×
  • پروپوزال طراحی یک سیستم نرم افزاری جهت بهبود پیش بینی و برآورد هزینه ها

    ۲۲۴,۴۰۰ تومان

    پروپوزال ایجاد یک سیستم پیشنهاد دهنده هوشمند با بکارگیری شبکه های نسل آینده(NGN) در اینترنت اشیاء(IOT)

    ۲۲۳,۱۰۰ تومان

    پروپوزال یک مدل مبتنی بر اشتراک مخفی جهت داده­کاوی با حفظ حریم خصوصی

    ۲۱۸,۹۰۰ تومان

    پروپوزال ارائه یک سیستم تشخیص حملات DDoS در شبکه‌هاي IP مبتنی بر تحليل جريان

    ۲۱۲,۵۰۰ تومان

    پروپوزال طراحی یک سیستم پیشنهاد دهنده مبتنی بر الگوریتم بهینه سازی ژنتیک در اینترنت اشیا

    ۲۳۵,۰۰۰ تومان

    تجزیه و تحلیل سیستم سامانه مدیریت دامنه با ویژوال پارادایم(Visual Paradigm)

    ۹۰,۹۰۰ تومان

    تجزیه و تحلیل سیستم سامانه سرورهای مجازی با ویژوال پارادایم(Visual Paradigm)

    ۹۲,۵۰۰ تومان

    تجزیه و تحلیل سیستم حمل و نقل بار ریلی با ویژوال پارادایم(Visual Paradigm)

    ۹۳,۴۰۰ تومان

    تجزیه و تحلیل سیستم حمل و نقل بار شهری با ویژوال پارادایم(Visual Paradigm)

    ۸۶,۸۰۰ تومان

    تجزیه و تحلیل سیستم مدیریت بارنامه با ویژوال پارادایم(Visual Paradigm)

    ۸۶,۳۰۰ تومان

    تجزیه و تحلیل سیستم وبسایت بارنامه با ویژوال پارادایم(Visual Paradigm)

    ۸۷,۷۰۰ تومان

    تجزیه و تحلیل سیستم دفتر خدمات الکترونیکی قضایی با ویژوال پارادایم(Visual Paradigm)

    ۹۱,۱۰۰ تومان

    تجزیه و تحلیل سیستم دفتر خدمات قضایی با ویژوال پارادایم(Visual Paradigm)

    ۹۰,۴۰۰ تومان

    تجزیه و تحلیل سیستم وبسایت قوه قضاییه با ویژوال پارادایم(Visual Paradigm)

    ۸۷,۳۰۰ تومان

    تجزیه و تحلیل سیستم وب سایت نوبت دهی مشاور با ویژوال پارادایم(Visual Paradigm)

    ۸۸,۵۰۰ تومان

    تجزیه و تحلیل سیستم وبسایت نوبت دهی وکیل با ویژوال پارادایم(Visual Paradigm)

    ۸۹,۴۰۰ تومان

    تجزیه و تحلیل سیستم وبسایت نوبت دهی پزشک با ویژوال پارادایم(Visual Paradigm)

    ۸۸,۴۰۰ تومان

    تجزیه و تحلیل سیستم وبسایت بلیط هواپیما خارجی با ویژوال پارادایم(Visual Paradigm)

    ۹۰,۹۰۰ تومان

    تجزیه و تحلیل سیستم وبسایت بلیط هواپیما داخلی با ویژوال پارادایم(Rational Rose)

    ۸۷,۹۰۰ تومان

    تجزیه و تحلیل سیستم وبسایت اسنپ تیکت با ویژوال پارادایم(Visual Paradigm)

    ۹۰,۴۰۰ تومان

    مطالب رایگان

    بیشتر

    مشاوره نگارش، سابمیت، پذیرش و چاپ مقاله علمی پژوهشی

    مشاوره و آموزش نگارش، سابمیت، پذیرش و چاپ مقاله علمی پژوهشی در کمتر از 1 ماه

    مقاله چیست؟

    آموزش و مشاوره نگارش مقالات فارسی و انگلیسی در سطوح ارشد و دکتری برای مجلات ISC, ISI, Scopus, PubMed, Q1,Q2,Q3,Q4 در کمتر از دو هفته

    یادگیری عمیق (Deep Neural Networks)

    یادگیری عمیق نوعی از یادگیری ماشین وهوش مصنوعی است که در واقع از روشی که ذهن انسان برای یادگیری موضوع خاصی به کار می گیرد، تقلید می کند. این نوع از یادگیری یکی از عناصر مهم در علم داده می باشد که شامل آمار و مدل سازی پیش بینی است. یادگیری عمیق برای دانشمندان داده که وظیفه جمع آوری ، تجزیه و تحلیل و تفسیر مقادیر زیادی از داده ها را دارند ، بسیار مفید است و این روند را سریعتر و آسان تر می کند.

    الگوریتم های استخراج ویژگی

    روش‌های انتخاب ویژگی (Feature Selection Methods) به منظور مواجهه با داده‌های ابعاد بالا، به مولفه‌ای جدایی ناپذیر از فرآیند یادگیری مبدل شده‌اند. یک انتخاب ویژگی صحیح می‌تواند منجر به بهبود یادگیرنده استقرایی از جهت‌های گوناگون از جمله سرعت یادگیری، ظرفیت تعمیم و سادگی مدل استنتاج شده شود. در این مطلب بحث استخراج ویژگی و انتخاب ویژگی و انواع روش‌های آن مورد بررس قرار می‌گیرد.

    الگوریتم طبقه بندی درخت تصادفی

    سیستم های پیشنهاد دهنده در شبکه اجتماعی و انواع آنها

    یک سیستم پیشنهاد دهنده سعی می‌کند علایق یک کاربر خاص در وبسایت شما را شناسایی و پیش‌بینی کند و آیتم‌هایی متناسب با علایقش به وی نشان دهد. سیستم پیشنهاد دهنده از الگوریتم‌های بسیار قدرتمند یادگیری ماشین (machine learning) است که خرده‌فروشی‌های آنلاین متعددی از آن برای افزایش فروش خود استفاده می‌کنند.

    الگوریتم FP-Growth

    یکی از الگوریتم های محبوب و مفید در این فن، الگوریتم FP-growth است. حجم داده ورودی FP-growth اصولا بسیار زیاد است و به همین دلیل یک محیط ابری چهارچوب مناسبی خواهد بود که میتواند از این حجم عظیم داده را به بخش های کوچکتر تقسیم و هر بخش را بصورت مجزا برای پردازش به یک نود خاص در شبکه ابری ارسال نمایید. این کار علاوه بر کاهش زمان اجرا تاثیر بسزائی در کاهش هزینه های ناشی از فراهم کردن بستره مورد نیاز برای داده کاوی خواهد داشت.

    طبقه بندی داده ها

    هنگامی که قصد تحلیل یک سری بزرگ از داده­ ها وجود دارد طبقه ­بندی به ما کمک خواهد کرد، زیرا که طبقه ­بندی روشی استاندارد برای نظم دادن به داده ­ها می­ باشد. می­ توان گفت که با این کار، داده­ ها به شکل قابل استفاده و ساده تر بیان می­ شوند و اعضای مشابه در کنار هم قرار می­ گیرند. در این فصل به روش­ هایی برای طبقه ­بندی کردن داده­ ها با دیدگاه آماری و مکانی پرداخته شده است.

    پشتیبانی آنلاین

    همواره ناب لرنینگ پشتیبان تمامی پروژه های خود از ساعت 9 صبح تا 12 شب می باشد. جهت تماس با پشتیبان و سفارش پروژه جدید کافیست از طریق "گفتگوی آنلاین" یا "سفارش فوری پروژه" یا "صفحه تماس با ما" اقدام فرمایید.

    0