آشنایی با نظریه مجموعه های فازی
فصل اول:
چند مفهوم مقدماتی
نماد گذاری
عدد اصلی یک مجموعه فازی
عملگرهای مجموعه ای و ویژگی های آن ها
افراز فازی
چند عملگر دیگر
حاصلضرب دکارتی
برش ها و تحدب
دسته: مدیریت
حجم فایل: 38 کیلوبایت
تعداد صفحه: 53
مقدمه
مدیریت پایگاه داده ها (چه داده های متنی یا تصویری یا غیره) شاید مهمترین کاربردی بوده است که همواره از کامپیوترهای تجاری خواسته شده است. به همین دلیل در چند سال گذشته قبل از ظهور محیطهای مبتنی بر رابط گرافیکی شاهد حکومت زبان cobol بر امپراطوری کامپیوتر بودیم.
بعد از این امر ظهور برنامه dBase و فروش حیرت آور آن خبر از همین احتیاج مبرم به پایگاه داده ها می داد.
باز در این عرصه نیز شرکت مایکروسافت بیکار ننشست و Access که کاستیها و اشکالات برنامه های قبلی را برطرف نموده و کار با داده ها را به صورت فوق العاده ای راحت تر میکند عرضه کرد.
این برنامه که همراه با کار در محیط کاملا گرافیکی ویندوز حتی قابلیت نصب در شبکه و internet را نیز دارد بدون شک یک نیاز شرکتهای تجاری، برنامه نویسان، طراحان صفحات وب و حتی برای اشخاص معمولی برای کنترل داده ها و اطلاعات خود بوده است.
ما در این دوره آموزشی شما را با قابلیت access آشنا کرده و شاید اگر اغراق نکرده باشم شما را استاد این برنامه بی نظیر خواهیم کرد شما نیز لحظه به لحظه به آشنایی با قابلیتهای این برنامه مطمئنا مشتاق یاگیری هرچه سریع آن خواهید شد.
قابل ذکر است که ما در این دوره برنامه اکسس 2000 را برای آموزش انتخاب کرده ایم که البته نسخه های دیگر این برنامه فرق چندانی با نسخه 2000 آن ندارد و شما می توانید با یادگیری این نسخه با ان نیز به راحتی کار کنید. (البته توصیه خود من به استفاده از نسخه 2000 است).
آشنایی با اکسس
اکسس که یکی از برنامه های موجود در بسته نرم افزاری آفیس (Microsoft Office) است برای ساماندهی و کنترل و مدیریت پایگاه داده ایجاد شده است.
این برنامه دارای قابلیتهای بسیار است، مانند ایجاد صفحه ورود اطلاعات به شکل دلخواه.
به عنوان مثال وقتی شما می خواهید اطلاعات موجود در یک چک را در کامپیوتر خود ذخیره کنید شما با استفاده از برنامه اکسس می توانید صفحه ای درست همانند صفحه چک ایجاد کنید و اطلاعات را به صورت کاملا گرافیکی در آن وارد کنید.
شما پس از ایجاد پایگاه داده هایتان حتی می توانید از آنها گزارش گرفته و یا در بین اطلاعات خود جستجو کرده البته تمامی این امکانات را شما با دستان قدرتمند خود ایجاد خواهیدکرد.
از موارد استفاده برنامه اکسس به طور شهودی می توان به استفاده آن در قسمت حسابداری یک شرکت و یا نگهداری اطلاعات اشخاص عضو در سایتتان و حتی نگهداری اطلاعات کارمندان (حتی عکس آنها) و موارد بسیار متنوع دیگر اشاره کرد.
فهرست
– مقدمه … 1
– چکیده … 2
– کیتین چیست؟ … 3
– ساختار شیمی ایی و خواص کیتین … 5
– روش استخراج کیتین از پوشه سخت پوستان … 9
– تصاویر برخی سخت پوستان … 10
– کاربردهای کیتین … 12
– پارامترهای اقتصادی تولید … 23
– روش استخراج کیتین از پوسته میگو … 24
– شناسایی و تجزیه و تحلیل ماده استخراج شده … 28
– بحث و نتیجه گیری … 29
– منابع … 31
دسته: کامپیوتر
حجم فایل: 320 کیلوبایت
تعداد صفحه: 29
چکیده:
در زمینه سیستمهای خبره، یکی از مواردی که بسیار مورد توجه قرار میگیرد، سیستمهای تشخیص میباشد، سیستمهای تشخیص در زمینههای مختلفی ایجاد شدهاند که از پرکاربردترین آنها سیستم تشخیص بیماری است. یکی از روشهایی که برای پیادهسازی این سیستمها استفاده میشود روش Backward Chaining است. در این روش، هدف مشخص شدهاست و برای رسیدن به آن هدف از factها و ruleها استفاده میشود. در سیستمهای تشخیص، برای اینکه بتوان دقیقتر تصمیمگیری کرد فاکتور دیگری به نام فاکتور قطعیت در نظر گرفته میشود. این فاکتور در سیستمهایی مانند سیستم تشخیص پزشکی بدلیل عدم قطعیت در بعضی از بیماریها اهمیت زیادی دارد. در این حالت امکان دارد چندین بیماری با درصد قطعیت متفاوت نتیجه شود و از آنجا که در موتوهای استنتاج از نوع Backward Chaining تنها با رسیدن به یک نتیجه کار خاتمه مییابد، بنابراین نیاز است تا موتور استنتاج دیگری ساخته شود تا بتوان این مشکل را برطرف کرد. برای پیادهسازی این موتو استنتاج از پرولوگ استفاده شده است. این امر باعث میشود تا بتوان یک رابط کاربری قوی و کاربرپسند برای سیستم خبره ایجاد کرد. و بدین تریتب کاربر قادر است تا نه تنها از برنامهای استفاده کند که کاربا آن راحت و جذاب است بلکه میتواند از قابلیت برنامهای که با برنامهنویسی منطقی ایجاد شده بهره ببرد.
مقدمهای درباره سیستمهای خبره.
2. سیستمهای خبره و طراحی موتور استنتاج..
1. 2 ویژگیهای سیستم خبره
1. 2. 2 استدلال هدف گرا
2. 2. 2 Uncertainty (عدم قطعیت)
3. 2. 2 Data-Driven Reasoning
4. 2. 2 Data Representation
3 سیستم تشخیص و ارجاع.
1. 3 برنامه ورود اطلاعات و ارتباطات..
2. 3 برنامه تشخیص و ارجاع.
1. 2. 3 انتخاب پایگاه داده
1. 2. 2. 3 خانواده Data Service Database Engine.
2. 2. 2. 3 خانواده Embedded Database Engine.
3. 2. 2. 3 ویژگیهای SQL Server Compact Edition.
3. 2. 3 طراحی پایگاه داده سمت #C.
1. 2. 2. 3 شرح جداول
نتیجه گیری و پیشنهادها
سیستمهای خبره برنامههای کامپیوتری هستند که بعضی از مهارتهای غیر الگوریتمی را جهت حل بعضی از مسائل مشخص دربردارند. برای مثال سیستمهای خبرهای که در برنامههای وابسته به تشخیص (به عنوان مثال تشخیص پزشکی) استفاده میشوند، در خدمت ماشین و انسان است. همچنین این سیستمها قادرند تا شطرنج بازی کرده و در مورد برنامهریزی سرمایه تصمیم گیری، رایانهها را پیکربندی، سیستمهای بلادرنگ را کنترل و بیمه نامهها را صادر کنند و بسیاری دیگر از کارهایی که قبلا نیاز به مهارت و دانش انسان داشته را انجام دهند.
سیستم تشخیص و ارجاع، بخشی از سیستم هوشمند تشخیص بیماری کودک است. این سیستم به صورت مبتنی بر قانون پیاده سازی شده است که بخش موتور استنتاج آن توسط پرولوگ و بخش رابط کاربر و پایگاه داده آن توسط C# پیاده سازه شده است.
خلاصه
مهم ترین کاربرد داده کاوی در تلاش هایی است که برای استنتاج قواعد وابستگی از داده های تراکنشی صورت می گیرد. در گذشته، از مفاهیم منطق فازی و الگوریتم های ژنتیکی برای کشف قواعد وابستگی فازی سودمند و توابع عضویت مناسب از مقادیر کمی استفاده می کردیم. با وجود این، ارزیابی مقادیر برازش نسبتاً زمان بر بود. به دلیل افزایش های شگرف در قدرت محاسباتی قابل دسترسی و کاهش همزمان در هزینه های محاسباتی در طول یک دهۀ گذشته، یادگیری یا داده کاوی با به کارگیری تکنیک های پردازشی موازی به عنوان روشی امکان پذیر برای غلبه بر مسئلۀ یادگیری کند شناخته شده است. بنابراین، در این مقاله الگوریتم داده کاوی موازی فازی – ژنتیکی را بر اساس معماری ارباب – برده ارائه کرده ایم تا قواعد وابستگی و توابع عضویت را از تراکنش های کمی استخراج کنیم. پردازندۀ master مانند الگوریتم ژنتیک از جمعیت یگانه ای استفاده می کند، و وظایف ارزیابی برازش را بین پردازنده های slave توزیع می کند. اجرای الگوریتم پیشنهاد شده در معماری ارباب – برده بسیار طبیعی و کارآمد است. پیچیدگی های زمانی برای الگوریتم های داده کاوی ژنتیکی – فازی موازی نیز مورد تحلیل قرار گرفته است. نتایج این تحلیل تأثیر قابل توجه الگوریتم پیشنهاد شده را نشان داده است. هنگامی که تعداد نسل ها زیاد باشد، افزایش سرعت الگوریتم ممکن است نسبتاً خطی باشد. نتایج تجربی تیز این نکته را تأیید می کنند. لذا به کارگیری معماری ارباب – برده برای افزایش سرعت الگوریتم داده کاوی ژنتیکی – فازی روشی امکان پذیر برای غلبه بر مشکل ارزیابی برازش کم سرعت الگوریتم اصلی است.
کلمات کلیدی: داده کاوی، مجموعه های فازی، الگوریتم ژنتیک، پردازش موازی، قاعده اتحادیه
مقدمه
با پیشرفت روزافزون فن آوری اطلاعات (IT) ، قابلیت ذخیره سازی و مدیریت داده ها در پایگاه های داده اهمیت بیشتری پیدا می کند. به رغم اینکه گسترش IT پردازش داده ها را تسهیل و تقاضا برای رسانه های ذخیره سازی را برآورده می سازد، استخراج اطلاعات تلویحی قابل دسترسی به منظور کمک به تصمیم گیری مسئله ای جدید و چالش برانگیز است. از این رو، تلاش های زیادی معوف به طراحی مکانیسم های کارآمد برای کاوش اطلاعات و دانش از پایگاه داده های بزرگ شده است. در نتیجه، داده کاوی، که نخستین بار توسط آگراول، ایمیلنسکی و سوامی (1993) ارائه شد، به زمینۀ مطالعاتی مهمی در مباحث پایگاه داده ای و هوش مصنوعی مبدل شده است.