آموزش شبکه عصبی برای تشخیص سرطان خون توسط الگوریتم رقابت استعماری

آموزش شبکه عصبی برای تشخیص سرطان خون توسط الگوریتم رقابت استعماری


چکیده:
الگوریتم های بهینه‌سازی الهام گرفته از طبیعت به عنوان روشهای هوشمند بهینه‌سازی در کنار روش‌های کلاسیک موفقیت قابل ملاحظه‌ای از خود نشان داده‌اند. از جمله این روش‌ها می‌توان به الگوریتم‌های ژنتیک [1] (الهام گرفته از تکامل بیولوژیکی انسان و سایر موجودات)، بهینه‌سازی کلونی مورچه‌ها [2] (بر مبنای حرکت بهینه مورچه‌ها) و روش بازپخت شبیه‌سازی شده [3] (با الهام‌گیری از فرایند تبرید فلزات) اشاره نمود.  این روش‌ها در حل بسیاری از مسائل بهینه‌سازی در حوزه‌های مختلفی چون تعیین مسیر بهینه عامل‌های خودکار، طراحی بهینه کنترل کننده برای پروسه های صنعتی، حل مسائل عمده مهندسی صنایع همانند طراحی چیدمان بهینه برای واحدهای صنعتی، حل مسائل صف و نیز در طراحی عامل‌های هوشمند استفاده شده‌اند.
الگوریتم‌های بهینه‌سازی معرفی شده، به طور عمده الهام گرفته از فرایند‌های طبیعی می‌باشند و در ارائه این الگوریتم‌ها به سایر نمودهای تکامل انسانی توجهی نشده است. در این نوشتار الگوریتم جدیدی برای بهینه‌سازی مطرح می‌‌شود که نه از یک پدیده طبیعی، بلکه از یک پدیده اجتماعی- انسانی الهام گرفته است. بطور ویژه این الگوریتم به فرایند استعمار، به عنوان مرحله‌ای از تکامل اجتماعی- سیاسی بشر نگریسته و با مدل‌سازی ریاضی این پدیده تاریخی، از آن به عنوان منشأ الهام یک الگوریتم قدرتمند در زمینه بهینه‌سازی بهره می‌گیرد. در مدت کوتاهی که از معرفی این الگوریتم می‌گذرد، از آن برای حل مسائل بسیاری در حوزه بهینه‌سازی استفاده شده است. طراحی چیدمان بهینه برای واحد‌های صنعتی، آنتن‌های مخابراتی هوشمند، سیستم‌های پیشنهاددهنده هوشمند و نیز طراحی کنترل کننده بهینه برای سیستم‌های صنعتی شیمیایی تعدادی معدود از کاربردهای گسترده این الگوریتم در حل مسائل بهینه‌سازی می‌باشد.
یکی از کاربردهای مهم دیگر این الگوریتم استفاده از آن برای آموزش شبکه عصبی و بهینه کردن جواب خروجی شبکه عصبی میباشد.

فهرست مطالب:
چکیده
فصل اول: مقدمه
1-1 هدف و اهمیت مسئله   
1-2 الگوریتم توسعه داده شده   
1-3 مزایای الگوریتم توسعه داده شده   
1-4 ساختار پروژه   
فصل دوم: بیماری سرطان خون
2-1 معرفی
2-2 انواع لوسمی
2-3 عوامل خطر زا 
2-4 علائم بیماری
فصل سوم: استراتژی بهینه‌سازی مبتنی بر تکامل اجتماعی‌- سیاسی    
3-1 مقدمه    
3-2 مروری تاریخی بر پدیده استعمار    
3-2-1 هند    
3-2-2 مالزی    
3-2-3 هندوچین فرانسه    
3-2-4 هند شرقی (اندونزی)    
3-3 الگوریتم پیشنهادی    
3-3-1 شکل دهی امپراطوریهای اولیه    
3-3-2 مدلسازی سیاست جذب: حرکت مستعمره ها به سمت امپریالی
3-3-3 جابجایی موقعیت مستعمره و امپریالیست    
3-3-4 قدرت کل یک امپراطوری    
3-3-5 رقابت استعماری    
3-3-6 سقوط امپراطوریهای ضعیف    
3-3-7 همگرایی    
فصل چهارم: شبکه عصبی مصنوعی و کاربرد آن در تشخیص سرطان خون
4-1 مقدمه
4-2 اهداف کلی شبکه عصبی
4-2-1 طبقه بندی
4-2-2 تخمین تابع
4-2-3 پیشگویی
4-2-4 خوشه کردن
4-3 کاربرد شبکه های عصبی مصنوعی در پزشکی
4-3-1 سیستم های تشخیص بیماری
4-3-2 تجزیه و تحلیل های بیوشیمیایی
4-3-3 تجزیه و تحلیل تصویر برداری پزشکی
4-3-4 توسعه دارویی
4-4 آموزش شبکه عصبی
4-5 آموزش شبکه عصبی با الگوریتم رقابت استعماری
4-6 پیاده سازی و برنامه نویسی عملی در مطلب
4-7 مراحل انجام پروژه
4-8 نتایج خروجی شبکه
5 خلاصه، نتیجه‌گیری و پیشنهادات
6 کدهای نوشته شده در مطلب
7 مراجع

تعداد مشاهده: 2947 مشاهده

فرمت فایل دانلودی:.doc

فرمت فایل اصلی: doc

تعداد صفحات: 75

حجم فایل:4,978 کیلوبایت

 قیمت: 9,000 تومان
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود.   پرداخت و دریافت فایل
  • راهنمای استفاده:
    مناسب جهت استفاده دانشجویان رشته کامپیوتر و فناوری اطلاعات

  • محتوای فایل دانلودی:
    در قالب فایل word و قابل ویرایش

الگوریتم رقابت استعماری (استراتژی بهینه سازی مبتنی بر تکامل اجتماعی سیاسی)

الگوریتم رقابت استعماری (استراتژی بهینه سازی مبتنی بر تکامل اجتماعی سیاسی)


چکیده:
الگوریتم های بهینه‌ سازی الهام گرفته از طبیعت به عنوان روشهای هوشمند بهینه‌ سازی در کنار روش‌های کلاسیک موفقیت قابل ملاحظه‌ای از خود نشان داده‌اند. از جمله این روش‌ها می‌توان به الگوریتم‌ های ژنتیک (الهام گرفته از تکامل بیولوژیکی انسان و سایر موجودات)، بهینه‌ سازی کلونی مورچه‌ها (بر مبنای حرکت بهینه مورچه‌ها) و روش بازپخت شبیه‌سازی شده (با الهام‌گیری از فرایند تبرید فلزات) اشاره نمود. این روش‌ها در حل بسیاری از مسائل بهینه‌سازی در حوزه‌های مختلفی چون تعیین مسیر بهینه عامل‌های خودکار، طراحی بهینه کنترل کننده برای پروسه های صنعتی، حل مسائل عمده مهندسی صنایع همانند طراحی چیدمان بهینه برای واحدهای صنعتی، حل مسائل صف و نیز در طراحی عامل‌های هوشمند استفاده شده‌اند.
الگوریتم‌های بهینه‌سازی معرفی شده، به طور عمده الهام گرفته از فرایند‌های طبیعی می‌باشند و در ارائه این الگوریتم‌ها به سایر نمودهای تکامل انسانی توجهی نشده است. در این نوشتار الگوریتم جدیدی برای بهینه‌سازی مطرح می‌‌شود که نه از یک پدیده طبیعی، بلکه از یک پدیده اجتماعی – انسانی الهام گرفته است. بطور ویژه این الگوریتم به فرایند استعمار، به عنوان مرحله‌ای از تکامل اجتماعی- سیاسی بشر نگریسته و با مدل‌سازی ریاضی این پدیده تاریخی، از آن به عنوان منشأ الهام یک الگوریتم قدرتمند در زمینه بهینه‌سازی بهره می‌گیرد. در مدت کوتاهی که از معرفی این الگوریتم می‌گذرد، از آن برای حل مسائل بسیاری در حوزه بهینه‌سازی استفاده شده است. طراحی چیدمان بهینه برای واحد‌های صنعتی، آنتن‌های مخابراتی هوشمند، سیستم‌های پیشنهاددهنده هوشمند و نیز طراحی کنترل کننده بهینه برای سیستم‌های صنعتی شیمیایی تعدادی معدود از کاربردهای گسترده این الگوریتم در حل مسائل بهینه‌سازی می‌باشد.

فهرست مطالب:
چکیده
1- مقدمه
1-1 هدف و اهمیت مسئله
1-2 الگوریتم توسعه داده شده
1-3 مزایای الگوریتم توسعه داده شده
2- بهینه‌سازی و روشهای موجود
3- استراتژی بهینه‌سازی مبتنی بر تکامل اجتماعی‌- سیاسی
3-1 مقدمه
3-2 مروری تاریخی بر پدیده استعمار
3-2-1 هند
3-2-2 مالزی
3-2-3 هندوچین فرانسه
3-2-4 هند شرقی (اندونزی)
3-3 الگوریتم پیشنهادی
3-3-1 شکل دهی امپراطوری‌های اولیه
3-3-2 مدل‌سازی سیاست جذب: حرکت مستعمره‌ها به سمت امپریالیست
3-3-3 جابجایی موقعیت مستعمره و امپریالیست
3-3-4 قدرت کل یک امپراطوری
3-3-5 رقابت استعماری
3-3-6 سقوط امپراطوری‌های ضعیف
3-3-7 همگرایی
3-4 مثال کاربردی
3-5 نتیجه‌گیری
3-6 توابع هزینه مورد استفاده
4- پیاده‌سازی های انجام شده
4-1 استفاده از الگوریتم معرفی شده  برای طراحی یک کنترل‌کننده PID بهینه
4-1-1 کنترل‌کننده PID
4-1-2 طراحی کنترل‌کننده PID بهینه توسط الگوریتم رقابت استعماری
4-1-3 نتیجه‌گیری
4-2 استفاده از الگوریتم رقابت امپریالیستی برای طراحی کنترل‌کننده PID چند متغیره برای سیستم صنعتی ستون تقطیر 
4-2-1 مقدمه
4-2-2 کنترل‌کننده PID برای فرایند چند متغیره
4-2-3 نتایج شبیه‌سازی
4-2-4 نتیجه‌گیری
4-3 الگوریتم رقابت استعماری؛ ابزاری برای یافتن نقطه تعادل نش
4-3-1 یک بازی غیر خطی استاتیک ساده
4-3-2 یک بازی با پیچیدگی بیشتر
4-4 طراحی بهینه آنتهای آرایه‌ای
4-5 استفاده از الگوریتم رقابت استعماری برای شناسایی ویژگی مواد از آزمون فرورفتگی
4-5-1 مقدمه
4-5-2 توصیف مسئله معکوس
4-5-3 حل مسئله معکوس توسط الگوریتم رقابت استعماری
4-5-4 نتیجه‌گیری
4-6 کنترل فازی اتومبیل
4-6-1 مدل اتومبیل
4-6-2 نتایج
5- خلاصه، نتیجه‌گیری و پیشنهادات
6 - مراجع
پیوست: جعبه‌ابزار بهینه‌ سازی تهیه‌ شده
بیان مسئله     
تنظیم پارامترهای الگوریتم

تعداد مشاهده: 1741 مشاهده

فرمت فایل دانلودی:.docx

فرمت فایل اصلی: docx

تعداد صفحات: 115

حجم فایل:7,502 کیلوبایت

 قیمت: 9,000 تومان
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود.   پرداخت و دریافت فایل
  • راهنمای استفاده:
    گزارش همراه با شکل، جدول، نمودار، پاورقی، لیست منابع، فهرست مطالب، شکل ها و جداول
    با فرمت عالی و منظم


  • محتوای فایل دانلودی:
    در قالب فایل word و قابل ویرایش
    به همراه شکل، نمودار، پاورقی و لیست منابع

زمان‌بندی مسیرهای پایگاه داده‌ رایانش ابری توسط الگوریتم رقابت استعماری

زمان‌بندی مسیرهای پایگاه داده‌ رایانش ابری توسط الگوریتم رقابت استعماری


چکیده:
پردازش‌های ابری و محیط ابر و پایگاه داده‌های ابری محل ذخیره‌سازی اطلاعات روی وب می‌باشد و برای دسترسی به آن‌ها باید بهینه‌ترین مسیر را پیدا نمود، بنابراین انتخاب بهترین مسیر برای پایگاه داده بسیار مهم می‌باشد که برای پیدا کردن مسیر بهینه می‌توان از الگوریتم‌های بهینه‌سازی استفاده کرد. مسئله موردبررسی در اینجا زمان‌بندی می‌باشد که مسیری را انتخاب می‌کنیم که حداقل زمان را داشته باشد، برای این کار سرعت و دقت بسیار مهم می‌باشد. الگوریتم جدید رقابت استعماری از یک پدیده اجتماعی- انسانی الهام گرفته است.   
رویکرد پیشنهاد شده بر مبنای  الگوریتم بهینه‌سازی رقابت استعماری است. این رویکرد توانسته است با سرعت و دقت بیشتر و تعداد دفعات اجرای کمتر در حداقل زمان نسبت به الگوریتم‌های ژنتیک، ازدحام ذرات و الگوریتم ترکیبی کلونی- ژنتیک، بهینه‌ترین مسیر پایگاه داده موردنظر را پیدا کند و کارایی زمان‌بندی محاسبات ابری را بهبود ¬بخشد. بدین‌صورت که چند شبکه را در نظر گرفته‌ایم و در هر شبکه نودهایی از گراف قرارداده ایم که هر نود گراف را یک پایگاه داده ابری فرض کرده‌ایم. ما باید از نود مبدأ به نود مقصد با کمترین هزینه حرکت کنیم، کمترین هزینه، بهینه‌ترین مسیر ما می‌باشد.
واژه‌های کلیدی: پردازش ابری، پایگاه داده ابر، الگوریتم‌های بهینه‌سازی، الگوریتم رقابت استعماری، الگوریتم کلونی مورچه، الگوریتم ژنتیک، الگوریتم ذرات

فهرست مطالب:
چکیده
فصل اول
1-1 مقدمه
1-2 تعریف مسأله و بیان سؤالهای اصلی تحقیق 
1-3 سابقه و ضرورت انجام تحقیق
1-4 هدف‌ها
1-5 جنبه نوآوری تحقیق 
1-6 مراحل انجام تحقیق 
1-7 ساختار تحقیق
فصل دوم
2-1 مقدمه    
2-2 تاریخچه‌ی مختصری از رایانش ابری   
2-3 وضعیت کنونی رایانش ابری   
2-4 خصوصیات رایانش ابری   
2-4-1 ویژگی‌های کلیدی رایانش ابری   
2-4-2 مزایای اصلی رایانش ابری   
2-4-3 کارهایی که رایانش ابری امکان‌پذیر می‌سازد   
2-5 معماری رایانش ابری   
2-6 پایگاه دادهای ابری   
2-7 الگوریتم های بهینه سازی   
2-7-1 الگوریتم کلونی مورچه   
2-7-2 الگوریتم رقابت استعماری    
2-7-3 الگوریتم ژنتیک   
2-7-4 الگوریتم بهینه‌سازی توده ذرات   
2-8 جمع‌بندی
فصل سوم
3-1 مقدمه
3-2 حداقل زمان محاسبه مسیر با توجه به تأخیر و ممنوعیت‌ها برای حرکت بین بخش‌ها
3-3 یک الگوریتم حداقل زمان با توجه به تأخیر برای حرکت در تقاطع و اجرای آن
3-4 زمان‌بندی محاسبات عددی پویا برای بهینه‌سازی پایگاه داده ابری برای بالا بردن راندمان جستجو در پایگاه داده از محاسبات ابری
3-5 زمان‌بندی مسیر پایگاه دادهای ابری را بر اساس ترکیبی از الگوریتم ژنتیکی و کلونی مورچه
3-6 جمع‌بندی   
فصل چهارم        
4-1 مقدمه   
4-2 نتایج حاصل از تحقیق   
4-3 پیشنهادها   
منابع   
فهرست شکل ها
فهرست جداول

تعداد مشاهده: 2284 مشاهده

فرمت فایل دانلودی:.docx

فرمت فایل اصلی: docx

تعداد صفحات: 59

حجم فایل:1,395 کیلوبایت

 قیمت: 9,000 تومان
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود.   پرداخت و دریافت فایل
  • راهنمای استفاده:
    مناسب برای دانشجویان کارشناسی ارشد و دکتری مهندسی نرم افزار

  • محتوای فایل دانلودی:
    در قالب فایل word و قابل ویرایش
    همراه با شکل، نمودار، جدول، فهرست شکل ها و منابع