف بر روی بهبود و توسعه روش های آزمایشگاهی و کاهش نرخ خطای این عملیات بوده و در دسته نظری مدل های محاسباتی و الگوریتم های متنوعی برای حل مسائل –NP کامل و مسائل سخت ارائه شده است. هدف ما در این گزارش، ارائه لیستی از مدل های بوجود آمده و مسائل حل شده در این زمینه می باشد

ادامه مطلب »

پژوهش بهبود درصد تشخیص پوست در تصاویر دیجیتال با استفاده از اطلاعات نقطه‌ای بر مبنای توابع آماری

پژوهش کارشناسی ارشد رشته برق گرایش : الکترونیک در این تحقیق هدف بر آن است تا با استفاده از اطلاعات رنگ پیکسل‌های پوستی و پیکسل‌های غیر پوستی، بتوان نواحی پوست واقعی را تشخیص داد. برای بهبود درصد تشخیص پوست به بررسی توابع آماری مناسب برای تشخیص پوست و همچنین انتخاب فضای رنگ مناسب می‌پردازیم. در این میان تعداد بسیار زیادی فضاهای رنگ وجود دارند که تعدادی از آنها به عنوان فضای مناسبی برای تشخیص پوست مشخص شده‌اند. از میان توابع آماری، تابع گوسی، تابع گاما و تابع بتا، توابع مناسبی برای تشخیص پوست می‌باشند که این روش با استفاده از یک جامعه آماری جدید برای تشخیص پوست بوده و این جامعه برخلاف روش های پیشینیان بر فصل مشترک دو کلاس پوست و غیر پوست متمرکز می باشد. در پایان نامه مذکور هدف استفاده از توابع آماری جدید و فضاهای رنگی مختلف، ارائه کردن روشی است که بتوان توسط روش های مبتنی بر پیکسل، سرعت تشخیص پوست و دقت تشخیص پوست را افزایش داد.

ادامه مطلب »

نقش توانمند سازی سیستم های پشتیبان تصمیم در یادگیری سازمانی

The enabling role of decision support systems in organizational learning مقاله حاضر در www.elsevier.com سازمان ها به طور عادی اطلاعات را پردازش می کنند، تصمیماتی را اتخاذ نموده و آنها را اجرا می کنند. پیشرفت های اخیر در کامپیوتر و تکنولوژی های ارتباطات طریقه انجام هر یک از وظایف سازمان را تغییر داده است. سیستم های پشتیبان تصمیم (DSSs) یک دسته مهم از ابزار هایی هستند که یک سازمان برای پشتیبانی و ارتقاء فعالیت های تصمیم گیریش مورد استفاده قرار می دهد. به طور سنتی، سازمان ها به دنبال این هستند که یک سری اهداف از پیش تعیین شده و ثابت داشته باشند. اما برای حفظ جایگاه رقابتی و بقاء در محیط پویای امروز سازمان ها باید توانایی واکنش سریع نشان دادن و وفق پیدا کردن با تغییرات در وضعیت کسب و کارش را داشته باشند. برخی تغییرات می تواند به دلیل پیشرفت های فنی، رشد و تغییر تقاضای مشتریان، الزامات رقابتی، تغییر در نیروی کار، تاثیرات محیطی و سیاسی، فشارهای اجتماعی، نگرانی های امنیتی و غیره باشد. در سال های اخیر حوزه DSS بسیار تخصصی تر شده است و در برگیرنده پارادایم هایی همچون سیستم های خبره(ESs)، DSS های هوشمند، DSSهای فعال و DSSهای سازگارپذیر می باشد. هوش مصنوعی(AI) بر پایه فنونی است که در بسیاری از کاربردهای DSS به کار گرفته شده اند، از اینرو قابلیت های پشتیبانی DSS افزایش می یابد. برخی پارادایم ها دارای کاربرد بالقوه در هر دو زمینه یادگیری سازمانی و فردی می باشند. هرچند میزان اینکه هر یک از DSSهای موجود می توانند یادگیری سازمانی را تقویت کنند هنوز به طور جدی مورد بحث است. این مقاله استراتژی های یادگیری به کارگرفته شده توسط سازمان ها و DSSها را مورد آزمون قرار می دهد و یک چارچوب را به منظور شرح اینکه چگونه یک DSS می تواند یادگیری سازمانی را ارتقاء دهد، ارائه می دهد.

ادامه مطلب »