×
  • پروپوزال طراحی یک سیستم پیشنهاد دهنده مبتنی بر الگوریتم بهینه سازی PSO در اینترنت اشیا (IoT)

    ۲۶۹,۶۰۰ تومان

    پروپوزال بهبود خوشه بندی اسناد با استفاده ازترکیب روشهای فراابتکاری و تخصیص پنهان دیریکله

    ۲۵۸,۶۰۰ تومان

    پروپوزال بهینه سازی مصرف انرژی در شبکه­ های حسگر بی­ سیم با استفاده از خوشه بندی و منطق فازی

    ۲۶۳,۳۰۰ تومان

    پروپوزال ارائه یک سیستم انتقال ویدئو مبتنی بر نرخ پایین بیت در اینترنت اشیا (IoT)

    ۲۶۱,۲۰۰ تومان

    پروپوزال ارائه یک روش کارامد جهت بهبود مديريت دسترسي کاربران در اپلیکیشن های کاربردي

    ۲۶۵,۳۰۰ تومان

    پروپوزال بهبود تعادل بار و زمانبندی وظایف در رایانش ابری با استفاده از الگوریتم بهینه سازی جهش قورباغه

    ۲۵۵,۵۰۰ تومان

    پروپوزال تحلیل بازاریابی رسانه ای در شبکه اجتماعی فیسبوک با استفاده از آنالیز پروفایل و ارتباطات کاربران

    ۲۶۳,۴۰۰ تومان

    پروپوزال طراحی یک سیستم پنهان نگاری تصاویر مبتنی بر الگوریتم های گزینش ویژگی

    ۲۶۹,۲۰۰ تومان

    پروپوزال ارائه یک روش کارامد جهت بهبود پیشنهاد دوست در شبکه های اجتماعی با استفاده از رویکرد پیش بینی لینک

    ۲۶۸,۲۰۰ تومان

    پروپوزال مدل سازی اتصال به طول عمر ارزش مشتری (CCLV) جهت بهبود مدیریت ارتباط با مشتری با استفاده از روشهای یادگیری ماشین

    ۲۶۱,۷۰۰ تومان

    پروپوزال ارائه یک مدل فرصت طلبانه جهت بهبود مسیریابی در شبکه‌‌های بین خودرویی مبتنی بر شبکه‌‌های نرم افزار محور (SDN)

    ۲۶۵,۹۰۰ تومان

    پروپوزال کاربرد میکرواستخراج فاز جامد با استفاده از نانو مواد مغناطیسی و نانو کامپوزیت-ها به منظور استخراج و تعیین مقدار ترکیبات دارویی در نمونه¬های زیست محیطی و بیولوژیکی با روش طیف سنجی تحرک یونی

    ۲۶۳,۵۰۰ تومان

    پروپوزال ارائه یک مدل کارامد جهت بهبود آسیب پذیری جدول جریان در شبکه های نرم افزار محور(SDN)

    ۲۵۳,۸۰۰ تومان

    پروپوزال طراحی یک سیستم توصیه گر دوستیابی ترکیبی مبتنی بر روش بیزین و جستجو مکاشفه ای در شبکه های اجتماعی

    ۲۶۷,۴۰۰ تومان

    پروپوزال ارائه یک سیستم توصیه گر ترکیبی مبتنی بر رویکردهای یادگیری ماشین جهت پیش بینی عوارض جانبی داروها

    ۲۶۸,۱۰۰ تومان

    پروپوزال ارائه یک مدل کارآمد جهت تحلیل پروتکل Open Flow در شبکه های کامپیوتری

    ۲۶۳,۵۰۰ تومان

    پروپوزال ارائه یک روش بهینه جهت بهبود دیجیتال کردن پرونده های پزشکی

    ۲۵۷,۷۰۰ تومان

    پروپوزال یک مدل مبتنی بر ترکیب روشهای یادگیری ماشین جهت طبقه بندی مشتریان بانک ملت

    ۲۵۵,۲۰۰ تومان

    پروپوزال ارائه یک سیستم تشخیص نفوذ مبتنی بر قوانین انجمنی و شبکه عصبی جهت تشخیص نفوذ در شبکه های کامپیوتری

    ۲۵۷,۹۰۰ تومان

    پروپوزال ارائه یک مدل مبتنی بر آنتولوژی جهت طبقه بندی اسناد XML

    ۲۵۶,۴۰۰ 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