دانلود پروژه بررسی کاربردهای شبکه های عصبی مصنوعی در شناسایی الگوهای جریان دو فازی گاز- مایع و صنایع شیمیایی به کمک نرم افزار M

اختصاصی از فی گوو دانلود پروژه بررسی کاربردهای شبکه های عصبی مصنوعی در شناسایی الگوهای جریان دو فازی گاز- مایع و صنایع شیمیایی به کمک نرم افزار MATLAB دانلود با لینک مستقیم و پر سرعت .

الگوی جریان دو فازی گاز- مایع در خطوط انتقال و تجهیزاتی که این شرایط در آنها رخ می دهد جزء اولین پارامتر هایی است که باید مشخص گردد و مبنایی برای تعیین دیگر عوامل تاثیر گذار بر پارامتر های طراحی و بهینه سازی مانند میزان مایع تجمع یافته و افت فشار خواهد بود. از جمله عوامل تاثیر گذار بر روی نوع الگوی جریان دو فازی می توان به :

1- خواص فیزیکی : فشار، دما ، ویسکوزیته ، دانستیه ، کشش سطحی

2- ویژگی های جریان : شدت جریان هر یک از فازها، جهت جریان (زوایه جریان نسبت به افق ) هم جهت بودن و یا خلاف جهت بودن دو فاز

3- شرایط مجرا: شکل هندسی خط لوله جنس لوله زبری سطح داخلی ، قطر لوله ، طول خط

 اشاره کرد هر کدام از این عوامل می توانند به عنوان ورودی های شبکه عصبی مصنوعی  بکار برده شوند. دو محدودیت عمده در استفاده از هر یک از عوامل بالا در طراحی شبکه وجود دارد. که این عوامل عبارتند از :

1- امکان اندازه گیری یا محاسبه پارامتر

2- کد کردن پارامتر بصورت یک ورودی یا خروجی قابل درک برای شبکه

 مجموعه های انتخاب شده به منظور طراحی شبکه  عصبی مصنوعی در این بخش عبارتند از :

1) مطالعه تاثیر تغییر زوایه  خط لوله نسبت به افق بر روی الگوی جریان دو فازی

FLOW REGIM TRANSITIONS IN LARGE DIAMETER INCLINED MULTIPHASE PIPELIMES

در این مقاله نتایج مطالعات آزمایشگاهی محققین در مرکز نوآوریهای  جریان های چند فازی و انستیتو تکنو لوژی جریان های چند فازی وخوردگی  دانشگاه ها اوهایو در سال 2002 میلادی آورده شده است. این آزمایشها بر روی خط لوله ای به قطر 16/10 سانتیمتر و طول 36 متر تحت 6 زوایه 2 ±، 15 ± و 30 ±  انجام گرفته است. محدوده تغییرات سرعت ظاهری گاز m/s 2-2/0 و سرعت ظاهری نفتm/s14-1 می باشد . نفت با ویسکوزیته cP 5/2 به عنوان فاز مایع و دی اکسید کربن به عنوان فاز گاز جریان دو فازی بکار رگفته شده  اند. آزمایشها تحت دمای oC25 و فشار  m/sMPa 13/0 انجام یافته است. جدول 3-1 گزارشی از شرایط جریان دو فازی  این مطالعه  می باشد. روشی که برای تشخیص الگوی جریان  توسط این محققین بکار گرفته شده است. مشاهده مستقیم  جریان می باشد . در اینجا منظور از زاویای مثبت  جریان رو به بالا و زوایای منفی ،  جریان رو پایین  می باشد . 

 جدول 3-1 ویژگی های جریان دو فازی  در مطالعه اول

Range

Property

0

Water cut (%)

1. 13

Pressure(MPa)

30±15,±2,±

Inclination(degreese)

25

Temperature(oC)

m/s1-14

Superficial liquid velocity

m/s 0.2-2.0

Gas

Carbon dioxide

Pil

Light oil ,2.5 cP

2- مطالعه تاثیر سرعت جریان ورودی به خط لوله  و مسافتی که جریان  دو فازی می پیماید بر روی الگوی جریان دو فازی

AN INTEGRATED SINGLE-PHASE/TWOE HYDRODYNAMIC MODEL FOR PREDICTING THEFLUID VFLOW BEHAVIOR OF GAS CONDENSATE IN PIPELINES

در سال 1991 در دانشگاه پنسیلوانیا مطالعه ای به منظور مدلسازی فزیکی  جریانهای تک فاز و دو فاز برای پیش بینی رفتار میعانات  گازی در خطوط انتقال انجام گرفته ست . در این مدلسازی از نتایج مطالعه بر روی دو خط انتاقل گاز تر و گاز خشک  استفاده شده است روش شناسایی  الگوهای جریان  مطالعه بر روی امواج عبور داده شده از خارج جریان می باشد. مطالعات بر روی خط لوله افقی گاز طبیعی به قطر ft1 ، زبری 0005/0 و طول ft20000 انجام گرفته است با اعمال تغییر بر روی سرعت  جریان  چگونگی تغییر الگوی  جریان  در طول این خط برای دو نوع گاز با ترکیبات  ذکر شده  در جدوال 3-2 و 3-3 که بطور خلاصه آنها را گاز خشک و گاز تر می نامیم  مورد مطالعه قرار  گرفته است.  

جدول 3-2 ترکیبات گاز خشک

MOLE%

COMPONENT

MOLE %

COMPONENT

1. 0223

n-C5H12

1. 381

N2

1. 001

neo- C5H12

1. 89%

CO2

1. 0037

C7H16

1. 927

CH4

1. 0088

C8H18

1. 0762

C3H8

1. 0155

C9H20

1. 4180

C5H12

1. 0133

C10H22

1. 1090

i-C4H10

1. 0066

C11H24

1. 0921

n- C4H10

1. 000032

C12H26

1. 0351

i- C5H12

 جدول 3-3 : ترکیبات گاز تر

MOLE%

COMPONENT

MOLE %

COMPONENT

1. 11

n-C4H10

1. 2371

N2

1. 5811

i- C5H12

1. 1868

CO2

1. 6726

n-C5H12

1. 2854

CH4

1. 0003

HYP2

21735

C2H6

1. 0005

HYP3

1. 2012

C3H8

1. 4948

i-C4H10

 جدول 3-4 گزارشی از شرایط جریان دو فازی این مطالعه می باشد.

جدول 3-4 ویژگی های جریان دو فازی در مطالعه دوم

Wet Gas

Dry Gas

Composition

1640 psia

1. Pressure
2. 22 %

 

1. Liq.Holdup

70F

Inlet Temp

25

50

100

200

250

100

200

250

Q(MMSCFD)

3) مطالعه تاثیر تغییر قطر لوله بر روی الگوی جریان دو فازی

Fundamentals of Multiphase Floe

آزمایشها توسط Mandhane  و همکاران (1974) بر روی خط لوله ای افقی و با جریان  دو فازی آب – هوا انجام گرفت است. در این مطالعه چهار خط با قطرهای 25/1 ،5/2و 30 سانتیمتر بکار گرفته شده اند. روش مشاهده مستقیم مبنای تصمیم گیری این محققین  بوده است. به این ترتیب با استفاده از سه گروه آزمایشات ذکر شده می توان به بررسی

شامل بخشهای:

بخش اول – مقدمه. 1

بخش دوم- استفاده از شبکه های عصبی مصنوعی در شناسایی الگوی جریان دو فازی گاز- مایع  1

طراحی شبکه در نرم افزار MATLAB.. 7

پردازش اطلاعات.. 7

مجموعه اول. 7

مجموعه دوم : 8

مجموعه سوم : 9

طراحی شبکه LVQ.. 10

مجموعه اول. 10

نتیجه. 12

مجموعه دوم: 14

نتیجه : 15

مجموعه سوم. 18

نتیجه. 18

طراحی شبکه RBF. 21

مجموعه اول. 21

مجموعه دوم. 25

نتیجه. 27

طراحی شبکه با 18/0=spread. 27

مجموعه سوم. 28

نتیجه. 30

نتیجه گیری.. 33

بخش سوم – پیش بینی بازده کلی سینی مشبک با استفاده از شبکه عصبی مصنوعی.. 37

آشنایی با سینی های مشبک (غربالی) و بازده آن. 37

تعاریف بازده سینی.. 39

بازده نقطه ای یا بازده موضعی.. 39

بازده برج. 41

مدل های پایه ای برای پیش بینی بازده سینی  مشبک تقطیر. 42

پیش بینی بازده کلی سینی مشبک با استفاده از شبکه عصبی.. 45

انتخاب پارامترهای ورودی.. 46

پیش بینی بازده سینی مشبک با استفاده از شبک های عصبی.. 47

نتیجه گیری.. 98

بخش چهارم – استفاده از شبکه های عصبی در مدل سازی مشخصه های کف با عملکرد فرایند فلوتاسیون مس سرچشمه. 101

حالت اول : 101

روش انتخاب و ارائه داده های مشخصه کف.. 105

انتخاب ساختار شبکه. 105

حالت دوم. 113

بخش پنجم – استفاده از شبکه های عصبی مصنوعی در مدل سازی واحد شیرین سازی پالایشگاه  هاشمی نژاد  125

نتیجه گیری.. 141

منابع. 143

منابع فارسی : 143

شامل 145 صفحه فایل word قابل ویرایش

دانلود تحقیق هوش مصنوعی - عامل ها

اختصاصی از فی گوو دانلود تحقیق هوش مصنوعی - عامل ها دانلود با لینک مستقیم و پر سرعت .

مقدمه:
 
نگاهی به تعاریف رایج در مورد عامل ها (Agents)
امروزه بکارگیری هوش مصنوعی (AI:Artificial Intelligence) در سیستمهای تجاری امری مرسوم و پرکاربرد است (هر چند در ایران هنوز این مساله به شکلی جدی مطرح نشده ، اما نمونه هایی مشاهده می شود).   عاملهای هوشمند (IA:Inteligent Agent) نیز  به عنوان یک جزء از  هوش مصنوعی توزیع شده، باعث شده است که در شبکه ها و یا رویداد های مربوط به گروه های افراد، استفاده از عاملها و عاملهای هوشمند رواج بیشتری نسبت به سایر موارد داشته باشد، به شکلی که امروزه بحث مهندسی نرم افزاری مبتنی بر عامل ها (Agent Based Software Engineering) و روشهای تجزیه تحلیل، چارچوب های برنامه سازی و محیط های توسعه آن بیشتر مورد توجه قرار گرفته است.
در فرهنگ لغات  Agent چنین معنی می شود :"فاعل ، نماینده ، گماشته ، وکیل ، مامور ، عامل ، مباشر، واسطه ، پیشکار ، امین و کارگزار ". بدین ترتیب به عنوان یک تعریف پایه می توان Agent   را کسی دانست که به جای شخص یا چیز دیگری عمل می کند.
یک عامل دارای خصوصیات مختلفی است ؛ داشتن برخی از این خصوصیات برای یک عامل اجباری و بقیه اختیاری است. از جمله خصوصیات اجباری می توان به خواص autonomous (خودمختار بودن) ، interactive (دارای عمل متقابل بودن) و reactive (واکنش دار بودن )اشاره کرد.ازجمله خصوصیات اختیاری میتوان به خواص mobility (متحرک بودن ) ، ntelligence (هوش )وtrustworthiness (قابلیت اعتماد)اشاره کرد.این خصوصیات  عبارتند از :
-خودمختار بودن (Autonomous) : بتواند بدون دخالت یک محرک خارجی کارکند و تاحدی با استفاده از تجربه های شخصی بر حالات درونی و رفتارهای خود کنترل داشته باشد.
- دارای عمل متقابل بودن (Interactive) : با محیط و سایر عامل ها رابطه داشته باشد.
- سازگاری (Adaptive) : قابلیت پاسخگویی به محیط یا سایر عامل ها در درجات مختلف (بیشترین سازگاری زمانی است که عامل اجازه داشته باشد رفتار خود را بر اساس تجربیاتش تغییر دهد).
- اجتماعی بودن (Sociable) : با سایر عامل های دوست یا همکار تعامل خوب، دوستانه و اجتماعی داشته باشد.
- متحرک بودن (Mobile) : بتواند از یک محیط به یک محیط دیگر برود.
- وکالت (Proxy) : بتواند به عنوان وکیل شخص یا چیز دیگر عمل کند. بدین شکل که مطابق میل آن رفتار کند. یا مسئولیت های آن را قبول کند و یا برای بدست آوردن منافع او تلاش کند.
-کنشگرا(Proactive): هدفمند وبا قصدمشخص،به عبارت دیگرصرفا درمقابل محیط واکنش های ساده نمی کند.
- هوشمند(Intelligent) :حالتها با دانشهایی شکل رسمی گرفته (مانند اعتقادات ، اهداف ، برنامه ها و فرضیات) و عامل با سایر عاملها با یک زبان سمبولیک تعامل می کند.
-منطقی (Rational) : قابلیت عام را داشته باشد که کاری را بر اساس اهداف داخلی خود انجام دهد که وی را به این اهداف نزدیک سازد.
-غیرقابل پیش بینی (Unpredictable) : بتواند به نوعی رفتار کند که کاملا قابل پیش بینی نباشد حتی اگر شرایط آغازین کار کاملا شناخته شده باشد. به عبارت دیگر بتواند به طور غیرقطعی رفتار کند.
-پیوسته زمانی (Temporally Continuous) : فرآیند اجرای پیوسته ای داشته باشد.
-شخصیت (Character) : شخصیت و احساس قابل باوری داشته باشد.
-شفاف و قابل حساب (Transparent and Accountable) : به اندازه کافی شفاف باشد و درموقع نیازگزارش فعالیت های خود را ثبت کند .
- هماهنگ (Coordinative) : بتواند فعالیتهایی را با سایر عاملها دریک محیط مشترک انجام دهد.این فعالیت ها اغلب در قالب یک برنامه، جریان کار و یا یک مکانیسم دیگر مدیریت پردازش ها هماهنگ شده اند.
- همکاری(Cooperative) :بتواندباسایرعاملها برای رسیدن به یک هدف مشخص هماهنگ عمل کند بطوری که شکست یاموفقیت عامل به این رابطه وابسته باشد.(مفهموم Collaboration نیزمفهومی نزدیک به این رابطه دارد.)
-رقابت (Competitive) : با سایر عاملهای دیگر چنان هماهنگ باشد که موفقیت یک عامل سبب شکست دیگری باشد . (مخالف همکاری)
-نیرومند (Rugged) : بتواند با خطاها و یا اطلاعات ناقص رفتار محکم و درستی داشته باشد.
-تقابل اعتماد (Trustworthy) : به قوانین موجود وفادار بوده، راستگو باشد.
در منابع مختلف بسته به دیدگاه نویسنده تعاریف مختلفی برای عامل ارائه شده است در زیر به برخی از این تعاریف اشاره می کنم:
عامل Mubot : "لغت عامل برای نشان دادن دو مفهوم متعامد به کار می رود. اولین مفهوم قابلیت اجرای خودکار عامل می باشد و دومین مفهوم قابلیت انجام دادن تصمیم گیری های مبتی بر دامنه است ."
عامل AIMA : "یک عامل چیزی است که می تواند محیط را از طریق حسگر هایش درک کند و با کمک عملگرهایش بر روی محیط تاثیر بگذارد."
عامل Maes : "عامل خودکار یک سیستم محاسباتی است که در یک محیط پیچیده پویا ساکن است. در این محیط به صورت خودکار حس می کند و بر اساس آن عمل می کند و بدین ترتیب اهدافی که بر اساس آن طراحی شده است را محقق می سازد."
عامل KidSim : "عامل بدین صورت تعریف می شود : یک موجودیت نرم افزار پایدار که برای یک هدف خاص در نظر گرفته شده است. پایداری عامل را از زیربرنامه ها متمایز می سازد؛ عاملها نظرات خاص خود را در مورد انجام یک عمل دارند . هدف خاص آنها را از سایر برنامه های چند کاره جدا می سازد؛ عاملها بسیار کوچک ترند. "
عامل Hayes-Roth : "عاملهای هوشمند به طور پیوسته سه عمل را انجام می دهند: استنباط شرایط پویا در محیط ، استدلال برای تفسیر این استنباط ها، حل مساله، ترسیم نتیجه گیری ها و تعیین اعمال ."
عامل IBM : "عاملهای هوشمند موجودیت های نرم افزاری هستند که یک سری عملیات را به عنوان نماینده یک کاربر یا یک برنامه دیگر و با درجه خاصی از استقلال یا خودمختاری برعهده دارند و برای انجام چنین کاری بخشی از دانش و یا نمایش اهداف و امیال کاربر را به کار می گیرند."
عامل Wooldridge : " سیستم کامپیوتری مبتنی بر سخت افزار و یا به طور معمول تر نرم افزاری که مشخصات زیر را داشته باشد :
• خودمختاری : عامل بدون دخالت مستقیم انسان و یا دیگران عمل می کند و تا حدودی بر عملکرد و حالات درونی خود کنترل دارد.
•قابلیت اجتماعی : عاملها با سایرعاملها (وحتی انسانها) بوسیله انواع زبانهای ارتباطی عاملها در تعامل می باشند.
•واکنش پذیری : عامل محیط خود را درک می کند (ممکن است یک کلمه باشد ، یک کاربر از طریق یک واسط کاربری باشد، مجموعه ای از عاملهای دیگر باشد ویا ترکیبی از همه اینها ) و به موقع در مقابل تغییرات اعمال شده در آن واکنش نشان می دهد.
•Pro-activeness: عاملها تنها به واسطه پاسخ به محیط عمل نمی کنند بلکه خود می توانند به واسطه اهداف خود آغاز گر یک عمل باشند. "
عامل SodaBot :"عامل های نرم افزاری ،برنامه هایی هستند که دریک گفتگو شرکت می کنند، مذاکره می کنند و تبادل اطلاعات را هماهنگ می کنند. "
عامل Brustoloni : "عاملهای خودمختار سیستمهایی هستند که می توانند در دنیای واقعی خودمختار و هدفمند عمل کند. "
عامل Jennings : "یک عامل یک سیستم کامپیوتری کپسوله است که در یک محیط قرار دارد و قادر به انجام عملیات خودکار و قابل انعطاف در این محیط برای رسیدن به اهداف طراحی آن می باشد."
تعریف اخیر تعریفی است که در عین سادگی به نظر می رسد نمایانگر مشخصات اصلی یک عامل است.
با طرح تعاریفی درموردعاملها(Agents)می خواهیم نگاهی به سیستمهای چند عامله،Multi Agent System،  داشته باشیم.بسیاری ازسیستم های تجاری اولیه عامل رابرای هدف جستجومورداستفاده قراردادند.دراین سیستم ها عاملهای منفرد به مراکزمعینی متصل می شدند،اطلاعات لازم راجمع آوری میکردندودرنهایت به نزدکاربردرخواست کننده برمی گشتند.به عبارت دیگرعاملها یک کار انفرادی داشتندودرمقیاس بسیار کمی (اگر بود) با عاملهای دیگرتعامل داشتند.این روش باوجودیکه کاربردهای زیاد خاص خود را داردنمی تواند به تنهایی یک اجتماع یا یک سازمان ایجادکندکه بتواند نیازهای دیگرکاربران رابرآورده سازد.درعوض درمحیط های انسانی ما یک شبکه از افرادرا داریم که برای منظورهای مختلف بایکدیگردرتعامل می باشند.بدین ترتیب برای ایجاد یک جامعه از عاملها نه تنها نیازاست که بین آنها ارتباط برقرارکردبلکه عاملها باید بتوانند با یکدیگرهماهنگ هم باشند.این هماهنگی می تواند جنبه های مختلف همکاری و یا رقابتی داشته باشد.این جوامع، سیستمهای چند عامله (MAS) نامیده می شوند.
به عبارت دیگر "یک سیستم چند عامله یک  پیاده سازی با تاکید بر همکاری از برنامه ها (عاملها) است که با یکدیگر هماهنگ شده اند برای رسیدن به همگرایی روی  پاسخ یک یا چند وظیفه".
سیستم های چندعامله،سیستم هایی هستندکه ازجمع شدن عاملهای هماهنگ شده با هم و روابط بین آنها تشکیل شده اند.دراین سیستم هرکس وظیفه خود را می داندومیجداندکه چه زمانی بادیگری بایدارتباط برقرار کند.

شامل 11 صفحه word

دانلود تحقیق زبانهای برنامه‌نویسی در هوش مصنوعی

اختصاصی از فی گوو دانلود تحقیق زبانهای برنامه‌نویسی در هوش مصنوعی دانلود با لینک مستقیم و پر سرعت .

زبانهای برنامه‌نویسیAI،  برنامه‌نویسی تابعی ، برنامه‌نویسی تابعی در Lisp ، A- Syntax (نحو) و semantic های (معانی) Lisp ،  لیست انواع داده ،  تعریف توابع جدید ، تعریف ساختارهای کنترلی ،  تعریف توابع بازگشتی ،  توابع مرتبه بالا ، سایر زبانهای برنامه‌نویسی تابعی غیر از Lisp ، برنامه‌نویسی منطقی در Prolog ، سایر روشهای برنامه‌نویسی
 واژه نامه
بندهای برنامه Prolog شامل مجموعه‌ای از جملات بنام بندها هستند که برای نشان دادن داده‌ها و برنامه‌ها بکار می‌روند.
تابع مرتبه بالا تعریف تابعی است که اجازه می‌دهد آرگومانها یا مقدار بازگشتی تابع، مقدار توابع باشد. نماد ساختار لیستها اغلب نشان‌دهنده نحوه استفاده از لیست ساختاری داده هستند، که یک عنصر لیست ممکن است نماد یا لیست دیگر باشد. لیستها ساختاری مرکزی Lisp هستند که برای نشان دادن داده‌ها و برنامه‌ها بکار می‌روند. بازگشت تکنیکی الگوریتمی برای انجام یک کار است که یک تابع با بعضی از قسمتهای کار خودش را فراخوانی می‌کند.
محاسبات نمادین برنامه‌نویسی AI (اساساً) شامل دستکاری نمادها است نه اعداد. این نمادها می‌توانند اشیاء در جهان و ارتباط بین آن اشیاء را نشان دهند- ساختارهای پیچیده نمادها نیاز به دانش ما از جهان دارند. واژه ساختار اساسی داده‌ها در Prolog واژه‌ای است که می‌تواند یک ثابت، یک متغیر یا یک ساختار باشد. ساختارها موضوعات ریز محاسبات گزاره‌ای را نشان می‌دهند و شامل یک عملگر نام و یک پارامتر لیست هستند.
زبانهای برنامه‌نویسی هوش مصنوعی(AI) ابزار اصلی بررسی و ساخت برنامه‌های کامپیوتری هستند که می‌توانند در شبیه‌سازی فرایندهای هوشمند مانند یادگیری،‌ استدلال و فهم اطلاعات نمادین بکار بروند. هر چند اخیراً زبان کامپیوتر اصولاً برای استفاده از کامپیوترها برای انجام محاسبات با اعداد طراحی شده بود، اما بزودی دریافتند که رشته‌ای از بیتها نه تنها اعداد بلکه می‌توانند اشیای دلخواه را نیز نمایش دهند. عملیات روی ویژه‌گی‌ها یا نمادها می‌تواند با استفاده از قوانین برای ایجاد، انتساب یا دستکاری نشان داده شود. این تصور از محاسبات نمادین بعنوان تعریف الگوریتمهایی که هر نوع اطلاعات را پردازش می‌کنند و بنابراین می‌تواند برای شبیه‌سازی هوش انسان بکار برود مناسب است.
بزودی برنامه نویسی با نمادها که نیاز به سطح بالایی از چکیدگی دارند تولید می‌شوند، غیر از امکاناتی که با زبانهای برنامه نویسی مخصوص پردازش اعداد ممکن بود مانند فرترن
 I-زبانهای برنامه نویسی AI
در AI خودکار کردن یا برنامه‌نویسی همه جنبه‌های شناخت انسانی بوسیله بنیادهای شناخت علمی روشهای نمادین و غیر نمادین AI، پردازش زبان طبیعی، دید کامپیوتری و سیستمهای تکامل یا سازگار مطرح می‌شود. لازم است دامنه مسئله‌های خیلی پیچیده در ابتدای مرحله برنامه‌نویسی یک مسئله AI معین، مشخص شود که کافی نیست. تنها بوسیله تعامل و افزایش اصلاحات خصوصیات بسیار دقیق ممکن است. در حقیقت مسئله‌های معمول AI به بسیاری از زمینه‌های خاص گرایش دارند، بنابراین روشهای ذهنی باید بوسیله تولید و آزمایش روشها بطور تجربی توسعه یابند(مشهور به نمونه سازی سریع). در اینصورت برنامه‌نویسی AI بطور قابل توجهی با روشهای استاندارد مهندسی نرم‌افزار متفاوت بوده زیرا برنامه‌نویسی معمولا از یک مشخصات رسمی با جزئیات شروع می‌شود. در برنامه‌نویسی  AI پیاده‌سازی در واقع جزئی از پردازش مشخصات مسئله است.  به اقتضای طبیعت مسئله‌های  AI برنامه‌نویسی AI مزایای بسیاری دارد اگر زبانهای برنامه نویسی، برنامه‌نویسAI را آزاد بگذارند و در بسیاری از ساختارهای فنی محدود نکنند (مانند ساختار انواع داده‌ای جدید سطح پایین، دستیابی دستی به حافظه). ترجیحاً سبک برنامه‌نویسی اعلانی برای استفاده در ساختارهای پیش‌ساخته داده‌ای سطح بالا(مانند لیستها و درختها) و عملیات(مانند تطبیق الگوها) مناسب است، بنابراین محاسبات نمادین سطح خلاصه‌سازی بیشتری نسبت به آنچه که با زبانهای دستوری استاندارد مانند فرترن، پاسکال یا C امکان‌پذیر خواهد بود را پشتیبانی می‌کند. البته طبقه‌بندی خلاصه سازی آسان نیست،‌ زیرا تدوین برنامه‌های AI روی کامپیوترهای استاندارد وان نیومن نمی‌تواند به کارآمدی زبانهای دستوری باشد. هر چند یک مسئله مسلم AI فهم آن است (حداقل جزئیات) امکان دارد با تنظیم مجدد آن به شکل خصوصیات جزئی شده با بکار بردن یک زبان دستوری پیاده‌ سازی مجدد شود. با توجه به نیازمندیهای محاسبات نمادین و برنامه‌نویسی  AI دو الگوی  جدید برنامه‌نویسی که به سبک دستوری پیشنهاد می‌شوند بوجود می‌‌آید: سبک برنامه‌نویسی تابعی و منطقی. هر دو بر مبنای ریاضیات طرح‌ریزی شده‌اند، یعنی نظریه توابع بازگشتی و منطق رسمی. اولین زبان برنامه‌نویسی AI کاربردی که هنوز هم بطور گسترده استفاده می‌شود زبان برنامه‌نویسی Lisp است که در اواخر دهه 1950 توسط جان مک کارتی توسعه یافته است. Lisp برمبنای نظریه توابع ریاضی و خلاصه‌سازی Lambda است. تعدادی از کاربردهای مهم و موثرAI در Lisp نوشته شده است. که ما بعضی از جزئیات این زبان برنامه‌نویسی را در این مقاله شرح خواهیم داد. در اوایل دهه 1970 یک الگوی برنامه‌نویسی جدید بنام برنامه‌نویسی منطقی بر اساس محاسبات گزاره‌ای بوجود آمد. اولین و مهمترین زبان برنامه‌نویسی منطقی Prolog است که توسط آلن کالمرار، رابرت کوالسکی و فیلیپ راسل توسعه یافته است. مسئله‌ها در prolog بصورت حقایق، بدیهیات و قوانین منطقی برای استنباط حقایق جدید بیان می‌شوند. Prolog  با قانون ریاضی در محاسبات گزاره‌ای و نتایج نظری بدست آمده در زمینه اثبات قضیه خودکار در اواخر دهه 1960 بنا نهاده شده است.
II- برنامه نویسی تابعی
یک تابع ریاضی نگاشتی از یک مجموعه (دامنه) به مجموعه دیگر(برد) است. تعریف یک تابع توصیف این نگاشت است که یا بطور صریح بوسیله شمارش و یا بطور ضمنی بوسیله یک عبارت است. تعریف یک تابع بوسیله نام تابع که بدنبال آن لیستی از پارامترها در داخل پرانتز قرار دارند و به دنبال آن نیز عبارت توصیفی نگاشت است مشخص می شود مانند:
X یک عدد حقیقی است cube(X) ≡ X X X , where X is a real number.
آلونسو چارچ توابع بی نام را با استفاده از نمادLambda معرفی می کند. یک عبارت Lambda  پارامترها و نگاشت تابع را با استفاده از عملگر X مشخص می کند, مانند λ (X)X X  X آن خودش تابع است, بنابراین شرح بکار رفته در مثال تابع بی نام با یک آرگومان مشخص است. برای مثال:(λ (X) X  X  X)(4).
برنامه نویسی در یک زبان تابعی شامل ساختمان تعریف توابع و بکاربردن کامپیوتر برای ارزیابی عبارات است. یعنی بکاربردن توابع با آرگومانهای واقعی. کار اصلی برنامه نویسی پس از ساخت یک تابع برای یک مساله خاص ترکیب توابع تعریف شده قبلی با توجه به اصول ریاضی است. کار اصلی کامپیوتر ارزیابی توابع فراخوانی شده و چاپ حاصل مقادیر تابع است. در این روش کامپیوتر مشابه یک کامپیوتر جیبی معمولی بکار می رود البته بسیار انعطاف پذیرتر و قدرتمندتر. یک خاصیت برنامه نویسی تابعی این است که اگر عبارت به خوبی مقداردهی شود آنگاه ترتیب انجام ارزیابی کامپیوتر در نتایج ارزیابی تاثیری ندارد. بنابراین نتیجه ارزیابی یک عبارت تنها مقدار آن است. بدین معنی است که در یک زبان تابعی ناب اثرات جانبی وجود ندارد. اثرات جانبی در مدل موقعیت های حافظه به متغیرها متصل شده اند.بنابراین در یک زبان برنامه نویسی ناب در مفهوم زبانهای دستوری متغیر وجود ندارد. روشهای اصلی کنترل جریان، بازگشت (تکرار) و عبارات شرطی هستند. این کاملاً با زبانهای دستوری در مفهوم اساسی کنترل ترتیب و تکرار متفاوت است. برنامه نویسی تابعی نیز خصوصیات توابع مرتبه بالا را پشتیبانی می کند. تابع مرتبه بالا تعریف تابعی است که اجازه می دهد آرگومانها یا مقدار بازگشتی تابع, مقدار توابع باشند. همه این جوانب با هم مخصوصاً آخری از اصلی ترین مزایای سبک برنامه نویسی تابعی در برابر سبک برنامه نویسی دستوری هستند. خلاصه برنامه نویسی تابعی سطح بالایی از درجه پیمانه ای بودن را فراهم می کند. وقتی یک مسئله با تقسیم آن به مجموعه ای از زیر مسئله ها تعریف می شود, موضوع اصلی روشهایی است که می توان زیر مسئله ها را به یکدیگر چسباند. بنابراین برای افزایش قابلیت پیمانه ای بودن یک مسئله مفهومی, ابتدا باید نوع جدیدی از چسب در زبان برنامه نویسی فراهم شود- قدرت اصلی برنامه نویسی تابعی .
III- برنامه نویسی تابعی در Lisp
Lisp اولین زبان برنامه نویسی تابعی است: آن برای پشتیبانی محاسبات نمادین با استفاده از لیستهای پیوندی بعنوان ساختار مرکزی داده ها ابداع شده بود ( Lisp یعنی پردازشگر لیست). جان مک کارتی دریافت که روشهای کنترل جریان توابع ریاضی (بازگشت و تکرار) وسیله نظری مناسبی برای انجام محاسبات نمادین هستند. علاوه براین مفاهیم خلاصه سازی تابعی و کاربرد تابعی تعریف شده در محاسبات Lambda , سطح بالایی از خلاصه سازی موردنیاز برای مسئله های AI مشخص شده را فراهم می کنند

شامل 41 صقحه Word

دانلود پاورپوینت شبکه های عصبی مصنوعی

اختصاصی از فی گوو دانلود پاورپوینت شبکه های عصبی مصنوعی دانلود با لینک مستقیم و پر سرعت .

شبکه عصبی مصنوعی روشی عملی برای یادگیری توابع گوناگون نظیر توابع با مقادیر حقیقی، توابع با مقادیر گسسته و توابع با مقادیر برداری میباشد.

یادگیری شبکه عصبی در برابر خطاهای  داده های آموزشی مصون بوده  و اینگونه شبکه ها با موفقیت به مسائلی نظیر شناسائی گفتار،  شناسائی و  تعبیر تصاویر،  و یادگیری روبات  اعمال شده است.

روشی برای محاسبه است که بر پایه اتصال به هم پیوسته چندین واحد  پردازشی  ساخته میشود.

شبکه از تعداد دلخواهی سلول یا گره یا واحد یا نرون تشکیل میشود  که مجموعه ورودی را به خروجی ربط میدهند.

شبکه  عصبی چه قابلیتهائی دارد؟

محاسبه یک تابع  معلوم

تقریب یک تابع ناشناخته

شناسائی الگو

پردازش  سیگنال

یادگیری

مسائل مناسب برای یادگیری شبکه های عصبی

خطا در داده های آموزشی وجود داشته باشد.

مثل مسائلی که داده های آموزشی دارای نویز حاصل از دادهای سنسورها نظیر دوربین و میکروفن ها هستند.

مواردی که نمونه ها توسط مقادیر زیادی زوج ویژگی-مقدار نشان داده شده باشند. نظیر داده های حاصل از یک دوربین ویدئوئی.

 تابع هدف  دارای مقادیر پیوسته باشد.

زمان کافی برای یادگیری وجود داشته باشد. این روش  در مقایسه با روشهای دیگر نظیر درخت تصمیم نیاز به زمان بیشتری برای یادگیری دارد.

نیازی به تعبیر تابع هدف نباشد. زیرا به سختی میتوان  وزنهای یادگرفته شده توسط شبکه را تعبیر نمود.

 

شامل 85 اسلاید powerpoint

تحقیق درباره آشنایی با سنگ مصنوعی و انواع سنگ

اختصاصی از فی گوو تحقیق درباره آشنایی با سنگ مصنوعی و انواع سنگ دانلود با لینک مستقیم و پر سرعت .

فرمت فایل : word (قابل ویرایش) تعداد صفحات : 16 صفحه

مقدمه

اولین نمونه‌های شناخته شده کاربرد موزائیک از سنگ­ریزه‌ها متعلق به قرن هشتم قبل از میلاد و در آسیای صغیر است. در قرن سوم قبل از میلاد یونانی‌ها سنگفرش‌های موزائیکی وسیعی از سنگریزه‌های تیره‌رنگ با انتقال تدریجی بسیار ظریف به سمت رنگ روشن ساختند. موزائیک‌های مقدونیه به درجه اوج صنعت خود رسیدند، آنها با ساروج کردن تکه‌های باریکی از سرب خط فاصل تندیس‌ها را طراحی ‌کردند و به آنها استحکام ‌بخشیدند. در موزائیک‌های قدیمی چینی‌ها آمیخته‌ای از نقش‌های هندسی و نقش مایه‌های گل و گیاه بود و اغلب با کاشی‌های سقف طرح‌ریزی می‌شد. در مقابل موزائیک‌های پرتغالی‌ها به‌طور معمول برجسته و انتزاعی بود. سنگ‌فرش‌های موزائیکی اسپانیا بیشتر پالوده شده و با سنگریزه‌های خاکستری، سفید و ارغوانی انواع طرح‌های هندسی را خلق کرده‌اند. در بعضی از فرهنگ‌ها، سنگ علاوه بر جنبه کاربردی و تزئینی, اهمیت معنوی نیز داشت. در باغ‌های ژاپنی، سنگ‌ها، بنیاد و روح باغ، به‌شمار می‌رفت و در باور آنها سنگ پناهگاه خیابان بود. اغلب سنگ‌های ویژه را در محل وسیعی از شن و ماسه قرار می‌دهند که به زیبایی شیار کشیده شده تا به اجناس آرامش و تعادل کامل دست دهد.

سنگ‌های مصنوعی از تنوع بیشتری نسبت به سنگ‌های طبیعی برخوردار هستند. طرح‌هایی که برای سنگ مصنوعی می‌توانند مورد استفاده قرار گیرند از آنجایی که در انتخاب رنگ و نیز اجزای تشکیل‌دهنده سنگ محدودیت ندارند، بسیار متنوع و زیبا هستند. به‌کارگیری اجزا و دانه‌های غیرمعمول مانند قطعات فلزات اجزای فسیلی و نیز هر دانه مورد نظری که بتواند در ترکیب مخلوط سنگ‌های مصنوعی قرار گیرد جزو مزایایی است که زیبایی منحصر به‌فردی به سنگ‌های مصنوعی می‌دهد. علاوه بر این­که رنگدانه‌های مختلفی می‌تواند برای رنگ کردن سنگ مصنوعی به‌کار برده شوند و هر رنگ ترکیب خاصی را به سنگ می‌دهد، ثبات رنگ در تمام قطعات سنگ و اسلب‌ها و تیل‌ها از دیگر خصوصیات سنگ‌های مصنوعی است. بنابراین بازی رنگ که در سنگ‌های طبیعی به چشم می‌خورد در مورد سنگ‌های مصنوعی وجود ندارد. از نظر مقاومت سنگ‌های مصنوعی در برابر فشار، انعطاف‌پذیری و یخ‌زدگی و خراش‌برداری می‌توان اذعان داشت که نسبت به سنگ‌های طبیعی از وضعیت بهتری برخودارند. وزن سنگ‌های مصنوعی نسبت به سنگ‌های طبیعی کمتر است، به همین دلیل در صنعت ساختمان از مطلوبیت بیشتری برخوردار هستند، چرا که بار اضافی وارد بر سازه را به همراه ندارند و نیز قابلیت نصب ساده‌تری دارند. علاوه بر آن سنگ‌های مصنوعی در ضخامت‌های کمتری قابلیت برش و قالب‌گیری را دارند. مزیتی که در بسیاری از سنگ‌های طبیعی به‌علت وجود فضاهای خالی امکان‌پذیر نیست.

سنگ‌های مصنوعی کاملا به‌هم فشرده و فاقد فضای ریز و حفرات میکرونی موجود در سنگ‌های طبیعی به‌واسطه بافت و ساخت آنها است. از نظر قیمت، سنگ‌های مصنوعی به مراتب قیمتی کمتر از سنگ‌های طبیعی دارند، چرا که کارهای دشواری که روی سنگ طبیعی برای رساندن آن به بازار و قابل استفاده کردن آن انجام می‌شود در مورد سنگ‌های مصنوعی وجود ندارد. عمر مفید سنگ‌های مصنوعی به‌علت کاربرد ترکیبات سیمانی به‌عنوان چسباننده ذرات بیشتر از سنگ‌های طبیعی است و همچنین پایداری و دوام آنها در برابر تغییرات شدید آب و هوایی و یخ‌زدگی و نیز اشعه ماورای بنفش بسیار زیاد است. حال‌ آن­که سنگ‌های طبیعی دچار تغییر رنگ، خردشدگی و نیز کدر شدگی می‌شوند. از لحاظ مقدار باطله باید گفت که سنگ‌های مصنوعی ضایعات نداشته و حتی می‌توان آنها را از قطعات باطله سنگ‌های طبیعی تولید کرد، بنابراین از نظر اقتصادی بسیار به صرفه هستند. به‌علت عدم وجود رگه در سنگ‌های مصنوعی و نیز قابلیت بسته‌بندی اتوماتیک آنها در بسته‌بندی‌ها، در هنگام حمل‌ و نقل هیچ‌گونه آسیب و شکستگی در سنگ ایجاد نمی‌شود و ضایعات حدود 15 درصدی که در سنگ‌های طبیعی در هنگام حمل به سر پروژه به‌وجود می‌آید، وجود ندارد. همچنین قابلیت تولید نامحدود سنگ مصنوعی از یک نوع خاص می‌تواند در برابر محدودیت منابع طبیعی سنگ قابل توجه باشد.