دانلود پروژه ها و مقالات مهندسی کامپیوتر وIT

مقاله بازیابی خودکار خطا برای ربات چهارپا با استفاده از الگوریتم ژنتیک موازی

با سلام خدمت شما دوستان عزیز و محترم . گروه ما این بار برای شما مقاله بازیابی خودکار خطا برای ربات چهارپا با استفاده از الگوریتم ژنتیک موازی را آماده نموده و در دسترس شما جهت تهیه هرچه آسان تر قرار داده است . اهمیت این مطلب ما را بر این داشت تا ما این مقاله را با وسواس فراوان جدا کرده و با تخفیفی ویژه در اختیار شما قرار دهیم. هدف ما همیشه خدمت رسانی هرچه بهتر و صادقانه تر به شما هم میهنان عزیز است. امید است تا زحمات گروه ما که از فارغ التحصیلان برتر دانشگاهی تشکیل شده است، برای شما یا نزدیکانتان مثمر ثمر واقع شده و توانسته باشیم خدمتی هر چند کوچک را با تهیه محصولات با تخفیف و قیمت های مناسب ، به شما ارائه داده باشیم . در ادامه می توانید توضیحات بیشتری را در مورد این محصول مشاهده نمائید:

بخشی از متن:

چکیده:
عملکردن ربات ها به صورت خودگردان (طبیعی) در محیط نهایی بدون مداخله انسان قابل انتظار است. اگر چه این یک وظیفه بدیهی برای طراحی ربات های قوی برای انواع خطاهاست.به عبارت دیگر موجودیت های زیستی قابلیت ساخت رفتارهای جدید که بر آسیب هایی بر بدن انها غلبه میکند را داراست. این مشخصه همچنین یکی از مشخصه های مطلوب برای عملکرد ربات  ها در شرایط نهایی میباشد. در این مقاله ما از الگوریتم اموزشی زیستی برای تولید رفتارهای جدید ربات های چهارپا بر علیه اسیبهای بدنی غیر منتظره استفاده میکنیم. از زمانی که الگوریتم اموزش توانست با استفاده از ماشین هتی چندگانه موازی شتاب ذاذه شود سازگتر کردن تغییرات سریع (اسیبها) با استفاده از منابع محاسباتی ممکن شده است. نتایج ازمتیشی نشان میدهد که ربات ها میتوانند نسبت به اسیب های قسمت های مختلف بدن ربات به طور موفقیت امیزی وفق داده شود.

فهرست مطالب:
چکیده
1. معرفی
2. ربات
2.1. بدن ربات و کنترل گرها
2.2. رفتار سالم دست نخورده تکامل یافته
3. الگوریتم بازیابی خطا
3.1. مقدار دهی اولیه
3.2. متقاطع(دو رگه) و جهش
3.3. ارزیابی
4. انتخاب
5. نتیجه گیری و آینده کار
منابع (در متن اصلی)

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

پروژه تخمین هزینه های پروژه های نرم افزاری و کاربرد آن در پروژه های شی گرا

با سلام خدمت شما دوستان عزیز و محترم . گروه ما این بار برای شما پروژه تخمین هزینه های پروژه های نرم افزاری و کاربرد آن در پروژه های شی گرا را آماده نموده و در دسترس شما جهت تهیه هرچه آسان تر قرار داده است . اهمیت این مطلب ما را بر این داشت تا ما این پروژه را با وسواس فراوان جدا کرده و با تخفیفی ویژه در اختیار شما قرار دهیم. هدف ما همیشه خدمت رسانی هرچه بهتر و صادقانه تر به شما هم میهنان عزیز است. امید است تا زحمات گروه ما که از فارغ التحصیلان برتر دانشگاهی تشکیل شده است، برای شما یا نزدیکانتان مثمر ثمر واقع شده و توانسته باشیم خدمتی هر چند کوچک را با تهیه محصولات با تخفیف و قیمت های مناسب ، به شما ارائه داده باشیم . در ادامه می توانید توضیحات بیشتری را در مورد این محصول مشاهده نمائید:

بخشی از متن:
ﭼﻜﻴﺪﻩ:
مقایسه سه روش COCOMO، امتیاز کارکردی و FPROM موارد زیر را آشکار می سازد:
1- روش COCOMO مطلقا برای تخمین هزینه نرم در محیط های کاملاً مکانیزه جوابگو نیست. علت ان پیچیدگی این روش است که زمینه بروز خطای پیش بینی ها را فراهم می سازد.
2- روش امتیاز کارکردی نسبتا بهتر از روش COCOMO. است.
3- روش FPROM با توجه به اینکه عوامل هر محیط را طبق تجربه و تعریف مدیران همان محیط مد نظر قرار می دهد ودر هر مرحله پیش بینی ها را با توجه به اطلاعات مرحله قبل ، اصلاح می کند.
ﻳﻜﻲ ﺍﺯ ﺍﺑﻌﺎﺩ ﻣﻬﻢ ﻣﺪﻳﺮﻳﺖ ﭘﺮﻭژﻩﻫﺎﻯ ﻧﺮﻡ ﺍﻓﺰﺍﺭﻱ ﺗﺨﻤﻴﻦ ﻫﺰﻳﻨﻪ ﻭ ﻣﺪﺕ ﺯﻣﺎﻥ ﻣﻮﺭﺩ ﻧﻴﺎﺯ ﺑﺮﺍﻱ ﺳﺎﺧﺖ پروژه ها است. ﺗﺨﻤﻴﻦ ﻳﺎ ﺑﺮﺁﻭﺭﺩ ﺗﻼﺵ ﻣﻮﺭﺩ ﻧﻴﺎﺯ ﺑﺮﺍﻱ ﺳﺎﺧﺖ ﻳﻚ پروژه نرم افزاری ﻳﻜﻲ ﺍﺯ ﺩﻏﺪﻏﻪﻫﺎﻯ ﻣﻬﻢ ﻣﺪﻳﺮ ﭘﺮﻭژﻩ، ﺗﻠﻘﻲ ﻣﻲﺷﻮﺩ. ﺩﺭ ﻧﺘﻴﺠﻪ، ﺍﻟﮕﻮﻫﺎﻯ ﺗﺨﻤﻴﻦ ﺗﻼﺵ ﻣﺘﻌﺪﺩﻱ ﻣﻄﺮﺡ ﺷﺪﻩ ﺍﺳﺖ. ﺭﻭﺵﻫﺎﻱ ﻣﺒﺘﻨﻲ ﺑﺮ ﻳﺎﺩﮔﻴﺮﻱ، ﻣﺎﻧﻨﺪ ﺷﺒﻜﻪﻫﺎﻯ ﻋﺼﺒﻲ، ﻳﻜﻲ ﺍﺯ ﺍﻳﻦ ﺍﻟﮕﻮﻫﺎ ﻣﻰﺑﺎﺷﺪ.
ﻫﺪﻑ ﺍﺯ ﻃﺮﺡ ﺍﻳﻦ ﺗﺤﻘﻴﻖ، ﺍﺳﺘﻔﺎﺩﻩ ﺍﺯ ﺷﺒﻜﺔ ﻋﺼﺒﻲ  و بررسی عوامل محیطی ﺑﺮﺍﻱ ﺗﺨﻤﻴﻦ ﺗﻼﺵ ﻻﺯﻡ ﺑﺮﺍﻱ ﺳﺎﺧﺖ پروژه های شی گرا ﻣﻰﺑﺎﺷﺪ.
ﻧﺘﺎﻳﺞ ﺣﺎﺻﻞ ﺍﺯ ﺍﻳﻦ ﺑﺮﺭﺳﻲ ﻧﺸﺎﻥ ﻣﻲﺩﻫﺪ ﻛﻪ ﺍﻳﻦ روش ﺩﺭ ﻣﻘﺎﻳﺴﻪ ﺑﺎ ﺭﻭﺵﻫﺎﻯ ﻣﺒﺘﻨﻲ ﺑﺮ ﺍﻟﮕﻮ، ﺗﺨﻤﻴﻦ ﻣﻨﺎﺳﺒﻲ ﺍﺯ ﺗﻼﺵﻫﺎﻯ ﻻﺯﻡ ﺑﺮﺍﻱ ﺳﺎﺧﺖ ﺳﻴﺴﺘﻢ ﺭﺍ ﺍﺭﺍﺋﻪ ﺩﺍﺩﻩ ﺍﺳﺖ. اغلب ابزارهاي جديد توسعه سيستم ها بر مبناي مفاهيم و روشهاي شي گرايي استوار شده اند. اين امر استفاده از متدولوژي شي گرا را براي تحليل و طراحي و اعمال ابزارهاي مزبور به منظور ايجاد سيستم، ايجاب مي کند.
کلید واژه: تلاش نرم افزار، شیء گرا، تخمین هزینه، پروژه های نرم افزاری

فهرست مطالب:
ﭼﻜﻴﺪﻩ
مقدمه
پرسش
تعريف تخمين هزينه
تخمین هزینه و تلاش و سوابق
انواع تخمين
تخمين ساخت يافته 
تخمين تحليلي 
تخمين مقايسه اي 
اهمیت و ضرورت تخمین در پروژه های نرم افزاری
 دلایل اهمیت تخمین
تخمين صحیح هزينه  و تلاش نرم افزار
يک تخمين درست دارای ويژگی های زير است
 مراحل تخمین
انواع روش های تخمین
روش های تخمین تلاش مبتنی بر الگو
روش مبتنی برﺷﺒﻜﻪﻫﺎﻯ ﻋﺼﺒﻲ ﻣﺼﻨﻮﻋﻲ یا  ANN
روش مبتنی بر شبکه عصبی RBF  
روش  COCOMO
پیدایش شی گرا
متدولوژی های شی گرا
برنامه نویسی شیءگرا
دلایل شکست در مدیریت پروژه نرم افزاری
پیشینه و مقایسه روشهای تخمین
شناسايي نوارهايا شيارهاي زماني است كه به كمك تحليل آماري تعيين مي شوند
روش امتیاز کارکردی
روش COCOMO
روش FPROM
مراحل توسعه
تعیین اعتبار روشهای امتیاز کارکردی، COCOMO در تخمین پروژه های
تعیین اعتبار روش FPROM
مشكلات متداول دربرآورد هزينه هاي پروژه نرم افزاري
معیار ها و روشهای تخمین  در سیستمهای نرم افزاری
 محاسبه نقطه تابع (UFC)
روشهای الگوريتمی
فاکتورهای هزينه
شی گرایی
مزایایی شی گرایی
تئوری شی گرایی چیست؟
متدولوژی شی گرای RUP 
نتیجه
منابع

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

پروژه کاربرد شبکه های عصبی مصنوعی

با سلام خدمت شما دوستان عزیز و محترم . گروه ما این بار برای شما پروژه کاربرد شبکه های عصبی مصنوعی را آماده نموده و در دسترس شما جهت تهیه هرچه آسان تر قرار داده است . اهمیت این مطلب ما را بر این داشت تا ما این پروژه را با وسواس فراوان جدا کرده و با تخفیفی ویژه در اختیار شما قرار دهیم. هدف ما همیشه خدمت رسانی هرچه بهتر و صادقانه تر به شما هم میهنان عزیز است. امید است تا زحمات گروه ما که از فارغ التحصیلان برتر دانشگاهی تشکیل شده است، برای شما یا نزدیکانتان مثمر ثمر واقع شده و توانسته باشیم خدمتی هر چند کوچک را با تهیه محصولات با تخفیف و قیمت های مناسب ، به شما ارائه داده باشیم . در ادامه می توانید توضیحات بیشتری را در مورد این محصول مشاهده نمائید:

بخشی از متن:
بخشی از چكيده:
این تحقیق با دو هدف اصلی زیر صورت گرفته است:
1. درک اولیه ای از شبکه های عصبی
2. شروع یک رویه تحقیقاتی بلند مدت روی یادگیری ویاد آوری در انسان
شبکه‌های عصبی مصنوعی از مباحث جدیدی است که دانشمندان علوم کامپیوتر به آن علاقمند شده‌اند و برای پیشرفت هرچه بیشتر علوم کامپیوتر وقت و هزینه بسیاری را صرف آن کرده و می‌کنند. این موضوع با ایده گرفتن از سیستم عصبی بدن انسان و با هدف شبیه‌ سازی هرچه بیشتر کامپیوتر به انسان شکل گرفت و تا حال به خوبی پیشرفته است. از جمله کاربردهای این بحث می‌توان از شناسایی الگوها, پردازش تصویر و رویت, هوش مصنوعی, کنترل رباتها و موارد بسیار دیگر نام برد. ما در این مقاله پس از مقدمه به مسائل در خور شبکه‌های عصبی مصنوعی و نیز کاربردهای آن خواهیم پرداخت, در ادامه Perceptron ها را که یکی از مهمترین الگوریتم‌های شبکه‌های عصبی مصنوعی می‌باشد معرفی می‌کنیم.
يک ANN برای انجام وظیفه ای مشخص، مانند شناسایی الگو ها و دسته بندی اطلاعات ، در طول یک پروسه یاد گیری، تنظیم می شود. ایده ای است برای پردازش شبکه عصبی مصنوعی (Artificial Neural Network) جويد اطلاعات که از سیستم عصبی زیستی الهام گرفته شده و مانند مغزبه پردازش اطلاعات می پردازدمغز سيستمي موازي با شيوه ي پردازشي توزيعي استو عنصر اصلي پردازش مغز نرون است نحوه عمل نرون وقتي كه ميزان ورودي  هاي نرون از طريق دندريت ها به حد كافي رسيدنرون پالسي را در اكسون خود اتش مي كند شبکه های عصبی نسبت به کامپیوتر های معمولی مسیر متفاوتی را برای حل مسئله طی می کنند.کامپیوتر های معمولی یک مسیر الگوریتمی را استفاده می کنند به این معنی که ...

فهرست مطالب:
چکیده
پيشگفتار                                     
شبكه ي عصبي چيست؟                                
سابقه ي تاريخي                                    
انسان وسلول هاي عصبي و مصنوعي                            
شباهت با مغز                                    
از سلول هاي عصبي تا سلول هاي انسان                        
شبكه ي عصبي در مقابل كامپيوتر هاي معمول                    
چرا از شبكه مصنوعي استفاده مي كنيم                        
مزيت هاي ديگر آن                                
مسائل مناسب براي يادگيري شبكه                            
چگونگي يادگيري يك شبكه                            
كاربرد هاي شبكه عصبي                                 
روش كار نرون ها                                    
مدل رياضي                                    
پياده سازي الكترونيكي نرون هاي مصنوعي                        
عمليات شبكه عصبي                                
آموزش شبكه عصبي                                
آموزش تطبيقي                                    
الگوريتم ژنتيك                                    
الگوريتم مورچگان                                    
انواع شبكه هاي عصبي    
يادگيري پرسپترون                                
الگوريتم هاي يادگيري        
مشكلات روش gradientdesce     
الگوريتم back propagation    
قدرت نمايش توابع    
قدرت تعميم over fitting     
نگاهي به نظريه هاي يادگيري از ديدگاه روانشناسي    
مدل هاي يادگيري ماشين    
تشكيل شبكه ي عصبي    
اموزش شبكه    
چگونه يك شبكه عصبي بسازيم     
فصل دوم
نگاهي به نظريه هاي يادگيري از ديدگاه علوم كاميوتر                    
منابع    
فهرست اشكال:
فصل اول
شكل 1 - خروجي يك شبكه فرضي ساده                        
شكل 2 - تابع برنامه اجرايي                            
شكل 3-  مقدار ورودي ورژن دار                            
شكل 4- مقدار اوليه پيوند                                
شكل 5-  تابع انتقال عبور                                
شكل 6- تابع learn                                 
شكل 7- سا ختار يك نرون                                
شكل 8- مدل رياضي                                
شكل 9 -تابع خروجي  بخش a                            
شكل 10-  نماي جزئي ازيك نرون                            
شكل 11- تابع سينوسي، تانژانت هذلول                        
شكل 12- تابع انتقال از نوع sigmoid
شكل 13 -ساختار لايه اي يك شبكه                            
شكل 14- نمايش شبكه عصبي با   ارتباط بازخوردي                    
شكل 15- روال ناارضاي همگرايي در الگوريتم ژنتيك                    
شكل 16- مسيرياب هاي نرم افزاري الگوريتم مورچگان                    
شكل 17- پاكتهاي داده در هر مسيرياب                        
شكل 18- چگونگي ردوبدل اطلاعات در دوسيستم                    
شكل 19- تست ترافيك الگوريتم مورچگان                        
شكل 20- تست انطباق الگوريتم                            
شكل21 -فضاي وزني الگوريتم gradient
شكل 22 -همگرايي در الگوريتم  gradient
شكل23 - الگوريتم backpropaging
شكل 24- افزودن متمم با استفاده از  الگوريتم bp
شكل 25- نمودار خطا الگوريتم bp                                                                     
شكل  26- قدرت تعميم                                
شکل27- الگوی خبرپردازی یادگیری (بایلرواسنومن،1993)                
شكل 28- محيط كار نرم افزار editor  
شكل 29 -ایجاد لایه ی FileInput                                                                   
شكل 30 -ایجاد یک لایه ی خطی                            
شكل 31- ايجاد لايه WinnerTakeAll 
شكل 32- لايه نرون ها                                
شكل 33 -سه گروه نرون                                
شكل 34 -ايجاد يك اينترفيس                            
شكل 35- ايجاد يك كلاس                                
شكل 36- ايجاد تمام اينترفيس ها                            
شكل 37- ساختار اصلي يك كلاس                            
شكل 38- متذ ها                                    
شكل 39- كلاس لايه شبكه                            
شكل 40- فرستادن پالس                                
شكل 41 -كلاس  neuralnet  
شكل 42- نماي كلي از عملكرد سيستم                        
فصل دوم
شکل 1- رابطه عامل هوشمند با محیط                        
شکل 2- رابطه عامل با محیط                            
شكل 3- روبات مسئله را حل كرده                            
شكل 4-  ربات يادگيرنده                                
شكل 5 -نمودار یادگیری برای روبات                        
شکل 6 - یک اتوماتای یادگیر ساده                        
شکل 7 - چرخه ی CBR
شکل 8 - مثال CBR
شکل 9 - مثال Decision Tree
شکل10- یک مدل کنترل کننده عاطفی                        
شکل 11 - یک کنترل کننده عاطفی                        
شکل 12- مدل یک نرون عصبی

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

پروژه پایگاه داده های چند رسانه ای

با سلام خدمت شما دوستان عزیز و محترم . گروه ما این بار برای شما پروژه پایگاه داده های چند رسانه ای را آماده نموده و در دسترس شما جهت تهیه هرچه آسان تر قرار داده است . اهمیت این مطلب ما را بر این داشت تا ما این پروژه را با وسواس فراوان جدا کرده و با تخفیفی ویژه در اختیار شما قرار دهیم. هدف ما همیشه خدمت رسانی هرچه بهتر و صادقانه تر به شما هم میهنان عزیز است. امید است تا زحمات گروه ما که از فارغ التحصیلان برتر دانشگاهی تشکیل شده است، برای شما یا نزدیکانتان مثمر ثمر واقع شده و توانسته باشیم خدمتی هر چند کوچک را با تهیه محصولات با تخفیف و قیمت های مناسب ، به شما ارائه داده باشیم . در ادامه می توانید توضیحات بیشتری را در مورد این محصول مشاهده نمائید:

بخشی از متن:
چکیده:
رشد سريع استفاده از کامپيوتر براي پردازش داده‌هاي مالتي‌مديا مساله‌اي را مطرح کرد و آن نحوه ذخيره و بازيابي اين نوع داده‌ها بود. داده‌هاي مالتي‌مديا را مي‌توان به صورت زير تعريف کرد:
به مجموعه متن، گرافيک و صدا براي نمايش اطلاعات در پايگاه داده‌هاي امروزي غالبا تنها از متن براي نگه‌داري اطلاعات استفاده مي‌شود اما از حدود سال 1985 بحث پايگاه داده‌هاي مالتي‌مديا مورد توجه قرار گرفت. اهميت اين نوع داده‌ها بسيار زياد است.
استفاده از داده های چند رسانه ای ،به طور قابل ملاحظه ای در کاربردهای مختلف فناوری اطلاعات، افزایش یافته است.تامین دسترسی امن، به این نوع از اطلاعات ،نیاز به سیستم مدیریت امنیت و مجموعه ای از قوانین امنیتی دارد.در حال حاضر از سیستم های مدیریت پایگاه داده ی چند رسانه ای برای ذخیره ،مدیریت و توزیع این نوع از داده ها ،استفاده می شود. موضوع مهمی که در انتشار اسناد چند رسانه ای در وب،مورد توجه قرار می گیرد ؛توزیع امن داده های چند رسانه ای می باشد. در واقع علاوه بر حفاظت از محتوای داده ،برقراری تاملات امن و اختفای اطلاعات محرمانه ،اهمیت بیشتری دارد.
پایگاههای داده چند رسانه ای عموما حاوی بردارهای ویژگی با ابعاد بالا هستند که مدیریت، دسته بندی و بازیابی این داده ها را پیچیده خواهد کرد. بنابراین در این به ساختمان داده ای مناسب جهت پرس و جوس مشابهت و شاخص گذاری مناسب نیاز داریم. روش های کاهش ایعاد در سیستمهای بازیابی تصویر و ویدیو براساس محتوا به منظور کاهش هزینه اندازه گیری، افزایش کارایی و دقت بالای بازیابی کاربرد فراوان دارد. اکثر تکنیکهای کاهش ابعاد فعلی از تبدیلات خطی برای تبدیل بردلرهای ویژگی تصویر به بردارهای با ابعاد کمتر استفاده می کنند. این روشها برای نمایش تصویر  و افزایش کارایی مفید اند اما تعداد ویژگی هایی که می بایست اندازه گیری شوند را کاهش نمی دهند، زیرا هر ویژگی جدید ممکن است ترکیبی هطی از ویژگی های اصلی تصویر باشد. از طرفی این روش ها در بانکهای تصویری پویا بصورت کارا عمل نمی کنند، چون انتخاب ویژگی ها براساس محاسبات پیچیده و مشکل انجام می شود.
بین پایگاه داده های چند رسانه ای و پایگاه داده سنتی تفاوت های اساسی وجود دارد. این تفاوت ها منجر به وجود آمدن مباحث جدیدی از جمله پرس و جوهای فازی گردیده است. در سال های اخیر موضوع پرس و جوهای فازی در پایگاه داده ی چند رسانه ای، به شدت مورد توجه قرار گرفته است و کاربردهای این حوزه را بصورت قابل ملاحظه ای توسعه داده است. یکی از کابربردهای پی گاه داده های چند رسانه ای احراز هویت تصاویر چهره اشخاص است که اغلب از تکنیک های پردازش تصویر استفاده می شود، که دارای پیچیدگی و نیاز به زمان زیاد برای محاسبات آنها می باشد. در این مقاله روشی برای احراز هویت چهره با استفاده از پرس و جوهای فازی با وزن دهی خاص پیشنهاد می شود.

فهرست مطالب:
چکیده
فصل اول: مقدمه 
1-1 مقدمه 
1-2 تعریف مساله وبیان سوال های اصلی تحقیق 
1-3 سابقه و ضرورت انجام تحقیق
1-4 فرضیه ها
1-5 هدف ها
1-6 کاربردها
1-7 جنبه نوآوری تحقیق
1-8 روش تحقیق
1-9 مراحل انجام تحقیق  
فصل دوم: کلیات
2-1 مقدمه
2-2 مديريت اطلاعات مالتي‌مديا در پايگاه داده
2-2-1 ذخيره‌‌سازي و بازيابي داده‌هاي مالتي‌مديا
2-2-2 ماهيت داده‌هاي مالتي‌مديا
2-2-3 مدل کردن داده‌هاي مالتي‌مديا
2-2-4 فرمت داده‌هاي مالتي‌مديا
2-2-5 پايگاه داده‌هاي تجاري که داده‌هاي مالتي مديا را پشتيباني مي‌کنند
.2-3 مدیریت امنیت در انتشار اسناد چند رسانه ای
2-3-1 برقراری امنیت در سیستم مدیریت پایگاه داده چند رسانه ای
2-3-2 مدل های کنترل دسترسی
2-3-3 کتابخانه های دیجیتال
2-3-4 انتشار اسناد چند رسانه ای در وب
2-3-5 اختفاء اطلاعات
2-4 روشی جدید جهت بازشناسی تصاویر در پایگاه داده های چند رسانه ای مبتنی بر پرس و جو های فازی
2-4-1 پایگاه داده چند رسانه ای و منطق فازی
2-4-2 پرس و جوهای فازی در احراز هویت توصیفی
2-4-3 ایجاد پرس و جوی فازی براساس بیان ناظر
2-5 ارائه روشی جدید جهت کاهش ابعاد ویژگی بافت تصویر مبتنی بر الگوریتم ژنتیک
2-5-1 الگوریتم های ژنتیک در انتخاب ویژگی و استخراج آن
2-5-2 پیاده سازی الگوریتم و اندازه گیری کارایی روش ارائه شده
2-5-3 نتایج آزمایشات
فصل سوم: نتیجه گیری و مراجع
نتیجه گیری
مراجع

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

پروژه محاسبات ابری (Cloud Computing)

با سلام خدمت شما دوستان عزیز و محترم . گروه ما این بار برای شما پروژه محاسبات ابری (Cloud Computing) را آماده نموده و در دسترس شما جهت تهیه هرچه آسان تر قرار داده است . اهمیت این مطلب ما را بر این داشت تا ما این پروژه را با وسواس فراوان جدا کرده و با تخفیفی ویژه در اختیار شما قرار دهیم. هدف ما همیشه خدمت رسانی هرچه بهتر و صادقانه تر به شما هم میهنان عزیز است. امید است تا زحمات گروه ما که از فارغ التحصیلان برتر دانشگاهی تشکیل شده است، برای شما یا نزدیکانتان مثمر ثمر واقع شده و توانسته باشیم خدمتی هر چند کوچک را با تهیه محصولات با تخفیف و قیمت های مناسب ، به شما ارائه داده باشیم . در ادامه می توانید توضیحات بیشتری را در مورد این محصول مشاهده نمائید:

بخشی از متن:
بخشی از متن:
سير تکاملي محاسبات بگونه اي است که ميتوان آن را پس از آب، برق، گاز و ‌تلفن بعنوان عنصر اساسي پنجم فرض نمود. در چنين حالتي، کاربران سعي ميکنند بر اساس نيازهايشان و بدون توجه به اينکه يک سرويس در کجا قرار دارد و يا چگونه تحويل داده ميشود، به آن دسترسي يابند. نمونه هاي متنوعي از سيستم هاي محاسباتي ارائه شده است که سعي دارند چنين خدماتي را به کاربران ارئه دهند . برخي از آنها عبارتند از : محاسبات کلاستري، محاسبات توري و اخيرا محاسبات ابري  .  محاسبات ابري ساختاري شبيه يک توده ابر دارد که بواسطه آن کاربران ميتوانند به برنامه هاي کاربردي از هر جايي از دنيا دسترسي داشته باشند.  بنابراين، محاسبات ابري ميتواند با کمک ماشين هاي مجازي شبکه شده، بعنوان يک روش جديد براي ايجاد پوياي نسل جديد مراکز داده مورد توجه قرار گيرد. بدين ترتيب، دنياي محاسبات به سرعت به سمت توسعه نرم‌افزارهايي پيش مي رود که به جاي اجرا بر روي کامپيوترهاي منفرد ، بعنوان يک سرويس در دسترس ميليون ها مصرف کننده قرار ميگيرند. محبوبيت سه نوع مختلف محاسبات که به آنها اشاره شد ، از ديد موتور جستجوي گوگل نيز مورد ارزيابي قرار گرفته است که نتيجه آن در شکل 1 نمايش داده شده است . اين بررسي نشان ميدهد که محاسبات کلاستري در حال حاضر نسبت به دو مورد ديگر مقبوليت کمتري دارد ، محاسبات توري در رتبه دوم قرار گرفته است، و پردازش انبود با فاصله زيادي از آنها در حال افزايش جلب توجه افراد بيشتري است.

فهرست مطالب:
محاسبات ابری چیست؟      
معرفی معماری رایانش ابری   
دیدگاه های مختلف درخصوص محاسبات ابری        
بررسی وضعیت رایانش ابری در جهان   
مقایسه رایانش ابری در ایران و جهان   
شناخت بهترمحاسبات ابری    
الگوهای طراحی و توسعه سرویس در رایانش ابری  
محاسبات جادویی    
مزایا و نقاط قوت محاسبات ابری    
نقاط ضعف محاسبات ابری   
ویندوز 8 و محاسبات ابری   
تفاوت رایانش ابری با رایانش مشبک  
ده واقعیت اساسی درباره رایانش ابری    
منابع

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

پروژه روشهای تخصیص منابع در محیط محاسبات ابری

با سلام خدمت شما دوستان عزیز و محترم . گروه ما این بار برای شما پروژه روشهای تخصیص منابع در محیط محاسبات ابری را آماده نموده و در دسترس شما جهت تهیه هرچه آسان تر قرار داده است . اهمیت این مطلب ما را بر این داشت تا ما این پروژه را با وسواس فراوان جدا کرده و با تخفیفی ویژه در اختیار شما قرار دهیم. هدف ما همیشه خدمت رسانی هرچه بهتر و صادقانه تر به شما هم میهنان عزیز است. امید است تا زحمات گروه ما که از فارغ التحصیلان برتر دانشگاهی تشکیل شده است، برای شما یا نزدیکانتان مثمر ثمر واقع شده و توانسته باشیم خدمتی هر چند کوچک را با تهیه محصولات با تخفیف و قیمت های مناسب ، به شما ارائه داده باشیم . در ادامه می توانید توضیحات بیشتری را در مورد این محصول مشاهده نمائید:

بخشی از متن:
چکیده:
رایانش ابری شیوه جدیدی از ارائه خدمات را برای کاربران در سراسر دنیا فراهم اورده است. هر درخواستی که از طرف کاربران به ارائه دهندگان خدمات فرستاده شود بخشی از منابع انها را به خود اختصاص می دهد. مسئله تخصیص منابع یک چالش بزرگ در محیط های ابری می باشد و رابطه مستقیم با میزان مصرف انرژی، سود فراهم کنندگان سرویس وهزینه کاربران دارد. از این رو کارهای زیادی در زمینه کاهش تعداد منابع فیزیکی مورد استفاده، با به کارگیری روشهای مجازی سازی وایجاد تعادل بار ویکپارچگی منابع فیزیکی انجام شده است. کلاینت های کلود باید خدمات خوب و قابل اطمینانی فراهم کند . هزینه خدمات و کیفیت آن بر اساس فرآیند تخصیص منابع در سرویس محاسبات ابری می باشد . ارائه کننده خدمات باید منابع را طوری اختصاص دهد تا سرویس خوبی به کلاینت ها ارائه شود.در رایانش ابری کاربران متعدد می توانند تعدادی از خدمات ابری را به طور همزمان درخواست کنند. از این رو، باید به دنبال تخصیص الگوریتم ها یی برای مدیریت انرژی کارآمد باشیم.
کلمات کلیدی:محاسبه ابر، ماشین های مجازی، تخصیص منابع دینامیکی، الگوریتم های تکاملی

فهرست مطالب:
چکیده
1- مقدمه
2- تعریف مفاهیم اولیه
2-1- تخصیص منابع
2-2-  مجازی سازی
2-3- تخصیص منابع با توجه به مصرف انرژی
2-4- یکپارچگی
3- بررسی چند نمونه از کارهای مرتبط
4- خلاصه ای از برخی روشها ومدلهای مختلف تخصیص منابع
5- تخصیص منابع والگوریتم ها
5-1-  توپولوژی تخصیص منابع اگاه (TARA)
5-2- استراتژی زمان بندی خطی برای تخصیص منابع
5-3-  تخصیص منابع پویا برای پردازش داده های موازی
5-4- الگوریتم GPSO
5-5-تخصیص منابع با رویکرد چند هدفه پرندگان
5-6- الگوریتم Max MaxUtil
6- مزایا ومحدودیت های تخصیص منابع
7- نتیجه گیری
منابع

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

پروژه سرویس محاسبات ابری

با سلام خدمت شما دوستان عزیز و محترم . گروه ما این بار برای شما پروژه سرویس محاسبات ابری را آماده نموده و در دسترس شما جهت تهیه هرچه آسان تر قرار داده است . اهمیت این مطلب ما را بر این داشت تا ما این پروژه را با وسواس فراوان جدا کرده و با تخفیفی ویژه در اختیار شما قرار دهیم. هدف ما همیشه خدمت رسانی هرچه بهتر و صادقانه تر به شما هم میهنان عزیز است. امید است تا زحمات گروه ما که از فارغ التحصیلان برتر دانشگاهی تشکیل شده است، برای شما یا نزدیکانتان مثمر ثمر واقع شده و توانسته باشیم خدمتی هر چند کوچک را با تهیه محصولات با تخفیف و قیمت های مناسب ، به شما ارائه داده باشیم . در ادامه می توانید توضیحات بیشتری را در مورد این محصول مشاهده نمائید:

بخشی از متن:
چکیده:
محاسبه ابری انقلابی را در صنعت فناوری اطلاعات با توانمند ساختن آن ها برای عرضه دسترسی به زیرساخت هایشان و خدمات کاربردی بر مبنای اشتراک ایجاد کرده است. بنابراین، چندین شرکت همانند IBM، مایکروسافت، گوگل، و آمازون  شروع به عرضه سرویس های ابری مختلف به مشتریانشان کرده اند. به دلیل تنوع زیاد در سرویس های محاسبه ابری موجود، از دیدگاه مشتری، مشکل شده است تا تصمیم بگیریم که آن ها از چه سرویسی می بایست استفاده کرده و مبنای انتخاب آن ها چه می باشد. در حال حاضر چارچوبی وجود ندارد تا بتواند این امکان را به کاربران بدهد تا به ارزیابی عرضه محاسبات ابری پرداخته و آن ها را بر مبنای توانایی شان برای تامین نیازهای کیفیت خدمات (QoS) رده بندی کنند. در این تحقیق، چارچوب و مکانیسمی را مطرح می کنیم که کیفیت را اندازه گیری کرده و سرویس های محاسبه ابری را اولویت بندی می کند. چنین چارچوبی می تواند تاثیر قابل توجهی را ایجاد کرده و رقابت سالمی را در میان ارائه دهندگان محاسبات ابری برای مد نظر قرار دادن توافقنامه سطح خدمات (SLA) و بهبود کیفیت خدمات شان ایجاد کند. ما عملی بودن چارچوب رده بندی را با استفاده از بررسی موردی نشان می دهیم.
کلیدواژه: محاسبه ابری، ارزیابی خدمات، کیفیت خدمات، توافقنامه سطح خدمات.

فهرست مطالب:
چکیده
فصل اول: محاسبات ابری
مقدمه
تاریخچه
سرویس محاسبات ابری چیست؟
چه کسانی می توانند از مزایای محاسبات ابری بهره مند شوند؟
زیرساخت محاسبات ابری
رسانه ذخیره سازی ابر
میان ابر
اقتصاد رایانش ابری
مزایا و نقاط قوت محاسبات ابری
ویندوز 8 و محاسبات ابری
ویژگی های کلیدی
نقاط ضعف محاسبات ابری
چالش ها
نمونه ای از کاربردهای محاسبات ابری
دیدگاههای مختلف در خصوص محاسبات ابری
معرفی بهترین سرویس های پردازش ابری
چه کسانی نباید از محاسبات ابری استفاده کنند؟
فصل دوم: مدل های سرویس محاسبات ابری
محاسبات جادویی
چاپ ابری گوگل
مقایسه با مدل های دیگر رایانش
معماری نمونه رایانش ابری
مدل های پیاده سازی ابر
لایه ها
بررسی وضعیت رایانش ابری در ایران
بررسی نتایج و چمع بندی
انتقاد از واژه
نگاهی به آینده
نتیجه گیری
منابع

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.