استفاده از کاربران مصنوعی بهترین راه حل بررسی وب سایت ها بوده که علوم شناختی و معماری های شناخت کمک شایانی در این زمینه ارائه می دهند. در این تحقیق معماری شناخت act-r مورد ارزیابی قرار گرفته است و با استفاده از تئوری جستجوی اطلاعات مدلی برای به دست آوردن اطلاعات با معماری act-r تهیه شده است. از دو کلمه با هر کدام چهار ترکیب چینش پاراگراف ها برای انجام مصاحبة اولّیه استفاده شده و از اعداد به دست آمده به عنوان شاخصی برای کالیبراسیون مدل استفاده گردیده است. از دوکلمة جدیدبرای بررسی عملکرد مدل استفاده شده و کلمات در اختیار مدل و کاربران قرار گرفته اند و عملکرد آنها در زمان و محل تشخیص پاسخ صحیح با یکدیگر مقایسه گردیده است.

با توسعه ابزارهای الکترونیکی و ذخیره سازها دیجیتالی ، سازمانها این توانمندی را کسب کردد که اطلاعات مشتریان و تراکنشهای روزانه سازمان را به صورت دائم ذخیره سازی نمایند . تحلیل این داده به صورت هدفمند در کسب و کارهای موجود منجر به خلق مزیت رقابتی می گردد . این روش تحلیل تحت عنوان هوشمندی کسب و کار به صورت فراگیر در شرایط رقابتی سنگین مورد استفاده قرار می گیرد . یکی از ابزارهای خلق هوشمندی در کسب و کار داده کاوی می باشد . داده کاوی با استفاده از ترکیب روشهای نیمه خودکار و خودکار و همچنین روشهای آماری و یادگیری ماشین منجر به تولید دانش از داده های خام میگردد . یکی از صنایعی که به دلیل فشار زیاد رقابتی مجبور به استفاده از این ابزارها برای کسب موفقیت و کسب رقابت هوشمند می باشد صنعت بانکداری می باشد . بانکداری خرد با تکیه بر جذب منابع خرد مشتریان می تواند به موفقیت زیادی دسترسی داشته باشد . توسعه ابزارهای پرداخت الکترونیکی مانند دستگاههای کارتخوان این فرصت را برای بانکها ایجاد کرده است تا با در اختیار گرفتن سهم درصد بیشتری از بازار به سود آوری دست یابند . از طرفی دیگر داده های تراکنشی مشتریان از درگاههای بانکداری الکترونیکی فرصت دیگری برای تحلیل بازار بر مبنای رفتارهای مشتریان ایجاد نموده است . استفاده از این داده ها به منظور بازاریابی و شناسایی فرصتهای بالقوه بازار سالها تحت عنوان بازاریابی پایگاه داده مورد استفاده قرار گرفته است . بازاریابی پایگاه داده به منظور ایجاد لبه رقابتی با ترکیبی از داده کاوی و روشهای آماری منجر به بازاریابی هوشمند می گردد که نه تنها سازمانها را در تولید دانش مربوط به مشتریان یاری میکند بلکه سبب کاهش هزینه های بازاریابی و افزایش کارآیی روشهای موجود بازار یابی می گردد . در این مقاله سعی گردیده است با تحلیل داده ها موجود مشتریان در پایگاه داده های بانک و تلفیق دانش استخراج شده با سایر داده ها مانند داده های جغرافیایی به تولید دانش مفید در زمینه بازاریابی و مکان یابی پایانه های فروشگاهی جهت توسعه بازار بانکداری خرد پرداخته شود .

در سال های اخیر ، از آموزش الکترونیکی به عنوان یک تکنولوژی وب در موسسات آموزشی استفاده شده است و دانشجویانی در حال آموزش توسط این روش جدید آموزشی هستند. اخیراً فناوری جریان کاری به عنوان یک روش طراحی جهت تعریف فرایندهای یادگیرنده و مسیرهای آموزشی دروس در یک محیط آموزشی بسیار کاربرد داشته است. زمانی که این فناوری به عنوان موتوری بکار می رود ، می تواند عملیات را بصورت متوالی و پی در پی اجرا کند و یادگیرندگان نیز می توانند مسیرهای آموزشی مختلفی را دنبال کنند. بنابراین می توان برای تعریف مسیرهای آموزشی دقیق و انعطاف پذیر از قانون های قابل اجرا که توسط رویه هایی بیان می شوند استفاده کرد. افراد شرکت کننده در یک محیط آموزش الکترونیکی بر اساس جریان کاری ، اغلب ، یادگیرندگان و معلمان هستند که بر طبق مجموعه ای از قوانین از پیش تعریف شده ، با هم در تعامل هستند. در بعضی از سیستم های آموزش الکترونیکی که فرایند آموزش بصورت آنلاین نیست ، فناوری جریان کاری می تواند بسیار مفید باشد بدلیل اینکه فعالیت های آموزشی یادگیرندگان را هدایت و کنترل می کند. این فعالیت ها شامل جستجو و خواندن اشیا آموزشی ، انجام تکالیف و امتحان دادن هستند و بر طبق قوانین و مسیرهای آموزشی که طراح درس تعیین می کند ، تعریف می شوند. زمانی که جریان کاری تعریف می شود ، می تواند توسط سیستم مدیریت جریان کاری مدیریت و اجرا شود. بنابراین فعالیت های یادگیرندگان توسط موتورهای جریان کاری در فرایندهای آموزشی کنترل می شوند. علاوه بر این در زمان ترکیب یک درس از مسیرهای آموزشی خاص توسط طراح درس ، امکان دارد که اولویت ها و تعداد بعضی از محتواهای آموزشی تعریف نشوند. از این رو در زمان آموزش ، سیستم مدیریت جریان کاری باید توالی و تعداد این محتواهای آموزشی را برای هر یادگیرنده و بر اساس ترجیحات او شخصی سازی کند. به منظور دستیابی به این هدف ، لازم است که اطلاعات مشروحی از یادگیرنده جمع آوری و تجزیه شوند. این اطلاعات می توانند شامل اطلاعات شخصی ، موضوعات انتخابی ، مجموعه کارها ، رفتارهای آموزشی و مشخصات یادگیرنده باشند. رفتارهای آموزشی شامل پیشرفت یادگیرنده ، تمرین ، تکالیف ، امتحان و سوالات هستند. فناوری جریان کاری در مفهوم سیستم های آموزش الکترونیکی ، حداقل شامل دو چالش است: 1- تولید جریان کاری از روی مسیرهای آموزشی و قوانین پیش نیازی آموزشی که توسط طراح درس تعریف می شوند. 2- طراحی موتوری برای مدیریت جریان کاری ، بصورتیکه این موتور امکان پشتیبانی از الگوریتم ها و استراتژی های مختلف شخصی سازی شده بر اساس نیازها و اهداف یک محیط آموزشی معین را داشته باشد. در این تحقیق چالش های مذکور برطرف می شوند. نیز ، یک الگوریتم جهت تبدیل هستان شناسی های مسیر آموزشی و قوانین پیش نیازی طراحی شده توسط طراح درس ، به جریان های کاری که توسط زبان "اف اس پی" معرفی می شوند، ارائه شده است. این زبان که توسط جریان های کاری معرفی می شوند ، جنبه های مختلفی از فرایند آموزشی فراگیر را ارائه می کند. جنبه هایی چون : ایجاد دروس جدید حاصل از ترکیب دو یا چند درس مستقل توسط طراح درس ، تعریف تقدم و تاخر محتواهای آموزشی ، قوانین پیش نیازی از پیش تعریف شده ، محدودیت های زمانی در آموزش محتواهای درسی ، تعریف امتحانات درسی و قوانین مربوطه و طراحی یک معماری نرم افزار آموزشی شخصی سازی شده و توسعه پذیر. به کارگیری زبان "اف اس پی" به عنوان یک زبان رسمی جهت مدل کردن و مشخص کردن جریان های کاری ، این امکان را بوجود آورده که در این تحقیق ، یک معماری نرم افزار توسعه پذیر همراه با قابلیت استفاده مجدد ، برای سیستم های آموزش الکترونیکی شخصی سازی شده ارائه شود. در معماری مذکور ، موتور مدیریت جریان کاری به عنوان یک سیستم تجزیه کننده طراحی می شود که برای پشتیبانی از شخصی سازی ، با یک مولفه پیشنهاد کننده در تعامل است. این موتور می تواند بصورت جداگانه به هر سیستم آموزش الکترونیک که بر اساس معماری مذکور است متصل شود.

انتخاب یک زیر مجموعه ی مناسب از ویژگیهای داده ها که به منظوری خاص مانند طبقه بندی صورت پذیرد، یک امر بسیار مهم در تمامی مسائل می باشد. در این پایان نامه روشی عملی برای انتخاب ویژگی پیشنهاد شده که روی انواع داده ها به جوابهای مناسبی می رسد. بدین منظور محیط مسأله به صورت یک بازی تک نفره معرفی شده است و با استفاده از روش های مونت کارلو و تفاوت زمانی که از روشهای بسیار کارای الگوریتم یادگیری تقویتی می باشد، پیمایش محیط را پیش می برد و در نهایت زیرمجموعه هایی بهینه یا نیمه بهینه از ویژگیها انتخاب می کند. در این راه ابتدا محیط را به صورت تصادفی می پیماید و از محیط یاد می گیرد و در تکرارهای بعدی بهترین نواحی را برای پیمایش انتخاب می کند.

بیماری های قلبی عروقی از مهم ترین علل شایع مرگ و میر در جوامع صنعتی و رو به رشد می باشند. تصاویر پزشکی از مهم ترین ابزارهای در اختیار پزشک برای تشخیص بیماری و کنترل روند درمان هستند. با توسعه تصاویر ct,mri قلب این روش های تصویرگری به عنوان استاندارد طلایی برای مطالعات قلب و عروق مورد استفاده قرار می گیرند .در سال های اخیر توجه زیادی به این روش تصویرگری و روش های پردازش تصاویر شده است و روش های تصویرگری و پردازش تصاویر قلبی توسعه های زیادی پیدا کرده اند. مطالعات بالینی نشان می دهد که تحلیل هم زمان اطلاعات بطن راست و بطن چپ می تواند اطلاعات مفیدی در مورد کارکرد قلب در اختیار قرار دهد و چه در تشخیص زودهنگام بیماری و چه در روند درمان مفید واقع شود. در این پایان نامه، ابتدا ضرورت و اهداف تحقیق در مقدمه آورده شده است، روش های بخش بندی بطن راست و بطن چپ و پردازش تصاویر قلبی موجود در بخش 2 مرور شده اند. در ادامه روشی برای بخش بندی بطن راست و بطن چپ از تصاویر mri به دو صورت اتوماتیک و نیمه اتوماتیک پیشنهاد شده است. ما با تغییرفرمول بخش بندی پیمایش تصادفی به منظور افزودن دانش قبلی در فرم بخش بندی و تطبیق با استفاده از یک مدل استاندارد از تصویر بخش بندی شده توسط فرد خبره، الگوریتم پیمایش تصادفی را بهبود داده ایم. با استفاده از الگوریتم جنگل تصادفی توانستیم روش را بصورت اتوماتیک پیاده سازی کنیم. برای صحت مدل ارائه شده، متد را بر روی تعداد زیاد و متفاوت تصویرmri اعمال کردیم و نتایج قابل قبولی را از لحاظ کلینیکی و تکنیکی مشاهده نمودیم که در بخش 4 خصوصیات داده ها و نتایج آورده شده است.

رشد روز افزون شبکه های اجتماعی در سیستم های مدرن اطلاعاتی امروزی، امکان همکاری خبرگان را به میزان فراوان و بیش از آنچه پیش از این وجود داشته، فراهم آورده است. با یک وظیفه داده شده و یک گراف از خبرگان به عنوان نمونه ای از یک شبکه اجتماعی، به طوری که هر یک از خبرگان دارای تعدادی مهارت باشند، هدف ما، پیدا کردن گروهی موثر از خبرگان است که قادر به انجام موفق آن وظیفه در قالب یک تیم باشند. در راستای انجام موثر وظیفه و تعامل مناسب خبرگان، مطلوب است کارایی تیم انتساب یافته نیز به گونه ای در نظر گرفته شود که هر خبره کمینه سطح توانایی موردنیاز برای هر مهارت را داشته باشد. در این پایان نامه، ما تلاش نمودیم تا مساله سازمان دهی تیم خبرگان را از چند جنبه بهبود و تعمیم دهیم: نخست، یک روش برای اندازه گیری سطح توانایی هر خبره بر مبنای مهارت ها و نیز توانایی تعامل با همسایگان برای انجام هر مهارت داده شده، ارایه شده است. دوم، گراف اصلی خبرگان به صورت مجموعه ای از چندین گروه شامل افراد ماهر برای هر مهارت که دارای ارتباطات قوی با یکدیگر هستند، تجمیع می شود و از میان این گروه ها، گروه های موثر برای ادامه کار استخراج می شوند. در این گام، با در نظر گرفتن تنها این گروه های موثر، فضای جست و جو به نحو چشمگیری کاسته می شود و افزون بر آن، این امر موجب پیشگیری از افزایش غیرمنطقی هزینه ی ارتباطی و اندازه تیم در هنگام انتساب افراد کاندید به تیم انتخابی می گردد. سوم، الگوریتم rarestfirst موجود ارتقاء داده شده و یک نسخه ی تعمیم یافته از آن برای انجام وظایف عمومی-رقابتی ارایه می شود. در پایان، به منظور بهبود کارایی تیم انتخابی، تعریف سازگار یافته ای از هزینه ی ارتباطی ارایه می گردد. آزمایش ها بر روی گراف تالیفی-همکاری نویسندگان در دیتاست dblp نشان می دهد که در زمینه ی کارایی و موثر بودن، چارچوب کاری پیشنهادی ما توانسته است به نتایج خوبی در کاربردهای عملی دست یابد.

یکی از مهمترین مشکلات دسته بندی به روش kنزدیک?ترین همسایه و سایر روش های دسته بندی مشابه، معیار فاصله می?باشد. معیار فاصله اساسی?ترین بخش محاسبه?ی همسایه?های یک نمونه?ی تست می?باشد. استفاده از نزدیک?ترین همسایه?ها به عنوان نمونه?های آموزشی یک الگوریتم دسته بندی، روشی معمول به منظور محلی کردن یک دسته بندی کننده مانند svm است. در این رساله روشی ارائه شده است که با استفاده از وفقی کردن معیار فاصله، همسایه های مناسبی را به عنوان نماینده انتخاب می کند. سپس با استفاده از یک ابر صفحه جداساز مانند svm عمل دسته بندی را انجام می دهد. روش پیشنهادی با وزن دادن به نمونه های آموزشی، تاثیر نمونه ها را در عملکرد دسته بندی کم و زیاد می کند.به نمونه هایی که تاثیری در نتیجه دسته بندی svm ندارند، وزن صفر انتساب می دهد و به دیگر نمونه ها با توجه به تاثیری که در نتیجه دسته بندی دارند وزنی در بازه [0,1] انتساب می دهد. روش پیشنهادی بهینه ترین راه حل محلی را پیدا می کند و طوری به نمونه ها وزن می دهد که svm محلی بهترین کارایی را از نظر leave-one-out داشته باشد. . به منظور ارزیابی سیستم، روش پیشنهادی با svm و svm محلی مقایسه شده است. سیستم پیشنهادی نه تنها به طور میانگین عملکرد بهتری نسبت به سایر روش?ها از خود نشان داده، بلکه تعداد قابل توجهی ازنمونه?ها را برای استفاده در مرحله?ی تست کاهش داده-است

اتوماسیون اداری و برنامه ریزی منابع سازمانی در یک مجموعه صنعتی و اتوماسیون صنعتی که کار کنترل ادوات آن مجموعه را به عهده دارند، دارای داده های مشترکی می باشند که استفاده مشترک دو سیستم از این داده ها می تواند، در بهبود و کارایی نیازهای عملیاتی سازمان موثر باشد. طبق تعریف, برنامه ریزی منابع سازمانی کلیه نیازهای سازمان را در اتوماسیون اداری بر آورده می سازد لذا در صورتیکه این امکان فراهم گردد که سیستمهای کنترل نیز با erp سازمان یکپارچه گردند می توان یکپارچگی کامل بین بخشهای تولیدی و پشتیبانی نیز متصور بود. با توجه به اینکه بحث سیستمهای کنترل و برنامه ریزی منابع سازمانی در دو حیطه مختلف قرار دارند لذا متخصصان متفاوتی در این دو رشته فعالیت می کنند. مرز بندی این دو موضوع در میان متخصصان در کشور ما بسیار مستحکمتر می باشد لذا تاکنون موفقیتهای قابل ارائه ای در یکپارچگی سیستمهای کنترل و برنامه ریزی منابع سازمانی در کشور گزارش نشده است. بنظر می رسد یکی از دلایل اصلی این عدم موفقیت همین مرزبندی بسیار پایدار بوده است که متخصصان دو طرف برای خود قائل شده اند و نیاز این یکپارچه شدن که ورود به هر دو حیطه می باشد فراهم نشده است. هدف از این پایان نامه ارائه راهکار عملی یکپارچه سازی سیستمهای کنترل و برنامه ریزی منابع سازمان می باشد. بدین منظور در هر دو حیطه ورود خواهد نمود و نقاط اشتراک را تعیین و بطور مشخص نحوه عبور از مرزبندی بیان شده را تحلیل می کند. جهت داشتن مدل عملی که داده های مشترک آن با سیستمهای کنترل استخراج گردد و سپس سیستم کنترل خاصی را مورد تحلیل قرار دهد.

به طور کلی در این پایان نامه، سعی بر ترکیب مناسب روش های امتیاز دهی در سیستم های توصیه گر است. در هر سیستم توصیه گر، با توجه به اطلاعات کسب شده از پیشینه انتخاب و نظرسنجی هریک از کاربران در مورد اقلام متفاوت، یک مدل ساخته می شود. سپس بر اساس این مدل، با در نظر گرفتن کاربری که به سیستم وارد می شود، امتیازی به هر یک از اقلام موجود در سیستم (که تا به حال توسط آن کاربر دیده نشده اند) اختصاص می دهد. سپس مبتنی بر امتیازی که به هر قلم داده شده است آنها را مرتب کرده و به تعداد دلخواه، اقلام ابتدای لیست را به کاربر مورد نظر پیشنهاد می کند. روش های متفاوتی برای ترکیب این سسیتم ها ارائه شده است، اما در این پایان نامه مدل ترکیب خطی این روش ها مد نظر قرار می گیرد. در این مدل سعی می شود با استفاده از هر یک از سیستم های اولیه، به ازاء هر کاربر، به هر قلم خاص یک امتیاز داده می شود. سپس با ترکیب خطی این امتیازات، یک امتیاز کلی برای هر ترکیب کاربر-قلم محاسبه می شود. در نهایت به ازاء هر کاربر، یک لیست مرتب شده از اقلام (بر اساس این امتیاز کلی) آماده شده و اقلام با بیشترین امتیاز به وی توصیه می شود. رویکرد اصلی این پایان نامه ترکیب تعدادی از سیستم های پیشنهاددهنده با استفاده از وزن دهی این روش ها و ترکیب خطی امتیازات می باشد. فرمول زیر، ترکیب خطی امتیازات هر روش پایه را نشان می دهد: در این راستا، چگونه تنظیم کردن این ضرایب خطی از اهمیت بالایی برخوردار است که در این پایان نامه تلاش بر آن است که با دو رویکرد متفاوت این ضرایب مقدار دهی شوند. در نگاه اول می توان با استفاده از برخی توابع اکتشافی و حریصانه، با هدفی مشخص این ضرایب را تنظیم کرد. به عنوان مثال، هر روش پایه ممکن است بازه متفاوتی از امتیازدهی را داشته باشد. در این شرایط تأثیر روش های پایه که همواره امتیازات بالایی را به اقلام می دهند، در امتیاز نهایی همواره بیشتر از باقی روش ها است در حالیکه ممکن است این تأثیرگذاری مورد نظر نباشد. پس می توان با انتساب وزن کمتر به چنین روشی، از تأثیرگذاری بیش از حد آن کاست و بالعکس. در رویکرد دیگر می توان، با تعیین یک تابع هدف و استفاده از هر یک از روش های یادگیری ماشین به تنظیم وزن این روش ها پرداخت به گونه ای که تابع هدف مذکور بهینه شود.

با گسترش روزافزون اطلاعاتی که بشر در اختیار دارد، مساله سازماندهی خودکار این اطلاعات اهمیت ویژه ای می یابد. در این میان کار دسته بندی اسناد متنی در گروه های جداگانه بعنوان یک مساله مرکزی باید مورد بحث و بررسی قرار گیرد. دسته بندی بعنوان یک روش مهم در آنالیز داده ها مطرح است و روش های متعددی درهوش مصنوعی و شناسایی آماری الگو برای این کار پیشنهاد شده است اما استفاده مستقیم از این روشها در کار دسته بندی متن امکان پذیر نمیباشد چرا که در این مساله با تعداد زیادی مشخصه روبرو خواهیم بود. در این پایان نامه سعی بر این است که مفاهیمی را که در کار دسته بندی متن با آن روبرو هستیم را مورد بررسی قرار دهیم، این مفاهیم شامل: استخراج مشخصه ها از متن، نحوه نمایش متن، انتخاب زیر مجموعه ای از مشخصه ها و الگوریتم های یادگیری ماشین مناسب برای این کار خواهد بود. در مورد انتخاب مشخصه ها سعی شده است ارتباط بین دسته بندی احتمالی با معیار استفاده شده برای انتخاب مشخصه ها نشان داده شود. در نهایت یک چهارچوب احتمالی برای دسته بندی اسناد متنی بطور کامل مورد بررسی قرار گرفته است. در این چهار چوب احتمال ((متعلق بودن)) یک سند برای هر کلاس تخمین زده می شود، در این راستا از شبکه های بیز بعنوان یک روش کارا و موثر برای نگهداری احتمال توام متغیرها استفاده شده است. در نهایت ساختار مناسب برای ساخت یک مدل دانش با استفاده از شبکه های بیز پیشنهاد شده است. در عمل سعی شده است با اندازه گیری کارایی، موثر بودن این روش ها در مقایسه با یکی از روش های کلاسیک ذخیره و بازیابی اطلاعات نشان داده شود، در روش پیشنهادی برای هر کلاس یک دسته بند طراحی شده است که در نهایت همگی در کنار هم بصورت موازی کار می کنند. برای انجام یادگیری و تست از داده های روییتر استفاده شده است و آزمایشات روی 5 گروه از این داده ها انجام شده است در نهایت بعد از ساخته شدن دسته بندها موثر بودن استنتاج در این مدل ها نشان داده شده است.