در این پایان نامه، به بررسی متغیرهای تصادفی فازی می پردازیم. برآورد فاصله ای و آزمون فرضیه میانگین برای متغیرهای تصادفی فازی را با استفاده از مسئله های بهینه سازی بیان می کنیم. همچنین برآورد نقطه ای میانگین فازی را با استفاده از متر l_2 مورد بررسی قرار داده، به علاوه با به کارگیری تکنیک های بوت استرپ، آزمون فرضیه میانگین فازی یک نمونه ای، دو نمونه ای و چند نمونه ای را با استفاده از متر l_2 و فاصله علامتدار یائو-ویو ارائه می دهیم.

عدم قطعیت و ابهام در زندگی روزمره هر فردی به چشم می خورد که یکی از موارد کاربردی آن، مسئله تشخیص بیماری درحیطه پزشکی است. معمولا همه افراد را نمی توان تنها با تکیه بر منطق کلاسیک به دو گروه سالم و بیمار طبقه بندی کرد بلکه بهتر است شرایط سلامت، با درجاتی بین ناخوشی کامل و سلامت کامل مشخص گردد. بنابراین ابزارهای فازی برای تعمیم مجموعه ها درموارد مبهم معرفی شده اند. یکی از مدلهای اخیرکه توسط سانچز ابداع شده، مورد توجه سایر دانشمندان قرار گرفته و به سوالاتی پیرامون انتخاب تشخیص پاسخ داده است. در این مدل با این فرض که علائم همه بیماریهای مورد نظر موجود باشند انتخاب، برمبنای علائم کلینیکی صورت می گیرد. مدل سانچز مشکلاتی دارد: در مواردی به ازای تشخیصهای مختلف درجات عضویت یکسانی محاسبه می کند، درنتیجه امکان انتخاب از میان آنها سلب می شود. بعلاوه در این مدل بیمار تنها یکبار ویزیت می شود. اگر بررسی وضعیت سلامت بیمار بیش از یکبار صورت گیرد، مشاهده تغییرات در مقادیر پارامترهای بیولوژیکی تحت نظارت ممکن می شود. در این پایان نامه، برای محدود کردن تصمیمات مشکوک که نتیجه استفاده از ابزارهای ریاضی هستند، راه حلهایی ارائه شده است. ابتدا، مفهوم فاصله اقلیدسی به عنوان روش مکمل معرفی شده است و در این راستا از توابع دیگر فاصله میان مجموعه های فازی استفاده گردیده و نتایج مورد بررسی قرار گرفته و همچنین یک تابع جدید نیز معرفی شده است. به عنوان راه حل بعدی، کارایی تئوری مجموعه های فازی شهودی ارزیابی شده و استفاده از یک معیار همسانی ارائه شده است. در انتها تئوری مجموعه راف در طبقه بندی تشخیصها بکار گرفته شده همچنین در تعیین صفات مهم و ایجاد مجموعه کاهش یافته از صفاتی که مسبب بروز بیماریها هستند و تولید قوانین از تئوری مجموعه راف استفاده گردیده است. در این کار از الگوریتم pso برای کاهش صفات و الگوریتم lem2 برای کاهش قوانین تولید شده بهره جستیم و الگوریتم mlem2 به عنوان جایگزین بهتر lem2 معرفی شده است.

با وجود تاریخچه موفقیت های قبلی سیستم های فازی در کاربردهای مختلف از جمله در تقریب زدن توابع، برخی کاربردها نیازمند طراحی پایگاه قوانین فازی با توانایی یادگیری بیشتر است. الگوریتم های تکاملی الهام بخش طراحی سیستم های فازی با توانایی های یادگیری بیشتر است. در این پایان نامه چهار الگوریتم تکاملی شامل: الگوریتم ژنتیک (ga)، الگوریتم بهینه سازی گروه ذرات (pso)، الگوریتم تکامل تفاضلی (de)و الگوریتم بهینه سازی زنبورهای عسل (hbo) برای ترکیب شان با منطق فازی جهت تقریب زدن توابع غیرخطی مورد استفاده قرار گرفته اند. براساس نتایج بدست آمده در این پایان نامه نشان می دهیم روش de به لحاظ دقت و روش pso به لحاظ سرعت بهترین روشها در مقایسه با روشهای دیگر هستند و روش ga دارای این مزیت است که خیلی سریع به صفر همگرا نمی شود. همچنین نشان می دهیم که روش hbo بدترین روش به لحاظ دقت وسر عت همگرایی در مقایسه با دیگر روشها بوده است.

استفاده از روش های مرسوم ریاضیاتی در تخمین توابع، برای سیستم هایی که دارای عدم قطعیت هستند مناسب نیست. سیستم های فازی به طور گسترده برای تخمین توابع استفاده شده اند، هرچندکه دارای مشکلاتی نظیر عدم وجود روش استانداردی برای تبدیل دانش یا خبرگی بشر به پایگاه قوانین و نیاز به روش های موثری برای میزانسازی توابع عضویت می باشند. استفاده از شبکه های عصبی در تخمین توابع دارای مشکلاتی نظیر انتخاب معماری شبکه و الگوریتم یادگیری است. همچنین شبکه های عصبی جعبه های سیاهی هستند که نمی توانند در قالب قوانین تعبیر شوند. زیاد بودن تعداد واحدهای مخفی و طولانی بودن زمان هر گام آموزشی شبکه در مرحله یادگیری، از دیگر مشکلات آن است. علیرغم نیرومندی برخی روش های تکاملی برای تخمین توابع، نتایج بدست آمده گویای زمان بالای اجرا در این روش می باشد. درخت مدل خطی محلی دارای مزایای سیستم فازی نظیر استفاده از دانش بشری به زبان و درک انسان است که مشکلات شبکه های عصبی را تا حد زیادی رفع کرده است. از آن جمله اینست که این مدل دارای کمترین تعداد نرون ها برای رسیدن به خطای مشخصی است. همچنین مشکلات انتخاب معماری مناسب، وجود تعداد زیاد واحدهای مخفی، و طولانی بودن زمان در هر گام آموزشی را نیز رفع کرده است. در این پایان نامه قصد داریم با ترکیب روش های تکاملی با این مدل و استفاده از توانایی این روش ها در یافتن جواب بهینه، تعداد نرون ها را کاهش دهیم و سیستم همه منظوره ای با حجم محاسبات کم و زمان اجرای پایین جهت تخمین توابع معرفی کنیم.

مدل عصبی-فازی خطی محلی یک سیستم فازی با ساختار شبکه های عصبی مصنوعی است که ساختار قوانین فازی (مدلهای محلی) آن همانند قوانین فازی در مدلهای فازی تاکاگی-سوگنو-کانگ (tsk) بوده و از امتیاز محلی گرایی برای تقریب و شناسایی بهره می برد. درخت مدل خطی محلی یا lolimot الگوریتمی بر پایه استراتژی تقسیم و حل برای ساخت مدلهای عصبی-فازی خطی محلی می باشد. در این الگوریتم حل مسأله پیچیده با کمک تقسیم مسأله اصلی به زیرمسأله های کوچکتر و ساده تر انجام می شود. مشخصات این زیرمسأله های کوچکتر به مقدار زیادی به ساختار الگوریتم به کار برده شده جهت تقسیم بندی وابسته است. lolimot برای رسیدن به خروجی بهتر (خروجی با خطای کمتر)، فضای مسأله را به تعدادی مدل خطی محلی (یا llm) تقسیم می کند و پس از یافتن بدترین llm (مدل خطی محلی که بدترین خروجی محلی را دارد) با شکستن آن به دو llm کوچکتر، کار را دنبال می کند. در این پایان نامه، جایگزین کردن مدلهای خطی محلی (llm) با شکل ساده ای از مدلهای درجه سوم محلی (یا lcm) در الگوریتم lolimot بررسی شده است. به کارگیری lcm ها به دلیل قدرت انعطاف پذیری بیشتر نسبت به llm ها در الگوریتم lolimot، پیچیدگی مدل عصبی-فازی سراسری (تعداد مدلهای محلی) را کاهش داده و کارایی و دقت آن را بهبود می بخشد. مدل محلی درجه سوم پیشنهادی از مدلهای درجه سوم کامل، ساده تر و هزینه محاسباتی و زمانی کمتری داشته و با اینکه توان تقریب کمتری نسبت به آنها دارند اما از نظر تعداد کل پارامترهای مدل سراسری برتری دارند؛ زیرا lcm های کامل دارای o(n^3 ) پارامتر در ساختار خود می باشند، در حالی که lcm پیشنهادی 3n+1 پارامتر دارد. الگوریتم بهینه شده می تواند با قدرت انعطاف بسیار بالا مدلهای عصبی-فازی با پیچیدگی کمتر (تعداد مدلهای کمتر) و خروجی بهتری را نسبت به lolimot با مدلهای خطی محلی تولید کند.

عفونت hiv با انواع گوناگونی از اختلالهای روانی مرتبط است. افسردگی یکی از مهمترین اختلالات روانی می باشد که افراد hiv مثبت را تهدید می کند. در برخی از مطالعات نیز دیده شده است که افسردگی با پیشرفت بیماری به سمت ایدز افزایش می یابد. هدف از اجرای پژوهش حاضر بررسی اثربخشی گروه درمانی شناختی رفتاری بر کاهش افسردگی بیماران hiv مثبت زندانی می باشد. پژوهش حاضر نیمه تجربی و طرح پژوهش پیش آزمون- پس آزمون با گروه کنترل می باشد. جامعه پژوهش شامل 120 زندانی هستند که مبتلا به ویروس hivمی باشند. شرکت کنندگان توسط آزمون افسردگی بک مورد پیش آزمون قرار گرفتند و 30 نفر از افرادی که نمره افسردگی آنان بالاتر از میانگین بود به عنوان نمونه انتخاب شدند و به صورت جایگزینی تصادفی به دو گروه آزمایش و کنترل تقسیم شدند. سپس گروه آزمایش به مدت 12 جلسه با استفاده از پروتکل درمانی مایکل فری مورد درمان قرار گرفتند. بعد از جلسات درمانی از هر دو گروه کنترل و آزمایش پس آزمون به عمل آمد.داده های پژوهش با استفاده از شاخص های آمار توصیفی (شامل: میانگین و انحراف استاندارد) و شاخص های آمار استنباطی (شامل: t مستقل و تحلیل کوواریانس) مورد تجزیه و تحلیل قرار گرفت. نتایج نشان داد که درمان شناختی رفتاری گروهی باعث کاهش افسردگی در گروه آزمایش شده است.

استفاده از گونه های وحشی جهت اصلاح گیاهان زراعی خصوصا در رابطه با ایجاد مقاومت به آفات و بیماری ها از دیرباز مد نظر اصلاح گران قرار داشته است. گونه allium asarense یکی از گونه های وحشی بسیار نزدیک به پیاز خوراکی (a. cepa) می-باشد که اخیراً از ایران گزارش شده است. به منظور بررسی امکان تلاقی این گونه با پیاز خوراکی و وجود مقاومت به بیماری-های پوسیدگی خاکستری، کپک سیاه و پوسیدگی فوزاریومی پیاز، تحقیقی با استفاده از چهار رقم پیاز خوراکی ایرانی (قرمز آذرشهر، درچه اصفهان، سفید کاشان و سفید قم) و گونه a. asarense انجام شد. سوخ های ارقام مختلف و گونه a. asarense در بستر های گلخانه گروه باغبانی دانشگاه بو علی سینا کشت شد و پس از به گل رفتن گیاهان، هر رقم توسط قفس های توری ایزوله شد و سپس اخته و گرده افشانی دستی صورت گرفت. جهت بررسی مقاومت به بیماری ها، آزمایش فاکتوریلی در قالب طرح کاملاً تصادفی با دو فاکتور روش آلوده سازی در دو سطح (از زیر گردن و از کنارسوخ) و رقم در پنج سطح با شش تکرار انجام شد. سوخ ها با اسکالپل استریل زخم زنی شده و سپس توسط سوسپانسیون اسپور قارچ های بیماری زا محلول پاشی شدند. سوخ ها در دمای 24 درجه سانتی گراد و رطوبت نسبی بالا قرار گرفتند. بعد از گذشت دو هفته، درصد سطح آلودگی سوخ ها مورد بررسی قرار گرفت. نتایج این تحقیق نشان داد که تلاقی گونه a. asarense با پیاز خوراکی امکان پذیر است و بیشترین میزان تولید بذر از تلاقی رقم درچه اصفهان به عنوان والد نر و گونه a. asarense به عنوان والد ماده به دست آمد (35/0 درصد تلاقی ها). از تعداد 33 بذر به دست آمده از تلاقی های مختلف، 6 عدد پس از کاشت جوانه زده و به رشد خود ادامه دادند. رقم قرمز آذرشهر بیشترین مقاومت به پوسیدگی خاکستری را نشان داد در حالی که گونه a. asarense مقاومت متوسطی به این بیماری داشت و ارقام سفید به این بیماری حساس بودند. در رابطه با بیماری کپک سیاه، ارقام سفید نیمه مقاوم و سایر گیاهان حساس بودند. گونه a. asarense مقاومت بالایی نسبت به پوسیدگی فوزاریومی از خود نشان داد. به طوری که در برخی از تک بوته های این گونه مقاومت کامل دیده شد.

ترافیک یک مسله مهم در زتدگی شهرنشینی است. در این پایان نامه به بررسی روش های مختلف کنترل ترافیک فازی می پردازیم . مباحث مربوط به مهندسی ترافیک و نیز دانش فازی از مسائل مهم مطروحه می باشد و در ادامه یک روش بهینه جهت کنترل ترافیک ارائه می دهیم.

امروزه منابع اطلاعاتی با حجم زیادی از داده ها روبرو می باشند و استخراج اطلاعات از این حجم داده ها کار زمان گیری است، که دست یابی و استفاده از این اطلاعات نیاز به ابزارها و تکنیک های نرم افزاری دارد. داده کاوی یکی از روش های مهمی است که برای استنتاج اطلاعات مورد نیاز از حجم زیادی از داده ها استفاده می شود. در این بین دسته بندی فازی تکنیکی است که از قوانین اگر-آنگاه فازی برای این عمل استفاده می نماید. یک الگوریتم مبتنی بر فازی شامل مجموعه ای از قوانین اگر-آنگاه فازی می باشد. قوانین فازی از آن جهت مورد توجه می باشند که امکان تفسیر آنها توسط فرد خبره وجود دارد. مسئله مهم در چنین سیستم هایی انتخاب مجموعه ای بهینه از قوانین فازی است. در واقع این مسئله را می توان نوعی بهینه سازی در نظر گرفت. با توجه به قابلیت روش های فراابتکاری برای پوشش فضای جستجو، در سال های گذشته این الگوریتم ها برای استخراج قوانین فازی بسیار مورد توجه قرار گرفته اند. سرطان سینه رایج ترین شکل سرطان در زنان می باشد[. تشخیص سرطان سینه و یا آگاهی یافتن از احتمال بالای ابتلا به این بیماری همواره کار آسانی نیست. چرا که این بیماری علائم متعددی را بروز می-دهد که بعضی از این علائم در سایر بیماری ها نیز وجود دارد. بنابراین پزشک برای اتخاذ یک تصمیم مناسب، باید نتیجه ی آزمایش های بیمار و تصمیم هایی که در گذشته برای بیماران با وضعیت مشابه گرفته است، را بررسی کند. به عبارت دیگر پزشک نیازمند دانش و تجربه خواهد بود. ولی به دلیل تعداد زیاد بیماران و آزمایش های متعدد هر بیمار، نیاز به یک ابزار خودکار برای کاوش در میان بیماران قبلی احساس می شود بنابراین الگوریتم خود را بر روی داده های uci مقایسه کرده و به نتایج بهتری دست یافتیم

چکیده: در فرآیند استنباط احکام کیفری، همانگونه که بحث از حکم ضروری است، فحص و بررسی راجع به «معروض» یا «موضوعِ» حکم و آنچه در تعیین این معروض دخالت دارند نیز اجتناب ناپذیر است. بر این بنیان، فرآیند علمی استنباط در حوز? حقوق کیفری، ترکیبی از «موضوع شناسی» و «حکم شناسی» است. تنوّع موضوعات ِکیفری و اتخاذ موضوع سکوت توسط قانون گذار در خصوص تعریف و تبیین موضوعات مزبور، تکلیف متصدیان استنباط در خصوص «موضوع شناسی» را صُعوبت می بخشد. پژوهش حاضرنقش و میزان تأثیر «عُرف» به عنوان یک نهاد تفسیری و تبیینی در شناخت موضوعات کیفری را به رشت? بحث خواهد کشید، و مرجعیّت عامِ «عُرف» در ساخت، شناخت و حصاردهیِ موضوعاتِ کیفری را به رسمیّت خواهد شناخت، و رجوع به داوری «عُرف» را، به عنوانِ راهی وثیق و امین برای رسیدن به واقعِ احکام و تحقق مِلاکات احکام کیفری (دفع مفسده و جلب مصالح)، گریزناپذیر می داند. همچنین پژوهش حاضر، اگرچه به لحاظ «اصل قانونی بودن جرایم و مجازت ها» منبع انگاشتن «عُرف» به منظور استحصالِ حُکم را بدیهی الفساد می داند، امّا برای «عُرف» در فهم مُناسبات بین احکام و موضوعات و همچنین به عنوان یکی از مبانی اساسی در قانون گذاری کیفری، قائل به شأنیت و رسالت است. کلید واژه ها: عُرف، موضوعات کیفری، متصدی استنباط، موضوعات صِرفه کیفری، موضوعات مُستنبطه قانونی، موضوعات مستنط? عُرفی.

شبکه ی عصبی مصنوعی شبیه سازی ساده ای از مکانیزم سیستم عصبی بیولوژیکی است که به دلیل قدرت یادگیری مسایل مختلف، تنها بر پایه ی آموزش از طریق ارایه ی الگوهای نمونه ی ورودی-خروجی، بسیار مورد توجه قرار گرفته است. یافتن وزن های مناسب شبکه ی عصبی مصنوعی مهم ترین عامل در یادگیری آن محسوب می شود. الگوریتم پس انتشار خطا به عنوان الگوریتم استاندارد شبکه ی عصبی مصنوعی بسیار کارآمد است، اما به دلیل ماهیت مبتنی بر گرادیان خود، احتمال بالایی برای گیر افتادن در بهینه ی محلی دارد. علاوه بر آن طراحی بهینه ی یک شبکه ی عصبی مصنوعی نیز چالشی دیگر در به کار گیری آن به حساب می آید. طراحی شبکه شامل تعیین ساختار معماری شبکه، توابع فعال ساز نرون های شبکه و قانون یادگیری شبکه است. در این پژوهش از الگوریتم های تکاملی ژنتیک، جستجوی هارمونی و بهینه سازی اجتماع ذرات که توانایی جستجوی عمومی را فراهم می کنند، برای بهینه سازی آموزش و طراحی شبکه ی عصبی مصنوعی استفاده شده است. مقایسه ی کارایی روش های مورد استفاده، از طریق بررسی خطای شبکه ی عصبی مصنوعی در تقریب توابع محک انجام شده است.

داده کاوی اغلب برای استخراج قوانین وابستگی از داده های تراکنشی مورد استفاده قرار می گیرد. اکثر مطالعات قبلی بر روی داده های تراکنشی با مقادیر باینری صورت گرفته اند. در حالی که داده های تراکنشی در دنیای واقعی معمولاً شامل مقادیر کمی (عددی) هستند. در این پایان نامه، یک الگوریتم داده کاوی فازی برای استخراج قوانین وابستگی و یافتن توابع عضویت از داده های تراکنشی کمی پیشنهاد شده است. به عبارت دیگر یک الگوریتم که بر پایه ی الگوریتم ژنتیک بوده، برای یافتن توابع عضویت مناسب در مسائل داده کاوی مورد استفاده قرار می گیرد. در این الگوریتم، میزان شایستگی هر یک از مجموعه توابع عضویت توسط دو معیار پشتیبان فازی و مناسب بودن توابع عضویت بدست آمده، مورد ارزیابی قرار می گیرند. فرایند ارزیابی توسط پشتیبان های فازی برای 1- مجموعه قلم بسیار سریع تر از زمانی است که تمام مجموعه اقلام یا قوانین وابستگی مورد بررسی قرار گیرند. همچنین توابع عضویت هر یک از اقلام به صورت یک جمعیت مجزا در نظر گرفته شده اند، بنابراین جمعیت اولیه شامل چندین جمعیت جدا خواهد بود. بهترین توابع عضویت بدست آمده از هر جمعیت در پایان الگوریتم ژنتیک برای استخراج قوانین وابستگی مورد استفاده قرار می گیرند.

سیستم های آموزش هوشمند محیطی شخصی شده و مبتنی بر ویژگی های یادگیری در نظام آموزش الکترونیکی می باشند که دارای محیطی پویا و همراه با عدم قطعیت هستند. این نوع سیستم های آموزشی با بهره گیری از روش های هوش مصنوعی و با توجه به ویژگی های فردی یادگیرنده، موضوع مورد آموزش را به صورت اختصاصی برای یادگیرنده تنظیم و به روش مناسب به وی ارائه می کنند. یکی از مسائلی که در این سیستم ها مطرح می شود ارزیابی دانش دانشجو بر اساس دانش اولیه و نهایی و همچنین سطح بندی دانشجویان بر اساس دانش آنها برای ارائه گزارش پیشرفت و آموزش بهتر به آنها می باشد. هدف از این پایان نامه، ارزیابی و تحلیل سطح درک، دانش و مهارت های دانشجویان در حل مسائل از طریق تعامل با سیستم های آموزش هوشمند می باشد. همچنین دانشجویان براساس ملاک های ذکر شده سطح بندی شده و گزارش پیشرفت به آن ها ارائه می گردد. با توجه به اینکه توسعه سیستم‏های آموزش هوشمند کاری پرهزینه و زمان‏بر است، داده های مورد استفاده در این پایان نامه، از فایل های وقایع نگاری درس هوش مصنوعی که در سیستم مدیریت یادگیری مودل توسط یک فرد خبره شبیه سازی شده است، بدست آمده اند. سیستم های مدیریت یادگیری بسته های نرم افزاری هستند که فرایند آموزش الکترونیکی از راه دور بین استاد و دانشجو را فراهم می کنند. در این سیستم ها نیز زمانی که دانشجویان با آموزگار در ارتباط هستند، رفتار ظاهری آن ها از قبیل زمان حل مسئله، اشتباهات و درخواست های کمک ثبت می شود، اما درک، دانش و مهارت های دانشجویان در حل مسئله نادیده و ناشناخته می ماند. همچنین این سیستم ها دانشجویان را براساس دانش آن ها سطح بندی نمی کنند و آموزش و بازخورد سیستم برای همه دانشجویان یکسان می باشد. در این پایان نامه با استفاده از شبکه‏ بیزی، روشی جهت ارزیابی و تحلیل سطح درک، سطح دانش و مهارت های دانشجویان در حل مسائل ارائه شده است. سپس با الگوریتم خوشه بندی k-میانگین، دانشجویان در چهار سطح(دانشجویان با سطح درک، سطح دانش و مهارت های خیلی ضعیف، ضعیف، متوسط و قوی) قرار می گیرند تا براین اساس توصیه های مناسب و گزارش پیشرفت دانشجویان به آن ها ارائه شود. روش پیشنهادی را می توان در سیستم های آموزش هوشمند و سیستم های مدیریت یادگیری پیاده سازی کرد. نتایج حاصل از تحلیل بر روی داده های واقعی ثبت شده از دانشجویان، به هنگام آموزش درس هوش مصنوعی با استفاده از سیستم مدیریت یادگیری مودل بیانگر موفقیت و دقت قابل قبول روش پیشنهادی می باشد.

سیستم‏های آموزش هوشمند که دارای قابلیت همراهی دانشجو در طول حل مسئله و دادن بازخورد و راهنمایی هستند، با ایجاد محیطی شخصی شده کیفیت آموزش را افزایش می‏دهند. در این پژوهش یک مدل خبره برای آموزش جستجو به نحوی طراحی شده که سیستم با دقت بالا در ارزیابی دانش و انتخاب راهنمایی مناسب به سمت ایجاد محیطی شخصی شده پیش رود. برای طراحی مدل خبره نخست یک سناریو چندگامی برای آموزش طراحی می‏شود. چون سناریو دارای رویکرد یادگیری از حل است، بنابراین جنبه رویه‏ای دانش موجود در سناریو غلبه دارد. یکی از روش‏های موثر جهت نمایش دانش رویه‏ای استفاده از قوانین است؛ از این رو پایگاه دانش مبتنی بر قانون است. با توجه به اینکه دانش با قوانین نمایش داده شده است، ‏می‏توان دانش دانشجو را با میزان فهم وی از هر قانون ارزیابی نمود. این ارزیابی در تصمیم‏گیری مربوط به چگونگی راهنمایی مناسب دانشجو به هنگام آموزش نقشی اساسی دارد. اما چنین ارزیابی‏هایی به دلایلی مانند وجود مسیرهای چندگانه برای رسیدن به جواب و پنهان بودن استنتاج دانشجو با عدم قطعیت همراه است. در این پژوهش برای غلبه بر عدم قطعیت موجود، از شبکه بیزی مستقل از دامنه آموزش استفاده شده است. از سوی دیگر انتخاب راهنمایی مناسب نیز تاثیر بسزایی در روند یادگیری دانشجو دارد. انتخاب راهنمایی بر اساس میزان دانش دانشجو انجام می‏گیرد. در این پژوهش برای انتخاب راهنمایی از یک شبکه عصبی مصنوعی پیش رونده‏ی سه لایه استفاده شده است که این شبکه میزان دانش دانشجو را از خروجی شبکه بیزی یاد شده به عنوان ورودی دریافت می‏کند. هزینه شبیه‏سازی مدل خبره در این پژوهش به دلیل نبود موتور استنتاج حدود 10 برابر کمتر از پیاده‏سازی این مدل در سیستم‏های آموزش هوشمند است. همچنین بیش از 80 در صد دانشجویان اذعان نمودند سیستم در یادگیری بهتر روش جستجوی اول سطح به آنها یاری می رساند. شبکه بیزی ارائه شده برای ارزیابی دانش دانشجو بطور میانگین 98 درصد دقت دارد. دقت شبکه عصبی مصنوعی پیش رونده‏ی سه لایه نیز که برای ارتباط مدل خبره با مدل آموزش استفاده می شود، با روش ارزیابی متقابل k- بخشی برای تنها متغیر خروجی 5/92 درصد برآورد گردید. از شبکه بیزی و شبکه عصبی بررسی شده می‏توان در هر سیستم دیگری بدون توجه به نحوه پیاده‏سازی موتور استنتاج جهت ارتباط مدل خبره‏ی مبتنی بر قانون با مدل‏های دانشجو و آموزش بهره برد. این دو شبکه پی‏در‏پی را می‏توان جهت ارتقای کیفی در کنار سیستم مدیریت آموزشی که دانش آن با قانون نمایش داده شود نیز بکار برد.

مسئله ی انتخاب ویژگی در سال های اخیر در حوزه ی داده کاوی و تشخیص الگو در هنگام مواجه شدن با مجموعه داده های با تعداد زیاد متغیر یا ویژگی به صورت گسترده مورد مطالعه قرار گرفته است. تعدد ویژگی ها باعث کند شدن سیستم های تشخیص الگو یا سیستم های دسته بندی، پایین آمدن کارایی و بالا رفتن هزینه ی ساخت چنین سیستم هایی می گردد. روش های انتخاب ویژگی به سه دسته ی کلی تقسیم می شوند. روش های فیلتر که در آن ها از آنالیزهای آماری بدون استفاده از الگوریتم های یادگیری استفاده می شود، روش های راپر که در آن ها از الگوریتم های یادگیری استفاده می گردد و روش های ترکیبی که از مزایای هر دو روش فوق بهره می گیرند. در این تحقیق یک روش ترکیبی جدید مبتنی برالگوریتم کلونی مورچگان بهبود یافته و شبکه های عصبی مصنوعی برای مسئله ی انتخاب ویژگی ارائه می گردد. الگوریتم پیشنهادی بر روی تعدادی از مجموعه داده های معروف در این حوزه اجرا شده است. نتایج بیانگرکارایی بالای آن بر اساس دو معیار صحت دسته بندی و انتخاب زیرمجموعه ای کوچک از ویژگی ها به عنوان ویژگی های برجسته به صورت همزمان است.

اخلاق در حرفه پرستاری نقش اساسی در حفظ وارتقای سلامت فرد وجامعه دارد .از آنجایی که پیامبر اسلام یکی از مهمترین فلسفه بعثت خودش را تکمیل مکارم اخلاق عنوان کرده و اسلام سلامتی انسان در حیطه های مختلف را بالاترین نعمت دانسته است، شایسته ولازم است در متون دینی چگونگی حفظ وارتقای این نعمت بزرگ الهی توسط پرستار ان، مورد بررسی و پژوهش قرارگرفته وتبیین شود . دراین نوشتارسعی شده ، اهمیت وجایگاه پرستار دراسلام تبیین شده ،اصول اخلاق وآداب آن در متون اسلامی تدوین ،آثاروپیامد های رعایت وعدم رعایت آن مکتوب شود. بابررسی آیات وروایات مشخص گردید،اصول اخلاق وآدابی وجود دارد که بطور مستقیم وغیر مستقیم مرتبط با این حرفه می باشد مانند: تقوا، صبر ،حلم ،رفق ومدارا،ایثار، عفت ،رازداری ،امید بخشی، احترام به اعتقادات بیمار ، توجه دادن به درمان باصدقه ، دعا . در بررسی رعایت این اصول یک سری آثار دنیوی مثبت برای بیمار و پرستار قابل ترسیم است .آثار بر بیمار مانند: اطمینان قلبی ، اعتماد، امنیت، بالا رفتن قدرت تحمل ومقابله بابیماری و تقویت روحیه ، می باشد.آثار برپرستارشامل، افزایش روزی وبرکات ،نبودن بن بست درحل مشکلات، قضاوت ،تصمیم وعملکرد صحیح می باشد.در رعایت اصول اخلاقی فوق توسط پرستار یک سری آثار اخروی برای پرستار وبیمار مانند : همنشینی ومحشور شدن با پیامبران ، پاک شدن گناهان واجر ی برابر مجاهد شهیدرا بدنبال خواهد داشت.اما عدم پایبندی به اصول بیان شده توسط پرستارمی تواند پیامد های دنیوی مانند، اضطراب ، بی قراری ، بی اعتمادی ، عوارض جسمی، طولانی شدن زمان بیماری ،مرگ زودر س وسختی لحظات احتضار رادربیمار ایجاد نماید.همچنین می تواند منجر به قضاوت و تصمیم نادرست ،عدم دقت کافی ،افزایش خطا، عدم توانایی کنترل بیمار ، ناتمامی کار ها،ذلت وخوار ی درخودش شود.در نهایت در آخرت منجر به دوری از خدا ،عذاب ناشی از قصور وتقصیروعدم ورود به بهشت خواهد گردید. در این مطالعه که به صورت کتابخانه ای انجام شده است با بررسی وتحلیل اصول اخلاقی ، این نتیجه حاصل شده است که از دیدگاه اسلام شرط لازم در پرستار ی از بیماردرراستا وتحقق هدف حفظ وارتقای سلامت انسانها ،متخلق شدن به اخلاق اسلامی قبل ویا همزمان با یاد گیری مراقبت های تخصصی است .

چکیده امروزه در دنیا، با حجم عظیمی از داده ها واطلاعات مواجه هستیم که بنا به ضرورت جهت بهره برداری بهتر وسریعتر نیازمند به دسته بندی وطبقه بندی آنها می باشیم. برای انجام عمل طبقه بندی روش های مختلفی موجود است که یکی از متداول ترین روشها، روش طبقه بندی فازی با استفاده از تحلیل پوششی دادههاست که برروی واحد های تصمیم گیرنده عمل کرده و روشی جدید محسوب می گردد. در این پایان نامه یک سیستم دسته بندی فازی با استفاده از تحلیل پوششی داده بررسی می شود و کاربرد آن با استفاده از مسئله ی تصمیم گیری در خصوص صدور مجوز ورود به کارشناسی ارشد ارزیابی می شود. بر این اساس با استفاده از مجموعه داده های جهان واقعی و شبیه سازی شده، روش تحلیل پوششی داده های پیشنهادی را که بر پایه ی سیستم دسته بندی فازی است با سیستم استنباط عصبی فازی تطبیقی، سیستم دسته بندی مبتنی بر قانون فازی و رگرسیون منطقی مورد محک و ارزیابی قرار داده و نشان داده می شود که کارایی بهتری نسبت به دیگر مدل های رقیب دارد. کلمات کلیدی: داده کاوی- طبقه بندی- فازی- طبقه بندی فازی- تحلیل پوششی داده ها

حل مسأله تصمیم گیری که منجر به تشخیص پزشکی می شود از اهمیت خاصی برخوردار می باشد زیرا پیشرفت در اینگونه مسائل می تواند کمک قابل ملاحظه به درمان ساده تر و کم هزینه تر بیماران به دنبال داشته باشد. مفهوم تشخیص پزشکی بدین معنی است که پزشک با بررسی عوامل و عوارض مشاهده شده بیماری را تشخیص دهد. هدف ما در این پژوهش این است که روشهای تصمیم گیری در تشخیص پزشکی را با ابزارهایی مانند منطق فازی، مجموعه نرم و مجموعه نرم فازی بررسی نماییم. در این تحقیق روش سانچز را که برای تشخیص پزشکی مورد استفاده قرار می گیرد را به عنوان یکی از کارهای مرتبط بیان کرده ایم و یک مثال با استفاده از روش سانچز حل کرده ایم. بعد از آن روش میانگین بالقوه را معرفی کرده ایم و چند مثال کاربردی را با این روش و دیگر روش های بیان شده در این تحقیق (روش فنگ و روش فرایند تحلیل سلسله مراتبی) حل کرده ایم. دلیل استفاده از مجموعه نرم فازی این است که بوسیله آن عدم دقت و عدم قطعیت موجود در بیان عوامل موثر در بیماری را به سادگی می توان بیان کرد. روش میانگین بالقوه روش اصلی بیان شده در این پژوهش می باشد که با بیان و پیاده سازی آن روی مسائل تصمیم گیری پزشکی و همچنین اعمال روال کاهش پارامتری گفته شده و مقایسه جواب های بدست آمده از روش های مختلفی که بیان کرده ایم، به این نتیجه رسیده ایم که این جوابها نسبت به جوابهای بدست آمده از سایر روش ها از اطمینان بیشتری برخوردار می باشند. به عنوان یک نتیجه از این تحقیق می توان بیان کرد که روش میانگین بالقوه در موارد توضیح داده شده نتیجه قابل قبولی به ما داده است.

یکی از محبوب ترین مسائل یادگیری بدون نظارت که اخیرا مطرح شده، خوشه بندی فازی بر پایه روش های هوش جمعی است. در این پژوهش یک روش خوشه بندی فازی بر پایه نسخه اصلاح شده ای از الگوریتم کلونی زنبور عسل مصنوعی معرفی شده است. به این منظور، ایده طول متغیر کروموزوم برای الگوریتم کلونی زنبور عسل مصنوعی به کار برده شده و روش جدیدی به نام الگوریتم کلونی زنبور عسل مصنوعی با طول رشته متغیر معرفی شده است. الگوریتم کلونی زنبور عسل مصنوعی اصلاح شده، برگرفته از الگوریتم کلونی زنبور عسل مصنوعی استاندارد است. اما برخی از پارامتر ها تغییر یافته یا دوباره تعریف شده اند. استفاده از الگوریتم کلونی زنبور عسل مصنوعی با طول رشته متغیر این امکان را فراهم می کند تا از تعداد متغیر خوشه-ها پشتیبانی شود. این امر باعث می شود روش خوشه بندی فازی c-means مبتنی بر الگوریتم کلونی زنبور عسل مصنوعی با طول رشته متغیر از ابتدای کار نیازی به دانستن تعداد واقعی خوشه ها نداشته باشد. در پایان، نتایج و کارآیی الگوریتم vabc-fcm با چند الگوریتم خوشه بندی فازی دیگر مانند روش خوشه بندی فازی c-means بر پایه الگوریتم ژنتیک، روش خوشه بندی فازی c-means مبتنی بر تکامل تفاضلی و روش خوشه بندی c-means بر پایه الگوریتم ازدحام ذرات، مقایسه شده است. نتایج نشان دهنده برتری روش vabc-fcm در بسیاری از موارد نسبت به سایر روش های مطرح شده است.

چکیده: امروزه محاسبات تکاملی به دلیل توانایی جستجوی سراسری اش یکی از زمینه های محبوب تحقیقاتی می باشد. در این پژوهش به دنبال ایجاد یک الگوریتم تکاملی کارامد و نیرومند هستیم تا نه تنها روند تکامل را کاهش دهد بلکه احتمال رسیدن به حل کلی را افزایش دهد. در واقع، می خواهیم یک الگوریتم تکاملی جدید به نام الگوریتم تکاملی خود تطبیقی بر پایه راه حل جزئی را معرفی کنیم. این الگوریتم برای تنظیم پارامترهای شبکه های عصبی-فازی در جهت بهبود ساختار یادگیری آن استفاده شده است. برخلاف الگوریتم های تکاملی سنتی موجود، الگوریتم مذکور از دو بخش تشکیل شده که در قسمت راه حل جزئی، روابط تخصصی و مکمل هر راه حل جزئی را نسبت به راه حل کامل در نظر می گیرد تا از همگرایی به راه حلهای کمتر از حد مطلوب اجتناب شود. علاوه بر این یک الگوریتم تکاملی خود تطبیقی ارائه شده است تا به طور پویا فضای جستجو را مطابق عملکرد تنظیم کند. با این کار، الگوریتم تکاملی مورد بررسی می تواند با توجه به ویژگی راه حلهای جزئی یک فضای جستجوی مناسب را برای بالا بردن شانس رسیدن به حل کلی فراهم کند. نتایج نشان می دهد که الگوریتم تکاملی مورد بررسی عملکرد بهتر و منحنی یادگیری نرم تری را نسبت به سایر الگوریتم های تکاملی موجود بدست می آورد. به عبارت دیگر، این الگوریتم تکاملی می تواند به طور کارامد و موثری پارامترهای شبکه های عصبی-فازی را طوری تنظیم کند تا به راه حل کلی برسد.

زمانبندی، اختصاص دادن منابع به اشتراک گذاشته در طول زمان به منظور انجام فعالیت ها است. در مسئله زمانبندی تولید کارگاهی یک مجموعه متناهی از کارها باید توسط یک مجموعه متناهی از ماشین ها پردازش شوند، هر کار از یک سری ترتیب اجرایی خاص روی ماشین ها پیروی می کند؛ به علاوه زمان پردازش هر کار روی یک ماشین قطعی است. هر ماشین در یک زمان می تواند حداکثر یک کار را انجام دهد، همچنین هر کار در هر زمان تنها می تواند بر روی یک ماشین پردازش شود و یک کار پس از شروع تا زمان اتمام نمی تواند به وقفه بیفتد. با توجه به اینکه این مسئله جزء مسائل np-سخت می باشد و با الگوریتم های دقیق در زمان چندجمله ای قابل حل نیست، بنابراین برای حل این دسته از مسائل از الگوریتم های فرا ابتکاری استفاده می شود. در این تحقیق، مسئله زمانبندی تولید کارگاهی با هدف کمینه سازی حداکثر زمان تکمیل کارها با استفاده از الگوریتم سیستم کلونی مورچگان مطالعه و بررسی شده است. بکارگیری الگوریتم فرا ابتکاری سیستم کلونی مورچگان که از مجموعه الگوریتم های هوش جمعی بوده، در مسئله زمانبندی تولید کارگاهی توانایی پیدا کردن جواب های دارای کیفیت بالا و در یک زمان قابل قبول را افزایش داده است. نتایج بدست آمده از چند نمونه حل شده از مسائل زمانبندی تولید کارگاهی با استفاده از الگوریتم سیستم کلونی مورچگان و مقایسه آن با نتایج دیگر الگوریتم های فرا ابتکاری بیانگر برتری و موفقیت این الگوریتم می باشد.

آب و هوا تاثیر شدیدی بر گردشگری و توریسم دارد و برخی مناطق بیانگر یک منبع طبیعی است که صنعت توریسم بر مبنای آن پیشبینی می شود. استان خراسان رضوی به علت وجود بارگاه امام رضا (ع)، شرایط ویژه جغرافیایی، مناظر بدیع طبیعی و همچنین برخورداری از تنوع اقلیمی و منابع آبی یکی از مهمترین مناطق گردشگری کشور می باشد. در این پژوهش با استفاده از شاخص های زیست اقلیمی اوانز، میسنارد، ترجونگ، سوزباد، ترموهیگرومتریک، دما – رطوبت، فشار عصبی و شاخص eet مناطق مختلف استان از نظر اقلیم آسایش مورد بررسی قرار گرفت و محدوده زمانی، مکانی مناسب برای گردشگری و طبیعت گردی در هرکدام از مناطق استان بر اساس شاخص های فوق مشخص گردیده است و با استفاده از نرم افزار arc gis اقدام به تهیه نقشه های پراکندگی مقادیر شاخص ها در طول سال در استان شده است. نتایج بدست آمده از شاخص های زیست اقلیمی حاکی از آن است که به طور کلی دوره آسایش استان از آوریل شروع تا اوایل نوامبر ادامه میابد و بیشتر ایستگا ه ها در ما ه های ژوئن و می براساس شاخص دمای مختلف دارای شرایط آسایش می باشند. و طی ما ههای دسامبر، ژانویه، فوریه، مارس و نوامبر به علت سردی هوا هیچ کدام از مناطق استان در محدوده آسایش قرار نمی گیرند و ضمن اینکه بیشتر مناطق استان در طول ماه های ژولای و آگوست به دلیل گرمای هوا از شرایط آسایش خارج می شوند و نتایج بدست آمده از شاخص eet و پراکندگی آن، ایستگا ههای جنوبی در فصل بهار و در فصل تابستان ایستگاه های شمالی دارای شرایط مطلوب جهت تفریحات آبی را دارند.

سیستم های آموزش هوشمند با بهره گیری از روش های هوش مصنوعی و با توجه به ویژگی های فردی یادگیرنده، موضوع مورد آموزش را به صورت اختصاصی برای یادگیرنده تنظیم و با روش مناسب به وی ارائه می کنند. یکی از مسائلی که در این سیستم ها مطرح می شود، ارزیابی دانش دانشجو بر اساس دانش اولیه و نهایی و هم چنین سطح بندی دانشجویان بر اساس دانش آنها، برای ارائه گزارش پیشرفت و آموزش بهتر به آنها می باشد. هدف از این پایان نامه، بررسی کارائی و دقت روش ارزیابی دانش دانشجو در یک سیستم آموزش هوشمند تحت وب برای یادگیری زبان¬های برنامه¬نویسی است. روش مورد بررسی، دانش فراگیرنده را به صورت زیر مجموعه¬ای از دانش خبره در نظر می¬گیرد و سپس از منطق فازی برای تعریف و بروز رسانی سطح دانش دانشجو استفاده می¬کند. در روش مورد بررسی برای آموزش، از محصلان مقطع هنرستان به منظور یادگیری زبان برنامه نویسی c استفاده شده است و نتایج بدست آمده حاکی از موثر بودن آن در ارتقاء کیفیت آموزش دارد.

بیماری های قلبی و عروقی سالانه موجب مرگ و میر صدها هزار نفر از انسان ها در سراسر دنیا می شوند. البته درصد ابتلای افراد به این بیماری در نقاط مختلف دنیا متفاوت می باشد. این موضوع موجب عدم توازن بین رکوردهای موجود از افراد سالم و دارای بیماری قلبی در مجموعه داده های موجود به منظور تشخیص این بیماری می شود. این عدم توازن موجب کاهش دقت برخی از روش های داده کاوی در تشخیص این نوع بیماران می گردد. هدف این تحقیق تغییر توازن در مجموعه داده های واقعی موجود از این بیماران به منظور بررسی و ارزیابی دقت روش های رده بندی می باشد. بدین ترتیب شش مجموعه داده مختلف با استفاده از روش زیر نمونه گیری از روی یک مجموعه داده مربوط به افراد سالم و دارای بیماری قلبی تهیه گردید که در آن تعداد رده های اقلیت (مربوط به بیماران) به ترتیب 5، 10، 15، 20، 30 و 45 درصد کل رکوردهای موجود می باشد. سپس با استفاده از 10 دسته اعتباردهی به داده ها 25 مدل رده بندی بر روی هر شش مجموعه داده اعمال گردید. روش های پایه مورد استفاده در این تحقیق عبارتند از: بیز ساده، درخت تصمیم، رگرسیون لجستیک، شبکه های عصبی مصنوعی، ماشین بردار پشتیبان و ماشین بردار پشتیبان بهینه شده و همچنین روش های جمعی مورد استفاده عبارتند از: درخت تصادفی، بگینگ، بوستینگ و شبه فضای تصادفی. در نهایت پس از مدلسازی مشخص شد که روش های ماشین های بردار پشتیبان و مدل بهینه آن از سایر روش های بر اساس سه شاخص دقت، خطای نوع دوم و شاخص f بهترین عملکرد و روش بگینگ شبکه های عصبی بدترین عملکرد را دارند. همچنین در انتها با استفاده از آزمون t نیز معنی داری این تفاوت مشخص گردید.

بدون شک بانک ها و موسسات مالی یکی از مهمترین ستون های هر اقتصاد پویا و پایدار هستند. یکی از معروفترین ریسک های جاری در بانکها ریسک اعتباری می باشد. امروزه بانکها داده ها و متغیر های زیادی از سوابق مشتریان را در پایگاه های داده ای خود ذخیره می کنند. داده کاوی استخراج دانش سودمند از این اطلاعات است. یکی از مسائلی که در داده کاوی موجب افزایش صحت، دقت و تعمیم پذیری مدل های تولید شده می گردد، پیش پردازش و آماده سازی مجموعه داده ها می باشد. بدین ترتیب هدف اصلی این تحقیق استفاده از روش های مختلف پیش پردازش و رده بندی داده کاوی و مقایسه آنها، به منظور افزایش دقت مدل های اعتبارسنجی می باشد. ازسه روش انتخاب ویژگی relief ، سود اطلاعاتی و الگوریتم ژنتیک به عنوان یکی از موثرترین راه کارها به منظور افزایش دقت مدلسازی ها و همچنین کاهش هزینه های محاسباتی استفاده شده است. از طرف دیگر با توجه به وجود مسئله رده های نامتوزان در اکثر مجموعه داده های موجود در حوزه اعتبارسنجی، از روش های رده بندی جمعی مانند بگینگ، بوستینگ و استکینگ با استفاده از برخی روش های پایه مطرح از قبیل: بیز ساده، درخت تصمیم، شبکه های عصبی مصنوعی، رگرسیون لجستیک و ماشین بردار پشتیبان، به منظور مدلسازی استفاده شده است.در نهایت هفده روش مدلسازی بر روی سه مجموعه داده که بر اساس سه روش انتخاب ویژگی تهیه شده بودند، اجرا گردید. نتایج حاکی از این مطلب است که به طور میانگین مدلسازی بر روی مجموعه متغیرهای انتخاب شده توسط روش الگوریتم ژنتیک، توسط هر هفده روش از نظر شاخص های دقت، کاپا، شاخص f و auc نتیجه مناسب تر و بهینه تری را ارائه می دهد و از نظر شاخص دقت در این تحقیق، مدل ماشین بردار پشتیبان و بوستینگ آن موفق به کسب بیشترین دقت یعنی76/7 % شد ند که بدین ترتیب مدلسازی این تحقیق دارای بهبود قابل توجهی نسبت به سایر تحقیقات بوده است.

الگوریتم کلونی زنبور عسل مصنوعی تکنیک نسبتا جدید بهینه سازی است که در سال 2005 توسط کارابوگا ابداع شده و نشان داده که با سایر الگوریتم های مبتنی بر جمعیت در حال رقابت است. به هر حال کماکان به دلیل معادله جستجوی راه حل، نارسایی هایی در این الگوریتم وجود دارد. از جمله این که از نظر اکتشافی خوب، اما از نظر بهره برداری نامطلوب است. در این پژوهش با الهام از تکامل تفاضلی که روشی قدرتمند و سریع برای مسائل بهینه سازی است، معادله ی جستجوی راه حل اصلاح شده برای بهبود بهره برداری مورد بررسی قرار گرفته است، سپس به منظور متوازن سازی اکتشافِ معادله ی جستجوی راه حل کلونی زنبور مصنوعی و بهره برداریِ معادله ی جستجوی راه حل اصلاح شده، احتمال انتخابی و مکانیسم جستجوی جدیدی بررسی شده اند. علاوه بر این برای افزایش سرعت همگرایی سراسری، در هنگام تولید جمعیت اولیه از روش یادگیری مبتنی بر تضاد و سیستم های بی نظم، استفاده شده است. مکانیسم جدید جستجو با مقدار دهی اولیه، الگوریتم اصلاح شده ی کلونی زنبور عسل مصنوعی را تشکیل می دهد. آزمایشات بر روی چندین نوع تابع محک، نشان دهنده عملکرد خوب الگوریتم اصلاح شده ی کلونی زنبور عسل مصنوعیِ بررسی شده در این پژوهش نسبت به الگوریتم کلونی زنبور عسل مصنوعی می باشد.

پس از وقوع زلزله ها رفتارهای متفاوتی از عملکرد سازه ها مشاهده شده است. طوری که برخی سازه ها به طور کامل تخریب شده اند و برخی دیگر به حدی آسیب دیده اند که بدون نیاز به هرگونه ارزیابی، تخریب سازه منطقی است. سازه هایی نیز وجود داشته اند که به خوبی مقاومت کرده و سالم مانده اند. البته قسمت عمده ای از سازه ها رفتاری بینابین داشته اند. از سوی دیگر در مناطق لرزه خیز در هنگام رخداد زلزله به ندرت تنها یک زلزله رخ می دهد و معمولاً علاوه بر زلزله اصلی (که شدت آن از سایر زلزله های بعدی بزرگ تر است) تعدادی پس لرزه در مدت کوتاهی پس از زلزله اصلی به وقوع پیوسته است. سوال مهم این است که پس از رویداد هر زلزله آیا استفاده مجدد از ساختمان هایی که سرپا مانده اند و ممکن است خسارات جزئی در نما، معماری و سازه دیده باشند، ایمن است، یا آن ها در پس لرزه های بعدی و یا حتی زلزله ای به بزرگی زلزله ای که رخ داده، فرو خواهند ریخت؟ در راستای بررسی این مسأله در این پژوهش مدل های رایانه ای از سازه های بتن مسلح تهیه شده و مورد بررسی قرار گرفته است. این سازه ها براساس استانداردهای بارگذاری و طراحی رایج در ایران تحلیل و طراحی شده اند. سپس با استفاده از نرم افزار idarc که قادر است میزان آسیب دیدگی سازه ها را توسط شاخص کمی پارک – انگ ارایه کند، میزان آسیب دیدگی سازه ها تحت اثر یک سری زلزله و پس لرزه واقعی مورد مطالعه قرار گرفته است. از طرفی سعی شد تا ارتباط میان میزان آسیب دیدگی سازه ها با تغییر شکل های ماندگار مطالعه شود تا امکان تخمین میزان آسیب دیدگی سازه ها پس از وقوع هر زلزله به سرعت و تنها با اندازه گیری تغییر شکل های ماندگار مورد سنجش قرار گیرد. نتایج حاصل از بررسی های و تحلیل های انجام شده بطور خلاصه به شرح زیر می باشد. هر سازه ا ی که توانسته در مقابل زلزله اصلی مقاومت کند، توانسته پس لرزه ها را نیز بخوبی ولی با افزایش خسارت تحمل کند ولی دچار فروریزش نشده است. از سوی دیگر بررسی جابجایی های طبقات در زلزله های پی در پی روند مشخصی را در خصوص افزایش یا کاهش این تغییر شکل ها نشان نمی دهد به طوری که سازه ای معین در برخی زلزله ها با افزایش جابجایی های ماندگار بر اثر وقوع پس لرزه ها روبرو شده است در حالیکه در زلزله ای دیگر کاهش تغییر شکل ها یا عدم تغییر در آن مشاهده شده است. رشد آسیب در طبقات یک سازه با افزایش pga مربوط به یک زلزله از نظم و ترتیب قانون مندی برخوردار نیست و هر زلزله ممکن است طبقات مختلفی را دچار آسیب نماید. در واقع نمی توان مشخص نمود که کدام طبقات در سازه ها مستعد آسیب پذیری بیشتر هستند.

مطالعه¬ی ساختارهای زیرسطحی در فعالیت¬های معدنی حائز اهمیت زیادی است. شناخت این ساختارها در زمینه¬های مختلف معدنی مانند مدیریت استخراج و برنامه¬ریزی تولید می¬تواند اطلاعات با ارزشی محسوب شود. در این موارد زمین¬آمار ابزارهای زیادی ارائه کرده است. این ابزارها بر پایه¬ی علم زمین¬آمار چند نقطه¬ای به مدت چند دهه است که مورد توجه فعالان بخش معدن و نفت قرار گرفته است. در این پایان¬نامه نیز با استفاده از یکی از ابزارهای زمین¬آمار چند نقطه¬ای با نام الگوریتم شبیه¬سازی الگوبرداری مستقیم به مطالعه¬ی ساختار دایک¬های معدن مس سونگون به عنوان یکی از معادن مهم مس کشور پرداخته شده است. بررسی ساختار دایک¬های معدن نشان می¬دهد که این ساختارها ماهیتی بسیار ناپایا دارند که بررسی این گونه ساختارها در حوزه¬ی مطالعات ناپایای زمین¬آماری قرار می¬گیرد. تولید تصویر آموزشی برای مدل این ساختار بسیار دشوار است و برای کاهش ناپایایی و تولید تصویر آموزشی پایاتر نیاز به بررسی و مدل¬سازی الگوهای تصویر آموزشی دارد. برای شبیه¬سازی ساختار دایک¬ها کدهایی توسط نرم¬افزار matlab گسترش داده شده است که بررسی حساسیت این کد به تغییرات مقدار پارامترهای ورودی نشان می¬دهد که این الگوریتم به برخی از پارامترها مانند حدآستانه¬ای و ابعاد پیشامد داده¬ای حساسیت بیشتر و نسبت به پارامترهای ابعاد پیشامد داده¬ای و نسبت، حساسیت کم¬تری نشان می¬دهد. با توجه به شبیه¬سازی¬های انجام شده در راستای شبیه¬سازی شرطی ساختار دایک¬ها، موفقیت شبیه¬سازی-ها با الگوریتم الگوبرداری مستقیم، توسط آماره¬های زمین¬آماری نشان داده شده است. همچنین بازسازی روند ساختارهای موجود در تصویر آموزشی به درستی صورت گرفته است. این امر در تصاویر شبیه¬سازی شده نشان داده شده است. اگر چه در برخی شبیه¬سازی¬ها پیوستگی ساختار دایک¬ها، کم¬تر از تصویر آموزشی به نظر می-رسد با این وجود بررسی آماره¬ی پیوستگی نشان می¬دهد که اختلاف قابل ملاحظه¬ای دیده نمی¬شود. با مقایسه¬ی الگوریتم الگوبرداری مستقیم و الگوریتم معادله¬ی نرمال واحد¬، مشاهده می¬شود که الگوریتم الگوبرداری مستقیم از توانایی بیشتری در بازتولید ساختار دایک¬ها برخوردار است. شاهد این امر آماره¬های تک نقطه¬ای، دو نقطه¬ای و پیوستگی است.

اگرچه الگوریتم های تحلیل کننده ی خوشه بندی به صورت پیوسته در حال بهبودند اما بیشتر این الگوریتم ها هنوز احتیاج به تنظیم تعداد خوشه ها دارند. در این پایان نامه یک روش خوشه بندی پویا بر اساس ترکیب بهینه سازی ازدحام ذرات و الگوریتم ژنتیک بررسی شده است. این الگوریتم می تواند به صورت خودکار، تعداد بهینه ی خوشه ها را تعیین کرده و به صورت همزمان مجموعه داده را با کمترین دخالت کاربر خوشه بندی کند. نتایج حاصل از خوشه بندی چهار مجموعه داده، نشان داده است که این الگوریتم نسبت به روش های خوشه بندی پویا بر پایه ی الگوریتم بهینه سازی ازدحام ذرات دودویی، خوشه بندی پویا بر پایه ی الگوریتم ژنتیک و نیز الگوریتم خوشه بندی خودکار با استفاده از بهینه سازی ازدحام ذرات اصلاح شده از اعتبار و پایداری بیشتری برخوردار است.

پژوهش حاضر با هدف بررسی نقش واسطه¬گری همدلی در رابطه¬ی بین دلبستگی به والدین و همسالان در دانشجویان صورت پذیرفت. شرکتکنندگان این پژوهش شامل 316 نفر (109 دختر و 207 پسر) از دانشجویان دانشگاه تعلیم و تربیت کابل بودند که بر اساس روش نمونه¬گیری خوشه¬ای چندمرحله¬ای انتخاب شدند. به منظور بررسی متغیرهای پژوهش، هر یک از شرکت¬کنندگان، پرسش¬نامه¬های دلبستگی به والدین و همسالان (آرمسدن و گرینبرگ، 1987)، همدلی (جولیف و فارینگتون، 2006) و پرخاشگری (باس و پری ،1992) را تکمیل نمودند. پایایی ابزارهای پژوهش به وسیله¬ی ضریب آلفای کرونباخ و روایی آن¬ها به کمک همبستگی درونی و تحلیل عاملی تعیین شد. نتایج تحلیل رگرسیون حاکی از آن بود که بعد ارتباط در دلبستگی به والدین پیش بینی کننده منفی پرخاشگری و بعد بیگانگی در هر دو مقیاس دلبستگی به والدین و دلبستگی به همسالان پیش بینی کننده مثبت و معنادار پرخاشگری بود. همچنین، بعد اطمینان در دلبستگی به والدین پیش بینی کننده مثبت همدلی شناختی و بیگانگی در مقیاس دلبستگی به همسالان پیش بینی کننده مثبت پیام هیجانی بودند و در این میان تنها بعد پیام هیجانی از ابعاد همدلی پیش بینی کننده مثبت و معنادار پرخاشگری بود. نتایج بررسی واسطه گری همدلی نشان داد که از بین مولفه های همدلی تنها پیام هیجانی نقش واسطه سهمی بین بعد بیگانگی در دلبستگی به همسالان و پرخاشگری دارد. در پایان، نتایج استفاده از تحلیل واریانس چندمتغیری نشان داد که در زمینه¬ی ابعاد همدلی، میانگین نمرات دختران در هر سه بعد همدلی شناختی، همدلی عاطفی و پیام هیجانی بطور معناداری بالاتر از پسران است اما در زمینه ابعاد دلبستگی به والدین و همسالان تفاوت معنی داری بین دو جنس وجود ندارد. نتایج آزمون تی برای گروه های مستقل نیز نشان داد که بین پرخاشگری دو جنس تفاوت معنی داری نیست. در پایان اشارات پژوهش حاضر برای کاهش پرخاشگری در جامعه افغانستان از راه افزایش دلبستگی به والدین و دوستان و کاهش بعد پیام¬های هیجانی به بحث گذاشته شد.

خوشه بندی یکی از روش های مهم و اساسی در زمینه داده کاوی است، که نمی توان جایگزین مناسبی برای آن پیدا نمود به همین دلیل یافتن الگوریتمی مناسب در این حیطه بسیار ارزشمند می باشد. هدف از این پژوهش معرفی روشی کارآمد به نام الگوریتم ژنتیک دسته بند در زمینه مسائل خوشه بندی است. این الگوریتم برگرفته از الگوریتم ژنتیک کلاسیک مسائل گروه بندی می باشد که تاکنون در زمینه خوشه بندی مورد استفاده قرار نگرفته است. از جمله ویژگی هایی که آن را از الگوریتم اولیه متمایز می سازد عبارتند از کروموزومی که از دو قسمت گروه و عنصر تشکیل شده و دارای طول متغیر است، که باعث می شود دیگر نیازی به پارامتر ورودی برای بیان تعداد خوشه نباشد و همچنین اصلاحات و نحوه پیاده سازی متفاوت عملگرهای تقاطع و جهش با توجه به شکل کدگذاری کروموزوم ها می باشد که بسیاری از مسائل و مشکلات الگوریتم ژنتیک کلاسیک برای مسائل گروه بندی را برطرف می نماید. در ادامه با ترکیب الگوریتم ژنتیک دسته بند و k-mean و انجام اصلاحاتی بر روی عملگر تقاطع و جهش، الگوریتم آسان و مناسبی را برای مسائل خوشه بندی ارائه نموده و نتایج حاصل را بر اساس میزان درصد خوشه بندی و شاخص های معروف دیگری بر روی داده های واقعی و غیر واقعی مورد بررسی قرار داده ایم، نتایج ارزیابی بیانگر مناسب بودن روش های بررسی شده نسبت به الگوریتم های معروف خوشه بندی در زمینه های گوناگون می باشد.

خاتمیت یکی از عقائد ضروری و مسلم نزد مسلمانان می باشد. بر اساس این اعتقاد، رسول گرامی اسلام9آخرین فرستاده خدا بر روی زمین است و پس از ایشان دیگر هیچ پیامبری مبعوث نخواهد شد و دین ایشان نیز آخرین دین آسمانی است. امامت نیز به عنوان یک اصل مذهبی همواره مورد قبول شیعیان بوده و از همان ابتدا، امام به عنوان برگزیده معصوم بعد از رسول الله و شخصی که دارای ولایت و علم غیب است و کلامش حجت است شناخته می¬شده است. تا سال¬های اخیر تقریبا هیچ کسی معتقد به تضاد میان این دو عقیده نشده بود. تا این¬که از سوی یکی از عالمان اهل سنت به نام شاه ولی الله دهلوی ایرادی مطرح و بعدها توسط برخی از اندیشوران مانند مدرسی طباطبایی، سروش و کدیور توسعه بیشتری یافت. بر اساس این ایراد، اعتقاد به خاتمیت پیامبر اسلام9با اعتقاد به امامت (همراه با تلقّی حداکثری از آن) در تضاد است. به همین جهت، عده¬ای با قبول این ایراد، با ارائه نظریه علمای ابرار سعی بر جعلی نشان دادن تلقی حداکثر از امامت داشته و معتقدند که این صفات ساخته و پرداخته متکلمانی مانند هشام بن حکم است. بنابر این دیدگاه، امامان شیعه عالمانی پاکدامن بوده¬اند که ویژگی آنها علم و تقوای بیشتر نسبت به سایر علمای مسلمان است وصفاتی مانند عصمت، علم غیب و ولایت ایشان، مجعول متکلمان و مصداق غلو است. در این رساله سعی بر این است که به بررسی رابطه این دو اصل دین پرداخته و تبیین شود امامت نه تنها با خاتمیت ناسازگار نیست، بلکه نقش تکمیلی نسبت به آن دارد.

یکی از کاربردهای علوم کامپیوتر، تصمیم گیری در مسائل تشخیص پزشکی است. داده کاوی، علمی جدید می باشد که با استخراج دانش از داده، به تصمیم گیری بهتر پزشکان کمک می کند؛ به همین دلیل نقش عمده ای در سیستم های پشتیبان تصمیم ایفا می کند. هپاتیت یکی از مشکلات عمده زمینه بهداشت و درمان در سطح جهان است، زیرا تشخیص زودهنگام و درمان اولیه بیماری هپاتیت به دلیل علائم بالینی اندک، دشوار است. ویژگی ها یا عوامل مهم زیادی در بیماری هپاتیت موثر هستند که برای تصمیم گیری بهتر و سریعتر پزشکان، نیاز به کاهش این ویژگی ها احساس می شود. بنابراین استفاده از سیستم پشتیبان تصمیم ترکیبی مبتنی بر مجموعه راف و یادگیری ماشین، برای تعیین ویژگی های مهم و پیش بینی قابلیت زندگی افراد بیمار (احتمال حیات) با کمترین خطا اهمیت بسیاری دارد. مراحل اصلی این سیستم، کاهش ویژگی و دسته بندی می باشد.

در مطالعه حاضر، میزان حذف یون های sdbs از محلول های آبی توسط کیتوزان مورد بررسی قرار گرفت. کیتوسان در چهار مرحله ی جداسازی کیتین، حذف مواد معدنی، پروتئین زدایی و داستیله شدن تولید گردید. آزمایش های جذب در یک سیستم ناپیوسته برای بررسی پارامترهای ph، غلظت اولیه محلول sdbs، مقدار جاذب و مدت زمان تماس روی فرایند جذب انجام شد. به منظور دستیابی به پارامترهای بهینه جذب، ph اولیه محلول از 2 تا 6، غلظت اولیه محلول sdbs از 5 تا 50 میلی گرم بر لیتر، مقدار جاذب از 1/0 تا 5/1 گرم و مدت زمان تماس از 10 تا 120 دقیقه بررسی گردید. نتایج نشان داد، تحت شرایط بهینه، حداکثر حذف موثر در ph برابر 4، غلظت اولیه 25 میلی گرم در لیتر محلول sdbs، میزان 3/0 گرم کیتوسان، زمان 60 دقیقه و دمای 25 درجه سانتی گراد برابر 3/97 درصد بوده است.

پرسش ثابت و متغیر برای همه نظامهای جزایی دنیا بنیادین و سرنوشت ساز است . زیرا نظامهای جزایی به ویژه نظامهای مبتنی بر متون دینی، از یک سو به شدت خواهان ثبات ، دوام و نظم درزندگی جمعی هستند و از سوی دیگر در بستر متحول و متطور جامعه مدرن ناگزیرند پیوسته به اقتضای زمان و مکان اصل تغییر و تحول را پذیرا باشند. در دهه های اخیر به علت افزایش سرعت تغییرات اجتماعی ، ارزشی ، اقتصادی ، سیاسی و فناوری و بویژه ظهور واقعیاتی چون جهانی شدن اطلاعات و اقتصاد و ارتباطات این مساله پیچیده تر و حساس تر نشان می دهد. جریان قدرتمند اسلام فقاهتی در جمهوری اسلامی در پاسخ به پرسش ثابت و متغیر با تمسک به اصول فقه سنتی بر این باور هست که احکام جزایی موجود درمتون دینی اصالتا احکامی فرازمانی و فرامکانی هستند، و تغییر در آنها تنها در چارچوب نظریه کشف ملاکات جزیی ، نظریه عناوین ثانویه و در دهه اخیر مصلحت نظام امکانپذیر است. اما همانگونه که شواهد و قرائن بسیار زیاد موجود درایران امروز نشان می دهد این فهم از مساله ثابت و متغیر نه تنها کمکی به حل بحران عدالت جزایی نکرده است ، بلکه هر روز با خلق تضادهای گوناگون بر شدت تعارض آن با واقعیات کنونی جامعه ملی و بین المللی ، بویژه نظام حقوق بشر جهانی ، افزوده است.رساله حاضر با توجه به این وضعیت بحرانی در عرصه عدالت کیفری ، و با فرض وجود عناصر جهانشمول و ثبات پذیر در دین اسلام ، و با این پیش فرض معرفت شناسانه که حقایق همواره با هم سازگارند ، بر آنست تا فهمی ازنظام جزایی در جامعه مسلمان ایرانی به دست آورد که هم، هماهنگ با داده های وحیانی باشد و هم ، با مقتضیات و واقعیت های عدالت جزایی عصر کنونی بویژه یافته های علوم جزایی نوین سازگار باشد.