یکی از دغدغه های امروز دانشمندان درحوزه یادگیری ماشین، تحلیل داده های مربوط به سیستم های آشوب گونه است. توانایی طبقه بندی و استخراج دانش نهفته در این نوع داده ها ما را قادر می سازد تا سیستم های پیش بینی کننده قدرتمندی برای حوزه های مختلف مهندسی و اقتصاد فراهم آوریم.تاکنون روش های گوناگونی برای پردازش این نوع داده ها به کار گرفته شده اند که از آن جمله می توان به الگوریتم های تکاملی، شبکه های عصب...

از آنجا که دقت داده ای اندازه گیری شده فرآیندی در پیش بینی کیفیت محصولات بسیار مهم است، در این تحقیق بر روی پیش پردازش داده ها تمرکز گردید. برای این منظور حسگر مجازی برای تعیین کیفیت گازوییل خروجی از پایلوت تصفیه هیدروژنی طراحی شد. طراحی حسگر مجازی بر اساس یکی از روش های جدید یادگیری ماشین به نام ماشین بردار رگرسیون انجام گردید. برای پیش پردازش داده ها از تکنیک ترکیبی به صورت پشت سر هم متشکل از...

هدف: در عصر حاضر، کسب‎وکارها به اندازه‌ای توسعه یافته‌اند که برای بقا در عرصه رقابت، به مدیریت صحیح منابع و مصارف خود نیازمندند؛ چراکه بازار رقابتی انعطاف‌پذیری شرکت‌ها را به‎شدت کاهش داده است و این عامل باعث شده که آنها در وضعیت‎های مختلف اقتصادی توانایی عکس‌العمل مناسب را نداشته باشند و از چرخه رقابت خارج شده و با خطر ورشکستگی مواجه شوند. بنابراین در این پژوهش تلاش شده است که به‎منظور پیشگیری...

هدف از این مطالعه بهبود عملکرد طبقه بندی روش های نوین، با استفاده از مدلی چند لایه به منظور کمک به تشخیص بیماری‌های شبکیه ی چشم است. این مدل از الگوریتم K-SVD پیشرفته، برای یادگیری ماتریس دیکشنری و الگو های پایه استفاده می کند تا بتواند با الگوپذیری از معماری چند لایه، ویژگی های بهتری را در تصاویر OCT شبکیه بیاموزد. همچنین در این معماری، علاوه بر استفاده از برچسب های کلاس داده های آموزشی، اطلاع...

در این مقاله الگوریتمی یکپارچه برای برنامه ریزی همزمان AGV ها و ماشین آلات با استفاده از شبکه های پتری و الگوریتم های جستجوی ابتکاری ارائه شده است. در ابتدا با استفاده از شبکه های پتری زمانی مدل مساله مرکب از سه مدول AGV ،محصول و ماشین آلات ایجاد میشود .مدول AGV برای مدلسازی حرکت AGVها،محصول برای مدلسازی فرایند تولید و حرکت قطعات و ماشین آلات برای مدلسازی تخصیص ماشین آلات طراحی شده است. در ادا...