سورس تبدیل عبارت میانوندی به پسوندی (++C)

اختصاصی از اینو دیدی سورس تبدیل عبارت میانوندی به پسوندی (++C) دانلود با لینک مستقیم و پر سرعت .

تابعی به نام Infix2Postfix1 تعریف شده است:

• این تابع یک رشته (* char) به عنوان ورودی می‌گیرد. (رشته با نویسه‌ی تهی '0\' پایان می‌پذیرد.)
• رشته‌ی ورودی این تابع یک عبارت میانوندی می‌باشد. (قالب عبارت میانوندی در ادامه آمده است.)
• این تابع یک رشته (* char) بازمی‌گرداند. رشته بایستی با نویسه‌ی تهی '0\' پایان پذیرد.
• این تابع با استفاده از ساختمان داده‌ی پشته، عبارت میانوندی ورودی خود را به عبارت پسوندی تبدیل کرده و به عنوان خروجی بازمی‌گرداند.
  (قالب عبارت پسوندی در ادامه آمده است.)

تابع مرحله‌ی قبل (Infix2Postfix1) به گونه‌ای تغییر کرده است که:

• خروجی تابع float می‌باشد.
• تابع به جای تبدیل عبارت میانوندی به پسوندی؛ حاصل آن را بازمی‌گرداند
• نام تابع را به Infix2Postfix2 تغییر یافته است.

قالب عبارت میانوندی:
عبارت میانوندی شامل عملوند و عملگر و پرانتز باز '(' و بسته ')' می‌باشد. عملوندها به صورت اعداد اعشاری (ارقام ۱ تا ۹ و علامت ممیز (.)) و عملگرها شامل جمع (+)، تفریق (-)، ضرب (*)، تقسیم (/) و توان (^) می‌باشند. بین عملوندها، عملگرها و پرانتزها هیچ نویسه‌ای (مانند فاصله) وجود ندارد.

قالب عبارت پسوندی:
عبارت پسوندی شامل عملوند و عملگر (با قالبی مانند عبارت میانوندی) می‌باشد. عملگرها و عملوندها با نویسه‌ی فاصله (' ') جدا می‌شوند.

• حافظه‌های ایجاد شده در پایان برنامه آزاد می شوند.

تبدیل فوق العاده زیبای عکس (bitmap)به خطی(vector) . تعداد فایلها 20 عدد لایه باز اجرا شده در نرم افزار corel

اختصاصی از اینو دیدی تبدیل فوق العاده زیبای عکس (bitmap)به خطی(vector) . تعداد فایلها 20 عدد لایه باز اجرا شده در نرم افزار corel دانلود با لینک مستقیم و پر سرعت .

مناسب برای پروژهای  دانشجویان رشته گرافیک

دانلود پایان نامه دسته بندی اختلالات کیفیت توان با استفاده از تبدیل ویولت و شبکه عصبی

اختصاصی از اینو دیدی دانلود پایان نامه دسته بندی اختلالات کیفیت توان با استفاده از تبدیل ویولت و شبکه عصبی دانلود با لینک مستقیم و پر سرعت .

دانلود پایان نامه دسته بندی اختلالات کیفیت توان با استفاده از تبدیل ویولت و شبکه عصبی

در این تحقیق تلاش شده تا باابزارها و روشهای نوین پردازش سیگنال(تجزیه چند سطحی ویولتDWT) وهمچنین روش های دسته بندی هوشمند(شبکه های عصبی)انواع اختلالات کیفیت توان شناسایی ودسته بندی شوندودرقسمت بعد کوره قوس الکتریکی شبیه سازی و شکل موج خروجی به عنوان یک نمونه عملی استخراج و مورد بررسی قرارگرفته واختلال آن تعیین شود.

فهرست:

• فصل اول: کیفیت توان
• کیفیتتوان وضرورت توجه به آن
• بررسی مشخصات شکل موج
• انواع اختلالات کیفیت توان و اثرات آن بر تجهیزات مختلف
• 1-هارمونیک ها (Harmonic)
• -2فیلیکر(Flicker
• 3-عدم تعادل ولتاژ
• 4-شکاف(Notch )
• 5-نویز (Noise
• 6-پدیده های گذر(ا(Transient Phenomena
• 7-تغییرات فرکانس
• 8-کمبود ولتاژ((sag
• 9-بیشبود ولتاژ یا اضافه ولتاژ((Swell
• 10-قطع ولتاژ (Interruption(
• دستگاه های از بین برنده کیفیت توان
• راه های بهبود کیفیت توان
• فصل دوم: تبدیل موجک(Wavelet)
• مقدمه
• تبدیل
• دلایل استفاده ازتبدیل
• آنالیز چند رزولوشنه
• تبدیل ویولت یک بعدی
• تبدیل ویولت پیوسته
• رزولوشن در صفحه زمان فرکانس
• روابط ریاضی تبدیل ویولت
• عکس تبدیل ویولت
• گسسته سازی تبدیل ویولت پیوسته
• تبدیل ویولت گسسته
• فصل سوم :شبکههای عصبی مصنوعی( (Artificial Neural Network
• مقدمه
• تاریخچه
• انواع شبکه عصبی
• ایدهشبکه‌های عصبی مصنوعی (Artificial Neural Network – ANN)
• نرون مصنوعی
• ساختار شبکه‌های عصبی
• 1-لایه ورودی
• 2-لایه‌های پنهان(میانی)
• 3-لایه خروجی
• انواع اتصالات یا پیوندهای وزنی
• 1-پیشرو(feed forward)
• 2-پسرو(recurrent)
• تقسیم بندی شبکه‌های عصبی
• 1-آموزش بدون سرپرست
• 2-آموزش با سرپرست
• 3-آموزش تقویتی
• شبکه‌های عصبی در مقایسه با کامپیوترهای سنتی
• دلایل استفاده از شبکه های عصبی
• مزایای شبکه‌های عصبی
• 1-یادگیری تطبیقی
• 2-خود سازماندهی
  

• 3-عملگرهای بی‌درنگ
• 4-تحمل خطا
• 5-دسته بندی
• 6-تعمیم دهی
• 7-پایداری و انعطاف پذیری
• معایب شبکه‌های عصبی
• کاربردهای شبکه های عصبی
• 1-طبقه بندی، شناسایی و تشخیص الگو
• 2- پردازش سیگنال
• 3-پیش بینی سریهای زمانی
• 4- مدلسازی و کنترل
• 5-سیستم های خبره و فازی
• 6-بهینه سازی مسائل مالی، بیمه ، امنیتی، بازار بورس و وسایل سرگرم کننده
• 7- ساخت وسایل صنعتی، پزشکی و امور حمل و نقل
• یادگیری در شبکه های عصبی
• فرایند یادگیری
• معادله یادگیری در حالت کلی
• یادگیری شبکه
• انواع یادگیری
• 1-یادگیری با ناظر
• 2-یادگیری تشدیدی (تقویتی)
• 3-یادگیری بدون ناظر
• الگوریتم پس انتشار خطا((Back-Propagation
• الگوریتم LM درشبکه های عصبی
• الگوریتمهای بهینه سازی
• روش تندترین شیب
• نرخ های یادگیری پایدار( (Stable  Learning rates
• مینیمم سازی در طول یک خط
• روش نیوتن
• الگوریتم (LM(Levenberg-Marquardt
• الگوریتم اساسی ((Basic Algorithm
• شاخص عملکرد و محاسبه ژاکوبین
• شبکه عصبی احتمالی(PNN)
• مزایای شبکه عصبی احتمالی
• معایب شبکه عصبی احتمالی
• تئوری
• تخمین تابع چگالی احتمال
• آموزش شبکه عصبی احتمالی
• موارد استفاده از
• فصل چهارم: فرآیند تحقیق
• مقدمه
• شرح فرآیند تحقیق
• جدول نتایج
• مقایسه با دیگر روش ها
• شبیه سازی کوره قوس القایی
• کوره قوس الکتریکی
• نتیجه نهایی تحقیق
• منابع ومراجع