تئوری سیستم های فازی و منطق فازی را اولین بار
پرفسور لطفی‌زاده در سال 1965 معرفی نمود.
هدف او توسعه مدلی کارآمدتر برای توصیف فرآیند پردازش زبان‌های طبیعی بود.
او مفاهیمی همچون مجموعه‌های فازی، رویدادهای فازی، اعداد فازی و فازی‌سازی را وارد علوم ریاضیات و مهندسی نمود
برای دانلود کل پاورپوینت از لینک زیر استفاده کنید:
شبکه
فرمت: word
تعدادصفحات : 84
یک شبکه عصبی مصنوعی (Artificial Neural Network (ANN)) ایده ای است برای پردازش اطلاعات که از سیستم عصبی زیستی الهام گرفته شده و مانند مغز به پردازش اطلاعات می پردازد . عنصر کلیدی این ایده ، ساختار جدید سیستم پردازش اطلاعات است. این سیستم از شمار زیادی عناصر پرداز شی فوق العاده بهم پیوسته تشکیل شده (neurons)که برای حل یک مسأله با هم هماهنگ عمل می کند.ANN ها ،نظیر انسانها ، با مثال یاد می گیرند . یک ANN برای انجام وظیفه های مشخص ، مانند شناسایی الگو ها و دسته بندی اطلاعات ، در طول یک پروسه یاد گیری ، تنظیم می شود . در سیستم های زیستی یاد گیری با تنظیماتی در اتصالات سیناپسی که بین اعصاب قرار دارد همراه است . این روش ANN ها هم می باشد.
سابقه تاریخی
به نظر می آید شبیه سازی های شبکه عصبی یکی از پیشرفت های اخیر باشد . اگرچه این موضوع پیش از ظهور کامپیوتر ها بنیان گذاری شده و حداقل یک مانع بزرگ تاریخی و چندین دوره مختلف را پشت سر گذاشته است. خیلی از پیشرفت های مهم با تقلید ها و شبیه سازی های ساده و ارزان کامپیوتری بدست آمده است. در پی یک دوره ابتدائی اشتیاق و فعالیت در این زمینه ، یک دوره ی بی میلی و بدنامی راهم پشت سر گذاشته است . در طول این دوره سرمایه گذاری و پشتیبانی حرفه ای از این موضوع در پایین ترین حد خود بود ، پیشرفت های مهمی به نسبت تحقیقات محدود در این زمینه صورت گرفت . که بدین وسیله پیشگامان قادر شدند تا به گسترش تکنولوژی متقاعد کننده ای بپردازند که خیلی برجسته تر از محدودیت هایی بود که توسط Minsky و Papert شناسانده شد. Minsky و Papert ،کتابی را در سال 1969 منتشر کردند که در آن عقیده عمومی راجع به میزان محرومیت شبکه های عصبی را در میان محققان معین کرده بود و بدین صورت این عقیده بدون تجزبه و تحلیل های بیشتر پذیرفته شد. هم اکنون ، زمینه تحقیق شبکه های عصبی از تجدید حیات علایق و متناطر با آن افزایش سرمایه گذاری لذت می برد . اولین سلول عصبی مصنوعی در سال 1943 بوسیله یک neurophysiologist به نامWarren McCulloch و یک منطق دان به نام Walter Pits ساخته شد . اما محدودیتهای تکنولوژی در آن زمان اجازه کار بیشتر به آنها نداد.
های عصبی درهوش مصنوعی
دانلود پروژه علمی با عنوان روشهای تشخیص هویت درهوش مصنوعی که شامل 31 صفحه و مشتمل بر بخش های زیر است :
نوع فایل : Word
فهرست محتوی
انگشت نگاری ژنتیکی
▪ آزمون انساب (تعیین هویت):
▪ شناسائی مجرمان :
▪تشخیص سرطانها :
▪ برآورد پارامترهای جمعیتی :
▪ تایید صحت ادعاهای شبیه سازی:
مطالعات مربوط به حفاظت گونه ها و رفتار شناسی گونه های در حال انقراض:
تشخیص افراد با استفاده از صدا
تشخیص انسان ها با استفاده از شکل رگ ها
تشخیص انسانها با استفاده از شکل دست
تشخیص هویت از روی دستخط
دسته کلیدی که گم نمی شود
ورود اطلاعات:
نگهداری اطلاعات:
سیستم های تشخیص هویت
شناسایی از طریق فرکانس رادیویی (RFID)
RFID چیست ؟
به جای انگشت نگاری پلک بزنید
ساختار فیزیولوژیک عنبیه
● مراحل پیاده سازی سیستم تشخیص عنبیه
▪ تصویر برداری از عنبیه
▪ اطمینان از واقعی بودن عنبیه
▪ مکان یابی مردمک و عنبیه
▪ تبدیل مختصات کارتزین به قطبی
▪ استخراج و انطباق ویژگی ها
▪ انطباق کدهای عنبیه و مقایسه آنها با یکدیگر
● محصولات LG
▪ محصول IrisGuard
▪ محصول Securimetrics
● چند بررسی موردی از سیستم های تشخیص عنبیه
▪ سازمان ملل، پاکستان
▪ فرودگاه ملک عبدالعزیز، عربستان سعودی
▪ کنترل مرزی، امارات متحده عربی
شناسایی افراد با هندسه رگ‌ها
1 - دست خط
2- اثر انگشت و شکل دست
3- صدا
4- اسکن عنبیه
5- حالت هندسی رگ‌ها
مقدمه
نظریه گراف شاخه ای از ریاضیات است که درباره ی اشیاء خاصی درریاضی به نام گراف بحث می کند. به صورت شهودی گراف نمودار یا دیاگرافی است شامل تعدادی راس که با یالهایی به هم متصل شده اند. تعریف دقیق تر گراف به این صورت است که گراف مجموعه ای از راس هاست که توسط خانواده ای از زوج های مرتب که همان یالهاست به هم مرتبط شده اند. یالها بر دو نوع ساده و جهت دار هستند که هر کدام در جای خود کاربرد بسیاری دارد. مثلا اگر صرفا اتصال دو نقطه مانند اتصال تهران و زنجان با کمک آزاد راه مد نظر شما باشد کافیست آن دو شهر را با دو نقطه نمایش داده و اتوبان مزبور را یالی ساده نمایش دهید. اما اگر بین دو شهر جاده ای یکطرفه وجود داشته باشد آنگاه لازمست تا شما با قرار دادن یالی جهت دار مسیر حرکت را در آن جاده مشخص کنید.
آغاز نظریه ی گراف به سده ی هجدهم بر می گردد. اویلر ریاضیدان بزرگ مفهوم گراف را برای حل مسئله ی پل های کونیگسربگ ابداع کرد، اما رشد و پویایی این نظریه عمدتا مربوط به نیم سده ی اخیر و با رشد علم داده ورزی (انفورماتیک) بوده است. مهمترین کاربرد گراف مدل سازی پدیده های گوناگون و بررسی بر روی آنهاست. با گراف می توان به راحتی یک نقشه بسیار بزرگ یا شبکه ای عظیم را درون یک ماتریس به نام ماتریس وقوع گراف ذخیره کرد و یا الگوریتم های مناسب مانند الگوریتم دایسترا یا الگوریتم کروسکال و.... را برروی آن اعمال نمود.
نظریه ی گراف یکی از پرکاربرد ترین نظریه ها در شاخه های مختلف علوم مهندسی (مانند عمران)، باستانشناسی (کشف محدوده ی یک تمدن) و هوش مصنوعی و.... است.
من در این تحقیق کاربرد گراف را در هوش مصنوعی که علم روز می باشد برگزیدم.
نظریهٔ مجموعه‌ها
شالودهٔ بنیادین و سنگ اساسی بنای ریاضیات جدید است. تعریف‌های دقیق جمیع مفاهیم ریاضی، مبتنی بر نظریه مجموعه‌هاست. گذشته از این روشهای استنتاج ریاضی، با استفاده از ترکیبی از استدلالهای منطقی و مجموعه- نظری تنظیم شده‌اند. زبان نظریه مجموعه‌ها، زبان مشترکی است که ریاضیدانان منطقی در سراسر دنیا با آن صحبت کرده و آن را درک می‌کنند. چنان که اگر کسی بخواهد پیشرفتی در ریاضیات عالی یا کاربردهای عملی آن داشته باشد، باید مفاهیم اساسی و نتایج نظریه مجموعه‌ها و زبانی که در آن بیان شده‌اند، آشنا شود.
شامل 41 صفحه فایل word