دانلود مقاله ISI معماری جریان داده

اختصاصی از کوشا فایل دانلود مقاله ISI معماری جریان داده دانلود با لینک مستقیم و پرسرعت .

موضوع فارسی :معماری جریان داده

موضوع انگلیسی :Dataflow Architectures 

تعداد صفحه :18

فرمت فایل :PDF

سال انتشار :2008

زبان مقاله : انگلیسی 

در کان شبکه فرآیند (KPN)، فرآیندهای (گره) برقراری ارتباط با FIFO سویه نا محدود
کانال (کمان)، با اموال غیر مسدود می نویسد و می خواند مسدود کردن در کانال. KPN فراهم می کند
یک مدل معناشناختی محاسبه، که در آن محاسبات را می توان به عنوان مجموعه ای از غیر همزمان ارتباط بیان
فرآیندهای. با این حال، نا محدود ناهمزمان FIFO است بر اساس عمل تحقق در و از این رو
نیاز به پالایش در سخت افزار واقعی است. در این کار، ما با KPN شروع به عنوان مدل محاسبه برای
GALS، و بحث در مورد چگونگی معماری GALS های مختلف را می توان متوجه شد. ما قرض ایده هایی از موجود
معماری جریان داده برای طرح های GALS ما است.

دانلود گزارش درس پایگاه داده های پیشرفته 2 :مقدمه ای بر داده کاوی

اختصاصی از کوشا فایل دانلود گزارش درس پایگاه داده های پیشرفته 2 :مقدمه ای بر داده کاوی دانلود با لینک مستقیم و پرسرعت .

فرمت فایل : word(قابل ویرایش)

تعداد صفحات:30

فهرست مطالب:

1 مقدمه ای بر داده‌کاوی    3
1-1 چه چیزی سبب پیدایش داده کاوی شده است؟    4
1-2 مراحل کشف دانش    6
1-3 جایگاه داده کاوی در میان علوم مختلف    11
1-4 داده کاوی چه کارهایی نمی تواند انجام دهد؟    12
1-5 داده کاوی و انبار داده  ها      13
1-6 داده کاوی و OLAP    14
1-7 کاربرد یادگیری ماشین و آمار در داده کاوی    15
2- توصیف داده ها در داده کاوی    15
2-1 خلاصه سازی و به تصویر در آوردن داده ها    15
2-2 خوشه بندی     16
2-3 تحلیل لینک    16
3- مدل های پیش بینی داده ها    17
3-1 Classification    17
3-2 Regression    17
3-3 Time series    18
4 مدل ها و الگوریتم های داده کاوی    18
4-1 شبکه های عصبی     18
4-2 Decision trees    22
4-3 Multivariate Adaptive Regression Splines(MARS)    24
4-4 Rule induction    25
4-5 K-nearest neibour and memory-based reansoning(MBR)    26
4-6 رگرسیون منطقی    27
4-7 تحلیل تفکیکی     27
4-8 مدل افزودنی کلی (GAM)    28
4-9 Boosting    28
5 سلسله مراتب انتخابها    29

 

1 مقدمه ای بر داده‌کاوی
در دو دهه قبل توانایی های فنی بشر در برای تولید و جمع آوری داده‌ها به سرعت افزایش یافته است. عواملی نظیر استفاده گسترده از بارکد برای تولیدات تجاری، به خدمت گرفتن کامپیوتر در کسب و کار، علوم، خدمات دولتی و پیشرفت در وسائل جمع آوری داده، از اسکن کردن متون و تصاویر تا سیستمهای سنجش از دور ماهواره ای، در این تغییرات نقش مهمی دارند [‎1].
بطور کلی استفاده همگانی از وب و اینترنت به عنوان یک سیستم اطلاع رسانی جهانی ما را مواجه با حجم زیادی از داده و اطلاعات می‌کند. این رشد انفجاری در داده‌های ذخیره شده، نیاز مبرم وجود تکنولوژی های جدید و ابزارهای خودکاری را ایجاد کرده که به صورت هوشمند به انسان یاری رسانند تا این حجم زیاد داده را به اطلاعات و دانش تبدیل کند: داده کاوی به عنوان یک راه حل برای این مسائل مطرح می باشد. در یک تعریف غیر رسمی داده کاوی فرآیندی است، خودکار برای استخراج الگوهایی که دانش را بازنمایی می کنند، که این دانش به صورت ضمنی در پایگاه داده های عظیم، انباره داده  و دیگر مخازن بزرگ اطلاعات، ذخیره شده است. داده کاوی بطور همزمان از چندین رشته علمی بهره می برد نظیر: تکنولوژی پایگاه داده، هوش مصنوعی، یادگیری ماشین، شبکه های عصبی، آمار، شناسایی الگو، سیستم های مبتنی بر دانش ، حصول دانش ، بازیابی اطلاعات ، محاسبات سرعت بالا  و بازنمایی بصری داده  . داده کاوی در اواخر دهه 1980 پدیدار گشته، در دهه 1990 گامهای بلندی در این شاخه از علم برداشته شده و انتظار می رود در این قرن به رشد و پیشرفت خود ادامه دهد [‎2].
واژه های «داده کاوی» و «کشف دانش در پایگاه داده»  اغلب به صورت مترادف یکدیگر مورد استفاده قرار می گیرند. کشف دانش به عنوان یک فرآیند در شکل1-1 نشان داده شده است.
 کشف دانش در پایگاه داده فرایند شناسایی درست، ساده، مفید، و نهایتا الگوها و مدلهای قابل فهم در داده ها می باشد. داده کاوی، مرحله ای از فرایند کشف دانش می باشد و شامل الگوریتمهای مخصوص داده کاوی است، بطوریکه، تحت محدودیتهای مؤثر محاسباتی قابل قبول، الگوها و یا مدلها را در داده کشف می کند [‎1]. به بیان ساده تر، داده کاوی به فرایند استخراج دانش ناشناخته، درست، و بالقوه مفید از داده اطلاق می شود. تعریف دیگر اینست که، داده کاوی گونه ای از تکنیکها برای شناسایی اطلاعات و یا دانش تصمیم گیری از قطعات داده می باشد، به نحوی که با استخراج آنها، در حوزه های تصمیم گیری، پیش بینی، پیشگویی، و تخمین مورد استفاده قرار گیرند. داده ها اغلب حجیم ، اما بدون ارزش می باشند، داده به تنهایی قابل استفاده نیست، بلکه دانش نهفته در داده ها قابل استفاده می باشد. به این دلیل اغلب به داده کاوی، تحلیل داده ای ثانویه  گفته می شود.

پایان نامه جامع رشته کامپیوتر پیرامون پایگاهای داده در Access(همراه با تصاویر)

اختصاصی از کوشا فایل پایان نامه جامع رشته کامپیوتر پیرامون پایگاهای داده در Access(همراه با تصاویر) دانلود با لینک مستقیم و پرسرعت .

 

فرمت فایل : word(قابل ویرایش)

فهرست مطالب:

فصل1: پایگاه داده چیست؟…………………….. 1

یک مجموعه سازماندهی شده از اطلاعات………………… 1

رکوردها و فیلدها……………………………….. 2

جداول و پایگاههای داده………………………….. 2

دونمای Datasheet و Forms ………………………….. 3

شروع Access…………………………………….. 4

بازکردن پایگاه داده نمونه Northwind………………… 5

پنجره Data base…………………………………… 6

نوارهای ابزار Access…………………………….. 7

پسوند نام فلیل های Access………………………… 8

فکر کردن در مورد فیلدها…………………………. 8

ویژگی Online Help…………………………………. 9

به کارگیری دستیار Office………………………….. 9

به کارگیری کادر Ask a Question برای دریافت کمک………… 10

استفاده از پنجره Help جهت دریافت کمک………………. 10

استفاده از Online Help در کاردهای محاوره…………….. 12

بستن یک پایگاه داده…………………………….. 12

بستن Access…………………………………….. 12

فصل 2: ایجاد پایگاهای داده در Access………….. 13

تولید یک پایگاه داده جدید و خالی…………………. 13

انتخاب جدول نمونه………………………………. 13

انتخاب فیلدها………………………………….. 14

تغییر دادن نام فیلدها…………………………… 15

تعیین کلید اولیه……………………………….. 16

وارد کردن داده ها در جدول……………………….. 17

تغییر پهنای ستونها……………………………… 19

سوئیچ کردن به نمای Design………………………… 20

تولید ایندکس…………………………………… 21

فصل 3 تصحیح پایگاههای داده Access…………….. 24

تغییر و حذف رکوردهای یک پایگاه داده………………. 24

نوع داده (Data Type)……………………………… 26

تغییر نوع داده ها………………………………. 28

اضافه کردن فیلدهای جدید به یک جدول……………….. 29

تغییر دادن ترتیب فیلدهای یک جدول…………………. 31

ذخیره کردن یک پایگاه داده روی فلاپی دیسک…………… 31

ذخیره کردن یک پایگاه داده Access روی دیسک………….. 32

فصل 4: کارآمد کردن پایگاههای داده……………. 33

مرتب کردن رکوردهای جدول…………………………. 33

ذخیره کردن قواعد مرتب سازی در قالب یک معیار……….. 35

فیلتر کردن رکوردهای یک جدول……………………… 37

ذخیره کردن قاعده یک فیلتر در قالب یک معیار………… 40

تولید یک معیار با استفاده از یک ویزارد……………. 41

اضافه و حذف کردن فیلدها در یک معیار………………. 44

یافتن داده ها………………………………….. 45

فصل 5: کار با فرمها………………………… 47

تولید فرم با استفاده از ویزارد Form………………. 47

گشت و گذار در نمای Form…………………………. 50

کارکترهای جانشین در فیلترها و معیارها……………. 53

تولید فرمی با فیلدهای کامل………………………. 54

به کارگیری یک فرم جهت تولید رکوردهای جدید…………. 55

تصحیح جانمایی و محتوای فرمها…………………….. 56

فصل 6: کار با گزارشها………………………. 63

اولین گزارش …………………………………… 63

ویژگی AutoReport…………………………………. 63

گزارش گروه بندی Grouped Report……………………… 65

تصحیح گزارش……………………………………. 69

نمای report Design …………………………………. 70

خواص گزارشها…………………………………… 70

قالب بندی فیلدهای یک گزارش………………………. 71

تولید زیر مجموع برای گروه ها…………………….. 75

محاسبه مقادیر مجموع در کل گزارش………………….. 76

چکیده:

 منت خدای را که مرا فرصت دادتا بجویم وحقیقتها را بیابم.

آژانس مسکن، طرحی است که به افراد یاری می رساند تا در امر فروش ،رهن،اجاره،خرید به صورت گسترده و  جامع و همراه با آمارگیری دقیق روبرو شوند . در سالهای اخیر این کار بصورت دستی انجام می گرفت و بایگانی

می شد که از نظر حجم، مشکلاتی را به همراه داشت اما امروزه با پیشرفت علم این کار کامپیوتری شده است و انجام هر کاری را برای افراد آسانتر کرده است ، لذا جهت طراحی آژانس مسکن،از نرم افزار اکسس استفاده شده است که طی فصلهای گفته شده چگونگی ایجادو نحوۀ فراگیری ،دیتابیس، فرم ،کوﺋیری و………. توضییح داده شده است .

در خاتمه بر خود واجب می دانم که سپاس خود را به حضور دوستانی که در تهیه این اثر مرا تشویق و یاری نموده اند تقدیم نمایم.

 مقدمه

 بهترین نوع اطلاعات ممکن ،اطلاعاتی هستندکه سازماندهی آنها امکان یافتن سریع وساده حقایق مورد نیاز و اضافه کردن آیتم های اطلاعاتی جدید را فراهم نماید.

هر پایگاه داده مجموعه ای سازماندهی شده از اطلاعات مربوط به یک عنوان یا موضوع بخصوص است. منظور از عبارت << سازماندهی شده >> این است که به سادگی می توان آیتم های اطلاعاتی خاص مورد نظر را از میان اطلاعات موجود در پایگاه داده یافت وآیتم های جدید را به آن اضافه کرد.

نرم افزار مایکرو سافت اکسس ، برنامه ای است که کاربر را در جهت تولید و کارکردن با پایگاههای داده یاری می دهد.

فصل اول،کاربر را با اجزاء و مفاهیم پایگاههای داده آشنا می کند. در فصل دوم،کاربر ایجاد اولین پایگاه داده در اکسس وهمچنین کلیدها وایندکس ها وروش دیگر برای مشاهده پایگاههای داده که نمای دیزاین(طراحی )نام دارد را فرا خواهد گرفت.

.در فصل سوم،ملاحظه خواهید کرد که هر یک از فیلدهای یک جدول ،دارای نوع داده مشخصی است که نحوه تفسیر فیلد مزبور ،چگونگی نگهداری دادها در آن ونوع دادهایی را که وارد کردن آنها در فیلد مزبور مجاز می باشد،تعیین می کند.

در فصل چهارم ،به کارگیری یک برنامه پایگاه داده برای تولید یک جدول روش بسیار مفیدی جهت مدیریت اطلاعات و یافتن سریع آیتم های خاص مورد نظر می باشد .دراین فصل مراحل وشرایط مرتب سازی و ذخیره فیلترها در قالب یک معیار (کوﺌیری)توضییح داده شده است.

در فصل پنجم ،توضییح داده شده است که هر چیز ی که امکان انجام آن در نمای دیتا شیت وجود دارد در مورد یک فرم نیز قابل انجام است .برای مثال می توان رکوردهای جدید را در یک فرم اضافه کرده و رکوردهای موجود را تغییر داد وهمچنین می توان رکوردها را با ترتیبهای مختلف مرتب کرده و یا آنها را به نحوی فیلتر کرد که تنها رکوردهایی که شرط خاصی را ارضا می کنند به نمایش در آیند.

در فصل ششم ،نحوه استحصا ل اطلاعات و اراﺌه آن به صورتی مفید و قابل دسترس توضییح داده شده است و همچنین در انتهای این فصل کاربر قادر خواهد شد که اطلاعاتی را که از یک پایگاه داده استخراج کرده است ،در صفحه نمایش به نمایش درآورد.گزارشی ازیک پایگاه داده را به چاپ برساندو سر صفحه وپا صفحه های مورد نیاز خود را تولید وسفارشی کند.

 در خاتمه ،امید است که مطالب اراﺌه شده مفید و مورد رضایت واقع شود.

فصل 1

پایگاه داده چیست؟

یک مجموعه سازماندهی شده از اطلاعات

هر پایگاه داده مجموعه ای از اطلاعات مربوط به یک عنوان یا موضوع خاص می باشد. این مجموعه معمولاً به نحوی سازماندهی می شود که کاربر بتواند:

• آیتم های اطلاعاتی دلخواه خود را در آن دریابید.
• آیتم های جدیدی را که با آنها مواجه می شوید، به آن اضافه کنید.

پایگاههای داده الزاماً در کامپیوتر نگهداری نمی شوند. برای مثال کتابچه های آدرس و فهرستهای تلفن پایگاههای داده ای هستند که روی کاغذ ثبت شده اند (هر چند ممکن است افراد بسیار معدودی آنها را پایگاه داده بنامند)

اما نگهداری یک پایگاه داده در کامپیوتر، باعث تسهیل و تسریع فرآیند دست کاری اطلاعات موجود در آن

می شود. برای مثال با بکارگیری یک فهرست تلفن (چاپ شده روی کاغذ) به راحتی می توان شماره تلفن افراد دلخواه خود را با در اختیار داشتن نام آنها پیدا کنید. اما عکس این موضوع صادق نبوده و یافتن نام افراد بر اساس شماره تلفن آنها بسیار دشوار خواهد بود.

اما با استفاده از یک فهرست تلفن کامپیوتری اطلاعات فوق الذکر را با سرعت سهولت بیشتری می توان دریافت کرد. همچنین با استفاده از چنین فهرست تلفنی نام تمام افرادی که در یک خیابان بخصوص زندگی می‌کنند یا تمام افرادی که نام کوچک آنها Paul می باشد، را به راحتی پیدا کرد.

پایگاههای داده کامپیوتری انعطاف پذیر هستند. بدین معنی که روشهای بسیار متعدد و متنوعی را برای کار کردن با اطلاعات (حتی مقادیر بزرگی از اطلاعات) تدارک می بینند. نرم افزار Microsoft Access نمونه ای از سیستمهای مدیریت پایگاههای داده (برنامه هایی که امکان تولید و مدیریت پایگاههای داده در کامپیوتر را فراهم می کنند)

رکوردها و فیلدها

معمولاً اطلاعات موجود در یک پایگاه داده، به کوچک ترین اجزا تقسیم می شوند. هر یک از این اجزا در فیلد مخصوص به خود قرار می گیرد. برای مثال جهت وارد کردن نام و آدرس افراد در یک پایگاه داده کاربر،

نمی تواند تمام اطلاعات هر فرد را در یک فیلد واحد، نظیر آنچه در زیر نشان داده شده است را وارد نماید.

بلکه به طور طبیعی هر قطعه از اطلاعات را در فیلد جداگانه ثبت می کند تا امکان تشخیص و تمیز دادن آنها از یکدیگر فراهم شود.

جداول و پایگاههای داده

به مجموعه ای از رکوردها، جدول گفته می شود. چنانچه یک پایگاه داده تنها حاوی یک جدول ساده باشد، جدول مزبور خود در حکم پایگاه داده خواهد بود. در این مهارت ICDL تنها با پایگاههای داده سرو کار دارد که حاوی یک جدول هستند. تنها چیزی که باید در مورد دسته ای از پایگاه داده که حاوی بیش از یک جدول هستند بدانید،‌ این است که Access امکان ایجاد آنها را فراهم می کند.

هنگامی که با هزارها یا صدها هزار رکورد سروکار دارید، بحث به کارگیری یک سیستم مدیریت پایگاههای داده پیش می آید. برای مثال چنان چه از کامپیوتر خواسته شود، تنها رکوردهایی را (از میان صدها هزار رکورد موجود در پایگاه داده) استخراج کرده و نمایش دهد که نام خانوادگی (فیلد Last Name) آنها با حرف «S» و کد پستی (فیلد Zipcodes) آنها با عدد «60» آغاز می شود، مدیریت پایگاه داده این کار را با سرعتی فراتر از حد تصور و توانایی بشر انجام می دهد.

اما سیستمهای مدیریت پایگاه داده فاقد «قوه درک مرسوم» می باشند. برای مثال، چنان چه اطلاعات را در فیلدهای صحیح وارد نکرده باشید، سیستم مدیریت پایگاه قادر به تصحیح این اشتباه نخواهد بود.

الگوریتم (پایگاه داده ها)

اختصاصی از کوشا فایل الگوریتم (پایگاه داده ها) دانلود با لینک مستقیم و پرسرعت .

فرمت فایل : WORD ( قابل ویرایش ) تعداد صفحات:28  

چکیده : در این گزارش ما به بررسی ویژگی های الگوریتمهای کنترل همروندی توزیعی که بر پایه مکانیزم قفل دو مرحله ای(2 Phase Locking)   ایجاد شده اند خواهیم پرداخت. محور اصلی این بررسی بر مبنای تجزیه مساله کنترل همروندی به دو حالت read-wirte و write-write می‌باشد. در این مقال، تعدادی از تکنیکهای همزمان سازی برای حل هر یک از قسمتهای مساله بیان شده و سپس این تکنیکها برای حل کلی مساله با یکدیگر ترکیب می‌شوند.

در این گزارش بر روی درستی و ساختار الگوریتمها متمرکز خواهیم شد. در این راستا برای ساختار پایگاه داده توزیعی یک سطحی از انتزاع را در نظر می‌گیریم تا مساله تا حد ممکن ساده سازی شود.

1. مقدمه : کنترل همروندی فرآیندی است که طی آن بین دسترسی های همزمان به یک پایگاه داده در یک سیستم مدیریت پایگاه داده چند کاربره هماهنگی بوجود می‌آید. کنترل همروندی به کاربران اجازه می‌دهد تا در یک حالت چند برنامگی با سیستم تعامل داشته باشند در حالیکه رفتار سیستم از دیدگاه کاربر به نحو خواهد بود که کاربر تصور می‌کند در یک محیط تک برنامه در حال فعالیت است. سخت ترین حالت در این سیستم مقابله با بروز آوری های آزار دهنده ای است که یک کاربر هنگام استخراج داده توسط کاربر دیگر انجام می‌دهد. به دو دلیل ذیل کنترل همروندی در پایگاه داده های توزیعی از اهمیت بالایی برخوردار است:
2. کاربراان ممکن است به داده هایی که در کامپیوترهای مختلف در سیستم قرار دارند دسترسی پیدا کنند.
3. یک مکانیزم کنترل همروندی در یک کامپیوتر از وضعیت دسترسی در سایر کامپیوترها اطلاعی ندارد.

مساله کنترل همروندی در چندین سال قبل کاملا مورد بررسی قرار گفته است و در خصوص پایگاه‌داده‌های متمرکز کاملا شناخته شده است. در خصوص این مسال در پایگاه داده  توزیعی با توجه به اینکه مساله در حوزه مساله توزیعی قرار می‌گیرد بصورت مداوم راهکارهای بهبود مختلف عرضه می‌شود. یک تئوری ریاضی وسیع برای تحلیل این مساله ارائه شده و یک راهکار قفل دو مرحله ای به عنوان راه حل استاندارد در این خصوص ارائه شده است. بیش از 20 الگوریتم کنترل همروندی توزیعی ارائه شده است که بسیاری از آنها پیاده سازی شده و در حال استفاده می‌باشند.این الگوریتمها معمولا پیچیده هستند و اثبات درستی آنها بسیار سخت می‌باشد. یکی از دلایل اینکه این پیچیدگی وجود دارد این است که آنها در اصطلاحات مختلف بیان می‌شوند و بیان های مختلفی برای آنها وجود دارد. یکی از دلایل اینکه این پیچدگی وجود دارد این است که مساله از زیر قسمتهای مختلف تشکیل شده است و برای هر یک از این زیر قسمتها یک زیر الگوریتم ارائه می‌شود. بهترین راه برای فائق آمدن بر این پیچدگی این است که زیر مساله ها و الگوریتمهای ارائه شده برای هر یک را در ی.ک سطح از انتزاع نگاه داریم.

دانلود مقاله و تحقیق مروری بر داده کاوی و بررسی شبکه های عصبی‎ (تعداد صفحات )

اختصاصی از کوشا فایل دانلود مقاله و تحقیق مروری بر داده کاوی و بررسی شبکه های عصبی‎ (تعداد صفحات ) دانلود با لینک مستقیم و پرسرعت .

چندین دهه است که شرکت ها اطلاعات را جمع آوری می نمایند تا با ایجاد یک پایگاه داده انبوه اطلاعات را ذخیره کنند، با این حال که اطلاعات در دسترس آنها قرار دارد فقط تعداد کمی از شرکت ها قادر شده اند به ارزش واقعی ذخیره شده در آنها پی ببرند سوال این شرکتها این است که چگونه میتوان به ارزش واقعی این اطلاعات دست یافت؟ پاسخ آن داده کاوی است، که امروزه در بسیاری از صنعتها از جمله پزشکی، آموزش، ورزش و بسیاری از صنایع دیگر مورد استفاده قرار میگیرد. تکنیکهای بسیاری جهت داده کاوی وجود دارد از جمله شبکه های عصبی مصنوعی، رگرسیون، درخت تصمیم و غیره. همچنین طراحی شده است اشاره SAS که توسط شرکت JMP نرم افزارهایی نیز برای داده کاوی ایجاد شده است که میتوان به نرم افزار کرد. این مقاله به معرفی داده کاوی و برخی از روشهای داده کاوی و همچنین محیطهایی که از داده کاوی بهره میبرند به همراه نرم افزار های آن پرداخته است.

فهرست :

چکیده

مقدمه

داده کاوی

تکنیک های داده کاوی

دسته بندی

رگرسیون گیری

خوشه بندی

تجمع و همبستگی

درخت تصمیم گیری

ویزگی های درخت تصمیم

الگوریتم ژنتیک

شبکه های عصبی مصنوعی

ساختار شبکه عصبی

نورون

معماری شبکه عصبی

شبکه های پیش خور تک لایه

انواع یادگیری در شبکه های عصبی مصنوعی

داده کاوی در پزشکی

داده کاوی در سلامت

نرم افزار های داده کاوی

نتیجه گیری

مراجع