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

پایان نامه تشخيص هويت با استفاده تصاوير عنبيه چشم ( با فرمت ورد )

چکيده

روش هاي بيومتريک به دنبال روشي هستند که شناسايي افراد را به بدن انسان يعني ويژگي هاي منحصر به فرد آن مربوط کنند. انتظاري که از اين روش ها مي رود اين است که بهتر از روش هاي مرسوم عمل کنند زيرا بر مبناي چيزي که هستيد عمل مي کنند نه چيزي که مي دانيد يا همراه خود داريد. معمولا منظور از بيومتريک استفاده ي اتوماتيک يا نيمه اتوماتيک از ويژگي هاي فيزيولوژيکي و يا ويژگي هاي رفتاري که به بدن انسان بستگي دارند براي تشخيص و يا تاييد هويت فرد است. مشخصه هاي فيزيولوژيکي به عنوان مثال شامل اثر انگشت يا تصاوير صورت است. مشخصه هاي رفتاري شانل اعمال يا رفتاري است که از فرد سر مي زند مانند امضا يا لحن صحبت کردن. در مورد مشکلات روش هاي قديمي که از شماره رمز عبور به جاي سامانه بيومتريک استفاده مي کنند مثل سامانه هاي کارت خودپرداز بانکي، وقتي فرد مي خواهد از کارت خود استفاده کند لازم است که شماره تشخيص هويت شخصي خود را (PIN) وارد کند. در اين سامانه تائيد و يا تشخيص هويت بر مبناي چيزي که شخص به همراه دارد

(کارت) به اضافه اطلاعاتي شخص با خود دارد مي باشد، که اين يک مشکل بالقوه در اين سيستم است زيرا کارت ممکن است دزديده شود وشماره رمز را هم فرد ديگري مي تواند با خود داشته باشد. در حالي که در سامانه هاي بيومتريک اين مشکلات وجود ندارند و امکان تقلب در آن ها خيلي کم است و مي توانند به عنوان سامانه هاي ايده آل تشخيص هويت مورد استفاده قرار گيرند.

تحقيقات و پيشرفت هاي به دست آمده در دهه هاي اخير فصل جديدي را در تائيد و تشخيص هويت آغاز کرده است و در نتيجه آن روش هاي اتوماتيک بر پايه ويژگي هاي فردي انسان ها پايه گذاري شده اند. سامانه هاي بيومتريک جديد داراي قابليت تشخيص هويت افراد با سرعت و دقت و اطمينان و راحتي و همچنين ارزاني بالا را در اختيار ما قرار داده اند. پژوهش انجام شده در اين پايان نامه شامل طراحي و پياده سازي يک سامانه شناسايي جديد بر مبناي تحليل تصاوير عنبيه چشم مي باشد. در اين پايان نامه ابتدا الگوريتم جديدي براي پيدا کردن مرزهاي عنبيه و همچنين پلک ها ارائه مي شود. سپس با استفاده از موجک دوبچيز 2 و نيز فيلترهاي گابور در 8 جهت مختلف، براي هر تصوير ، يک کد توليد مي شود. در مرحله بعد کد به دست آمده از هر تصوير با کدهاي موجود در بانک اطلاعاتي مقايسه شده و با تعريف يک آستانه عمل تشخيص هويت انجام مي شود.

بافت عنبيه در حوزه فرکانس، کدهاي مناسب را توليد مي کنند. استخراج ويژگي مهم ترين بخش سامانه تشخيص هويت است. که در آن بردار ويژگي به دست آمده علاوه بر اينکه بايد حاوي تمام اطلاعات مهم موجود در بافت عنبيه باشد، بايد داراي ابعاد حتي الامکان کوچک نيز باشد زيرا بردارهاي با ابعاد بزرگ علاوه بر اينکه حجم زيادي براي ذخيره کردن لازم دارند، حجم محاسباتي بالايي را نيز درمراحل استخراج و تطابق به سامانه تحميل مي کنند .

نتايج به دست آمده بر روي تصاوير CASIA که شامل 756 تصوير از 108 نفر مي باشد، درصد موفقيت   99.76 % و نرخ خطاي معادل 0،0022 را نتيجه داده است. تحليل حساسيت سامانه در برابر تغييرات شدت نور . نويز و تباين نيز صورت گرفته است که نتايج به دست آمده نشان دهنده کارايي مناسب سامانه است.

همانطور که در قسمت هاي قبل هم ذکر شد در اين پروژه از پايگاه داده CASIA استفاده شده است. در مرحله استخراج ويژگي از نواحي مختلفي از ناحيه عنبيه استفاده شده و همچنين تقويت جزئيات که در فصل استخراج ويژگي توضيح داده شد بر روي معيارهاي مختلفي انجام گرفته و در نهايت دو ناحيه 90 درجه در دو طرف عنبيه در نظر گرفته شد و تقويت جزئيات نيز با توجه به ضرايب جزئيات قطري خروجي اعمال موجک دوبچيز 2 به دست آمد. با اعمال روش استخراج ويژگي برداري به طول 915 به عنوان ويژگي استخراج شده و برداري با همين ابعاد به عنوان بردار خطا توليد شد که مشخص کننده نواحي مسدود شده از عنبيه توسط مژه ها و پلک ها مي باشد. با توجه به مشکل دوران که راه حل آن در فصل قبل اشاره شد وانتخاب تطبيق گر به صورتي که در همان فصل توضيح داده شد، سامانه پياده سازي گرديد. شکل 6-4 چگونگي کارکرد سامانه را به طور کلي نشان مي دهد.

• 1
• 2
• 3
• 4
• 5

• 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

پروژه : پردازش صوت و مدلسازي سيگنال 

چكيده

پيش از هر چيز تأکيد بر اين مطلب ضروری به نظر می رسد که اين پروژه نه به عنوان يک مرجع برای موضوع طراحی سيستمهای تشخيص گوينده بلکه به عنوان راهنمايی برای افراد علاقمند به ادامه ی اين کار فراهم آمده است و از اين لحاظ سعی شده که به جای پوشش تمامی روشهای ممکن و ارائه ی الگوريتمهايی که در پروژه ی عملی کاربردی نداشته اند از آنها به صورت اشاره وار ياد شود و در عوض زمين ههای تئوری و روشهای برنامه نويسیِ عملاً استفاده شده، به صورت مشروح تر بيان شده اند. ذکر فهرست منابع هر فصل در پايان آن، توضيح کد توابع استفاده شده و ارائه ی پيش زمينه های نظری و روشهای برنام هنويسی برای پردازش صوت به صورت ابزارهايی برای تحقق اين هدف به کار گرفته شده اند که به نظر می رسد نمی توانند جايی در بين مطالب يک مرجع برای مطلب ياد شده داشته باشند.

بدنه ی اصلی نوشتار از سه بخش تشکيل شده است. بخش اول مقدمه ای است بر اهميت و کاربردهای سيستمهای زيست سنجی و به طور خاص سيستمهای تشخيص گوينده. اين بخش شامل دو فصل است و مطالب آن عمدتاً مقدمات لازم برای بخش سوم نوشتار را فراهم می آورد. در بخش دوم پردازش صوت را به صورت نظری مورد بررسی قرار خواهيم داد و سپس مطالب نظری ياد شده را در قالب يک کتابخانه برای پردازش صوت از ديدگاه برنامه نويسی پياده سازی خواهيم نمود. اين بخش تا حد زيادی مستقل از دو بخش ديگر نوشتار می باشد ولی به لحاظ نوع مخاطب و هدف اين نوشتار پرداختن به آن ضروری به نظر م یرسد. بخش ياد شده نيز شامل دو فصل می باشد. بخش آخر که مرتبط ترين بخش نوشتار با سيستم عملی است و دربردارنده ی چهار فصل است پردازش صحبت را از ديدگاه تئوری و برنامه نويسی مورد بحث قرار می دهد. بحث با فصلی در مورد پردازش سيگنال صحبت که در واقع به نوعی می تواند ادامه ی بخش قبل تلقی گردد آغاز می گردد و در ادامه مدلسازی سيگنال به عنوان شيوه ای برای استخراج الگوهای قابل مقايسه از سيگنال صحبت مطرح می شود و در فصل نظری اين نوشتار روشهای مختلف معمول برای طراحی سيستمهای تشخيص گوينده و در نهايت در فصي ششم تشخيص گوينده بررسی می شوند.

در ضميمه ی اول اين نوشتار شيو ه ی نصب و روش استفاده از سيستم پياده سازی شده مطرح گرديده است و ضميمه ی دوم آن ارائه دهنده ی فهرست کاملی از منابع متفرقه ی اينترنتی يافت شده که بسياری از آنها به دلايل مختلف در اين پروژه مورد استفاده قرار نگرفته اند برای خوانندگانی که قصد انجام کاری مشابه با اين پروژه را دارند می باشند.

با توجه به آن که منابع عمده ی اين نوشتار، عمدتاً انگليسی زبان می باشند ارائه ی معادلهای مناسبِ حتی الامکان فارسی برای اصطلاحات علمی که در منابع فارسی معادلی برای آنها يافت نشده سرلوحه ی کار فراه مآورنده ی اين نوشتار قرار داشته و به منظور انتقال هر چه بهتر مطلب سعی شده با ارائه ی پاورقيها يا توضيحات اضافی، مخاطب نوشتار با اصل اصطلاحات آشنا شود. علاوه بر آن در مواردی که ارائه ی واژه به صورت انگليسی مناسب تر تشخيص داده شده واژه با حروف فارسی در متن اصلی به کار برده شده تا تناسب متن حفظ گردد. اغلبِ اصطلاحات مخفف شده به صورت اخير آورده شده اند. البته در فصلهای مرتبط با برنامه نويسی به لحاظ نوع مطلب شيو هی ديگری متناسب با محتوای آنها به کار گرفته شده است. در مجموع ضمن آن که تلاش شده مطلب به صورت واضح بيان گردد فراهم آورنده ی اين نوشتار تلاش برای ارائه ی اصطلاحات درست فارسی و رعايت قوانين اين زبان توانمند را همواره در نظر داشته است

 با وجود آن که طراحی سيستمهای تشخيص گوينده مدتهاست مد نظر کارشناسان قرار دارد و با وجود ارائه ی نتايج بسياری از اين تحقيقات به صورت سيستمهای تجاری، هنوز سيستمی که بتواند مستقل از محيط و نوع آموزش کاربران عملکرد مناسبی داشته باشد ارائه نشده و اين زمينه هنوز هم به عنوان يک افق علمی باز و دارای زمينه ی تحقيقاتی فراوان مطرح می باشد. با وجود آن که محدوديتهای زمانی و … مانع از ارائه ی يک کار دلخواه فراه مآورنده ی اين نوشتار و استاد راهنمای محترم شد اميدواريم اين نوشتار بتواند مقدمه ای برای انجام کارهای کامل تر فراهم آورد ضمن آن که علاوه بر موضوع طراحی سيستمهای تشخيص گوينده بسياری از مطالب اين نوشتار می توانند مقدمه ای کاملاً ارضا کننده و مناسب برای افراد علاقمند به طراحی سيستمهای تشخيص صحبت فراهم آورد

• 1
• 2
• 3
• 4
• 5

پروژه : بررسي تکنيك ها و زبانهاي برنامه نويسي هوش مصنوعي

مقدمه

ما در عصري زندگي مي كنيم كه جامعه شناسان آن را عصر انقلاب كامپيوتر نام نهاده اند و مانند هر انقلاب واقعي ديگر، انقلابي است گسترده و فراگير و تأثير پايداري برجامعه خواهد داشت. اين انقلاب در اقتصاد امروز و نظم جامعه، به همان ميزان  انقلاب صنعتي در قرن 19 تأثير دارداين تحولات قادر است الگوي فكري و فرم زندگي هر فرد را تغيير دهد. انقلاب كامپيوتر توان ذهني ما را گسترش مي دهد. عملكرد اولية برنامه نويسي هوش مصنوعي (AI) ايجاد ساختار كنترلي مورد لزوم براي محاسبه سمبوليك است خصوصيات اين ساختارها به مقدار زيادي موجب تشخيص خصوصياتي مي شود كه يك زبان كاربردي مي بايستي فراهم كند. در اين مقدمه به يك سري خصوصيات مورد نظر براي زبان برنامه نويسي سمبوليك مي پردازيم و زبانهاي برنامه نويسي  LISP و PROLOG را معرفي خواهيم كرد. اين دو زبان علاوه بر اين كه از مهمترين زبانهاي مورد استفاده در هوش مصنوعي هستند، خصوصيات semantic و syntactic آنها نيز باعث شده كه آنها شيوه ها و راه حل هاي قوي براي حل مسئله ارئه كنند. تأثير قابل توجه اين زبانها بر روي توسعه AI از جمله توانائي آنها به عنوان «ابزارهاي فكر كردن» مي باشد كه از جمله نقاط قوت آنها در زبانهاي برنامه نويسي مي باشد. همان طور كه هوش مصنوعي مراحل رشد خود را طي مي كند زبانهاي  LISP و PROLOG بيشتر مطرح مي شوند. اين زبانها كار خود را در محدودة توسعه و prototype سازي سيستم هاي AI در صنعت و دانشگاهها دنبال مي كنند. اطلاعات در مورد اين زبانها به عنوان بخشي از مهارت هر برنامه نويس AI مي باشد ما به بررسي اين دو زبان در هوش مصنوعي مي پردازيم.

• 1
• 2
• 3
• 4
• 5

پروژه : طراحي يك framework جهت مسائل كلاسيك هوش مصنوعي

چكيده :

دانش و تکنيکهاي هوش مصنوعي در سال هاي گذشته رشد قابل ملاحظه اي داشته است، به طوري که حجم زيادي از اطلاعات در علوم کامپيوتر را به خود اختصاص داده است. محققين زيادي در حال حاضر مشغول فعاليت در اين زمينه ميباشند. تاريخچه هوش مصنوعي با بازي ها و مسائلي پيوند دارد که در سده ها و دهه هاي گذشته مورد توجه قرار گرفته و بررسي شد هاند. بازي هايي مانند شطرنج و معماي ٨ puzzle)) و مسائلي مانند پاندول وارونه و فروشنده دوره گرد که بعضي ها قبل از پيدايش کامپيوتر بررسي شده اند وبا پيشرفت علوم کامپيوتر، توانايي بازي کامپيوتر در مقابل انسان موضوع جالبي بود که باعث پيشرفت هاي زيادي در هوش مصنوعي و تکنيک هاي آن گرديد. هم اکنون نيز کار بر روي بسياري از اين مسائل ادامه دارد و چه از نظر تئوري و چه از نظر عملي حل بيشتر اين مسائل راهگشاي بسياري از مشكلات هوش مصنوعي است يکي از مشکلاتي که همواره پيش پاي محققين اين رشته وجود داشته و علاوه بر سادگي آن، راه حل جامعي براي آن موجود نميباشد، نبود يک مجموعه کامل و با دسترسي آسان از مثالها و مسائل موجود در اين زمينه است. تحقيق دربارهي تکنيکهاي هوش مصنوعي نياز به يک سري مسائلي دارد که توانائي پيادهسازي اين تکنيکها را دارا باشند. اين مجموعه بايد به صورت فرمال و ساختار يافته موجود باشد تا نتيجه کار افراد مختلف بر روي مسائل، به صورت هماهنگ و قابل مقايسه مشخص شود همچنين بررسي اين نکته که محققين قبلي چه کارهايي در قبال حل هر مساله با تکنيکهاي خاص انجام دادهاند نيز موضوع مورد علاقه و نياز اکثر افرادي است که در حال کار بر روي آن مسائل و تکنيکها ميباشند.

در اين پروژه ما قصد طراحي يك framework براي مسائل كلاسيك هوش مصنوعي را داريم. هر مسأله داراي ساختار خاصي مي باشد و فاكتورهاي خود را دارد . هدف از طراحي اين ،framework ساخت بانك اطلاعاتي كاملي از اين مسائل است . براي ذخيره ي مسائل ، نياز به ساختار يكنواختي است كه همه ي آنها در اين ساختار تعريف شوند . براي ساخت اين ،framework ابتدا كليه مسائل موجود جمع آوري ، طبقه بندي و بررسي شده است و تكنيك هاي اعمال شده بر روي آنها نيز به اين مجموعه اضافه شده است . سپس بانك اطلاعاتي مورد نظر طراحي و پياده سازي شده و با نرم افزار واسط ساخته شده ، سيستم اصلي را تشكيل مي دهد . اين سيستم با عنوان( Computer Aided Research Tool (CART  امكانات قابل قبولي را در اختيار محققين قرار مي دهد كه از آن جمله مي توان به جستجو و پردازش مسائل اشاره كرد .

همچنين اين سيستم داراي قابليت توسعه ي بانك اطلاعاتي و ويرايش آن نيز مي باشد كه براي مسائل مطرح نشده و راه حلهاي جديد در نظر گرفته شده است . از نظر انعطاف پذيري در طراحي نهايت تلاش انجام گرفته است و قابليت توسعه نرم افزار نيز در نظر گرفته شده است .

در ادامه ، در ابتدا مروري كوتاه بر هوش مصنوعي ، تاريخچه ي آن و تكنيك هاي مطرح در آن خواهيم پرداخت. سپس نحوه طراحي  framework مورد تظر در فصل ٢ بيان شده است. همچنين مروري بر مسائل کلاسيک نيز در اين فصل ارائه شده است. در فصل ٣ به بررسي مسائل كلاسيك ، طبقه بندي و طراحي framework براي آنها پرداخته شده و در فصل ٤ مراحل تحليل و طراحي سيستم براساس متدولوژي RUP بيان شده است . فصل ٥ نيز مراحل پياده سازي و ساخت سيستم ، چگونگي كار با سيستم و مشخصات آن را بيان مي كند . مطالب اين فصل به عنوان راهنماي كاربر قابل استفاده است . فصل آخر نيز به نتيجه گيري و بيان پيشنهادات پرداخته است.

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