دانشگاه شیراز

پایان نامه کارشناسی ارشد در رشته مهندسی کامپیوتر – هوش مصنوعی

عنوان:

روشی انتخابی برای راه رفتن از بغل در روبات انسان­ نما

استاد راهنما:

دکتر شهرام جعفری

اساتید مشاور:

دکتر ستار هاشمی

دکتر علیرضا ذوالقدر اصلی

برای رعایت حریم خصوصی نام نگارنده پایان نامه درج نمی شود

تکه هایی از متن پایان نامه به عنوان نمونه :

(ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)

چکیده:

امروزه راه رفتن روبات انسان نما یکی از حوزه­های جذاب تحقیق در زمینه روباتیک است. چالش­های موجود در کنترل روبات های انسان نما با درجات آزادی بالا، این مساله را در زمره مسائل دشوار در حوزه روباتیک قرار داده است به طوریکه راه رفتن روبات انسان نما را کماکان به عنوان مهمترین توانایی یک روبات طبقه­بندی می­کنند. در این پایان­نامه روشی جدید برای راه رفتن روبات انسان­نما از بغل مطرح شده است. در این روش بر روی هر یک از مفاصل موثر در راه رفتن روبات یک اتوماتای یادگیر متغیر سوار می­شود که طی فرآیند یادگیری بردارهای احتمال مربوط به اتوماتاها به روز می­شود و مقادیر مناسب مفاصل برای راه رفتن با توجه به این بردارها انتخاب می شوند. در ادامه این روش یادگیری برای راه رفتن مستقیم و راه رفتن از بغل مورد استفاده قرار می­گیرد که نتایج حاصل از شبیه­سازی الگوریتم بر روی روبات انسان­نمای نائو در محیط شبیه­سازی فوتبال سه­بعدی نشان دهنده نتایج مناسب در راه رفتن مستقیم روبات در مقایسه با روش­های گذشته و همچنین مزایای فراوان بهبود توانایی راه رفتن از بغل در یک روبات انسان­ نما می­باشد.

فصل اول: مقدمه

1-1- مقدمه

امروزه روباتیک[1] به عنوان یکی از رشته­های علوم ومهندسی، مورد توجه بسیاری از موسسه­­های تحقیقاتی قرار گرفته است و به یکی از حوزه های بسیار جذاب تحقیق و پژوهش بدل گشته است، به نحوی که تحقیقات در زمینه روباتیک در شاخه های مختلفی در حال پیگیری است. در زمینه روباتیک سه رویکرد کلی مورد توجه می باشد که تحقیقات در این سه حوزه گسترده رو به پیشرفت می­باشد. در رویکرد اول سعی بر ساخت روبات­های مصنوعی و هوشمند کردن آنها با استفاده از الگوریتم­های هوش مصنوعی[2] است، که این رویکرد بسیار پرطرفدار خود به شاخه های گوناگونی تقسیم می­شود که در ادامه به معرفی برخی از آنها خواهیم پرداخت. رویکرد دوم به استفاده از هوش طبیعی[3] برای کنترل روبات­های مصنوعی می­پردازد. روبات­هایی که با کنترل دستی هدایت می­شوند در این حیطه قرار می­گیرند و در نهایت رویکرد آخر استفاده از روبات­های طبیعی[4] و تربیت آنها برای دست یافتن به اهداف از پیش تعیین شده می­باشد. تربیت حیوانات برای انجام اعمال خاص، مثالی از رویکرد سوم می­باشد.

برای دانلود متن کامل پایان نامه اینجا کلیک کنید

لینک بالا اشتباه است

برای دانلود متن کامل اینجا کلیک کنید

       

:: بازدید از این مطلب : 679

دانشگاه شیراز

دانشکده مهندسی برق و کامپیوتر

پایان نامه­ کارشناسی ارشد در رشته­ مهندسی کامپیوتر- هوش مصنوعی

عنوان:

استنتاج شبکه های تنظیمات ژنی از روی داده های سری زمانی Microarray به وسیله شبکه های بیزین دینامیک

استاد راهنما:

دکتر منصور ذوالقدری جهرمی

برای رعایت حریم خصوصی نام نگارنده پایان نامه درج نمی شود

تکه هایی از متن پایان نامه به عنوان نمونه :

(ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)

چکیده:

شبکه های تنظیم کننده ژنتیکی مجموعه ای از ارتباطات ژن-ژن هستند که رابطه علت و معلولی را در فعالیت های ژنی ایجاد می کنند. دانش ما در مورد این شبکه ها نقش بسیار موثری در شناخت فرآیندهای زیستی ایفا می کند و می تواند باعث کشف روش های جدید برای درمان بیماری های پیچیده و تولید داروهای اثر گذار گردد.

روش های زیادی برای تشخیص شبکه های تنظیم کننده ژنتیکی پیشنهاد شده است. در این میان، شبکه های بیزین دینامیک مزایای ویژه ای دارا می باشند که باعث شده تا توجه زیادی را به خود جلب کنند.

با وجود تحقیقات انجام شده در این زمینه، مهندسی معکوس شبکه های تنظیم کننده ژن به وسیله شبکه های بیزین دینامیک به هیچ عنوان امری بدیهی نیست. غالباً تعداد نمونه های موجود برای آموزش مدل از تعداد مجهولات مسئله بسیار کمتر است. همچنین میزان پیچیدگی زیاد این مدل ها و دقت آنها از مهم ترین نواقص آن ها می باشند.

یکی از عمده ترین روش هایی که برای بالا بردن دقت شبکه های استنتاج شده به کار گرفته می شود استفاده از دانش اولیه در مورد شبکه های تنظیم کننده ژنی است. یکی از منابع عمده این دانش اولیه اطلاعات ما در مورد ساختار کلی شبکه های تنظیم کننده ژنی است. تحقیقات انجام شده نشان می دهند که تعداد یال های موجود در این شبکه ها کم است. همچنین شواهد بسیاری بدست آمده اند که نشان می دهند توزیع درجه خروجی در شبکه های تنظیم ژنی از قانون توانی پیروی می کنند. در واقع این شبکه ها در درجه خروجی scale-free هستند.

علیرغم این شواهد، روش های یادگیری شبکه های بیزین دینامیک این گونه شبکه ها را شبکه هایی با ساختار تصادفی در نظر می گیرند و یا تنها پیچیدگی شبکه را کنترل می کنند.

در این تحقیق روشی برای یاد گیری شبکه های بیزین دینامیک ارائه می شود که به طور مشخص بر این فرض شکل گرفته که شبکه واقعی ساختاری scale-free در توزیع درجه خروجی دارد. روش ارائه شده پیچیدگی زمانی چند جمله ای دارد و می تواند برای استنتاج شبکه هایی با تعداد گره های زیاد مورد استفاده قرار گیرد.

آزمایش هایی که برای مقایسه توانایی الگوریتم ارائه شده با متدهای قبلی یادگیری شبکه انجام شده اند نشان می دهند که الگوریتم ارائه شده، زمانی که برای استنتاج شبکه هایی استفاده می شود که scale-free هستند، قادر است کیفیت شبکه استنتاج شده را به خصوص زمانی که داده های آموزشی ناکافی هستند به صورت قابل توجهی افزایش دهد.

فصل اول

1- مقدمه

در هر سلول یک ارگانیزم زنده، هر لحظه، هزاران ژن با هم در ارتباط هستند تا فرآیندهای پیچیده زیستی را انجام پذیر سازند. شبکه های تنظیم کننده ژنتیکی^[1] مجموعه ای از قسمت های DNA در سلول می باشد که به طور غیر مستقیم (به وسیله RNA یا پروتئین های تولیدی) با یکدیگر و مواد دیگر درون سلول ارتباط دارند و بدین طریق سرعت رونویسی^[2] از روی ژن ها را برای تشکیل mRNA کنترل می کنند. هر مولکول mRNA یک پروتئین خاص با کارایی خاصی را تولید می کند. بعضی از پروتئین ها فقط برای فعال یا غیر فعال کردن ژن ها استفاده می شوند. این گونه پروتئین ها فاکتورهای رونویسی^[3] نامیده می شوند و اصلی ترین نقش را در شبکه تنظیم ژنی ایفا می کنند. به بیان دیگر شبکه تنظیم کننده ژنتیکی مجموعه ای از ارتباطات ژن-ژن است که رابطه علت و معلولی را در فعالیت های ژنی ایجاد می کند. دانش ما در مورد این شبکه ها نقش بسیار موثری در شناخت فرآیندهای زیستی ایفا می کند و می تواند باعث کشف روش های جدید برای درمان بیماری های پیچیده و تولید داروهای اثر گذار گردد. از این رو تشخیص و مهندسی معکوس شبکه های تنظیم کننده ژنتیکی به یکی از مهم ترین زمینه های تحقیقاتی تبدیل شده است [1].

برای دانلود متن کامل پایان نامه اینجا کلیک کنید

لینک بالا اشتباه است

برای دانلود متن کامل اینجا کلیک کنید

       

:: بازدید از این مطلب : 667

دانشگاه شاهرود

دانشکده مهندسی کامپیوتر و فناوری اطلاعات

گروه هوش مصنوعی

پایان نامه کارشناسی ارشد

عنوان:

ارتباط بین ربات های شبکه ای در موقعیت های جستجوی زیر آب

استاد راهنما:

دکتر علی اکبر پویان

استاد مشاور:

دکتر هدی مشایخی

برای رعایت حریم خصوصی نام نگارنده پایان نامه درج نمی شود

تکه هایی از متن پایان نامه به عنوان نمونه :

(ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)

فهرست مطالب:

فصل اول: مقدمه و کلیات………………………. 1

1-1- مقدمه ای بر شبکه های حسگر بیسیم زیرآب…………………….. 2

1-1-1- چالش های طراحی شبکه های حسگر بیسیم زیر آب…………………….. 3

1-2- تعاریف ، فرضیات و ضرورت مسئله……………………. 3

1-2-1- تعاریف……………………… 4

1-2-2- فرضیات تحقیق…………………….. 4

1-2-3- ضرورت تحقیق…………………….. 5

1-3- هدف و نحوه رویکرد پژوهش………………………. 7

1-4- ساختار پایان نامه……………………. 8

فصل دوم: ادبیات موضوع و بررسی پژوهش های مرتبط…………………….. 11

2-1- مقدمه……………………. 12

2-2- امواج صوتی و محدویت های آن…………………….. 12

2-3- اجزاء شبکه حسگر بیسیم زیرآب……………………. 16

2-4- معماری های ارتباطی شبکه های حسگر بیسیم زیرآب…………………….. 18

2-4-1- شبکه های حسگر زیرآبی دوبعدی ایستا برای نظارت کف اقیانوس……………… 18

2-4-2- شبکه های حسگر زیرآب سه بعدی ایستا برای نظارت ستونی اقیانوس………… 19

2-4-3- شبکه سه بعدی با استفاده از زیرآبی های خود مختار……………………. 20

2-5- کنترل توپولوژی…………………….. 21

2-6- پوشش شبکه……………………. 22

2-6-1- پوشش سراسری…………………….. 22

2-6-2- پوشش مانعی…………………….. 23

2-6-3- پوشش جاروبی…………………….. 24

2-7- اتصال شبکه……………………. 25

2-8- دستیابی همزمان به پوشش و اتصال شبکه……………………. 26

2-9- الگوریتم ژنتیک و کاربرد آن در کنترل توپولوژی…………………….. 28

2-9-1- مفاهیم اولیه در الگوریتم ژنتیک…………………….. 28

2-9-2- کاربرد الگوریتم ژنتیک در شبکه حسگر و کنترل توپولوژی…………………….. 30

فصل سوم: روش پیشنهادی…………………….. 33

3-1- مقدمه……………………. 34

3-2- کنترل توپولوژی با هدف پوشش سراسری…………………….. 34

3-2-1- ساختار کروموزوم ها ……………………35

3-2-2- تابع برازندگی…………………….. 37

3-2-3- عملگر انتخاب…………………….. 39

3-2-4- عملگر تلفیق…………………….. 41

3-2-5- عملگر جهش………………………. 42

3-2-6- تحلیلی آماری برای محاسبه میانگین درجه ی همسایگی…………… 42

3-2-7- روند کلی…………………….. 44

3-3- کنترل توپولوژی با هدف پوشش حفاظتی از یک شئ…………………….. 45

3-3-1- تابع برازندگی…………………….. 45

3-3-2- تحلیل آماری برای محاسبه میانگین درجه ی همسایگی…………………….. 46

3-4- کنترل توپولوژی با هدف حفاظت از یک ورودی…………………….. 46

3-4-1- تابع برازندگی…………………….. 47

3-4-2- تحلیل آماری برای محاسبه میانگین درجه ی همسایگی…………………….. 47

فصل چهارم: پیاده سازی و ارزیابی نتایج…………………….. 49

4-1- مقدمه……………………. 50

4-2- معرفی شبیه ساز Aqua-Sim……………………..

4-3- معرفی معیارهای بررسی کارایی سیستم…………………….. 51

4-3-1- پوشش حجمی نرمال شده……………………. 52

4-3-2- میانگین مسافت طی شده (ADT)……………………

4-3-3- میانگین درجه ی همسایگی (AND)……………………

4-3-4- زمان استقرار (DT)……………………

4-4- نتایج کنترل توپولوژی با هدف پوشش سراسری…………………….. 54

4-4-1- آزمایش اول (به دست آوردن تعداد مناسب AUVها برای حداکثرسازی پوشش سراسری)….. 54

4-4-2- آزمایش دوم (مقایسه ی استفاده و عدم استفاده از میانگین درجه همسایگی)……… 56

4-4-3- آزمایش سوم (تاثیر از کار افتادن چند AUV)……………………

4-4-4- آزمایش چهارم (تاثیر خطای مکان یابی گرهها) ……………………66

4-4-5- آزمایش پنجم (تاثیر کاهش حرکت AUVها در هر گام) ……………………69

4-4-5- آزمایش ششم (مقایسه روشهای پیشنهادی با روش قبلی)…………………… 71

4-5- نتایج کنترل توپولوژی با هدف پوشش حفاظتی از یک شئ…………………….. 73

4-5-1- آزمایش اول (به دست آوردن تعداد مناسب AUVها برای محافظت شئ)…… 73

4-5-2- آزمایش دوم (محافظت از یک شئ)…………………… 75

4-6- نتایج کنترل توپولوژی با هدف پوشش حفاظتی از یک درگاه……………………. 79

4-6-1- آزمایش اول (محافظت از یک درگاه) ……………………79

فصل پنجم: نتیجه گیری و پیشنهادات…………………….. 83

5-1- نتیجه گیری…………………….. 84

5-2- پیشنهادات…………………….. 85

فهرست منابع…………………….. 86

چکیده:

در سال­های اخیر استفاده از شبکه­ ­های حسگر بی­سیم زیر آب (UWSN)[1] برای بدست آوردن اطلاعات دقیق از دریاها و اقیانوس­ها توجه بسیاری از محققان را به خود جلب نموده است. در انجام ماموریت­های زیرآبی می­توان از تیمی از زیرآبی­های خودمختار[2](AUVs) استفاده نمود. این تجهیزات مجهز به انواع حسگرها جهت جمع­آوری داده در محیط زیر آب می­باشند. با استفاده از تکنیک­های هوش مصنوعی می­توان آن­ها را هوشمند نمود تا بدون نیاز به دخالت و کنترل انسانی عملیات مورد نظر خود را انجام دهند. ماموریت اصلی شبکه­های حسگر بی­سیم نظارت اهداف و کشف وقوع رویداد است. به واسطه­ی خاصیت تصادفی رویدادها و پارامترهای محیط، نقاط مورد توجه[3] در محیط، باید توسط حسگرها پوشش داده شود تا رویدادها مشاهده و گزارش داده شوند. کنترل توپولوژی مشخص­کننده­ی نحوه­ی ارتباطات حسگرها در شبکه و میزان پوشش ناحیه­ی مورد سنجش توسط حسگرها است. محیط زیر آب به صورت پویا تغییر می­کند. بنابراین در محیط­ زیرآب استفاده از رویکرد متمرکز برای کنترل توپولوژی مناسب نیست. پهنای باند ارتباطی محدود و نرخ خطای بیتی بالا در ارتباطات زیر آب می­تواند منجر به محدودیت اطلاعات کسب شده توسط آن­ها از محیط اطرافشان گردد.

در این پایان نامه، یک الگوریتم کنترل توپولوژی توزیع شده با هدف حداکثرسازی پوشش POIها توسط AUVها، در محیط سه بعدی زیر آب ارائه شده است. این الگوریتم هر AUV را توانمند می­سازد که به صورت مستقل سرعت و جهت حرکت خود را بر اساس اطلاعاتی که از همسایگانش به دست می­آورد، تعیین نماید. کنترل توپولوژی ارائه شده بر مبنای الگوریتم ژنتیک است. هر AUV بهترین حرکت بعدی را در هر گام با اجرای الگوریتم ژنتیک به صورت مستقل به دست می­آورد. در تابع برازندگی این الگوریتم، از یک تحلیل آماری برای میانگین درجه­ی همسایگی با هدف تعیین حد بالای تعداد همسایگان یک AUV استفاده شده است. نتایج این پایان نامه نشان می­دهد، با محدود کردن تعداد همسایگان AUVها در محیط، POIها به میزان بیشتری پوشش داده می­شوند. موثر بودن الگوریتم ارائه شده با معیارهای مختلفی مانند میزان پوششPOIها، زمان استقرار[4]، میانگین مسافت طی شده [5]و میانگین درجه­ی همسایگی [6]مورد ارزیابی قرار گرفته است. نتایج نشان می­دهد که الگوریتم ارائه شده در زمان کوتاهی به میزان مطلوبی از پوشش POIها در محیط می­رسد. همچنین نشان داده شده، شبکه­ی متشکل از AUVها، می­توانند به صورت پویا خود را با شرایط از دست دادن چند AUV وفق دهند و به حداکثر پوشش مطلوب POIها در محیط دست یابند. همچنین ابهام در تشخیص دقیق موقعیت AUV مانع همگرایی و پوشش مناسب در محیط نشده است و تنها نیاز است آنها مسافت بیشتری را تا رسیدن به همگرایی طی نمایند.

فصل اول: مقدمه و کلیات

1-1- مقدمه ای بر شبکه های حسگر بیسیم زیر آب

شبکه­های حسگر بی­سیم زیر آب[1](UWSN)، شبکه­ای متشکل از حسگرها هستند. این حسگر­ها در محیط زیرآب به منظور جمع­آوری داده­های محیطی قرار می­گیرند و از امواج صوتی برای برقراری ارتباط استفاده می­کنند. شبکه­ی حسگر بی­سیم زیر آب جهت بررسی آلودگی­های اقیانوس­ها، بررسی مناطق محتمل برای وجود نفت و گاز، بررسی زمین لرزه­های زیرآب، بررسی وجود ماهی­ها و مراقبت بر عبور زیردریایی­ها و شناور­ها استفاده می­شود. استفاده تیمی از زیرآبی­های خودمختار­­[2](AUVs) مجهز به حسگر، برای پیدا کردن منابع و دستیابی به اطلاعات جایگاه خود را در بسیاری از کاربرد­ها یافته است [1]، [2]، [3].

برای دانلود متن کامل پایان نامه اینجا کلیک کنید

لینک بالا اشتباه است

برای دانلود متن کامل اینجا کلیک کنید

       

:: بازدید از این مطلب : 540

دانشگاه شیراز

دانشکده مهندسـی

پایان‌نامه کارشناسی ارشد در رشته مهندسی کامپیوتر (هوش مصنوعی)

عنوان:

ارائه یک روش جدید به منظور بررسی روند درمان ضایعات و تحلیل استخوان دندان در یک دوره زمانی

استاد راهنما:

دکتر فرشاد تاجری پور

برای رعایت حریم خصوصی نام نگارنده پایان نامه درج نمی شود

تکه هایی از متن پایان نامه به عنوان نمونه :

(ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)

فهرست مطالب:

فصل اول: مقدمه

1-1- کلیات…………………………. 2

1-2- مقدمه‌ای بر رادیولوژی دندان………………………… 3

1-2-1- رادیوگرافی سفالومتری ……………………….  4

1-2-2- سیستم‌های دیجیتال رادیوگرافی دندان……………………….  5

‌1-2-3- رادیوگرافی پری اپیکال……………………….  7

1-2-4- رادیوگرافی پانورامیک (پانورکس) ……………………….8

‌1-2-5- دوربین های داخل دهانی‌……………………….  9

1-3- تعریف مسئله……………………….. 9

1-4- نگاهی به فصول پایان نامه……………………….. 11

1-5- جمع بندی………………………… 12

فصل دوم: پیشینه تحقیقات

2-1- مقدمه……………………….. 14

2-2- روش‌های موجود برای جداسازی و قسمت‌بندی تصاویر دندانپزشکی………. 16

2-2-1 روش سعید و همکاران ………………………. 17

2-2-2- روش انیل جین و هنگ چن ………………………. 26

2-2-3- روش فانگ دین و باک هوای……………………….  28

2-2-4- روش ویجایاکوماری و همکاران………………………. 36

2-3- روش‌های موجود برای بررسی و تشخیص ضایعات دندانی………….. 40

2-3-1- روش‌های بررسی ودرمان تحلیل ریشه دندان ………………………. 40

2-3-2 روش‌های بررسی و تشخیص ضایعات دندانی اطراف انتهای ریشه………41

2-3-2-1 روش مول و ون………………………… 41

2-3-2-2 روش جانگ و لی………………………… 44

2-4- جمع بندی………………………… 46

فصل سوم: روش تحقیق

3-1- مقدمه……………………….. 48

3-2- پیش پردازش و بهبود کیفیت تصاویر……………………….. 49

3-2-1-فیلتر همریختی……………………………….  52

3-3- بخش بندی و جداسازی دندان‌ها ……………………….52

3-3-1- هیستوگرام نگاشت انباره‌ای……………………….  53

3-3-2- تخمین زاویه چرخش:………………………. 55

3-4- تشخیص انتهای ریشه دندان: ……………………….61

3-5- تشخیص ضایعات استخوانی اطراف ریشه دندان:……….. 64

3-6- جمع بندی………………………… 65

فصل چهارم: آزمایش‌ها و نتایج

4-1- مقدمه……………………….. 67

4-2- بررسی نتایج مرحله پیش پردازش………………………….. 68

4-3- بررسی نتایج حاصل در مرحله بخش بندی دندان‌ها………….. 73

4-3-1- نتایج و آزمایشات مرحله بخش بندی دندان‌ها……………… 73

4-3-2- ارزیابی مراحل بخش بندی دندان‌ها………………………. 76

4-4- نتایج الگوریتم تشخیص انتهای ریشه دندان: ……………………….82

4-5- ارزیابی تشخیص ضایعات استخوانی انتهای ریشه دندان…….. 84

4-6- جمع بندی………………………… 86

فصل پنجم: نتیجه گیری و پیشنهادات

5-1- نتیجه گیری و پیشنهادات برای کارهای آینده ……………………….88

فهرست منابع………………………… 90

چکیده:

تکنیک های مختلف پردازش تصویر کاربرد گسترده‌ای در حوزه دندانپزشکی دارد. از جمله این کاربردها می‌توان به تشخیص هویت بر مبنای تصاویر دندانپزشکی، تشخیص پوسیدگی های دندانی و همچنین شناسایی و بررسی ضایعات دندانی اشاره کرد که عمدتا در اطراف انتهای ریشه دندان اتفاق می‌افتد. همچنین با استفاده از تکنیک های پردازش تصویر می‌توان به دندانپزشک در تشخیص ضایعات دندانی کمک کرد که روند درمان با کیفیت و دقت بیشتری انجام شود. عدم درمان این ضایعات، ممکن است منجر به آسیب های جدی به بافت لثه و دندان و کاهش توده استخوانی دندان شود. در این رساله، یک روش جدید بر مبنای ویژگی های تصویری دندان های تحت درمان ریشه، برای قسمت بندی و جداسازی دندانها از یکدیگر، همچنین تعیین موقعیت انتهای ریشه و در نهایت مشخص کردن ضایعات دندانی ارائه شده است. نتایج تجربی حاصل از آزمایش الگوریتم پیشنهادی روی تصاویر موجود نشان می‌دهد که علی رغم کیفیت پایین تصاویر، الگوریتم ارائه شده کارایی موثر در جداسازی دندانها از یکدیگر و تعیین محل انتهای ریشه و تشخیص ناحیه دچار ضایعات استخوانی دارد.

فصل اول

1- مقدمه

1-1- کلیات

دندان مرکب از یک ساختمان سختی است که بافت نرم زنده‌ای را احاطه کرده است. شکل1-1 ساختمان دندان را نشان می‌دهد. قسمت نرم مرکزی دندان ، پالپ و دراصطلاح عامیانه، عصب نام دارد که شامل سلولها، عروق خونی و اعصاب می‌باشد. قسمت اعظم ساختمان دندان را عاج تشکیل می‌دهد، درون عاج فضایی وجود دارد که شامل عصب و شبکه مویرگی است که اصطلاحاً به آن پالپ گفته می‌شود. پالپ از شاخه‌های اصلی اعصاب و عروق در انتهای ریشه منشعب می‌شود و از درون کانالهایی که در ریشه وجود دارد به این فضا می‌رسد. حس، تغذیه، عاج سازی و دفاع میکروبی از اعمال پالپ بشمار می‌آیند. این بافت نرم ممکن است تحت تأثیر میکرب‌ها عفونی شده و عفونت را در مسیر ذکر شده به استخوان اطراف ریشه منتقل کند. در چنین مواردی تمام این بافت توسط دندانپزشک برداشته شده، محفظه پالپ و کانالها تمیز و به نحو مطلوبی پر می‌شود. در صورت عدم معالجه ریشه دندان سیر بیماری نهایتاً منجر به کشیدن و یا از دست دادن دندان خواهد شد. عوارض عدم درمان شامل آبسه، درد، عفونت شدید و نهایتاً از دست دادن دندان خواهد بود. اگر پالپی که آلوده شده و ملتهب و دردناک است خارج نشود و به عبارتی معالجه انجام نگردد، معمولاً درد آن بیشتر شده و بیمار را اذیت می‌کند.سرایت عفونت به استخوان انتهای ریشه باعث ایجاد کیست و یا آبسه در انتهای ریشه می‌گردد.[1]

برای دانلود متن کامل پایان نامه اینجا کلیک کنید

لینک بالا اشتباه است

برای دانلود متن کامل اینجا کلیک کنید

       

:: بازدید از این مطلب : 592

دانشگاه شیراز

دانشکده مهندسـی برق و کامپیوتر

پایان‌نامه کارشناسی ارشد در رشته مهندسی کامپیوتر (هوش مصنوعی)

عنوان:

ارائه مدلی برای حل مسائل ارضاء محدودیت با استفاده از سیستمهای چند عامله

استاد راهنما:

دکتر اقبال منصوری

برای رعایت حریم خصوصی نام نگارنده پایان نامه درج نمی شود

تکه هایی از متن پایان نامه به عنوان نمونه :

(ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)

چکیده:

سیستمهای چند عامله سیستمهای محاسباتی هستند که در آن چندین عامل جهت رسیدن به یک هدف خاص با هم در تعامل هستند و با هم کار می کنند. دلیل پیدایش اینگونه سیستمها وجود موقعیتهایی است که در آن یک مسأله بایستی در یک مد توزیع شده حل شود. به عنوان مثال در شرایطی که استفاده از یک کنترل کننده مرکزی ممکن نیست و یا اینکه می­خواهیم استفاده مناسبی از منابع توزیع شده و یا امکانات محاسباتی داشته باشیم. با اینکه زمان زیادی از معرفی این گونه سیستم‌ها نمی‌گذرد ولی استفاده از روش‌های طراحی بر اساس عامل یکی از موفق‌ترین راه‌حل‌های موجود بوده و حاصل این شیوه طراحی یعنی سیستم‌ حل مسائل به صورت توزیع‌شده از بهترین سیستم‌ها به شمار می‌آید و به عنوان ابزار جدیدی برای حل انواع فرآیندهای انسانی شناخته می‌شود. مسأله ارضاء محدودیت توزیع شده سالهاست که در حوزه تحقیق سیستمهای چند عامله مورد توجه زیادی قرار گرفته است. و این مسأله بدان علت است که بسیاری از مسائل اعم از مسائل کلاسیکی همانند مسأله n-وزیر و رنگ آمیزی گراف گرفته و تا مسائل کاربردی بزرگ دنیای واقعی همچون زمانبندی و برنامه ریزی و تخصیص منابع می­توانند برای حل شدن به عنوان یک مسأله مسأله ارضاء محدودیت توزیع شده فرموله شوند. بنابراین ارائه یک شیوه جدید و یا اصلاح شیوه های فعلی تاثیر زیادی بر دامنه تحقیقاتی این فیلد می­گذارد. آنچه در این پایان­نامه ارائه می­شود ارائه تکنیکی جدید برای حل مسائل ارضاء محدودیت توزیع شده است. این تکنیک جدید محدودیتها را در یک سیستم که ترکیبی از سیستمهای توزیع شده و متمرکز است اداره و کنترل می­کند که با بهره گیری از یک سری ویژگیهای خاص تعریف شده از سیستمهای ترکیبی دیگر موجود متمایز می­شود. نتایج حاصله نشان می دهد که این الگوریتم در مسائل با مقیاس بزرگ کارایی خوبی خواهد داشت و تقریبا یک پیچیدگی زمانی خطی را با افزایش مقیاس مسأله به دست می­آورد. همچنین مقایسه این روش با چند روش دیگر بهبود عملکرد این روش را در پارامترهای مختلف نسبت به دیگر روشها نشان می­دهد.

فصل اول

مقدمه:

از سال 1974، مسائل ارضاء محدویت (CSP[1]) در مسأله پردازش تصویر^[2] پیشنهاد شد. پس از آن CSP به طور گسترده در بسیاری از حوزه های هوش مصنوعی و علوم کامپیوتر به عنوان یک روش حل مهم مورد استفاده قرار گرفته است. از مسأله چند وزیر^[3] و رنگ آمیزی گراف^[4] گرفته و دیگر مسائل کلاسیک گرفته تا زمانبندی^[5] و تخصیص منابع^[6] و دیگر مسائل کاربردی بزرگ می­توانند برای حل شدن به عنوان یک مسأله CSP فرموله شوند. بعد از سال 1990 با جایگزین شدن زبان برنامه نویسی عمومی به جای زبان برنامه نویسی منطقی مسأله ارضاء محدودیت کاربرد CSP برای حل مسائل بسیار بهبود یافت [1]. یک CSP، با یک مجموعه از متغیرها، دامنه ای برای هر یک از آنها و محدودیتهایی در مقادیری که متغیرها ممکن است به صورت همزمان به خودشان بگیرند، تعریف می­شوند. نقش الگوریتمهای ارضاء محدودیت، نسبت دادن مقادیری به متغیرهاست به نحوی که با تمام محدودیتها سازگاری داشته باشد یا مشخص کند که هیچ انتسابی امکانپذیر نیست. امروزه تکنیکهای ارضاء محدودیت در حوزه های مختلفی از جمله بینایی ماشین، پردازش زبانهای طبیعی، اثبات قضایا، زمانبندی و… به کار می­روند [4].

برای دانلود متن کامل پایان نامه اینجا کلیک کنید

لینک بالا اشتباه است

برای دانلود متن کامل اینجا کلیک کنید

       

:: بازدید از این مطلب : 758

دانشگاه شیراز

دانشکده‌ی مهندسی

پایان‌نامه‌ی کارشناسی ارشد در رشته‌ی مهندسی کامپیوتر (هوش مصنوعی)

عنوان:

ارائه‌ چارچوبی در راستای بهبود پیش‌بینی وضعیت ترافیک

استاد راهنما:

دکتر ستار هاشمی

برای رعایت حریم خصوصی نام نگارنده پایان نامه درج نمی شود

تکه هایی از متن پایان نامه به عنوان نمونه :

(ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)

فهرست مطالب:

فصل اول. مقدمه

1-1- تعریف مسئله………………………………………………………………………………………………………………….. 2

1-2- چالش‌های مسئله……………………………………………………………………………………………………………… 4

1-3- نگاهی به فصول پایان­نامه……………………………………………………………………………………………….. 7

فصل دوم. مبانی نظری تحقیق

2-1- مقدمه………………………………………………………………………………………………………………………… 10

2-2- متدهای یادگیری تجمعی………………………………………………………………………………………….. 11

2-2-1- تعاریف مفاهیم اولیه…………………………………………………………………………………… 11

2-2-2- درخت بوستینگ…………………………………………………………………………………………….. 13

2-2-3- درخت بگینگ…………………………………………………………………………………………………. 13

2-3- رندوم فارست……………………………………………………………………………………………………….. 15

2-3-1- مراحل توسعه‌ی رندوم فارست………………………………………………………………………… 16

2-3-2- تئوری‌های مرتبط با رندوم فارست………………………………………………………………….. 19

2-3-3- رندوم فارست برای رگرسیون………………………………………………………………………… 22

2-3-4- مزایا و کاربردهای رندوم فارست……………………………………………………………………. 23

2-4- نتیجه ­گیری………………………………………………………………………………………………………… 24

فصل سوم. پیشینه تحقیق

3-1- مقدمه…………………………………………………………………………………………………………………. 26

3-2- تعریف مسئله………………………………………………………………………………………………………. 26

3-3- روش‌های مبتنی بر آنالیزهای سری زمانی…………………………………………………………………. 29

3-4- روش‌های مبتنی بر مدل‌های شبکه عصبی…………………………………………………………………. 32

3-5- روش‌های مبتنی بر الگوریتم‌های داده­کاوی………………………………………………………………. 34

فصل چهارم. معرفی تکنیک پیشنهادی

4-1- مقدمه…………………………………………………………………………………………………………………. 40

4-2- خصوصیات کلی پایگاه داده……………………………………………………………………………………….. 41

4-3- پایگاه داده­ی مورد استفاده………………………………………………………………………………………….. 42

4-3-1- داده‌ی آموزشی…………………………………………………………………………………………………. 44

4-3-2- داده‌ی آزمایشی………………………………………………………………………………………………. 44

4-4- تکنیک پیشنهادی………………………………………………………………………………………………………. 45

4-4-1- بررسی توزیع جریان‌های ترافیکی…………………………………………………………….. 47

4-4-2- مرحله پیش پردازش و استخراج ویژگی…………………………………………………….. 50

4-4-3- مرحله شناسایی و تقسیم بندی به Context های مختلف………………………. 52

4-4-4- مرحله یادگیری با بکارگیری Context-Aware Random Forest……………….

فصل پنجم. نتایج تجربی

5-1- مقدمه…………………………………………………………………………………………………. 59

5-2- پایگاه داده……………………………………………………………………………………………… 60

5-3- معیارهای ارزیابی…………………………………………………………………………………. 61

5-3-1- معیار ارزیابی خطای پیش­بینی………………………………………………………………… 61

5-3-2- مقایسه کارآیی معیارهای سنجش فاصله بر روی مشاهدات ترافیکی…… 62

5-4- بررسی تناسب الگوریتم رندوم فارست در مقایسه با دیگر متدها………………………… 64

5-5- تنظیمات اعمال شده در پیاده سازی الگوریتم (تنظیم پارامترها)……………………… 66

5-6- ارزیابی سایز گردآمدگی بر روی داده‌ی اعتبارسنجی……………………………………………… 67

5-7- استخراج مجموعه‌های نمونه‌های آموزشی…………………………………………………………. 70

5-8- نتایج یادگیری الگوریتم بر روی مجموعه‌های نمونه‌های آموزشی…………………….. 72

فصل ششم. نتیجه‌گیری

خلاصه­ مطالب و نتیجه­ گیری…………………………………………………………………… 75

فهرست منابع و مآخذ……………………………………………………………………………….. 78

چکیده:

امروزه موفقیت سیستم­های حمل­ و­نقل هوشمند، نه تنها به اطلاعات وضعیت فعلی ترافیک، بلکه تا حد زیادی به آگاهی از وضعیت ترافیکی دقایق آینده وابسته است. از این­رو، تحقیقات زیادی در زمینه­ی پیش­بینی­ کوتاه­­مدت وضعیت ترافیکی انجام شده است. هرچند تاکید اکثریت آنها، تنها بر روی اعمال الگوریتم­های مختلف بمنظور یادگیری داده­های ترافیکی و ارائه­­ی مدل، بر اساس داده­های جمع­آوری شده از وضعیت فعلی و پیشین می­باشد. حال آنکه، در جهت رسیدن به الگوریتمی کارا، لازم است تا ماهیت نوساناتی و وابسته به زمان داده­ها نیز در روند یادگیری مدل لحاظ شود. در این راستا، این پایان­ نامه با مطالعه­ توزیع جریان­های ترافیکی، سعی در جداسازی رفتارهای مربوط به پریودهای اوج و غیر­اوج ترافیکی و همچنین استفاده از مفاهیم و دانش بدست­ آمده برای آموزش مدل­های متمایز متناظر با رفتارهای مختلف ترافیکی دارد. شایان ذکر است که حتی در صورتی­که زمان مرتبط با داده‌ها صریحاً در اختیار نباشد، روش پیشنهادی با بررسی توزیع داده­، روند جریان‌های ترافیکی را تشخیص می­دهد. بدین ترتیب، رندوم فارست بعنوان مدل پیش­بینی­کننده، از زمینه­ی داده­ی مورد آموزش باخبر بوده و بر این اساس احتمال گیر­اُفتادن آن در بهینه­ی محلی کمتر می­شود. به منظور ارزیابی روش ارائه شده، آزمایشاتی بر روی داده­­ی بخش ترافیک مسابقه بین ­المللی داده­کاوی سال 2010 انجام شد. نتایج حاصل، مؤید کارایی و مقیاس­ پذیری روش پیشنهادی در مقایسه با دیگر نتایج بدست آمده توسط تیم­های برتر مسابقه، می­باشد.

فصل اول: مقدمه

1-1- تعریف مسئله

امروزه، با توجه به گسترش روزافزون مطالبات حمل‌ونقل و بروز مشکلات ناشی از افزایش ترافیک شهری، ازجمله آلودگی هوا، آلودگی صوتی، مصرف سوخت، اتلاف وقت و انرژی و هزینه‌های تحمیلی آنها، ارائه راهکار مناسب درجهت روان شدن ترافیک از اهمیت ویژه‌ای برخوردار است. از طرفی باتوجه به محدودیت‌های امکانات شهرسازی در مقابل تقاضای انبوه وسایل نقلیه، لازم است تا تمهیداتی کاربردی و امکان‌پذیر برای حل این معضل درنظر گرفته ‌شود. ازآنجا که تاکنون فناوری اطلاعات[1] نقش مؤثری درعرصه‌های مختلف صنعتی ایفا کرده است، ورود این تکنولوژی در زمینه‌ی سیستم‌های حمل‌ونقل نیز بعنوان راهکاری مناسب مورد توجه قرارگرفت و منجر به پدیدآمدن سیستم‌های حمل‌ونقل هوشمند[2] شد. در واقع تکنولوژی فناوری اطلاعات به عناصر سیستم حمل‌ونقل این امکان را می‌دهد تا با بکارگیری حسگر[3]ها و میکروچیپ‌ها و ارتباط آنها از طریق تکنولوژی بی­سیم[4]، تبدیل به یک سیستم هوشمند شوند. امروزه سیستم حمل‌ونقل هوشمند با تشکیل سامانه‌ای متشکل از حسگرهای دریافت داده، سامانه‌های پردازش اطلاعات و سامانه‌های ارائه‌ی اطلاعات به استفاده کنندگان، گامی مؤثر در راستای مدیریت سیستم حمل‌ونقل و استفاده هوشمندانه از زیرساختارهای موجود، برداشته است [1]. 

برای دانلود متن کامل پایان نامه اینجا کلیک کنید

لینک بالا اشتباه است

برای دانلود متن کامل اینجا کلیک کنید

       

:: بازدید از این مطلب : 663

دانشگاه شیراز

دانشکده‌ی مهندسی برق و کامپیوتر

پایان‌نامه کارشناسی ارشد در رشته­­

مهندسی کامپیوتر (نرم‌افزار)

عنوان:

ارائه یک الگوریتم زمانبندی کارا در شبکه محاسباتی گرید با هدف کاهش زمان اتمام کل و توازن بار

استاد راهنما:

دکتر غلامحسین دستغیبی فرد

برای رعایت حریم خصوصی نام نگارنده درج نمی شود

تکه هایی از متن به عنوان نمونه :

فهرست مطالب:

1- مقدمه …………………………………………………………………………………………………… 1

1-1 مقدمه ……………………………………………………………………………………………………………. 1

1-2 هدف از اجرای پایان­نامه ………………………………………………………………………………. 2

1-3 مراحل انجام پایان­نامه ………………………………………………………………………………….. 2

1-4 ساختار پایان­نامه …………………………………………………………………………………………… 3

2- ادبیات موضوعی ………………………………………………………………………………………. 4

2-1 مقدمه ……………………………………………………………………………………………………………. 4

2-2 ساختار الگوریتم ژنتیک ………………………………………………………………………………… 6

2-3 عملگرهای ژنتیکی …………………………………………………………………………………………. 7

2-4 روند کلی الگوریتم ژنتیک ……………………………………………………………………………… 8

2-5 شرط پایان الگوریتم ………………………………………………………………………………………. 10

2-6 برخی از کاربرد­های الگوریتم ژنتیک ……………………………………………………………… 10

2-7 تعاریف ……………………………………………………………………………………………………………… 11

2-8 مزایای اجرای موازی ……………………………………………………………………………………….. 12

2-9 مراحل زمانبندی در گرید …………………………………………………………………………….. 16

2-10 انواع زمانبند ………………………………………………………………………………………………….. 17

2-11 انواع زمانبندی ……………………………………………………………………………………………… 18

2-12 نحوه­ی زمانبندی (ایستا و پویا) …………………………………………………………………… 19

2-13 ساختار زمانبند …………………………………………………………………………………………….. 19

2-14 انواع صف­بندی کارها ……………………………………………………………………………………. 21

2-15 پیچیدگی محاسباتی زمانبندی …………………………………………………………………….22

2-16 جمع بندی ………………………………………………………………………………………………… 22

3- پیشینه پژوهشی …………………………………………………………………………………….. 23

3-1 مقدمه ……………………………………………………………………………………………………………. 23

3-2 الگوریتم­های حریصانه ………………………………………………………………………………….. 23

3-3 الگوریتم­های تکاملی …………………………………………………………………………………….. 26

3-3-1 راه­کارهای مبتنی بر جستجوی محلی ………………………………………… 26

3-3-2 راه­کارهای جمعیت محور ……………………………………………………………. 28

3-4 جمع­بندی …………………………………………………………………………………………………… 31

4- الگوریتم­های پیشنهادی ………………………………………………………………………….. 33

4-1 مقدمه ……………………………………………………………………………………………………………. 33

4-2 فرضیات وتعاریف …………………………………………………………………………………………… 34

4-3 الگوریتم­ Asuffrage ……………………………………………………………………………………..

4-4 الگوریتم­ MaxSuffrage ………………………………………………………………………………..

4-5 الگوریتم توازن نسخه یک …………………………………………………………………………….. 38

4-6 الگوریتم توازن نسخه دو ………………………………………………………………………………. 40

4-7 الگوریتم ژنتیک و توازن بار ………………………………………………………………………….. 41

4-8 جمع­بندی ……………………………………………………………………………………………………… 46

5- نتایج حاصل از ارزیابی………………………………………………………………………………. 47

5-1 مقدمه ……………………………………………………………………………………………………………. 47

5-2 محک ارزیابی براون ……………………………………………………………………………………… 47

5-3 ارزیابی الگوریتم Asuffrage …………………………………………………………………………

5-4 ارزیابی الگوریتم MaxSuffrage ……………………………………………………………………

5-5 ارزیابی الگوریتم توازن نسخه یک …………………………………………………………………. 53

5-6 ازریابی الگوریتم توازن نسخه دو …………………………………………………………………… 54

5-7 ارزیابی الگوریتم ژنتیک به همراه توازن بار……………………………………………………. 55

5-8 پیشنهادات برای آینده …………………………………………………………………………………. 57

6- منابع ……………………………………………………………………………………………………… 58

چکیده:

شبکه­های تورین محاسباتی (گرید) زمینه‌ای را فراهم آورده است که بتوان از منابع ناهمگن در نقاط مختلف جغرافیایی برای حل مسائل پیچیده علمی، مهندسی و تجارت استفاده کرد. عملیات زمانبندی نقش کلیدی در عملکرد گرید ایفا می­کند. در این پایان نامه با استفاده از مزایای الگوریتم ژنتیک، پنج الگوریتم زمانبندی برای نگاشت بهینه­ای از کارهای دسته­ای روی ماشین­ ها ارائه شده است که تمامی فضای جستجو مسأله زمانبندی را بررسی کرده و یک توازن بار روی همه ماشین­ها ایجاد نماید. نتایج پیاده­ سازی الگوریتم­های ارائه شده نشان دهنده متوسط کاهش 13.23 درصد در زمان اتمام آخرین کار نسبت به الگوریتم های پیشین است.

1- مقدمه

1-1- مقدمه

کامپیوترهای امروزی مانند مغز انسان معمولا از بخش کوچکی از توانایی‌های خود استفاده می‌کنند و اغلب به‌ صورت غیرفعالند و منتظر اطلاعات ورودی می‌مانند. تصور کنید که اگر از منابع سخت‌افزاری این همه کامپیوتر غیرفعال استفاده شود و همه در یک کامپیوتر جمع شوند، چه دستگاه پرقدرتی خواهیم داشت. شبکه­های محاسباتی (گرید)[1] زمینه‌ای را فراهم آورده است که بتوان از منابع (کامپیوتری) سیستم‌های دیگر نیز استفاده نماییم. اغلب مسائل پیچیده علمی، مهندسی و تجارت احتیاج به میزان زیادی از منابع برای اجرا دارند، بهترین راه حل برای اینگونه مسائل استفاده از گرید می­باشد[1].

هدف شبکه­های محاسباتی (گرید) به اشتراک گذاشتن منابع کامپیوتری در نقاط مختلف جغرافیایی با مدیریت­های مختلف بین کاربران است. کاربران درخواست­های خود را پیوسته برای محیط گرید ارسال می­کنند و بخش مدیریت منابع[2] این کارها را به گره های محاسباتی[3] موجود در شبکه اختصاص می­دهد. به چگونگی تخصیص این درخواست­ها روی گره­های محاسباتی مختلف زمانبندی[4] می­گویند.

برای دانلود متن کامل پایان نامه اینجا کلیک کنید

لینک بالا اشتباه است

برای دانلود متن کامل اینجا کلیک کنید

       

:: بازدید از این مطلب : 646

دانشگاه شیراز

دانشکده مهندسـی

پایان‌نامه کارشناسی ارشد در رشته مهندسی کامپیوتر (هوش مصنوعی)

عنوان:

ارائه یک شاخص نوین برای سنجش سطح خستگی مغزی در حین فعالیت ذهنی از روی سیگنال EEG

استاد راهنما:

دکتر رضا بوستانی

برای رعایت حریم خصوصی نام نگارنده درج نمی شود

تکه هایی از متن به عنوان نمونه :

چکیده:

در سال‌های اخیر، روش‌های زیادی تلاش به بررسی میزان خستگی ذهنی با معیارهای متفاوتی کرده‌اند. این روش‌ها مقیاس‌های متفاوتی را برای این کار از جمله عملکرد و اندازه گیری‌های مبتنی بر الکتروفیزیولوژیک به کار گرفته‌اند. در میان این ابزار‌ها به نظر می رسد که الکتروانسفالوگرام (EEG) بهتر و دقیق تر از دیگر ابزارها عمل می کند. با این حال، بیشتر یافته های تحقیقاتی انجام شده در مورد تغییرات EEG در رابطه با خستگی دارای محدودیت‌های متفاوت و همچنین گاهی اوقات نتایج متناقض هستند. در نتیجه برای تشخیص بهتر خستگی از روی سیگنال EEG نیاز به به بررسی بیشتر آن می باشد.

بیشتر این روش‌ها دارای بعد ویژگی استخراج شده بالا هستند و در نتیجه برای کاهش این بعد و همچنین افزایش دقت نیاز به روش‌های کاهش بعد دارند. همچنین صحت این روش‌ها به روش کاهش بعد استفاده شده و تعداد ویژگی‌های استفاده شده در آن‌ها بستگی دارد. علاوه بر این، این روش‌ها بیشتر به بررسی خستگی ذهنی در چند حالت محدود پرداخته‌اند. در نتیجه ما برای افزایش سرعت و دقت بررسی خستگی ذهنی در اینجا به بررسی اثر خستگی بر قدرت و مکان منابع مغزی پرداخته‌ایم. با کمک این روش سعی در کاهش پیچیدگی محاسباتی روش‌های پیشین شده است. همچنین ما به بررسی پیوسته خستگی ذهنی نیز پرداخته‌ایم. علاوه بر این، در این پایان نامه هم از سیگنال های واقعی ثبت شده از افراد مختلف و هم از سیگنال شبیه سازی شده برای نشان دادن درستی روش پیشنهادی استفاده شده است و ما نشان دادیم که این روش بهتر از روش‌های قبلی عمل می کند.

فصل اول: مقدمه

1-1- مقدمه

خستگی پدیده ای رایج در زندگی روزمره ماست. یک تعریف مشترک از خستگی این است که خستگی حالتی است که به دنبال یک بازه از فعالیت ذهنی یا بدنی ایجاد می‌شود که توسط کاهش در توانایی برای کار کردن مشخص می‌شود.

اولین بار مفهوم خستگی ذهنی توسط گرندجین[1] معرفی شد [1]، که به وضوح خستگی ذهنی را از خستگی فیزیکی متفاوت کرد. او خستگی بدنی را در اثر کاهش عملکرد سیستم عضلانی و خستگی ذهنی را با کاهش عملکرد ذهنی و احساس خستگی تعریف کرد.

برای دانلود متن کامل پایان نامه اینجا کلیک کنید

لینک بالا اشتباه است

برای دانلود متن کامل اینجا کلیک کنید

       

:: بازدید از این مطلب : 893

دانشگاه آزاد اسلامی

واحد علوم و تحقیقات کرمان              

پایان نامه کارشناسی ارشد رشته مهندسی کامپیوتر

عنوان:

ارائه الگوریتم زمانبندی مهاجرت ماشین های مجازی جهت بهینه سازی همزمان مصرف انرژی و تولید آلاینده ها در شبکه محاسباتی ابر

استاد راهنما:

دکتر مجید محمدی

استاد مشاور:

دکتر رضا اکبری

برای رعایت حریم خصوصی نام نگارنده درج نمی شود

تکه هایی از متن به عنوان نمونه :

فهرست مطالب:

چکیده………………………………………………………………………………………………….. 1

مقدمه…………………………………………………………………………………………………. 2

فصل اول- کلیات

مقدمه……………………………………………………………………………………………….. 5

مروری بر محاسبات ابری…………………………………………………………………………. 5

1-2-1- بررسی انواع مختلف توده های ابر، کاربرد، مزایا و معایب……………………. 9

1-2-2- برخی مزایا و معایب محاسبات ابری………………………………………………. 12

1-2-3- معماری سیستم های محاسبات ابری……………………………………………….. 13

1-2-4- ماهیت محاسبات ابری…………………………………………………………………. 14

مجازی سازی……………………………………………………………………………………… 14

مقدمه ای بر مهاجرت ماشین های مجازی………………………………………………….. 19

1-4-1- مهاجرت……………………………………………………………………………………. 19

1-4-2- انواع روش های مهاجرت زنده……………………………………………………… 20

الگوریتم ژنتیک…………………………………………………………………………………. 21

1-5-1- جمعیت ژنتیکی………………………………………………………………………. 22

1-5-2- تابع برازندگی………………………………………………………………………… 23

1-5-3- عملگر ترکیب یا جابه جایی………………………………………………………. 23

1-5-4- عملگر جهش………………………………………………………………………….. 24

1-5-5- عملگر انتخاب……………………………………………………………………….. 24

آشنایی با چالش پیش رو در شبکه محاسباتی ابر………………………………….. 25

خلاصه و نتیجه گیری………………………………………………………………………. 27

فصل دوم- مروری بر ادبیات گذشته

2-1- محاسبات ابری………………………………………………………………………… 29

2-2- مجازی سازی…………………………………………………………………………… 30

2-3- مدیریت انرژی در مرکز داده اینترنت IDC………………………………………..

2-4- مدیریت انرژی ماشین مجازی و مهاجرت……………………………………. 32

2-5- الگوریتم MBFD……………………………………………………………………

2-6- الگوریتم ST…………………………………………………………………………

2-7- الگوریتم MM………………………………………………………………………

2-8- الگوریتم هریسانه……………………………………………………………………. 41

2-9- الگوریتمMEF(تغییر اولین تناسب)……………………………………………. 42

2-10- نتیجه گیری……………………………………………………………………….. 43

فصل سوم- ارائه الگوریتم پیشنهادی

3-1- مقدمه………………………………………………………………………………… 45

3-2- الگوریتم پیشنهادی……………………………………………………………….. 45

فصل چهارم- نتایج شبیه سازی

4-1- مقدمه……………………………………………

4-2- ویژگی های شبیه سازی تخصیص و مهاجرت ماشین های مجازی… 55

4-3- نرم افزار متلب…………………………………………………………………… 59

4-4- نتایج شبیه سازی………………………………………………………………… 61

4-5- نتیجه گیری……………………………………………………………………….. 66

فصل پنجم- نتیجه گیری و پیشنهادات

5-1- نتیجه گیری………………………………………………………………………. 68

5-2- کار آینده…………………………………………………………………………….. 68

چکیده:

در سال های اخیر با توجه به رشد روز افزون درخواستها و پیوستن مشتریان جدید به دنیای محاسبات، سیستم های محاسباتی نیز باید تغییر کنند و قدرتمندتر وانعطاف پذیرتر از قبل عمل نمایند. در این میان محاسبات ابری به عنوان مدلی فراتر از یک سیستم ارائه شد که در حال حاضر توانایی پاسخگویی به اکثر درخواست ها و نیازمندی ها را دارد.

راه حل های مجازی سازی به طور گسترده ای برای حل مشکلات مختلف مراکز داده مدرن بکار می روند که شامل : استفاده کمتر از سخت افزار، استفاده بهینه از فضای مراکز داده , مدیریت بالای سیستم و هزینه نگهداری می شوند.

عمده چالش هایی که سرور های بزرگ با آن مواجه هستند عدم وجود قابلیت اطمینان بالای سیستم و هزینه های عملیاتی بالا به علت مصرف انرژی زیاد است. بنابراین، استقرار و زمانبندی vm ها برپایه انرژی آگاه یک ضرورت فوری برای دستیابی به این اهداف است. زمانبندی کار برای چندین سال توسط محققان مختلف مورد مطالعه قرار داده شده است ، اما توسعه خوشه های مجازی و محیط ابر پنجره جدیدی به سوی محققان جهت رویکردهای جدید زمانبندی باز کرده اند .

یکی از تکنیک های مورد نیاز جهت افزایش انعطا ف پذیری و مقیاس پذیری مراکز داده ی ابری، مهاجرت است. عمل مهاجرت با اهداف گوناگونی از جمله توازن و تقسیم بار، تحمل پذیری در برابر خرابی، مدیریت انرژی، کاهش زمان پاسخ و افزایش کیفیت سرویس، تعمیر و نگهداری سرورها انجام می شود.

اجزای اصلی زمانبندی کار در محیط مجازی شامل :استقرار vmها در بین ماشین های فیزیکی و موازنه بارکاری پویا به کمک مهاجرت کارها در سراسر گره های خوشه مرکز داده می باشد.

در این پایان نامه تمرکز ما روی زمانبندی مهاجرت ماشین های مجازی در مرکز داده ابر با استفاده از الگوریتم وراثتی می باشد . نتایج شبیه سازی موید امکان پذیری و کارایی این الگوریتم زمانبندی می باشد و منجر به کاهش قابل توجه مصرف انرژی کل در مقایسه با استراتژی های دیگر می شود.و از آنجا که تمرکز ما روی انرژی عملیاتی مراکز داده است با کاهش مصرف انرژی عملیاتی, تولید آلاینده زیستی کربن نیز کاهش یافته که در کاهش هزینه کاربر نقش بسزایی ایفا می کند.

مقدمه:

در سال 1969 Leonard Kleinrock [1]، یکی از دانشمندان ارشد شبکه اصلی پروژه های پیشرفته پژوهشی آژانس (ARPANET) که پایه گزار اینترنت است ، گفت : ” هم اکنون ، شبکه های رایانه ای هنوز در مراحل ابتدایی خود هستند ، اما هنگامیکه رشد کنند و پیچیده شوند ، ما احتمالا گسترش صنایع همگانی کامپیوتر ” را خواهیم دید که ، مانند برق و تلفن در حال حاضر ، که به منازل و دفاتر در کشور خدمات ارائه می کنند. این بینش از صنایع همگانی محاسبات بر اساس مدل تأمین کننده خدمات ,تحول عظیم از کل صنعت محاسبات در قرن 21 که به موجب آن خدمات کامپیوتری برحسب تقاضا[1] خواهد شد را پیش بینی می کند، مانند خدمات ابزار دیگر موجود در جامعه امروز به راحتی در دسترس است. به طور مشابه ، کاربران (مصرف کنندگان) تنها زمانی که به خدمات محاسبات فراهم کنندگان دسترسی داشته باشند به آنها پرداخت می کنند. علاوه بر این ، مصرف کنندگان دیگر نیازی به سرمایه گذاری زیادی در ساخت و نگهداری پیچیده زیرساخت های فناوری اطلاعات نخواهند داشت.

برای دانلود متن کامل پایان نامه اینجا کلیک کنید

لینک بالا اشتباه است

برای دانلود متن کامل اینجا کلیک کنید

       

:: بازدید از این مطلب : 979

دانشگاه آزاد اسلامی

واحد علوم و تحقیقات

پایان‌نامه کارشناسی ارشد رشته کامپیوتر- نرم افزار (M.Sc)

موضوع:

دستیابی به کیفیت سرویس در شبکه های حسگر بیسیم با استفاده از آتوماتاهای یادگیر سلولی

استاد راهنما:

دکتر محمد رضا میبدی

استاد مشاور:

دکتر سعید ستایشی

برای رعایت حریم خصوصی نام نگارنده درج نمی شود

تکه هایی از متن به عنوان نمونه :

فهرست مطالب:

چکیده………………………………. 9

1-   مقدمه…………………………….. 10

1-1-   شبکه های حسگر بی سیم……………………………… 10

1-1-1-    مسائل مطرح در شبکه های حسگر بی سیم……………………………… 13

1-1-2-    پوشش محیط در شبکه های حسگر بی سیم……………………………… 15

1-1-3-   خوشه بندی در شبکه های حسگر بی سیم……………………………… 16

1-1-4-    تجمیع داده ها در شبکه های حسگر…………………………….. 17

1-2-   کیفیت سرویس در شبکه های حسگر بی سیم……………………………… 18

1-2-1-    کیفیت سرویس در شبکه های داده ای سنتی………………………………. 20

1-2-2-   کیفیت سرویس در شبکه های حسگر بی سیم……………………………… 26

1-3-  آتوماتای یادگیر…………………………….. 29

1-3-1-   آتوماتای یادگیر…………………………….. 31

1-3-2-   معیار‌های رفتار اتوماتای یادگیر…………………………….. 34

1-3-3-   الگوریتمهای یادگیری………………………………. 35

1-3-4-   آتوماتای یادگیر با عملهای متغیر…………………………….. 39

1-4-   آتوماتای یادگیر سلولی……………………………… 40

1-4-1-    آتوماتای سلولی………………………………. 40

1-4-2-   آتوماتای یادگیر سلولی (CLA)……………………………..

1-4-3-   آتوماتای یادگیر سلولی نامنظم (ICLA)……………………………..

1-5-   اهداف پایان نامه و ساختار آن……………………………… 48

2-  پوشش محیط در شبکه های حسگر بی سیم با استفاده از آتوماتاهای یادگیرسلولی…. 50

2-1-   مقدمه……………………………. 50

2-1-1-    اشکال مختلف طراحی………………………………. 51

2-2-  دسته بندی مسائل پوشش در شبکه های حسگر………………. 52

2-2-1-   پوشش ناحیه ای………………………………. 53

2-2-2-   پوشش نقطه ای……………………………. 56

2-2-3-  پوشش مرزی……………………………. 57

2-3-  روش پوشش CCP………………………………

2-3-1-   فرضیات مسئله……………………………… 59

2-3-2-  تشریح روش……………………………. 59

2-4-  حل مسئله پوشش(k-پوششی ) با استفاده از آتوماتاهای یادگیر………….. 61

2-4-1-   فرضیات و مدل مسئله……………………………… 63

2-4-2-   روش تشخیص افزونه بودن نود حسگر…………………………….. 64

2-4-3-  شبیه سازی ……………………………. 72

2-5-  جمع بندی……………………………. 79

3-  خوشه بندی در شبکه های حسگر بی سیم با استفاده از آتوماتاهای یادگیر سلولی….. 80

3-1-  مقدمه……………………………. 80

3-2-  کارهای انجام شده…………………………….. 83

3-2-1-   پروتکل خوشه بندی LEACH………………………………

3-2-2-  پروتکل خوشه بندی HEED………………………………

3-3- خوشه بندی در شبکه های حسگر بی سیم با استفاده از آتوماتاهای یادگیر سلولی….. 93

3-3-1-   روش خوشه بندی پیشنهادی………………………………. 94

3-3-2-  شبیه سازی……………………………. 102

3-4-  جمع بندی …………………………….107

4-  تجمیع داده ها در شبکه های حسگر با استفاده از آتوماتاهای یادگیر……. 108

4-1-   مقدمه……………………………. 108

4-2-  کارهای انجام گرفته…………………………….. 109

4-3-  تجمیع داده ها در شبکه های حسگر با استفاده از آتوماتاهای یادگیر….. 112

4-3-1-   بیان مسئله و مفروضات آن……………………………… 113

4-3-2-  تشریح روش پیشنهادی………………………………. 115

4-4-  شبیه سازی…………………………….119

4-4-1-   آزمایش اول……………………………. 122

4-4-2-   آزمایش دوم ……………………………. 122

4-4-3-  آزمایش سوم……………………………. 123

4-5-  جمع بندی ……………………………. 125

5-  نتیجه گیری……………………………… 126

6-  پیوست اول: شبکه های حسگر بی سیم……………………………… 127

6-1-   تاریخچه شبکه های حسگر…………………………….. 127

6-2-  ساختار هر گره حسگر…………………………….. 128

6-2-1-   اجزاء درونی یک گره حسگر…………………………….. 128

6-2-2-   محدودیتهای سختافزاری یک گره حسگر…………………………….. 130

6-3-  پشته پروتکلی  ……………………………. 131

6-4-  مزایای شبکه های حسگر بیسیم……………………………… 132

6-5-  کاربردهای شبکه های حسگر بیسیم……………………………… 134

7-  پیوست دوم:آتوماتای یادگیرسلولی……………………………… 138

7-1-  تاریخچه آتوماتای یادگیر…………………………….. 138

7-2-  معیار‌های رفتار اتوماتای یادگیر…………………………….. 139

7-3- آتوماتای یادگیر با عملهای متغیر…………………………….. 141

7-4-  آتوماتای یادگیر تعقیبی……………………………… 142

7-5-  آتوماتای یادگیر سلولی (CLA)……………………………..

7-6-  آتوماتای یادگیر سلولی باز(OCLA)……………………………..

7-7- آتوماتای یادگیر سلولی ناهمگام (ACLA)……………………………..

8-  پیوست سوم: شرح نرم افزار J-Sim و پیاده سازی الگوریتمهای پیشنهادی با آن…… 155

8-1-  مقدمه ……………………………. 155

8-2-  شبیه ساز J-Sim …………………………….

8-2-1-   شبیه سازی شبکه های حسگر بی سیم با استفاده از J-sim……………………………….

8-2-2-  نصب و اجرا…………………………….162

8-3- پیاده سازی الگوریتم خوشه بندی پیشنهادی………………… 163

8-4-  پیاده سازی الگوریتم پوشش پیشنهادی…………………….. 185

8-5-  پیاده سازی الگوریتم تجمیع پیشنهادی……………………………… 190

9-  واژه نامه…………………………….. 195

مراجع…………………………….. 199

چکیده:

کیفیت سرویس در شبکه های حسگر بی سیم نسبت به شبکه های سنتی بسیار متفاوت است. بعضی از پارامترهایی که در ارزیابی کیفیت سرویس در این شبکه ها مورد استفاده قرار می گیرند عبارتند از: پوشش شبکه, تعداد بهینه نودهای فعال در شبکه, طول عمر شبکه و میزان مصرف انرژی. در این پایان نامه سه مسئله اساسی شبکه ها ی حسگر بی سیم مطرح گردیده و با هدف بهبود پارامترهای کیفیت سرویس، برای این مسائل، راه حلهایی کارا با استفاده از روش هوشمند آتوماتاهای یادگیرسلولی ارائه شده است. ابتدا مسئله پوشش محیط در شبکه های حسگر را با استفاده از غیر فعال نمودن نودهای غیر ضروری و فعال نگه داشتن بهینه نودها حل می گردد، تا در مصرف انرژی صرفه جویی به عمل آمده و عمر شبکه افزایش یابد. سپس به مسئله خوشه بندی در شبکه حسگر پرداخته شده و با استفاده از آتوماتاهای یادگیرسلولی, شبکه های حسگر به گونه ای خوشه بندی می شوند که انرژی به صورت یکنواخت در شبکه بمصرف رسیده وعمر شبکه افزایش یابد. پس از آن با استفاده از آتوماتاهای یادگیر یک روش تجمیع داده های محیط حسگری پیشنهاد می گردد که در مصرف انرژی شبکه صرفه جویی به عمل آورده و عمر شبکه را افزایش می دهد. همه روشهای ارائه شده با استفاده از نرم افزار J-Sim شبیه سازی گردیده اند. نتایج شبیه سازی ها نشان دهنده عملکرد بهتر روشهای پیشنهادی نسبت به روشهای مشابه می باشد.

1- مقدمه

1-1- شبکه های حسگر بیسیم

شبکه های حسگر بی سیم[1] جهت جمع آوری اطلاعات در مناطقی که کاربر نمی تواند حضورداشته باشد، مورد استفاده قرار می گیرند. در یک شبکه حسگر، حسگرها به صورت جداگانه مقادیر محلی را نمونه برداری (اندازه گیری) می کنند و این اطلاعات را درصورت لزوم برای حسگرهای دیگر و در نهایت برای مشاهده گر اصلی ارسال می نمایند. عملکرد شبکه این است که گزارش پدیده هایی راکه اتفاق می افتد به مشاهده گری بدهد که لازم نیست از ساختار شبکه و حسگرها به صورت جداگانه و ارتباط آنها چیزی بداند. این شبکه ها مستقل و خودگردان بوده وبدون دخالت انسان کار می کنند. معمولا تمامی گره­ها همسان می­باشند و عملاً با همکاری با یکدیگر، هدف کلی شبکه را برآورده می‌سازند. هدف اصلی در شبکه­های حسگر بی­سیم نظارت و کنترل شرایط و تغییرات جوی، فیزیکی و یا شیمیائی در محیطی با محدوده معین، می­باشد[1, 2]. شبکه­ حسگر بی­سیم نوع خاصی از شبکه­های موردی[2] است. مبحث شبکه های حسگر بی سیم یکی از موضوعات جدید در زمینه مهندسی شبکه و فناوری اطلاعات می باشد.

برای دانلود متن کامل پایان نامه اینجا کلیک کنید

لینک بالا اشتباه است

برای دانلود متن کامل اینجا کلیک کنید

       

:: بازدید از این مطلب : 789