در این رساله، بر حسب نیازی که به حل معادلات غیرخطی در ریاضی احساس می شود، به بحث و مطالع? چندین روش حل معادلات غیرخطی پرداخته ایم. ویژگی این کار از آن جهت است که به بررسی روش های حل معادلات با درج? همگرایی چهار می پردازیم که یک نسبت بسیار مناسب در همگرایی روش ها می باشد. در نهایت پس از معرفی روش ها، به مقایس? سرعت همگرایی و کارایی آنها در مثال های آورده شده می پردازیم

جندین روش برای حل مسایل تخصیص فاوی وجود دارد در این جا به ضعف های روش های موجود اشاره میکند روش های ارایه شیه بسیار اسان و کاربردی اند

مولفه های مهم و اساسی هوش محاسباتی شبکه های عصبی (محاسبات نرونی)، منطق فازی (محاسبات تقریبی) و الگوریتم های ژنتیک (محاسبات ژنتیکی) هستند، که هر یک به نوعی مغز را الگو قرار داده اند. در این پایان نامه از شبکه های عصبی در حل برخی از معادلات دیفرانسیل استفاده می کنیم.شبکه های عصبی (محاسبات نرونی)، منطق فازی (محاسبات تقریبی) و الگوریتم های ژنتیک (محاسبات ژنتیکی) هستند، که هر یک به نوعی مغز را الگو قرار داده اند. در این پایان نامه از شبکه های عصبی در حل برخی از معادلات دیفرانسیل استفاده می کنیم. $‎‎$ در فصل اول، یک تاریخچه مختصر از شبکه های عصبی، تعریف شبکه های عصبی، توضیح الگوریتم پس انتشار خطا که در شبکه های عصبی پیش سو مورد استفاده قرار می گیرد را بیان می کنیم. در فصل دوم، سعی شده است یک دیدگاه کلی نسبت به مدل های موجود یادگیری در کامپیوتر ارائه شود. این مدل ها را اساساً به چهار دسته تقسیم کرده ایم. یادگیری تقویتی، یادگیری بر اساس استنتاج، یادگیری احساسی و مدل چهارم نیز برگرفته از الگوی مغز انسان می باشد که شبکه های عصبی مصنوعی نام گرفته است. در فصل سوم، یک روش برای حل مسائل دیفرانسل اعم از معادلات دیفرانسیل معمولی و معادلات دیفرانسیل با مشتقات جزئی با مقادیر اولیه و مرزی به کمک شبکه های عصبی مصنوعی بیان می کنیم. این روش که یک راه حل آزمایشی برای حل معادلات دیفرانسیل است به صورت جمع دو عبارت نوشته شده است. عبارت اول در برگیرنده شرایط اولیه یا مرزی است که شامل هیچ پارامتر تنظیم پذیری نیست. عبارت دوم به گونه ای نوشته شده است که شرایط اولیه یا مرزی هیچ تاثیری در آن ندارد. عبارت دوم با یک شبکه عصبی پیش سو ‎سروکار دارد که شامل پارامترهای تنظیم پذیر (وزن ها‎ و بایاس ها) است. در فصل چهارم، یک روش دیگر برای حل معادلات دیفرانسیل معمولی و معادلات دیفرانسیل با مشتقات جزئی به کمک شبکه عصبی بر مبنای شمائی از الگوریتم تکاملی ارائه می کنیم. روش ارائه شده به صورت تناوبی از یک رویه محلی برای بهینه‎ سازی استفاده می کند. معادلات دیفرانسیلی که توسط این روش حل می شوند (معادلات دیفرانسل معمولی? سیستمی از معادلات دیفرانسیل معمولی? معادلات دیفرانسیل با مشتقات جزئی) با داشتن شرایط مرزی دریکله

الگوریتم های تصادفی استفاده وسیعی در انواع مسائل بهینه سازی دارند. الگوریتم های تکاملی دسته ای از روش های تصادفی بر مبنای جمعیت می باشند. مثالی از این الگوریتم ها، الگوریتم ژنتیک می باشد که از تئوری تکاملی داروین الهام گرفته است. با این وجود، الگوریتم های تصادفی دیگری نیز وجود دارند که از رفتار حیوانات الهام می گیرند مانند بهینه سازی انبوه ذرات ( pso )، که از همکاری دسته پرندگان پیروی می کنند، و بهینه سازی علف های هرز ( iwo )، که الگوریتم الهام گرفته از محیط می باشد و از فرآیند تجمع سازی و پخش علف های هرز پیروی می کنند. به علاوه، الگوریتم های تصادفی توانایی حل مسائل بهینه سازی چندهدفی توسط مفهوم چیره را دارا می باشند. از این رو، مجموعه ای از جواب های که بر یکدیگر چیره نمی شوند، در عوض بهترین جواب، بدست می آید. در این پایان نامه یک الگوریتم تلفیقی چندهدفی iwo/pso ارائه می دهیم که از iwo و pso ، دو الگوریتم تکاملی جدید و با ویژگی های ممتاز، بدست می آید. نتایج شبیه سازی نشان داده می شوند و با سایر الگوریتم ها مقایسه می گردد. نتایج نشان می دهند که الگوریتم iwo/pso قابلیت رقابت بالایی دارد و می تواند به عنوان یک طرح مناسب برای حل مسائل بهینه سازی چندهدفی لحاظ شود.

در‎‎‎‎‎‎‎ این پایان نامه به کمک الگوریتم ژنتیک به حل چندین مسأله ی هدایت گرمایی معکوس خواهیم پرداخت. نتایج نشان می دهد که یک تقریب خوب برای جواب، با پیاده سازی الگوریتم ژنتیک سریال در یک پردازنده ی تک هسته ای با سرعت ساعت 2.4 گیگا هرتز و الگوریتم ژنتیک موازی در یک پردازنده ی 16 هسته‎‎ ای با سرعت ساعت 2.4 گیگاهرتز برای هر کدام به دست می آید.

تحلیل‎‎ مولفه های اصلی ‎‎‎‎ ‎‎‎(pca)‎یکی از روش‎‎ های چند متغیره ای است که داده ها را به ابعاد کمتر‎‎ی خلاصه می کند، به طوری که اطلاعات ضروری در آن حفظ می شود. گروه بندی محلی پیکسل ها (‎‎(lpg یک مسئله ی طبقه بندی است که در این پایان نامه از روش ‎‎تطبیق بلوک بهره گرفته شده است. این پایان نامه یک روش نویز زدایی با‎ استفاده از روش تحلیل مولفه های اصلی با گروه بندی محلی پیکسل ها ارائه می دهد. با انجام ‎‎تطبیق بلوک یک پیکسل و نزدیک ترین همسایه های آن به عنوان متغیر های برداری مدل سازی می شود. سپس تبدیل ‎‎pca‎‎ بر روی این متغیر های برداری اعمال می شود، با اعمال ‎‎تکنیک تخمین کمترین مربعات خطی ‎‎‎ lmmse‎‎ از مقدار نویز کاسته می شود. برای بهبود در نویز زدایی این اعمال می تواند تکرار شود، که با استناد بر نتایج تجربی بر روی تصاویر آزمون تست شده‎‎، می بینیم که روش ما به عملکرد مطلوبی در حفظ ساختار تصویر در مقایسه با الگوریتم های موجود دیگر دست یافته است.

فرایندتشخیص نفوذنظارت بررویدادهایی است که درسیستم های کامپیوتری ویاشبکه اتفاق می افتدوآنهارابرای شناسایی نفوذتجزیه وتحلیل می کند. چگونگی تشخیص حملات شبکه بخش مهمی درسیستم های تشخیص نفوذاست. دراین مقاله سیرتکامل قوانین براساس برنامه نویسی ژنتیک برای تشخیص نفوذدرشبکه معرفی شده است که الگوهای حملات شناخته شده راتشخیص می دهدو با ارتقا روش جدیدgene expression programming(gep)ازژنوم خطی به همراه عملگرهای ژنتیکی مانندجهش،ترکیب،وارونسازی وجابجایی برای این کار استفاده می کند. در نهایت با شاخص های دقت طبقه بندی، نرخ مثبت صحیح (tpr)ونرخ مثبت کاذب (fpr)بازده ی سیستم تشخیص نفوذپیشنهادی نسبت به سیستم های مرسوم قبلی نشان داده شده است. نتایج نشان می دهدتکنیک های برنامه نویسی ژنتیکی استفاده شده برای توسعه وزن سبک درسیستمهای تشخیص نفوذ از روشهای مشابه خود و یاسیستم های تشخیص نفوذمتعارف که براساس الگوهای یادگیری ماشین هستنداز دقت بالاتری برخورداراست. ازمجموعه دادهkddcup99که انواع حملات شبکه را درخودجای داده است استفاده می نماییم.

امروزه شبکه¬های حسگر بی¬سیم (wsn) بطور گسترده¬ای در سیستم¬های کنترلی و نظارت بکار می¬روند؛ آنجا که به لحاظ شرایط محیطی و یا جغرافیای محیط، علاقه¬ای به مداخله مستقیم انسان نبوده و یا حتی دسترسی به چنین مکان¬هایی عملا غیرممکن باشد. توپولوژی¬های کنترلی مبتنی بر مجموعه¬های همپوشان متصل (cds) یکی از انواع روش¬های سلسله¬مراتبی است که ضمن کاهش اتصالات اضافی به¬منظور حصول اطمینان از پوشش رادیویی مناسب در شبکه¬های wsn طراحی و پیاده¬سازی می¬شوند. این توپولوژی¬ها با معیاری از پیش¬تعریف شده، سعی در ایجاد یک ستون فقرات مجازی (vb) داشته تا با کاهش میزان پدیده طوفان¬های پخشی، بستری مناسب برای پیاده¬سازی یک مسیریابی ایده¬آل را در این شبکه¬ها فراهم نماید. در این پایان¬نامه سعی شده¬است، روش¬های مختلفی برای ایجاد انواع ساختار cds در شبکه¬های wsn تعریف شود. از مجموعه همپوشان متصل کمینه (mcds) که یکی از رایج¬ترین آنهاست گرفته تا شبکه¬های همپوشان متصل متوازن (lbcds) که اخیرا مورد توجه قرار گرفته¬است. بعلاوه امکان کنترل تضمین قابلیت اطمینان (reliability) نیز به هریک از پارامترهای مورد مطالعه افزوده شده است. یافتن cds یک گراف شبکه در زمره مسائل بسیار سخت (np-hard) قرار داشته و طبیعتا از طریق شیوه¬های تحلیلی معمول قابل حل نیست. به همین دلیل غالب تلاش¬هایی که تاکنون برای حل این مساله صورت پذیرفته، متکی بر شیوه¬هایی از قبیل الگوریتم¬های حریصانه (greedy)، تخمینی (approximative)، یا تکاملی (evolutionary) بوده است. تحقیق حاضر معطوف به شیوه آخر بوده و الگوریتم ژنتیک را بعنوان ابزاری برای حل این دسته مسائل بسیار سخت در دستور کار خود قرار داده است.

ارزیابی و گزینش بسته های نرم افزاری پروسه ی تصمیم گیری و وقت گیری است. انتخاب بسته ی نرم افزاری نامناسب می تواند پرهزینه باشد و در مقابل پروسه های تجاری و عملکرد سازمان را تحت تاثیر قرار می دهد. در این پروژه ما به توصیف موارد زیر می پردازیم: (1) روشهای کلی و جامع انتخاب نرم افزار، (2) معیار ارزیابی نرم افزار و (3) رویکرد سیستمی بر مبنای اطلاعات ترکیبی به منظور یاری رساندن به تصمیم گیرندگان در ارزیابی و انتخاب بسته های نرم افزاری. رویکرد سیستمی بر مبنای اطلاعات ترکیبی (hkbs) از تکنیک های جامع و بهم پیوسته ی استدلال قانونی و استدلال موردی استفاده می کند. استدلال قانونی را برای فراهم آوردن نیازهای بسته نرم افزاری و فرمول سازی یک نمونه مسئله (مشکل) بکار می برند. cbr برای بازیابی و مقایسه ی بسته های نرم افزاری مورد بررسی با نیازهای کاربران بسته بکار می روند. همچنین این پروژه رویکرد hkbs را با تکنیک های ارزیابی نرم افزاری موجود مثل فرآیند سلسله مراتبی (ahp ) و روش نمره دهی وزنی (wsm) مقایسه می کند.

بهینه سازی الگوریتم mfcc در تشخیص هویت گوینده با استفاده از سیستم فازی

‏در این پایان نامه‎‏‏، پیاده سازی فیزیکی گیت‎‎‎ cnot در سیستم فوتون نوری ارائه شده است. گیت cnot یکی از گیت های پایه ای در محاسبات کوانتومی است که بسیاری از گیت های کوانتومی دیگر را با استفاده از این گیت و گیت های تک کیوبیتی می توان ساخت.

در این پایان نامه با توجه به نتا‎یج‎ بزرگ نمایی تصویر قصد داریم‏، یک الگوریتم درونیابی خطی جدید با کاربرد بزرگ نمایی تصویر ارائه دهیم. با استفاده از منطق فازی‏، مقادیر مناسبی برای نمونه های مجاور در فرمول درونیابی به دست می آید. علاوه بر این‏، الگوریتم پیشنهادی بر مبنای تئوری خطای درونیابی ارائه داده شده تا تصاویر شامل مرزها و شیارها را بررسی کند. نتایج بدست آمده با اندازه گیری نرخ سیگنال به نوفه‏، کارآیی بالای الگوریتم پیشنهادی را نشان می دهد.‎

در این پایان نامه به کمک شبکه های عصبی مصنوعی و پردازش تصویر یک الگوریتم برای مسئله تشخیص عینکی بودن و یا نبودن افراد از روی تصویر چهره ارائه شده است.