منطق یادگیری از استثنائات چالش مهمی در حیطۀ داده­کاوی و کشف دانش است. در این پژوهش بر اساس تئوری استثنائات و رضایتمندی، الگویی نوین برای بهبود شایان توجه میزان اعتماد و اطمینان به کشف و یادگیری از استثنائات ارائه می‎شود. ابتدا به‎کمک رویکرد تلفیقی پیشنهادی بر اساس تئوری استثنائات، حدود رفتار نرمال و استثنایی داده­ها مشخص می‎شود و پس از آن با به‎کارگیری تئوری رضایتمندی، راه­حل­های رضایت­بخش به‎د...

در سال های اخیر، تلاش مطالعات انجام شده بر روی الگوریتم های یادگیری به منظور پر کردن فضای خالی بین کنترل بهینه ی تطبیقی و روش های یادگیری برگرفته از سیستم های بیولوژیکی بوده است. یادگیری تقویتی یکی از مهم ترین روش ها است که امروزه جهت کنترل ربات ها مورد استفاده قرار گرفته است. از طرفی، کنترل راه روی ربات دوپا یکی از مهم ترین و پیچیده ترین مسائل با دینامیک غیرخطی می باشد. با توجه به اینکه پژوهش ...

اغلب مجموعه داده های مربوط به داده کاوی و ماشین یادگیری دارای داده هایی با مقادیر Missing Values یا داده گمشده می باشند. چگونگی برخورد با داده گمشده و نیز ارائه راهکارهایی مبتنی بر تخمین مقدار مربوط به داده گمشده، منجر به بروز یک مسئله بسیار مهم در زمینه داده کاوی و ماشین یادگیری  شده است. در بین الگوریتم های داده کاوی، الگوریتم C4.5، به دلیل کارآیی، استفاده در کاربردهای مختلف داده کاوی و نیز ت...

در این مقاله، یک الگوریتم یادگیری ترکیبی جدید برای طراحی شبکه های موجک فازی به منظور تقریب توابع، کنترل و شناسایی سیستم های غیرخطی ارائه شده است. الگوریتم پیشنهادی مبتنی بر الگوریتم حداقل مربعات متعامد (ols)، الگوریتم جهش قورباغه های بهم آمیخته (sfl) و روش حداقل مربعات بازگشتی(rls) می باشد. الگوریتم حداقل مربعات متعامد جهت تعیین ابعاد شبکه، غربال کردن موجکها به منظور انتخاب موجکهای مؤثرو تعیین ...

زمینه و هدف: دیابت دوران بارداری می­تواند پیامدهای مضری بر سلامت کودکان به همراه داشته باشد. از آنجا که شروع دیابت دوران بارداری همزمان با دوره­ی تکامل مغزی جنین است، لذا پیش ­بینی قابلیت های شناختی کودک پیش از تولد از اهمیت بالایی برخوردار است. هدف این مطالعه پیش­بینی رشد تکاملی کودکان مادران مبتلا به دیابت دوران بارداری است. روش ها: در این مطالعه داده های مورد نیاز با مراجعه به پرونده‎های ماد...

بارش یکی از مهمترین داده های ورودی به سیستم های هیدرولوژیکی محسوب می شود که مطالعه و اندازه گیری آن در اکثر موارد برای مطالعات رواناب، خشکسالی، آبهای زیرزمینی، سیلاب، رسوب و ... لازم و ضروری است. هدف این مقاله پیش آگاهی مقادیر بارش ماهانه یزد با استفاده از شبکه های عصبی مصنوعی است. در این تحقیق از داده های بارش ماهانه طی دوره آماری 53 سال (1950-2003) و شبکه های عصبی مصنوعی به عنوان یک روش غیر خ...

موضوع تغییرات ناگهانی قیمت سهام طی سال‌های اخیر توجه بسیاری از پژوهشگران را به خود جلب کرده است. بر اساس پیشینه پژوهش، ریزش ارزش سهام، تاثیری منفی، بسیار زیاد و غیرمعمول در قیمت سهام دارد و به طور معمول بدون وقوع یک حادثه مهم اقتصادی رخ می‌دهد. هدف این پژوهش بررسی پیش‌بینی‌پذیری ریزش ارزش سهام بر اساس مدل‌های مبتنی بر یادگیری ماشین است. در این پژوهش برای پیش‌بینی ریزش ارزش سهام ...

در این پایان نامه مسأله مسیریابی بهینه رباتها را در محیط هایی با چند هدف در تناقض باهم با استفاده از الگوریتم های یادگیری تقویتی چندهدفه مورد تحلیل و بررسی قرار می گیرد. اخیرا تحقیقات گسترده ای در زمینه بهینه سازی چندهدفه توسط محققین انجام شده است، نه تنها به علت ماهیت چندهدفه بودن اکثر مسائل دنیای واقعی، بلکه به علت اینکه هنوز بسیاری از سوال های بی جواب در این زمینه وجود دارد. به همین دلایل در...

آزمایش آنالیز طیفی امواج سطحی sasw روش صحرایی غیر مخرب برای شناسایی و تعیین پروفیل سختی لایه های خاک و سیستم های چند لایه ای مشابه می باشد. نتایج حاصل از انجام آزمایش sasw در قالب محنی پراکندگی تجربی قابل ارائه می باشد. منحنی پراکندگی بدست آمده از آزمایش به وسیله روش های برگردان برای تعیین پروفیل خاک در محل بکار برده می شود. در این مقاله از مدل های شبکه عصبی برای تخمین و تعیین پروفیل خاک استفاد...

سرمایه‌گذاران در بازار سهام همواره به دنبال روش های نوین و کارآمد جهت پیش بینی روند حرکت قیمت سهم و اتخاذ استراتژیهای معاملاتی مناسب بوده‌اند. این پژوهش با بهره‌گیری از مدلی مرکب از آینده پژوهی ، تحلیل بنیادی ، قواعد معاملاتی خبرگان و الگوریتم های یادگیری ماشین، الگویی جهت اتخاذ راهبردهای معاملاتی مناسب پیشنهاد می‌نماید. ابتدا با استفاده از نظر خبرگان وآینده پژوهی، سناریو های پیش روی بازار سهام...