الگوریتمی داده کاوی سریع و کارآمد متن: ایجاد اتوماتیک پایگاه داده (سینتیک آنزیم)…

پیش زمینه: مقدار اطلاعات بیولوژیکی در دسترس به سرعت رو به افزایش بوده و تمرکز تحقیقات بیولوژیکی از بخش های مجزا به سمت شبکه ها و حتی پروژه های بزرگتر کشانده شده که هدف آن ها تجزیه و تحلیل، مدلسازی و شبیه سازی شبکه های بیولوژیکی و همچنین مقایسه در سطح بالای ویژگی های سلولی می باشد. بنابراین ضروری است تا اطلاعات بیولوژیکی به آسانی در دسترس باشد. به هر حال، بیشتر اطلاعات در تحقیقات انجام شده به صورت غیرساختاری بوده و به این خاطر روش هایی برای استخراج نظامند اطلاعات، مستقیما از تحقیقات اولیه می بایست توسعه یابد. شرح مطلب: در اینجا ما الگوریتم داده کاوی را برای استخراج اطلاعات سینتیک همانند و غیره و همچنین اطلاعات مربوطه همانند نام آنزیم ها، تعداد EC، لیگاندها، ارگانیسم ها، مناطق، PH و دما نشان می دهیم. با استفاده از این قوانین و رویکرد بر پایه واژه نامه، این امکان وجود دارد تا به اندازه 514394 پارامتر سینتیک 13 دسته (فعالیت های خاص) از حدود 17 میلیون مطالب نتتشر شده، استخراج کرده و آن ها را با داده های دیگر خلاصه مطالب دیگر ترکیب کنیم. تایید دستی تقریبا 1000 نتایج انتخاب شده تصادفی، موارد فراخوانی شده بین 51% و 84% و محدوده دقیق 55% تا 96% را نشان داده که بستگی به فهرست های جستجو شده دارد. نتایج در پایگاه داده ذخیره شده و توسط KID «یا پایگاه داده سینتیک» از طریق اینترنت در دسترس می باشد.

نتیجه گیری: الگوریتم نشان داده شده، اطلاعات مهمی را ارائه می دهد و کمکی به شتاب بخشیدن تحقیقات و تجزیه و تحلیل مورد نیاز برای روش های بیولوژی سیستم های امروزی می باشد. پایگاه های داده حاصل شده از تجزیه و تحلیل چکیده مقاله های منتشر شده می تواند کمک ارزشمندی در حوزه جنبش های بیولوژیکی و شیمی ایی باشد. این فرایند کاملا بر مبنای داده کاوی و همچنین تکمیل پایگاه داده ایجاد شده می باشد. این پایگاه داده از سایت http: //kid. tu-bs. de در دسترس است. کد مبدا الگوریتم تحت مجوز دولتی GNU ایجاد شده و بنا به درخواست محققان در دسترس قرار می گیرد.

ترجمه و آنالیز آنالیز مقاله اول یافتن مسیر بهینه بدون خطا در شبکه با خرابی گره زیاد…

دسته: مقالات ترجمه شده isi

حجم فایل: 1412 کیلوبایت

تعداد صفحه: 10

آنالیز مقاله اول

یافتن مسیر بهینه بدون خطا در شبکه با خرابی گره زیاد

- طرح اصلی مقاله

تعبیه مسیر ویژه در پردازش‌های موازی از اصول بسیارمهم است. قبلا، تعدادی از الگوریتم‌های موازی که توانایی اجرا شدن روی آرایه‌های خطی را دارند توسعه داده شده اند. بنابراین به خوبی قابل اجرا روی معماری موازی و مسیر تعبیه شده هستند. پیدا کردن طولانی ترین مسیر عاری از خطا بین دو گره دلخواه، می‌تواند در الگوریتم‌های مسیریابی دوگانه و چندگانه برای کاهش تراکم و اجتناب از بن بست موجود در الگوریتم‌های درختی رایج در محاسبات موازی مورد استفاده قرار گیرد.

با توجه به اینکه خرابی لینک و پردازنده ممکن است زمانی که شبکه در حال استفاده است، رخ دهد، لذا رسیدگی به شبکه معیوب و یافتن مسیر عاری از خطا بسیار مهم است. با فرض اینکهمجموعه خرابی‌های گره در گراف ستاره ای بعدی S_n مفروض باشد. میتوان نشان داد جائیکه و کمینه باشد حلقه بدون خرابی با طول (به طوری که همه خرابی‌های گره وابسته به گراف ستاره ای m بعدی است) توانائی تعبیه شدن روی را دارد.

آنالیز مقاله دوم

تعبیه سیکل تحمل پذیری خطا در فرامکعب با زوج‌هایی از گره‌ها و لبه‌های خراب

– طرح اصلی مقاله

فرض کنید f_v (به همان ترتیب، f_e) تعدادی ازگره‌های معیوب (به همان ترتیب، لبه‌ها) دریک فرامکعبی چندبعدی را مشخص می‌کنند. در این طرح نشان داده شده است که یک سیکل عاری از خطا با حداقل طول می‌تواند در یک فرامکعبی چند بعدی با و تعبیه شود. با فرض یا و نتایج نه تنها بهترین نتایج به دست آمده قبلی را بهبود می‌ بخشد بلکه نتایجی را که فقط در آن گره‌های معیوب مطرح شده اند را نیز بهبود می‌بخشد. فرامکعبی یکی از پرکاربردترین معماری‌های چند منظوره‌ای است که تاکنون برای ساختارهای موازی حجیم یا سیستم‌های توزیع شده به اکتشاف رسیده است. یک ساختار حلقه ای که یک توپولوژی اساسی برای پردازش توزیع شده و موازی می‌باشد، که برای شبکه‌های محلی و توسعه الگوریتم‌های موازی مشابه با هزینه‌های ارتباطی کم مناسب است.

قیمت: 1,000 تومان

ترجمه مقاله طراحی، تجزیه و تحلیل و تست زمان واقعی یک کنترل کننده برای سیستم ریز شبکه چند ورودی…

دسته: برق

حجم فایل: 3339 کیلوبایت

تعداد صفحه: 32

پروژه درس توزیع انرژی: طراحی، تجزیه و تحلیل و تست زمان واقعی یک کنترل کننده برای

سیستم ریز شبکه چند ورودی

این مقاله بر روی طراحی و تجزیه و تحلیل یک کنترل کننده برای سیستم میکرو چند ورودی متمرکز شده است. کنترل کننده پیشنهادی قابل استفاده با هر مولد توزیعی یا سیستم (DG) در زیر شبکه شامل ولتاژ داخلی و حلقه های جریان درتنظیم اینورتر رابط شبکه سه فاز می باشد.

همچنین بررسی توان خروجی حلقه های کنترل برای کنترل توان اکتیو و راکتیو جهت سهولت به اشتراک گذاری توان بین مولدهای توزیع متوازی (DG) هنگامی که یک خطا در زیر شبکه رخ می دهد امری ضروری می باشد. کنترلر همچنین شامل الگوریتم های همزمان سازی برای تضمین اتصال مجدد هموار و ایمن از زیرشبکه ها و شبکه های همگانی مانند شبکه برق با پاک سازی خطا می باشد.

با اجرای کنترلر یکپارچه، سیستم زیر میکرو چند ورودی قادر خواهد بود که بین اثر جزیره ای (محدود شدن گسیل از کاتد لامپ الکترونی به مناطق کوچک خاصی از کاتد در شرایطی که ولتاژ شبکه کمتر از مقدار معینی باشد را اثر جزیره ای (island effects) گویند و حالت اتصال به شبکه بدون اخلال دربارهای بحرانی متصل به آن سوئیچ برقرار کند. عملکرد این کنترلر در شبیه سازی با استفاده از یک شبیه ساز دیجیتال زمان – طبیعی یا همان نرم افزار RTOS و بطور تجربی با استفاده ازیک نمونه آزمایشگاهی مقیاس بندی شده، انجام شده است.

واژه های کلیدی: سیستم تولید گسترده (DG) ، شبیه سازی تجهیزات in-The-loop زیر شبکه عملکرد و بهره برداری، موازی، کنترل جریان برق

قیمت: 15,000 تومان

مطالعه انواع پارامترهای ماشین سنکرون برای اشباع: یک روش عددی…

چکیده

این مقاله انواع پارامترهای اساسی مدارهای مشابه دو محوری ماشین سنکرون را به منظور اشباع مغناطیسی شرح می دهد. حالت های مغناطیسی مختلف ماشین با استفاده از راه حل های مگنت استاتیک عنصر محدود حاصل می شود. بدین طریق الگوهای نفوذپذیر اجزای قابل اشباع ماشین، ذخیره و در برنامه عنصر محدود خاصی استفاده می شود که پاسخ فرکانسی ثابت (SSFR) ماشین را ایجاد می کند. سپس از الگوریتم ژنتیک هیبرید با توانایی یافت اکسترمم های کلی استفاده می شود تا به پارامترهای دو ساختار مداری مشابه در محور d برسد. این فرایند برای هر حالت مغناطیسی تکرار می شود تا اینکه انواع پارامترها مشخص شود. برای تایید حالت های مغناطیسی ماشین، ویژگی مدار باز با ویژگی محاسبه شده از مدل عنصر محدود مقایسه می شود. برای تایید، پارامترهای مدار مشابه محور d شناسایی می شود و در شبیه سازی یک ماشین سنکرون دارای اتصال کوتاه اتخاذ می شوند ونتایج ان با نتایج بدست امده از برنامه گذرای عنصر محدود مقایسه می شود.

کلیدواژه: پاسخ فرکانس ثابت، مدل سازی اجزای محدود، الگوریتم ژنتیک هیبرید، ماشین های سنکرون

مقدمه

پیش بینی صحیح عملکرد ماشین سنکرون گامی مهم در طراحی، تحلیل و عملکرد الکتریک سیستم های قدرت است [1]. چندین روش برای ساختن روش عملی پیچیده ماشین سنکرون بکار برده شده:

الف- مدارهای مشابه دو محور [2]

ب- مدارهای مشابه مغناطیسی [3]

ج- مدل سازی عنصر محدود [4]

اجرای روش مشابه دو محوری اسان است و نیازمند منابع کامپیوتری کمی می باشد اما بدست اوردن پارامترهای ان حتی برای کوچکترین (سنتی) مدار مشابه دو محوری [5] مشکل است. مدارهای مشابه مغناطیسی، عملکرد دائمی و گذرای ژنراتورهای سنکرون را شبیه سازی می کنند [6]. این مدارها دقیق تر از روش سنتی دومحوری هستند زیرا ماهیت توزیع شده میدان مغناطیسی درون ماشین را با دقت بیشتری توصیف می کنند. بااین وجود، دانش قبلی از مسیرهای شار برای تعیین مقاومت های مغناطیسی مدل لازم است. مدل سازی عنصر محدود [7] بعنوان یکی از قوی ترین ابزارهای شبیه سازی ژنراتور سنکرون می باشد، اما نیاز به کامپیوتر های بالاست.

بررسی و مطالعه کامل داده کاوی با (SQL server 2005) پیاده سازی آن روی بانک اطلاعاتی…

پایان نامه دوره کارشناسی کامپیوتر : گرایش نرم افزار

چکیده

فصل اول: مقدمه ای بر داده کاوی

1-1-مقدمه

1-2-عامل مسبب پیدایش داده کاوی

1-3-داده کاوی و مفهوم اکتشاف دانش (KDD)

1-3-1-تعریف داده کاوی

1-3-2- فرآیند داده کاوی

1-3-3-قابلیت های داده کاوی

1-3-4-چه نوع داده هایی مورد کاوش قرار می گیرند؟

1-4- وظایف داده کاوی

1-1-4-کلاس بندی

1-4-2- مراحل یک الگوریتم کلاس بندی

1-4-3-انواع روش های کلاس بندی

1-4-3-1- درخت تصمیم 1-4-3-1-1- کشف تقسیمات

1-4-3-1-2- دسته بندی با درخت تصمیم

1-4-3-1-3-انواع درخت های تصمیم

1-4-3-1-4- نحوۀ هرس کردن درخت

1-4-3-2- نزدیکترین همسایگی K

1-4-3-3-بیزی 1-4-3-3-1 تئوری بیز

1-4-3-3-2 -دسته بندی ساده بیزی

1-4-3-4- الگوریتم های ژنتیک در فصل دو با آن آشنا می شویم

1-4-3-5-شبکه های عصبی

1-4-4- ارزیابی روش های کلاس بندی

-2-4-1پیش بینی

1-4-3-انواع روش های پیش بینی

1-4-3-1- رگرسیون

1-4-3-1 -1- رگرسیون خطی

1-4-3-1-2-رگرسیون منطقی

1-4-3- خوشه بندی

1-4-3-1- تعریف فرآیند خوشه بندی

1-4-3-2-کیفیت خوشه بندی

1-4-3-3-روش ها و الگوریتم های خوشه بندی

1-4-3-3-1-روش های سلسله مراتبی

1-4-3-3-1-1- الگوریتم های سلسله مراتبی

1-4-3-3-1-1-1-الگوریتم خوشه بندی single-linkage

1-4-3-3-2-الگوریتم های تفکیک

1-4-3-3-3-روش های متکی برچگالی

1-4-3-3-4-روش های متکی بر گرید

1-4-3-3-5-روش های متکی بر مدل

1-4-4- تخمین

1-4-4-1- درخت تصمیم

1-4-4-2- شبکه عصبی

1-4-5-سری های زمانی

1-5-کاربردهای داده کاوی

1-6-قوانین انجمنی

1-6-1-کاوش قوانین انجمنی

1-6-2-اصول کاوش قوانین انجمنی

1-6-3-اصول استقرا در کاوش قوانین انجمنی

1-6-4-الگوریتم Apriori

1-7-متن کاوی

1-7-1- مقدمه

1-7-2- فرآیند متن کاوی

1-7-3- کاربردهای متن کاوی

1-7-3-1- جستجو و بازیابی

1-7-3-2-گروه بندی و طبقه بندی داده

1-7-3-3-خلاصه سازی

1-7-3-4- روابط میان مفاهیم

1-7-3-5- یافتن و تحلیل ترند ها

1-7-3-5- برچسب زدن نحوی (POS)

1-6-2-7-ایجاد تزاروس و آنتولوژی به صورت اتوماتیک

1-8-تصویر کاوی

1-9- وب کاوی

فصل دوم: الگوریتم ژنتیک

1-2-مقدمه

2-2-اصول الگوریتم ژنتیک

2-2-1-کد گذاری

2-2-1-1-روش های کد گذاری

2-2-1-1-1-کدگذاری دودویی

2-2-1-1-2-کدگذاری مقادیر

2-2-1-1-3-کدگذاری درختی

2-2-2- ارزیابی

2-2-3-انتخاب

2-2-3-1-انتخاب گردونه دوار

2-2-3-2-انتخاب رتبه ای

2-2-3-3-انتخاب حالت استوار

2-2-3-4-نخبه گزینی

2-2-4-عملگرهای تغییر

2-2-4-1-عملگر Crossover

2-2-4-2-عملگر جهش ژنتیکی

2-2-4-3-احتمالCrossover و جهش

2-2-5-کدبرداری

2-2-6-دیگر پارامترها

2-4-مزایای الگوریتم های ژنتیک

2-5- محدودیت های الگوریتم های ژنتیک

2-6-چند نمونه از کاربرد های الگوریتم های ژنتیک

2-6-1-یک مثال ساده

فصل سوم: شبکه های عصبی

3-1-چرا از شبکه های عصبی استفاده می کنیم؟

3-2-سلول عصبی

3-3-نحوه عملکرد مغز

3-4-مدل ریاضی نرون

3-5-آموزش شبکه های عصبی

3-6-کاربرد های شبکه های عصبی

فصل چهارم: محاسبات نرم

4-1-مقدمه

4-2-محاسبات نرمچیست؟

4-2-1-رابطه

4-2-2-مجموعه های فازی

4-2-2-1-توابع عضویت

4-2-2-2- عملیات اصلی

4-2-3-نقش مجموعه های فازی در داده کاوی

4-2-3-1- خوشه بندی

4-2-3-2- خلاصه سازی دادهها

4-2-3-3- تصویر کاوی

4-2-4- الگوریتم ژنتیک

4-2-5-نقش الگوریتم ژنتیک در داده کاوی

4-2-5-1- رگرسیون

4-2-5-2-قوانین انجمنی

4-3-بحث و نتیجه گیری

فصل پنجم: ابزارهای داده کاوی

5-1- نحوه انتخاب ابزارداده کاوی

5-2-1-ابزار SPSS-Clemantine

5-2-3-ابزار KXEN

5-2-4-مدل Insightful

5-2-5-مدل Affinium

5-3- چگونه می توان بهترین ابزار را انتخاب کرد؟

5-4-ابزار های داده کاوی که در 2007 استفاده شده است

5-5-داده کاوی با sqlserver 2005

5-5-1-اتصال به سرورازمنوی

5-5-2- ایجاد Data source

5-5-3- ایجاد Data source view

5-5-4- ایجاد Mining structures

5-5-5- Microsoft association rule

5-5-6- Algorithm cluster

5-5-7- Neural network

5-5-8-Modle naive-bayes

5-5-9-Microsoft Tree Viewer

5-5-10-Microsoft-Loistic-Regression

5-5-11-Microsoft-Linear-Regression

فصل ششم: نتایج داده کاوی با SQL SERVER2005 روی بانک اطلاعاتی دانشگاه آزاد قوچان

•1-6-نتایج Data Mining With Sql Server 2005 روی بانک اطلاعاتی دانشگاه آزاد قوچان

1-6-1-Microsoft association rule

1-6-2- Algorithm cluster

1-6-3- Neural network

1-6-4- Modle naive-bayes

1-6-5-Microsoft Tree Viewer

7-1-نتیجه گیری

منابع و ماخذ