رکوردهای مرتبط با این شخص

ارائه روشی مبتنی بر سیستم عصبی فازی برای پیش بینی بهای تمام شده محصول جدید (1395) / نقاش ، عزیزاله، نویسنده

نوع مدرک: متون چاپی سرشناسه نقاش ، عزیزاله، نویسنده رده‌بندی کنگره : ‭COM A ‭3 1397 عنوان : ارائه روشی مبتنی بر سیستم عصبی فازی برای پیش بینی بهای تمام شده محصول جدید ناشر: دانشگاه شهید اشرفی اصفهانی : بی نا سال نشر : 1395 صفحه شمار: خ،73ص شابک/شاپا 22720 یادداشت پایان نامه کارشناسی ارشد : هوش مصنوعی شناسه افزوده : کارشناس ، حسین، استاد راهنما توصیفگرها قیمت تمام شده محصول  پیش بینی قیمت  شبکه عصبی- فازی  روش فرا ابتکاریFinal Product Price  Forecasting Product Price  Neuro Fuzzy System  ICA چکیده : یکی از ابزارهای مهم مورداستفاده برای تصمیم‌گیری جهت سرمایه‌گذاری، فنون پیش‌بینی و بهینه‌سازی هستند.هزینه¬یابی و پیش¬بینی بهای تمام شده محصول و مدل¬سازی آن یک ابزار قدرتمند برای مدیریت در بخش صنعت می¬باشد که می تواند اطلاعات موثری جهت تصمیم گیری برای ایجاد صنایع جدید، توسعه ظرفیت فعلی و اتخاذ تصمیم جهت توقف تولید یک محصول در اختیار مدیریت یک شرکت قرار دهد. در این پایان¬نامه به‌منظور کمتر کردن میزان خطا درپیش¬بینی، یک مدل ANFIS ترکیبی با روش فرابتکاری استفاده شده که از روش¬ فرا ابتکاریICA برای تعیین پارامترهای تابع عضویت استفاده می کنیم و از این روش فرا ابتکاری برای تعیین پارامتر ها انفیس استفاده کرده و نتایج عملکرد آن با شبکه عصبی مصنوعی و همچنین انفیس در حالت تک متغییره و چند متغییره مقایسه می¬شود. روش پیشنهادی شامل ترکیب ANFIS و الگوریتم رقابت استعماری است و ازتبدیل موج به منظور بهبود عملکرد استفاده شده و بر روی ورودی ها اعمال گردیده است. در این مدل از ANFIS نوع sugeno با آموزش levenberg-marquat استفاده شده است. نتایج بدست آمده نشان داد که مدل پیشنهادی در حالت چند متغیره بهترین عملکرد را در پپیش¬بینی به همراه داشته است و نتایج نسبت به گذشته بهتره بوده و بهبود یافته است و خطای RMSE در این روش برای حالت تک متغیره برابر 0.097 می باشد و برای حالت چند متغیره این خطا برابر 0.031 می باشد لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=1436 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
22720	‭COM A ‭3 1397	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

بهینه سازی درجات آزادی کنترل خودکار ربات پرنده شش موتوره (1398) / نصیری ، جیران، نویسنده

نوع مدرک: متون چاپی سرشناسه نصیری ، جیران، نویسنده رده‌بندی کنگره : ‭COM A ‭24 عنوان : بهینه سازی درجات آزادی کنترل خودکار ربات پرنده شش موتوره عنوان موازی : ptimizing Free Parameters in Hexacopter Control ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1398 صفحه شمار: 82ص شابک/شاپا 24505 یادداشت پایان نامه کارشناسی ارشد :رشته ی کامپیوتر گرایش هوش مصنوعی و رباتیکز شناسه افزوده : کارشناس ، حسین، استاد راهنما توصیفگرها ربات پرنده، کنترل موقعیت در فضا، کنترل کننده PID، الگوریتم کلونی زنبور عسل، الگوریتم ازدحام ذرات، الگوریتم ژنتیک  Bird Bot, Space Control, PID Controller, Bee Cluster Algorithm, Particle Swarm Algorithm, Genetic Algorithm چکیده : در این پایان نامه، به کنترل موقعیت یک مدل از ربات پرنده شش موتوره پرداخته می شود. برای این کار ابتدا، ربات پرنده در محیط نرم افزار متلب شبیه سازی شد. ربات پرنده شش موتوره دارای چهار ورودی کنترلی است. این ورودی ها که به موتورها فرمان می دهند؛ می توانند ربات را در چهار درجه آزادی به ترتیب، درجه آزادی مربوط به ارتفاع پرنده و سه زاویه گردش، پیچش و چرخش به طور مستقیم تاثیر بگذارند. همچنین به طور غیر مستقیم و با تغییر زاویه چرخش و پیچش، ربات در امتداد دو درجه آزادی دیگر شامل حرکت طولی و عرضی تغییر موقعیت می دهد. برای کنترل ارتفاع، کنترل زاویه پیچش، کنترل زاویه چرخش و کنترل زاویه گردش از فیدبک مستقیم به ورودی ها و قرار دادن کنترل کننده هایPID که از مجموع عوامل تناسبی، انتگرالگیر و مشتقگیر تشکیل شده است، بهره بردیم. برای کنترل موقعیت طولی و عرضی، از فیدبک به زاویه چرخش و پیچش، و قرار دادن کنترل کننده PID استفادهشده است. مشکل اصلی این است که، به دلیل پیچیدگی های حلقه های کنترلی نمی توان ضرایب هر یک از کنترل کننده ها را به صورت روش های رایج تجربی و یا با سعی و خطا بدست آورد. در نتیجه، با تبدیل مساله، به یک مساله بهینه سازی، با در نظر گرفتن تابع هزینه به صورت مجموعه ای از قدر مطلق خطای ردیابی مقدار مرجع به علاوه سیگنال کنترلی، با استفاده از سه الگوریتم کلونی زنبور عسل، الگوریتم ژنتیک و الگوریتم ازدحام ذرات، ضرایب کنترل کننده ها را طوری بدست آوردیم که تابع هزینه به حداقل مقدار خود برسد. در آخر، به مقایسه عملکرد کنترل کننده های بدست آمده از این سه الگوریتم پرداختیم. برای اینکار، یک مقدار مرجع سینوسی به صورتی که دامنه و فرکانس آن تغییر کند. به موقعیت پرنده اعمال کردیم. این سیگنال دینامیک پرنده را تحریک می کند که سبب مقایسه بهتر عملکرد کنترل کننده ها می شود. کنترل کننده بدست آمده از الگوریتم ازدحام ذرات، کمترین خطا را در ردیابی سیگنال مرجع داشت. بعد از آن به ترتیب کنترل کننده بدست آمده از الگوریتم ژنتیک، و کنترل کننده بدست آمده از الگوریتم کلونی زنبور عسل قرار گرفته اند لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=13580 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
24505	‭COM A ‭24	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

تشخیص نفوذ با انتخاب ویژگی بر پایه الگوریتم های تکاملی و ماشین بردار پشتیبان (1395) / شریفیان نیا ، مسعود، نویسنده

نوع مدرک: متون چاپی سرشناسه شریفیان نیا ، مسعود، نویسنده رده‌بندی کنگره : ‭COM A ‭2 1397 عنوان : تشخیص نفوذ با انتخاب ویژگی بر پایه الگوریتم های تکاملی و ماشین بردار پشتیبان ناشر: دانشگاه شهید اشرفی اصفهانی : بی نا سال نشر : 1395 صفحه شمار: ج، 72ص شابک/شاپا 22719 یادداشت پایان نامه کارشناسی ارشد : مهندسی کامپیوترگرایش هوش مصنوعی شناسه افزوده : کارشناس ، حسین، استاد راهنما توصیفگرها تشخیص نفوذ  الگوریتم تخمین توزیع  درخت وابستگی  ماشین بردار پشتیبان  انتخاب ویژگیIntrusion detection  Estimation of Distribution Algorithm (EDA  Dependency Tree  Genetic Algorithms  Support Vector Machine  Feature selection چکیده : روند رو به رشد استفاده از اینترنت و وجود نقاط آسیب‌پذیر در شبکه، استفاده از سیستم های تشخیص نفوذ را به‌عنوان یکی از مهم‌ترین عناصر برقراری امنیت موردتوجه قرار داده است. این سیستم‌ها به‌واسطه تحلیل اطلاعات جمع‌آوری‌شده از رفتار بسته ها در شبکه به بررسی رفتار یا نمادی مبنی بر اختلال در خط‌مشی امنیتی سیستم می پردازد. تشخیص نفوذ در اصل یک مسئله ی دسته‌بندی است و انتخاب ویژگی ازجمله موضوعاتی است که در دسته‌بندی موردتوجه قرار می گیرد. هدف از انتخاب ویژگی ساده سازی داده ها، شناسایی و استفاده از ویژگی های اساسی می باشد. درروش پیشنهادی از ترکیب الگوریتم تخمین توزیع درخت وابستگی و جستجوی محلی به‌منظور انتخاب ویژگی و از دسته‌بند ماشین بردار پشتیبان به‌عنوان تابع ارزیاب به‌منظور تشخیص نفوذ در شبکه استفاده‌شده است. همچنین در این پایان‌نامه به بررسی عملکرد الگوریتم های ژنتیک، تخمین توزیع، انتخاب پیشرو، انتخاب پسرو و تأثیر جمعیت اولیه بر میزان دقت تشخیص نفوذ پرداخته‌شده است. به‌منظور ارزیابی عملکرد الگوریتم های تکاملی بررسی‌شده از مجموعه داده NSL-KDDاستفاده‌شده است. این مجموعه داده که اصلاح‌شده مجموعه داده¬ی KDD-CUP99 می باشد با حذف رکورد های تکراری با دقت بهتری امکان مقایسه ی روش های مختلف را فراهم می کند. بسته ها در پایگاه داده NSL-KDD به 5 کلاس نرمال و نفوذهای نوع DOS، U2R، R2L و Prob تقسیم‌شده است که میزان دقت درون دسته ای حاصل از اجرای هر یک از الگوریتم های تکاملی موردبررسی قرارگرفته است. الگوریتم تخمین توزیع درخت وابستگی از دسته مدل های دومتغیره می باشد. در مدل دومتغیره، الگوریتم قادر به ضبط برخی از تعاملات دوتایی بین متغیرها با استفاده از مدل های مبتنی بر درخت می باشد. این الگوریتم از دسته ی الگوریتم های ترکیب بهینه سازها با درخت اطلاعات دوطرفه می باشد. الگوریتم انتخاب ویژگی تخمین توزیع بر پایه ی ساخت مدل احتمالی از جواب‌های برگزیده و نمونه‌گیری از این مدل عمل می کند. به‌منظور افزایش میزان دقت تشخیص نفوذ از ترکیب الگوریتم تخمین توزیع و جستجوی محلی استفاده‌شده است. الگوریتم جستجوی محلی با بررسی نمودن مجاوران راه‌حل الگوریتم تخمین توزیع، دقت را بهبود می دهد. مطابق نتایج به‌دست‌آمده، روش ترکیبی الگوریتم تخمین توزیع و جستجوی محلی، با میزان دقت بیشتری نسبت به الگوریتم ژنتیک به کشف نفوذ در شبکه می پردازد به طور مثال الگوریتم تخمین توزیع با جمعیت اولیه 50 و جستجوی محلی با دقت 84.93 در پایگاه داده NSL-KDD تشخیص نفوذ داده است لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=1299 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
22719	‭COM A ‭2 1397	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت