پیشرفت‌ها در حوزۀ هوش مصنوعی و یادگیری ماشین به‌خصوص درزمینۀ محاسبات تکاملی نه‌تنها ما را قادر به تجزیه‌وتحلیل مؤثرتر داده‌ها نموده است، بلکه این امکان را فراهم ساخته که از آن‌ها برای فهم هرگونه الگوی زیربنایی بازارهای مالی استفاده گردد. اقتصاددانان، آماردانان و مدرسان امور مالی همواره علاقه‌مند به توسعه و آزمایش مدل‌های رفتاری قیمت سهام بوده‌اند. XCS سامانه‌ای مرکب از الگوریتم ژنتیک و یادگیری ...

تقریبا همه­ی تصاویر سنجنده­ی مادیس دارای قسمت­های پوشیده از ابر هستند. به منظور استخراج اطلاعات صحیح از داده­های مادیس، یکی از پیش­پردازش­های کلیدی شناسایی پیکسل­های ابری و جداسازی آن از عوارض مشابه مانند برف/یخ است. ویژگی­های مورد استفاده در طبقه­بندی ابر به دو دسته­ی ویژگی­های بافتی و طیفی تقسیم می­شوند. با استفاده از ویژگی­های بافتی باند­های مرئی امکان جداسازی پیکسل­های ابر از پیکسل­های برف/...

بازیهای دیفرانسیلی امروزه کاربردهای گسترده در زمینه های مختلف از جمله سیستمهای مخابرات بیسیم و شبکه، سیستمهای اقتصادی و راهبرد های دفاعی یافته اند. حل بازیهای دیفرانسیلی تکیه بر حل معادلات همیلتون-جاکوبی دارد. حل این معادلات در حالت غیرخطی بسیار مشکل بوده و ممکن است حتی در موارد ساده فاقد حل تحلیلی سرتاسری باشند. اکثر روش¬های ارائه شده برای حل این معادلات، روشهای تقریبی برون خطی هستند که در آنه...

امروزه به دلیل حجم عظیم اطلاعات در وب و همچنین پویا بودن اطلاعات، مهم ترین چالش در بازیابی اطلاعات وب، خصوصاً موتورهای جستجو، رتبه بندی نتایج در پاسخ به پرس و جوی کاربر است. تاکنون الگوریتم های متنوعی که مبتنی بر محتوا و اتصال می باشند ارائه شده اند. علاوه بر روش های سنتی، روش های نوینی با عنوان روش های یادگیری جهت رتبه بندی مطرح شده است که به طور خلاصه عبارت است از ایجاد یک مدل خودکار رتبه بندی...

مدل جدیدی از عضله تحریک شده در شرایط غیر ایزومتریک ارایه شده است. مدل های ارایه شده کنونی مبتنی بر ساختار مدل هیل هستند. در این ساختار، رفتار عضله به بخش های مستقل از یکدیگر تجزیه شده و فرض می شود که این بخش ها ارتباطی با یکدیگر ندارند، در صورت که این تجزیه و عدم وابستگی بخش ها به یکدیگر، واقعیت فیزیکی ندارد. به منظور رفع محدودیت های مد...

طبقه بندی تصاویر ماهواره ای از رایج ترین شیوه های استخراج اطلاعات به شمار می رود. برای حصول به دقت بالا در الگوریتم های مرسوم همچون طبقه بندی بیشترین شباهت به نمونه تعلیمی زیادی نیاز است، بنابراین زمان و هزینه بالایی را می طلبد. همچنین دشواری دسترسی به برخی مناطق صعب العبور ایجاد مشکلات فراوان می کند. یادگیری فعال روشی مناسب برای کاهش احتیاج به نمونه های واقعیت زمینی با حجم زیاد است، چراکه الگو...

انتخاب ویژگی یک مسأله مهم برای تحلیل داده در فرآیندهای بازیابی، سیستم های طبقه بندی الگو و کاربردهای داده کاوی است. این فرایند با حذف ویژگی های نویزی، نامرتبط و تکراری، تعداد ویژگی ها را کاهش می دهد. در این پایان نامه برای نخستین بار نسخه جدیدی از الگوریتم مورچگان باینری ارائه و از آن برای حل مسأله انتخاب ویژگی استفاده می شود. الگوریتم پیشنهادی که ترکیبی از دو الگوریتم مورچگان باینری و گسسته اس...

شناسایی و تفکیک کشتی ها توسط سیگنال های دریافتی توسط میکروفون های درون آبی (هیدروفون ها)، بهویژه در بندرها تجاری پررفتوآمد، می تواند کاربردهای زیادی در مدیریت ترافیک در بندرها داشته باشد. بااینحال شناسایی و کلاسه بندی خودکار سیگنال های آکوستیکی دریافتی از سیستم سونار غیرفعال به علت تغییرات زیاد مشخصه های زمانی و فرکانسی سیگنال (حتی در شرایطی که سیگنال ها از یک منبع واحد دریافت شده باشند) مسئله ...

بازار برق به عنوان یک سیستم اقتصادی که با انسان و رفتارهای غیرخطی او دست به گریبان است و همچنین با توجه به دینامیک، قیود فیزیکی و پیچیدگی های سیستم قدرت، همواره مورد توجه محققان بوده است. برای حل مسائل پیچیده استفاده از سیستم های هوشمند که قابلیت ترکیب روش های یادگیری و دانش های مختلف از منابع متفاوت را دارند ضروری است. از جمله سیستم های هوشمند می توان به شبکه های عصبی مصنوعی، الگوریتم ژنتیک، ا...