این دو کتاب ارزشمند از شیخ الرئیس ابو علی سینا به زبان عربی تالیف شده در اینجا می توانید چاپ نایاب 1910 میلادی این دو اثز را دانلود کنید. پی دی اف. اسکن شده.
دانلود کتاب منطق المشرقیین و قصیده المزدوجه فی المنطق از ابن سینا چاپ نایاب 1910مصر
این دو کتاب ارزشمند از شیخ الرئیس ابو علی سینا به زبان عربی تالیف شده در اینجا می توانید چاپ نایاب 1910 میلادی این دو اثز را دانلود کنید. پی دی اف. اسکن شده.
فورمت pdf
زبان فارسی
تعداد سوالات 24 به همراه پاسخ
این پروژه شبیه سازی سیستم آبیاری قطره ای (Trickle Irrigation Simulated Control ) می باشد.که با استفاده از پارمترهای ورودی سیستم،شبیه سازی کنترل قطره چکانهای آبیاری قطره ای را با استفاده از منطق فازی (Fuzzy Logic) انجام می دهیم.
مباحث مورد بحث:
چکیده مبحث مقدمه بررسی انواع خاک کشاورزی (خاک رسی،خاک شنی،خاک لیمونی) رطوبت خاک دمای هوا بررسی وسایل مورد نیاز در اندازه گیری دما خاک بررسی روشهای آبیاری گیاهان (سطحی،زیر زمینی، قطره ای) مزایای آبیاری قطره ای اجزای شبکه آبیاری قطره ای معرفی شبیه سازی مبحث Fuzzification بررسی پارامترهای ورودی قواعد فازی جدول منطق قواعد شروط منطقی شبیه سازی برسی پارامتر خروجی استخراج نمودار سه بعدی استخراج نمودار استنتاجی
پروژه ای کامل برای شبیه سازی کامپیوتری
پروژه شامل فایل عملی در نرم افزار متلب (MATLAB)+مستند کامل
خوشهبندی فازی دادهها بر اساس منطق فازی
بصورت ورد ودر38صفحه
چکیده
خوشهبندی دادهها روشی برای دستهبندی دادههای مشابه می باشد که این روش سالها در علوم مختلف به کار رفته و الگوریتمهای زیادی در این زمینه طراحی شده است . تحقیقات اخیر خوشهبندی به سمت روش های ترکیبی که دارای قابلیت استحکام و دقت بیشتر هستند، هدایت میکند. خوشهبندی ترکیبی سعی میکند ابتدا خوشهبندی های اولیه تولید کند که تا حد ممکن دارای پراکندگی باشند سپس با اعمال یک تابع توافقی نتایج را با هم ترکیب میکند. در این پژوهش از ترکیب خوشهبندی فازی و ماشین بردار پشتیبان برای دستهبندی استفاده میشود. SVM یکی از روشهای یادگیری با نظارت است که از آن برای دستهبندی دادهها استفاده میشود. SVM شبکه جدید و قدرتمندی است که فرمولی که برای یادگیری استفاده میکند بر اساس به حداقل رساندن مقدار خطاست. آموزش SVM ارتباط مستقیم با تعداد دادههای آموزش دارد و اگرتعداد مراکز خوشهها زیاد باشد زمان آموزش و حجم حافظه به شدت افزایش مییابد. شبکه ترکیبی (FS-FCSVM) بدین شکل است که عمل خوشهبندی فازی بر روی دادههای ورودی انجام میگیرد سپس پارامتر های شبکه با SVM آموزش میبینند، در نتیجه به شبکه ای با قابلیت تعمیم پذیری بالا دست مییابد. تعداد قوانین در این گونه سیستمها به نسبت سیستمهای فازی کوچکتر و زمان محاسبات آن کمتر است . در این پژوهش از روش خوشهبندی کاهشی قبل از خوشهبندی فازی استفاده میشود.ایده اصلی خوشهبندی کاهشی جستجوی نواحی با چگالی بالا در فضای مشخصه اطلاعات دادهها است. هر نقطه که بیشترین تعداد همسایه را داشته باشد به عنوان مرکز خوشه انتخاب میشود.بعبارت دیگر با استفاده از تکنیک خوشهبندی کاهشی جهت انتخاب نقاط ویژگی که دارای تمایز بیشتر و شباهت کمتر نسبت به دیگر نقاط دارند استفاده شده است. در این پایان نامه ایده کار استفاده از خوشهبندی تفاضلی جهت پیدا کردن دقیق نقاط مرکزی خوشهها و تعداد خوشههاست که با این کار تعداد تکرار خوشهبندی فازی را کاهش می دهیم و همچنین از همین نقاط مرکزی به عنوان بخشی ازدادههای آموزشی استفاده می کنیم و بخش دوم کار مربوط به انتخاب قسمت دیگر دادههای آموزشی میباشد که برای انتخاب آنها نیز از ماتریس تعلق حاصل از خوشهبندی فازی بهره گرفته ایم که با تعیین یک محدوده عددی دادههای دور از مرکز هر داده را نیز به عنوان بخش دیگر دادهها انتخاب کردیم که نهایتا با انتخاب این نقاط توانستیم تعداد دادههای آموزشی را تا حد قابل ملاحظه ای تقلیل دهیم. نتایج آزمایشات انجام شده بر روی مجموعه دادههای بزرگ پایگاه داده UCI نشان میدهد که علاوه بر کاهش زمان آموزش با انتخاب مناسب دادهها باعث تقویت ویزگی مقاوم بودن SVM در برابر دادههای نویزی و پرت و همچنین کاهش تعداد بردار پشتیبان انتخابی SVM در فضای داده بزرگ میشود.