معرفی موضوعات، روشها و الگوریتم‌ها جهت ایده گرفتن

[s_mrj67]

شبکه­های عصبی مصنوعی: ایده آموزش برای حل مسائل شناسایی الگوهای پیچیده با استفاده از دیدگاه عامل­های داده هوشمند برای محققان دانشگاهی بسیار چالش برانگیز شده است. شبکه‫های عصبی ابزار محاسباتی ساده­ای برای آزمون داده‫ها و ایجاد مدل از ساختار داده­ها است. داده‫هایی که برای ایجاد مدل­ها استفاده می شود، به داده­های آموزشی مشهور است. هرگاه شبکه عصبی از داده­های آموزشی برای یادگیری الگوهای موجود در داده­ها استفاده کند، می تواند آنها را برای دستیابی به خروجی‫ها و نتایج مختلف به کار بگیرد. شبکه­های عصبی مصنوعی جزء دسته‫ای از سیستم­های پویا قرار دارند که با پردازش داده­های تجربی، دانش یا قانون نهفته در ورای داده­ها را به ساختار شبکه منتقل می کنند. به همین خاطر به این سیستم­ها، هوشمند می گویند؛ چرا که بر اساس محاسبات روی داده­های عددی یا مثال­ها، قوانین کلی را فرامی گیرند. این سیستم­های مبتنی بر هوش محاسباتی سعی در مدل­سازی ساختار نرو- سیناپتیکی مغز بشر دارند.
ويژگي­هاي شبكه­هاي عصبي مصنوعي شبكه­هاي عصبي مصنوعي با وجود اينكه با سيستم عصبي طبيعي قابل مقايسه نيستند، ليكن ويژگي­هايي دارند كه آن­ها را در بعضي كاربردها مانند تشخيص الگو، رباتيك، كنترل و به طور كلي در هرجا كه نياز به يادگيري يك نگاشت خطي يا غيرخطي باشد، ممتاز مي­نمايد. اين ويژگي­ها به شرح زير هستند:
توازی انبوه: شبکه‫های عصبی دارای انبوهی از واحدهای پردازشی (نرون) هستند که به صورت موازی عمل می­نمایند و عملیات را به صورت متوالی انجام نمی­دهند. این امر موجب افزايش سرعت پردازش اطلاعات مي­شود - توانایی تعمیم دادن: در حالاتی که درون­دادها ناقص و دارای اختلال می­باشند یا قبلاًٌ مشاهده نشده‫اند، شبکه‫های عصبی جواب معقولی را ارائه می­دهند. سپس می­توانند پس از یادگیری و انطباق، نتایج حاصل را به موارد مشابه تعمیم دهند- قابليت يادگيري و سازگاری: به معني توانايي تنظيم پارامترهاي وزني شبكه، موسوم به سيناپس در گذر زمان با اين هدف كه اگر شبكه براي يك وضعيت خاص آموزش ديد و تغيير كوچكي در شرايط محيطي رخ داد، بتواند با كمي آموزش مجدداً كارآمد شود. مصرف انرژی کم: شبکه عصبی با توجه به پردازش موازی اطلاعات و حفظ اطلاعات فراگرفته شده، انرژی کمی مصرف می­نماید تحمل خطا: از آنجایی که در شبکه‫های عصبی، گره‫های پردازشی زیادی وجود دارد، آسیب دیدن تعدادی از گره‫ها یا ارتباطات بین آن­ها، باعث مختل شدن و توقف کل سیستم نمی­شود به عبارتی دیگر در يك شبكه عصبي هر سلول به طور مستقل عمل مي­كند و رفتار كلي شبكه، برآيند رفتارهاي محلي نرون­هاي متعدد است. اين ويژگي باعث مي­شود تا خطاهاي محلي در خروجي شبكه تأثير نداشته باشد. به عبارت ديگر نرون­ها در يك روند همكاري خطاهاي محلي يكديگر را تصحيح مي­كنند. اين خصوصيت باعث افزايش قابليت مقاوم بودن (تحمل­پذيري خطاها) در سيستم مي­گردد- یکسانی در تحلیل و طراحی: اصولاً، شبکه­های عصبی برای پردازش اطلاعات از یکسانی برخوردار هستند که این یکسانی ناشی از ماهیت نرون­ها، الگوریتم­های یادگیری و سلولی بودن شبکه است- پراكندگي اطلاعات: اطلاعات يا دانشي كه شبكه فرا مي­گيرد در وزن­هاي سيناپسي مستتر مي­باشند. هر نرون در شبكه از فعاليت ساير نرون­ها متأثر مي­باشد. بنابراين چنانچه بخشي از سلول­هاي شبكه حذف شوند باز هم احتمال رسيدن به پاسخ صحيح وجود دارد.
شبكه­هاي عصبي در حوزه­هاي مختلفي، نظير علوم شناختي، علوم كامپيوتر، مهندسي برق، مديريت، حسابداري و مالي به كار گرفته شده­اند. در سال­هاي اخير از اين روش، به طور فزاينده در فرآيندهاي مديريت و تصميم­گيري در سازمان استفاده شده است.

[rise]

دوستان میشه یه چند مورد از الگوریتم های شبکه های حسگر بی سیم (WSN) رو نام ببرین و کاربردهاشون رو یه مختصر توضیح بدین.

[ariaie]

دوستان میشه یه چند مورد از الگوریتم های شبکه های حسگر بی سیم (WSN) رو نام ببرین و کاربردهاشون رو یه مختصر توضیح بدین.

درود
دوست عزیز راستش خیلی اطلاع دقیق ندارم منتها موارد زیادی در WSNها موثر هست، یه روشش اینه تو ساختارهای سلسله مراتبی پیدا میشن. یا شبکه هایی مثل شبکه های معمولی پیاده میشه و همون الگوریتمهای مسیریابی پیاده میشه توش.منتها معمولا اجزای شبکه رو مخصوص WSN میسازن که هم هزینه پایینتر باشه هم نزدیکتر باشه به کاربردهای خاص این شبکه ها. یه دوستی یکم بررسی کرده بود بعد از ظعتیلات ببینمش میپرسم ببینم الگوریتمهای خاصی میشناسه یا نه. نتیجشو میزارم اینجا.

[S03]

دوستان میشه یه چند مورد از الگوریتم های شبکه های حسگر بی سیم (WSN) رو نام ببرین و کاربردهاشون رو یه مختصر توضیح بدین.

این یه Survey بسیار خوبه از WSN ها که درباره الگوریتم ها و پروتوکل ها در هر لایه شبکه توضیح داده و در دوران پیک WSN ها نوشته شده.

http://www.larces.uece.br/~celestino...a%20Survey.pdf

[s_mrj67]

خوب تو این پست نرم افزار مربوط به شبکه عصبی را بتون معرفی می کنم:
معرفی نرم­ افزار NeuroSolutions

نرم­افزارNeuroSolutions يكي از نرم­افزارهاي تخصصي براي توسعه انواع مدل­هاي شبكه عصبي مصنوعي مي­باشد. بر مبناي داده­ها و ويژگي­هایي كه مدنظر کاربر است، اين نرم­افزار دو معجزه­گر (ویزارد)خودكار براي ايجاد شبكه­هاي عصبي دارد. در اين حالت نيازي به شناخت شبكه­هاي عصبي وجود ندارد و براساس مسأله­هایي است كه قرار است حل شود (مانند: طبقه­بندي، پيش­بيني، تخمين تابع و خوشه­بندي)، تنها كافي است نوع مسأله و داده­هاي مربوطه به برنامه وارد گردند. ويزارد NeuralExpert به­صورت هوشمندانه اندازه و ساختار شبكه­اي را كه راه­حل خوبي را ارائه مي­دهد، انتخاب مي­كند. تعدادی از، متداولترين معماري­هاي شبكه عصبي قابل استفاده در اين برنامه عبارتند ازPCA ،Modular ، MLP، SVM،SOM و RBF.
در این نرم­افزار بهترين روش براي ايجاد مدل­هاي شبكه عصبي از طريق داده­هايي كه در محيط Excel قرار دارند، استفاده از NSfor Excel است. برنامه الحاقي Excel ميكروسافت، عمل ورود و خروج، هنجارسازي و توزيع تصادفي داده­ها و نيز تقسيم داده­ها به مجموعه­هاي آموزشي، آزمايشي و اعتبارسنجي به صورت خودكار به شبكه­هاي عصبي NS را امكان­پذير مي­سازد.
مزيت­هاي ديگر هم براي مبتدي­ها و هم حرفه­اي­ها، امكان انجام هر كاري از جمله، انجام انواع پيش­پردازش­ها بر روي داده­ها، طراحي انواع شبكه­هاي عصبي، ايجاد گزارش نتايج، تنها از محيط Excel است. ارتباط بینNS for Excel و NS توسط Excel برقرار مي­گردد. در اين حالت منویی تحت عنوان NS به برنامه Excel اضافه مي­گردد
البته لازم هس که ذکر کنم از نرم افزار MATLAB نیز برای اجرای شبکه های عصبی مثل خیلی از روش های فراابتکاری دیگه، نیز استفاده می شه...
اما نرم افزار neurosolution به دلیل سهولت در استفاده و سادگی که داره من اونو به شما پیشنهاد میدم..
بهروز و سربلند باشید.

[s_mrj67]

سلام....
بچه ها به نظرتون... از ایده تشکیل ابر میشه روش خاصی ایجاد کرد.... مثلا تو حوزه های مدیریت دانش و ایجاد دانش....
مثلا اضافه کردن اطلاعات به داده های قبلی سیستم.... ایجاد دانش جدید... دادن اون به محیط و باز دوباره جذب اون دانش ادغام اون با داشته های سازمان.... و باز دوباره تولید دانش جدید... حالا این دانش براساس ظرفیت های سازمان می تونه باعث باروری بیشتر یا از اون طرف تخریب بشه....
حالا ما از اینبرای ایجاد سیستمی برای جذب دانش.... ایجاد دانش و تزریق دانش به سازمان استفاده می کنیم....
حالا اون هایی که اطلاعات بیشتر در زمینه ایجاد ابر و بارش دارن می تونن کمک کنن ایده کامل تر بشه... تا یه کم کاربردی تر بشه...
تقریبا کار اون ایجاد یه چرخه هستش چرخه ای که مدام یک سیر رو طی می کنه و تو این حرکت مدام دانش جدید ایجاد می کنه...
ببینید میشه یا نه
سپاس از متفکرین سایت جمیعاااااااااااااااا.....

[S03]

سلام....
بچه ها به نظرتون... از ایده تشکیل ابر میشه روش خاصی ایجاد کرد.... مثلا تو حوزه های مدیریت دانش و ایجاد دانش....
مثلا اضافه کردن اطلاعات به داده های قبلی سیستم.... ایجاد دانش جدید... دادن اون به محیط و باز دوباره جذب اون دانش ادغام اون با داشته های سازمان.... و باز دوباره تولید دانش جدید... حالا این دانش براساس ظرفیت های سازمان می تونه باعث باروری بیشتر یا از اون طرف تخریب بشه....
حالا ما از اینبرای ایجاد سیستمی برای جذب دانش.... ایجاد دانش و تزریق دانش به سازمان استفاده می کنیم....
حالا اون هایی که اطلاعات بیشتر در زمینه ایجاد ابر و بارش دارن می تونن کمک کنن ایده کامل تر بشه... تا یه کم کاربردی تر بشه...
تقریبا کار اون ایجاد یه چرخه هستش چرخه ای که مدام یک سیر رو طی می کنه و تو این حرکت مدام دانش جدید ایجاد می کنه...
ببینید میشه یا نه
سپاس از متفکرین سایت جمیعاااااااااااااااا.....

مطمئن نیستم این چیزیه که شما دنبالشید یا نه ولی مباحثی هست به اسم Learner Models که برای مدل سازی دانش افراد و سیستم ها به کار میره. شاید بهتون کمک کنه. اکثر استفاده اش فعلا در سیستم های آموزشی و مدارسه برای کمک به دانش آموزها.

[sakhavat]

با سلام الگوريتم كلوني مورچه ها رو در من دارم فايل ورد و يك فايل پاورپوينت هم هست.ولي من قادر نيستم كه فايل پبوست در پست قرار بدم ايم ميل من هست بيايد پيغام بديد تا براتون ميل بزنم
(دادن اطلاعات تماس خارج از فروم خلاف قانون است)

[sakhavat]

با سلام.

عرضم به حضورتان كه شما هر جك و جونوري رو كه فكرشو كنيد براش الگوريتم داريم
از اين الگوريتمها زياده ولي بايد بفميد كه كدومو كجا بكار ببريد.

از جمله مي تونم خلاصشو هم اينجا بذارم:

Altruism algorithm

Ant colony optimization

Artificial bee colony algorithm

Artificial immune systems

Charged system search

Cuckoo search

Firefly Algorithm

Gravitational search algorithm

Intelligent water drops

Intelligent Water DropsMulti-swarm optimization

Particle swarm optimization

River formation dynamics

Self-propelled particles

Stochastic diffusion search

...................

به قول احمد آقا پور مخبر "بروووو حالشوووو ببر "

با سلام و خسته نباشيد.ببخشيد در خصوص الگوريتم كرم شب تاب.مقاله اي ميخواستم.هم الگوريتمش رو الگه ميشه كمكم كنيد خيلي زروري هستش
(دادن اطلاعات تماس خارج از فروم خلاف قانون است)
با تشكر

[sakhavat]

درود
دوست عزیز راستش خیلی اطلاع دقیق ندارم منتها موارد زیادی در WSNها موثر هست، یه روشش اینه تو ساختارهای سلسله مراتبی پیدا میشن. یا شبکه هایی مثل شبکه های معمولی پیاده میشه و همون الگوریتمهای مسیریابی پیاده میشه توش.منتها معمولا اجزای شبکه رو مخصوص WSN میسازن که هم هزینه پایینتر باشه هم نزدیکتر باشه به کاربردهای خاص این شبکه ها. یه دوستی یکم بررسی کرده بود بعد از ظعتیلات ببینمش میپرسم ببینم الگوریتمهای خاصی میشناسه یا نه. نتیجشو میزارم اینجا.

سلام من در خصوص اين شبكه ها يه چيزهايي دارم كه حتما به دردت ميخوره اگه خواستي بگو كه برات ميل كنم.من نميدونم چرا نميتونم كه فايل پيوست بدم.اين ميل من هستش.اگه ميل زدي بگو كه چي ميخوای
(دادن اطلاعات تماس خارج از فروم خلاف قانون است)