حل تمرین دروس الکترونیک، مدارهای الکتریکی،کنترل خطی، نانوالکترونیک، فناوری ساخت مدارهای دیجیتال، ریاضیات مهندسی، معادلات دیفرانسیل، و.....

رشته مهندسی برق گرایش های الکترونیک، قدرت، کنترل، مخابرات، کامپیوتر

کاردانی، کارشناسی، کارشناسی ارشد، دکتری

از طریق تماس، واتساپ، تلگرام با شماره تلفن09372002091 وهمچنین از طریق دایرکت پیج اینستاگرام project_tehran درخواست خود را ارسال فرمایید 

در سریعترین زمان و با بهترین کیفیت توسط تیم متخصص دکتری انجام می شود

*****************************************************************************

شبیه سازی پروژه و مقاله درتمام سطوح دانشگاهی پذیرفته می شود

*****************************************************************************

*****************************************************************************

مامي توانيم با كمترين هزينه ودر كوتاهترين زمان ممكن در تهيه پروپزال ، پروژه ، مقاله ، پايان نامه ، گزارش كارآموزي ،به شما كمك كنيم. در صورت تمايل عنوان ومشخصات كامل مطلب درخواستي و رشته و مقطع تحصيلي و شماره همراه خود را جهت اعلام نتيجه در قسمت نظرات ثبت کنید .

ضمناْ اگر از نظر وقت عجله دارید به ایمیل یا تلگرام زیر اعلام فرمائید

ایمیل ‏com.dr@yahoo.com‏ ‏‎ ‎‎ ‎‏ ‏‎ ‎‏ ‏‎‎

از طریق تلگرام یا واتساپ با این شماره درخواست خود را اعلام فرمایید : ‏09372002091‏ ‏‎ ‎‎ ‎‏ ‏‎ ‎‏ ‏‎‎

• 1
• 2
• 3
• 4
• 5

تحقیق درس یادگیری ماشین موضوع: یادگیری درخت های تصمیم

-          چکیده

ساختار درخت تصمیم در یادگیری ماشین، یک مدل پیش بینی کننده می باشد که حقایق مشاهده شده در مورد یک پدیده را به استنتاج هایی در مورد مقدار هدف آن پدیده نقش می کند. تکنیک یادگیری ماشین برای استنتاج یک درخت تصمیم از داده ها، یادگیری درخت تصمیم نامیده می شود که یکی از رایج ترین روش های داده کاوی است. هر گرهء داخلی متناظر یک متغیر و هر کمان به یک فرزند، نمایانگر یک مقدار ممکن برای آن متغیر است. یک گرهء برگ، با داشتن مقادیر متغیرها که با مسیری از ریشهء درخت تا آن گرهء برگ بازنمایی می شود، مقدار پیش بینی شدهء متغیر هدف را نشان می دهد..یک درخت تصمیم ساختاری را نشان می دهد که برگ ها نشان دهندهء دسته بندی و شاخه ها ترکیبات فصلی صفاتی که منتج به این دسته بندی ها را بازنمایی می کنند. یادگیری یک درخت می تواند با تفکیک کردن یک مجموعهء منبع به زیرمجموعه هایی براساس یک تست مقدار صفت انجام شود. این فرآیند به شکل بازگشتی در هر زیرمجموعهء حاصل از تفکیک تکرار می شود. عمل بازگشت زمانی کامل می شود که تفکیک بیشتر سودمند نباشد یا بتوان یک دسته بندی را به همهء نمونه های موجود در زیرمجموعهء بدست آمده اعمال کرد.  درختان تصمیم قادر به تولید توصیفات قابل درک برای انسان، از روابط موجود در یک مجموعهء داده ای هستند و می توانند برای وظایف دسته بندی و پیش بینی بکار روند. این تکنیک به شکل گسترده ای در زمینه های مختلف همچون تشخیص بیماری دسته بندی گیاهان و استراتژی های بازاریابی مشتری بکار رفته است..........

یادگیری درخت تصمیم یکی از رایج ترین تکنیک های یادگیری ماشین می باشد که به دلیل سادگی و کارامدی باعث شده است علی رغم مشکلاتی که در استفاده از آن همچون صفات دارای نویز و یا صفات فاقد مقدار یا ... وجود دارد به شکل گسترده ای در مسائل مربوط به یادگیری ماشین استفاده شود. در این تحقیق سعی شده است به مسائل اصلی مطرح در زمینهء درخت طراحی مانند بازنمایی، طراحی، عام سازی و مشکلات و راه کارهای برخورد با آنها که توسعه یافته اند پرداخته شود و همچنین از برخی مسائل غیراصلی مانند درختان رگراسیون، نرم افزارهای آزمایشگاهی و تست آماری χ2  نیز ذکری به میان آید. 

• 1
• 2
• 3
• 4
• 5

تحقيق درس يادگيري ماشين .موضوع :يادگيري ماشين در بازي مقابل انسان

مقدمه:

تحقيق در بازي ها يکي از روياهاي هوش مصنوعي را تحقق بخشيد يعني شکست قهرمان شطرنج جهان در يک تورنمنت ، در حدود يک سال بعد در يک مسابقه برنامه Checkers اولين برنامه اي بود که توانست قهرمان جهان را در هر مسابقه‌اي شکست دهد . تعدادي از بازي‌هاي معروف ساده‌تر مانندConnect-4 ، Gomoku  يا mill نيز حل شده اند. برنامه ها اکنون مسابقات قوياي با بهترين هاي انسان در جهان در بازيهايي مثل تخته نرد ، اتللو و Scrabble  انجام مي دهند.

تحقيق در رشد ساير بازي هايي مانند پوکر ،Bridge ، shogi  يا Go در حال انجام است در حالي که انسانها هنوز در لبه داغ چنين بازيهايي قرار دارند. يک ديد سطحي از آخرين پيشرفت ها در بازيهاي کامپيوتر در مقاله ( Ginsberg) ديده مي‌شود. تحليلي با جزئيات در مقاله (Schaeffer) در بزرگداشت چهلمين سال انتشار مقاله Samuel نوشته شده است . يافت مي شود.

در اين مقاله ، سعي برآن است که يک بررسي بر روي حجم زيادي از ادبياتي که با رهيافت يادگيري ماشين بر بازيها در ارتباط است انجام شود . هدف اصلي از اين مقاله ارائه توانايي به خوانندگان مشتاق است تا خيلي سريع به نتايج گذشته که در ارتباط با تحقيق يا پروژه آن هاست دست يابند تا تحقيق خود را از آن جا شروع کنند.

تعداد راه هاي زيادي براي دسته بندي مطالب در اين مقاله وجود دارد . ما مي توانستيم به طور مثال دسته بندي براساس بازي هاي مختلف انجام دهيم مانند: شطرنج ، تخته نرد، Go، chekers  ، shogi ، poker و ... و يا اينکه دسته بندي را براساس روش ها و تکنيک هاي يادگيري انجام دهيم . به جاي آنها تصميم گرفته شد که رهيافتي بر پايه مسئله در نظر گرفته شود و دسته بندي را براساس رقابت هايي که در جنبه هاي مختلف بازي ها انجام شده اند انجام دهيم . با توجه به اين معتقديم که هم محقق در بازي هاي کامپيوتري مي تواند تکنيک هاي يادگيري ماشين را براي حل مسئله خود پيدا کند و هم محقق در يادگيري ماشين مي تواند موضوعات مفيد در دامنه تحقيق در بازي هاي کامپيوتري را داشته باشد.

مقاله پس از نگاهي گذرا بر تاريخچه تحقيق بر روي تکنيک‌هاي يادگيري ماشين در بازيها با طرح book Learning به عنوان مثال تکنيک هايي که در ذخيره پيش محاسبات حرکات انجام مي شود که به نام دستيابي سريع در بازي هاي تورنمنت هم خوانده مي شود آغاز مي گردد. سپس مسئله استفاده از تکنيک هاي يادگيري براي کنترل کردن فرآيند جستجو که در همه برنامه هاي بازي وجود دارد مورد بررسي قرار مي گيرد.

در قسمت چهارم به بررسي بيشترين و معروف ترين وظيفه يادگيري که به نام تنظيم خودکار يک تابع ارزيابي است مي پردازيم . مسئله يادگيري با ناظر ، يادگيري مقايسه‌اي ، يادگيري تقويتي ، يادگيري Temporal Difference نيز بررسي مي گردند. در يک زير بخش مجزا در مورد موضاعات مهم و  متفاوت بر اين رهيافت ها بحث مي شود . سپس در بخش پنجم به بررسي راه حل هاي مختلفي که در شناسائي طرح ها و الگو ها پرداخته مي شود از simple – advice taking رهيافت مدل سازي هوشمند گرفته تا استقراء الگوها و استراتژي ها از يک پايگاه داده بازي . در پايان در قسمت ششم مدل سازي حريف به طور مختصر بحث شده و وظيفه بهبود برنامه بازي توسط يادگيري براي استفاده از ضعف حريف مورد بررسي قرار مي گيرد.

• 1
• 2
• 3
• 4
• 5

مقاله : ماشين مجازي جاوا Java Virtual Machine  ( JVM)

کامپیوترهای مدرن امروزی جزء وسائل بسیار پیشرفته ساخته شده به دست بشر تلقی می‌گردند و دلیل اینکه ما توانستیم به چنین کاری نائل آییم، به احتمال قریب به یقین بخاطر دانش ما در مدیریت پیچیدگی‌ها می‌باشد. کامپیوترها از میلیونها چیپ تشکیل شده‌اند که هر کدام از بیلیونها ترانزیستور استفاده می‌کنند و تمام این قطعات به وسایل ورودی/خروجی و شبکه‌های مختلف متصل هستند تا در نهایت سیستمهای نرم‌افزاری بتوانند بر روی تمام اینها سوار شده و کار نهایی را انجام دهند. نرم‌افزارهای متعدد گرافیکی، آموزشی و ... نیز وجود دارند که کارهای ما را به انجام می‌رسانند.

کلید اصلی مدیریت پیچیدگی در سیستمهای کامپیوتری همانا انجام کارها بصورت انتزاعی و قرار دادن ظواهری  بین هر مرحله و مرحله بعد است تا کاربر اصلا حس نکند که این میان چه اتفاقی در حال افتادن است و او در چه سطحی قرار گرفته است. این انتزاع باعث می‌شود که طراحی در مراحل بالاتر آسان شده و بدون توجه به مراحل پایین انجام شود. به عنوان مثال این حقیقت که هارد دیسک به سکتورها و شیارهایی تقسیم می‌شود عملا با وجود سیستم‌عامل برای یک نرم‌افزار بی‌معنا شده و نرم‌افزار تنها هارددیسک را بصورت یک محیط کاملا قابل لمس و با یک سری فایل که هر کدام اندازه خاصی دارند می‌بیند. در این حالت یک برنامه‌نویس براحتی می‌تواند برنامه خود را بنویسد، بدون توجه به اینکه واقعا در لایه‌های پایینتر چه دنیایی از پیچیدگی قرار دارد! انتزاع خود دارای مراحل بیشماری است که از مراحل سطح پایین که عملا با سخت‌افزار محض سروکار دارد شروع شده و به مراحل سطح بالا که مراحل انتزاعی نرم‌افزاری هستند ختم می‌گردد. در مراحل سطح پایین فقط سخت افزار و اجزاء فیزیکی وجود دارند. در مراحل سطح بالا اجزاء تشکیل دهنده همه نرم‌افزاری هستند و محدودیتهای سخت‌افزاری را ندارند. در این کتاب ما بیشتر به سطوحی که در واقع جداساز بین مراحل سخت افزاری و نرم‌افزاری هستند می‌پردازیم، عملا سطوح حد واسط بین سخت‌افزار و نرم‌افزار، از جایی که نرم‌افزار از سخت‌افزار جدا شده و عملا ماشین فیزیکی که نرم‌افزار بر روی آن مشغول به کار است برای ما اهمیت پیدا می‌کند................

فایلها در واقع انتزاعی از دیسک هستند. یک سطح از انتزاع در واقع ظاهر ساده‌تری را برای کاربران بالایی خود فراهم می‌آورد. نرم‌افزار کامپیوتر توسط یک ماشین اجرا می‌شود (اصطلاحی که از اوان ایجاد کامپیوتر باب بوده است، امروزه معمولا از کلمه پلاتفورم بیشتر بجای ماشین استفاده می‌کنند). از دید سیستم‌عامل، یک ماشین عملا از قطعات سخت افزاری همچون یک و یا بیشتر CPU و همچین مقداری RAM و وسایل ورودی/خروجی تشکیل شده است. منتها فراموش نکنید که کاربرد این واژه نسبی است، یعنی همانطور که گفته شد هرگاه سیستم‌عامل از کلمه ماشین استفاده کند، منظور آن اجزاء صرفا سخت‌افزاری است، ولی هرگاه یک نرم‌افزار عادی از واژه ماشین استفاده کند، منظورش سیستم‌عامل مورد استفاده به همراه گوشه‌ای از جزئیات سخت‌افزاری است که توسط لایه سیستم‌عامل جداسازی نشده است و نرم‌افزار باید مستقیما با آنها درگیر باشد.  به اندازه کافی در مورد انتزاع بحث کردیم، حال اجازه دهید در مورد آن فاکتور دوم که مدیریت پیچیدگی را آسان می‌کند صحبت کنیم: قرار دادن ظواهری آسان بین هر مرحله از انتزاع. وجود چنین ظواهری باعث می‌شود که بتوان عملا مراحل طراحی یک کامپیوتر را توسط چندین تیم، مثلا یک تیم نرم‌افزاری و یک تیم‌ سخت‌افزاری انجام داد، بدون آنکه آنها چندان با کار یکدیگر کاری داشته باشند. وجود جدول دستوری CPU یک  نمونه از این ظاهر سازی است. به عنوان مثال طراحان AMD و یا Intel ریزپردازنده‌هایی را طراحی می‌کنند که از جدول دستوری استاندارد IA-32 استفاده می‌کند. از آن طرف کامپایلر نویسان RedHat و یا مایکروسافت نیز کامپایلرهایی می‌نویسند که دستورات را به این استاندارد دی‌کد کند. اگر هر دو این گروهها کار خود را به درستی انجام دهند، نرم‌افزار کامپایل شده بر روی هر ماشینی که از استاندارد IA-32 پشتیبانی کند به درستی و تمام و کمال اجرا می‌شود. ظاهر موجود در سیستم‌عامل نیز مثال خوب دیگریست که می‌توان به آن اشاره کرد. هر سیستم‌عامل با داشتن مجموعه دستورات خود عملا ظاهری را برای برنامه‌نویسان برنامه‌های مختلف فراهم می‌کند که آنها تنها می‌توانند با صدا زدن آن توابع کار خود را براحتی انجام دهند، بدون توجه به اینکه واقعا چه اتفاقی در پایین در حال رخ دادن است. حتی ممکن است کل ساختار یک سیستم‌عامل در طی سالیان عوض شود و با سخت‌افزارهای متعددی کار کند، و لیکن او خود مسئول بروز نگاه داشتن توابع خود است و تا زمانی که اینکار را انجام دهد، تمام برنامه‌هایی که حتی چند سال پیش نیز برای آن نوشته شده بودند، کماکان به کار خود ادامه خواهند داد. حال اگر چندین سیستم‌عامل از یک مجموعه دستورات پیروی کنند، عملا نرم‌افزار نوشته شده برای یکی از آنها بر روی بقیه نیز براحتی کار خواهد کرد.

ماشين مجازي جاوا كدهاي بايتي كامپايل شده را گرفته و آن را براي اجرا به زبان ماشين ترجمه مي‌كند. امروزه تقريباً براي هر نوع كامپيوتر موجود، ماشينهاي مجازي جاوا وجود دارد. Internet Explorer و Netscape Navigator در داخل خود ماشينهاي مجازي جاوا را دارند...............

دريافت Download ( Farsi Fonts - Arabic Fonts ) Font

نام فايل	اسم فونت	اسم فونت
ARABICS.TTF	Arabic Style	عربيک استايل
ARSHIA.TTF	Arshia	ارشيا
BADR.TTF	Badr	بدر
BADRB.TTF	Badr Bold	بدر بولد
BSEPEHR.TTF	Sepehr	سپهر
COMPSET.TTF	Compset	کامپ ست
COMPSETB.TTF	Compset Bold	کامپ ست بولد
ELHAM.TTF	Elham	الهام
FANTEZY.TTF	Fantezy	فانتزي
FARNAZ.TTF	Farnaz	فرناز
FERDOSI.TTF	Ferdosi	فردوسي
HOMA.TTF	Homa	هما
IranNastaliq.ttf	Iran Nastaliq	ايران نستعليق
JADIDB.TTF	Jadid Bold	جديد بولد
KAMRAN.TTF	Kamran	کامران
KAMRANB.TTF	Kamran Bold	کامران بولد
KOODAKB.TTF	Koodak Bold	کودک بولد
LOTUS.TTF	Lotus	لوتوس
LOTUSB.TTF	Lotus Bold	لوتوس بولد
MAJIDSH.TTF	Majid shadow	مجيد شدو
MITRA.TTF	Mitra	ميترا
MITRAB.TTF	Mitra Bold	ميترا بولد
NASIMB.TTF	Nasim Bold	نسيم بولد
NAZANIN.TTF	Nazanin	نازنين
NAZANINB.TTF	Nazanin Bold	نازنين بولد
PERSIAN.TTF	Pershian Nimrooz	پرشين نيمروز
Persweb.ttf	Persian Web	پرشين وب
PFONT.TTF	Persian Font	پرشين فونت
ROYA.TTF	Roya	رويا
ROYAB.TTF	Roya Bold	رويا بولد
SEPEHR.TTF	Sepehr	سپهر
SINAB.TTF	Sina Bold	سينا بولد
TABASSOM.TTF	Tabassom	تبسم
TITRB.TTF	Titr Bold	تيتر بولد
TRAFFIC.TTF	Teraffic	ترافيک
TRAFFICB.TTF	Teraffic Bold	ترافيک بولد
YAGUT.TTF	Yagut	ياقوت
YAGUTB.TTF	Yagut Bold	ياقوت بولد
ZAR.TTF	Zar	زر
ZARB.TTF	Zar Bold	زر بولد