موضوع فارسی : استفاده از سیستم های هوشمند برای برنامه ریزی و زمانبندی پروژه های توسعه محصول
موضوع انگلیسی : The use of intelligent systems for planning and scheduling of product development projects
تعداد صفحه : 10
فرمت فایل :pdf
سال انتشار : 2014
زبان مقاله : انگلیسی
چکیده
موضوع فارسی : یادگیری به کمک قضیه اثبات با میلیونها لم
موضوع انگلیسی : Learning-assisted theorem proving with millions of lemmas
تعداد صفحه : 20
فرمت فایل :pdf
سال انتشار : 2015
زبان مقاله : انگلیسی
چکیده
کتابخانه های رسمی ریاضی زیادی از میلیون ها شامل اتمی
که مراحل استنتاج و منجر به یک تعداد به اثبات رساند مربوطه
اظهارات (لم). شبیه به ریاضی گاه به گاه
عمل، تنها بخش کوچکی از چنین اظهاراتی است که به نام و دوباره
بعد از آن در ادله رسمی توسط ریاضی دانان استفاده می شود. در این کار، ما
پیشنهاد و پیاده سازی معیارهای تعریف سودمندی برآورد
از HOL نور لم برای اثبات این قضیه بیشتر. ما با استفاده از
این معیارها به معدن نمودار استنتاج زیادی از لم
در کتابخانه HOL نور و ذره، اضافه کردن به میلیون
از بهترین لم به استخر از اظهارات است که می تواند دوباره
مورد استفاده در اثبات بعد. ما نشان می دهد که در ترکیب با یادگیری
بر اساس فی ارتباط ltering، از جمله روش به طور قابل توجهی تقویت
اثبات قضیه خودکار از حدس جدید بیش از بزرگ رسمی
ذره: مانند کتابخانه ریاضی.
کلمات کلیدی: یادگیری ماشین هوش مصنوعی معدن ذره لم
موضوع فارسی : طبقه بندی گسل خارجی با تجربه های سه فاز موتور القایی بر اساس چند کلاس ELM
موضوع انگلیسی : External Fault Classification Experienced by Three-Phase Induction Motor Based on Multi-Class ELM
تعداد صفحه : 7
فرمت فایل :pdf
سال انتشار : 2015
زبان مقاله : انگلیسی
چکیده
تشخیص عیب و شرایط ارزیابی (FDCA) ماشین آلات دوار می شود مهم به دلیل سن و ماشین آلات در خدمات.
مناسب FDCA بهبود زندگی عملیاتی، بازده دستگاه و کاهش شکست فاجعه بار. در این مقاله توصیف یک
روش واقعی FDCA سه فاز موتورهای القایی (IMS) با استفاده از داده به آسانی در دسترس است. گسل خارجی توسط IM تجربه
چند طبقه تحت نظارت شدید یادگیری ماشین (ELM) و عملکرد STI در مقایسه با پرسپترون چند لایه (MLP)
که شبکه های عصبی الگوریتم نشان داد ELM که کاملا سریع تر در تحقیقات منجر به کاهش بار محاسباتی.
مقدار RMS ولتاژ 3 فاز و جریان به عنوان ورودی های مختلف در مدل ELM برای شناسایی شش نوع از گسل های خارجی مورد استفاده
IM و تجربه شده توسط عامل معمولی (NF) وضعیت. تست تجزیه و تحلیل از 160 نمونه شما شده است به نمایندگی از انجام
بررسی کردم که هفت نیرومندی از وضعیت شرایط را برای تغییرات گسترده ای در IM عامل و شرایط بارگذاری اغتشاش
کلمات کلیدی: شناسایی گسل؛ افراطی یادگیری ماشین (ELM)؛ موتور القایی. MCSA. هوش مصنوعی؛ MLP؛
موضوع فارسی :مدل استنتاج ژنتیکی عصبی فازی برای تشخیص سل
موضوع انگلیسی : A Genetic-Neuro-Fuzzy inferential model for diagnosis of tuberculosis
تعداد صفحه : 21
فرمت فایل :pdf
سال انتشار : 2015
زبان مقاله : انگلیسی
چکیده
سل یک بیماری عفونی اجتماعی دوباره در حال ظهور با پزشکی است
مفاهیم در سراسر جهان است. با وجود تلاش، پوشش سل
بیماری (با شیوع اچ آی وی) در نیجریه از 2.2٪ در سال 1991 به 22٪ در سال 2013 افزایش یافت
و روش تشخیص ارتدوکس قابل دسترس برای تشخیص سل
با تعدادی از چالش های است که می تواند، اگر اقدام نشود، افزایش مواجه شده است
نرخ گسترش؛ از این رو، نیاز به کمک در تشخیص بیماری وجود دارد. این
مطالعه یک روش برای تشخیص هوشمند سل با استفاده از Genetic- پیشنهاد
فازی عصبی استنباطی به ارائه پلت فرم پشتیبانی تصمیم گیری است که
می توانید پزشکان در تجویز دقیق، به موقع، و هزینه تشخیص موثر سل کمک کند. ارزیابی عملکرد مشاهده شده، با استفاده از یک مورد
مطالعه 10 بیمار از بیمارستان سنت فرانسیس کاتولیک Okpara به-داخلی
کلمات کلیدی: تشخیص پزشکی؛ سل؛ مصنوعی فی اطلاعات؛ سیستم استنتاج؛ پشتیبانی تصمیم گیری
موضوع فارسی : سری زمانی نامشخص در پیش بینی آب و هوا
موضوع انگلیسی : Uncertain Time Series in Weather Prediction
تعداد صفحه : 8
فرمت فایل :pdf
سال انتشار : 2013
زبان مقاله : انگلیسی
چکیده
بررسی مقاله در مورد روش ها بر داده های سری زمانی نامشخص در پیش بینی آب و هوا اجرا شده است. هدف
تجزیه و تحلیل سری های زمانی نامشخص است به تدوین و فرموله کردن اطلاعات غیر قطعی به منظور به دست آوردن دانش، مناسب مدل های بعدی پایین، و انجام
پیش بینی. فاصله اقلیدسی، ذرات بهینه سازی ازدحام، داده کاوی، و شبیه سازی مونت کارلو روش های است که بوده است
در مقایسه با بررسی بهترین راه پیش بینی. این روش از سال 1900s زود اجرا شده است. این کاغذ
مورد بحث در عملکرد هر روش.
کلمات کلیدی: سری زمانی نامشخص؛ سری زمانی؛ هوش مصنوعی؛ هوا