این مدل 3 بعدی با نرم افزار اسکچاپ ورژن 8 ساخته شده است ,شما می توانید آن را با اسکچاپ 8,2013,2014 و همچنین نرم افزار 3دی مکس 2014 به بالا باز کنید و از آن استفاده کنید,فایل موجود با پسوند skp می باشد که پسوند فایل های اسکچاپ است و با نرم افزارهای تبدیل کننده آن را به فایل مکس با پسوند 3ds می توان تبدیل کرد,از فایل های سایت دیدن فرمایید و برای پروژه های خود استفاده کنید,
پروژه 3 بعدی فرودگاه,ساخته شده با نرم افزار اسکچاپ
این مقاله که ترجمه شده یک مقاله مکانیک سنگ مربوط به سال 2013 هستش به فارسی ترجمه شده و فایل اصلی مقاله هم آماده شده .
در موضوعیت مکانیک سنگ هستش و قبلا به استاد شیخ الرئیسی داده شده و نمره هم گرفته شده ! :D !
امیدوارم استفاده کنید !
مایکروسافت پاورپویت (Microsoft PowerPoint) یک برنامه نمایشی حاضر در همه جا توسعه یافته برای سیستم‌عامل‌های مایکروسافت ویندوز و Mac OS می‌باشد. در بسیاری از موارد به همراه کسب و کار، آموزش و پرورش استفاده می‌شود، از جمله متداول‌ترین شکل‌های قانع سازی برای استفاده از تکنولوژی است. در کتاب حاضر شما بیشتر با جدیدترین نسخه ی ارائه شده ی این نرم افزار آشنا خواهید شد.
(فرمت کتاب : pdf)
پیش بینی سرطان پروستات با استفاده از شبکه های عصبی مصنوعی
Fuzzy expert system for predicting pathological stage of prostate cancer
M.J.P. Castanho a,⇑, F. Hernandes b, A.M. De Ré b, S. Rautenberg b, A. Billis c
سال انتشار مقاله: Expert Systems with Applications 40 (2013) 466–470
ژورنالی
journal homepage: www.elsevier.com/locate/eswa
چکیده
سرطان پروستات، دومین سرطان شایع بین مردان است که بر طبق گزارش سازمان بهداشت جهانی، هر ساله منجر به مرگ نیم میلیون نفر در سراسر جهان می شود. زمانی که سرطان تنها محدود به عضو پروستات باشد، معمولاً انجام درمان های قطعی مانند پروستاتکتومی ریشه ای، تأثیر بیشتری دارد. هدف این پژوهش، بررسی کارایی برخی از سیستم های خبرۀ فازی در کلاس بندی بیمارانی است که سرطان آنها محدود یا نامحدود به عضو پروستات است. برای پرداختن به ابهام ذاتی موجود در متغیر های استفاده شده برای پیش بینی مرحلۀ سرطان، رویکرد ایجاد شده بر اساس تئوری مجموعۀ فازی است. در این پژوهش، یک سیستم خبرۀ فازی ایجاد شده است که توابع عضویت و قوانین فازی آن، بوسیلۀ الگوریتم ژنتیک تنظیم و میزان سازی می شوند. به عنوان نتیجه، رویکرد پیشنهاد شده، نسبت به چندین پژوهش مرتبط با پیش بینی سرطان پروستات، دقت و صحت بالاتری را به دست آورده است.
کلمات کلیدی: الگوریتم ژنتیک، سرطان پروستات، سیستم های استنتاج فازی
Prostate cancer is the second most common cancer among men, responsible for the loss of half a million lives each year worldwide, according to the World Health Organization. In prostate cancer, definitive therapy such as radical prostatectomy, is more effective when the cancer is organ-confined. The aim of this study is to investigate the performance of some fuzzy expert systems in the classification of patients with confined or non-confined cancer. To deal with the intrinsic uncertainty about the variables utilized to predict cancer stage, the developed approach is based on Fuzzy Set Theory. A fuzzy expert system was developed with the fuzzy rules and membership functions tuned by a genetic algorithm. As a result, the utilized approach reached better precision taking into account some correlated studies.
Keywords: Fuzzy rule-based system, Genetic algorithm, Prostate cancer
.
نمونه داکیومنت را می توانید در تصویر زیر مشاهده نمایید:
آنچه تحویل داده می شود:
تعداد صفحات فایل ورد مقاله ترجمه شده (فارسی): 10 صفحه
تعداد صفحات مقاله اصلی زبان انگلیسی: 5 صفحه
مناسب برای دانشجویان کارشناسی و ارشد کامپیوتر (مهندسی نرم افزار و معماری کامپیوتر، هوش مصنوعی) و دانشجویان IT بالاخص دانشجویان نرم افزار و هوش مصنوعی
می توان به عنوان پروژه دروس کارشناسی ارشد یا کارشناسی این پروژه را تحویل داد، دروسی مانند سیستم خبره، داده کاوی، مهندسی نرم افزار پیشرفته، مباحث پیشرفته در مهندسی نرم افزار، یادگیری ماشین،Machine Learning ، Data Mining، شبکه های عصبی، Neural Networks، مهندسی پزشکی، بیوانفورماتیک، انفورماتیک پزشکی، منطق فازی، ژنتیک
پس از خرید از درگاه امن بانکی، لینک دانلود در اختیار شما قرار میگیرد و همچنین به آدرس ایمیل شما فرستاده می شود.
تماس با ما برای راهنمایی، درخواست مقالات و پایان نامه ها و یا ترجمه و یا انجام پروژه های برنامه نویسی و حل تمرینات با آدرس ایمیل:
ebarkat.shop@yahoo.com
یا شناسه تلگرام (آی دی تلگرام ما): @ebarkat
توجه: اگر کارت بانکی شما رمز دوم ندارد و یا در خرید الکترونیکی به مشکل برخورد کردید و یا به هر دلیلی تمایل به پرداخت الکترونیکی ندارید با ما تماس بگیرید تا راههای دیگری برای پرداخت به شما پیشنهاد کنیم.
از پایین همین صفحه (بخش پرداخت و دانلود) می توانید این پروژه را خریداری و دانلود نمایید.
استفاده از الگوریتم ژنتیک موازی جهت ترمیم-خطای خودکار ربات چهار پا
The Automated Fault-Recovery for Four-Legged Robots using Parallel Genetic Algorithm
Hyunsoo Park, Kyung Joong Kim
سال انتشار مقاله: Procedia Computer Science 24 ( 2013 ) 158 – 166
ScienceDirect
17th Asia Pacific Symposium on Intelligent and Evolutionary Systems, IES2013
چکیده
انتظار می رود ربات ها بتوانند در محیط های دشوار بدون دخالت انسان بطور مستقل عمل کنند. هرچند، طراحی رباتی قوی دربرابر همه خطاها کار ناچیزی نیست. از طرف دیگر، موجودیت های بیولوژیکی این قابلیت را دارند که در مقابله با صدمات جسمانی رفتارهای جدیدی خلق کنند. همچنین این یکی خصوصیات خواستنی برای ربات های صنعتی کنترل از راه دور در محیط های دشوار است. در این مقاله، ما استفاده از الگوریتم یادگیری زی-هوشمند را برای تولید رفتارهای جدید روی ربات چهار پا برای مقابله با صدمات جسمانی پیشنهاد داده ایم. از آنجاییکه الگوریتم یادگیری می تواند با استفاده از موازی سازی روی چند ماشین سریع شود، این امکان وجود دارد که بتواند با استفاده از محاسبات راه دور منابع به طور سریع با تغییر (صدمات) سازگار شود. نتایج تجربی نشان می دهد که ربات می تواند با صدمات وارد شده در قسمت های مختلف بدنه با موفقیت سازگار شود.
کلمات کلیدی: تحمل پذیری خطا، تحمل پذیری اشکال، الگوریتم ژنتیک موازی، ربات، شبکه های عصبی، شبیه سازی مبتنی بر فیزیک بدن
Abstract
It is expected that robots could operate autonomously in extreme environments without human intervention.
However, it is not a trivial task to design robots robust to all kinds of faults. On the other hand, Biological entities
have capability to create new behaviors overcoming unexpected damage on their body. This is also one of desirable
properties for industrial robots operating remotely in extreme conditions. In this paper, we propose to use a bioinspired learning algorithm to generate new behaviors on a four-legged robot against unexpected body damages.
Since the learning algorithm can be accelerated using parallelism on multiple machines, it is possible to adapt to
changes (damages) quickly using remote computational resources. Experimental results show that the robot could
© 2013 The Authors. Published by Elsevier B.V.
Selection and peer-review under responsibility of the Program Committee of IES2013.
Keywords: fault-tolerant; robot; parallel genetic algorithm; neural network; physical-based simulation.
نمونه داکیومنت را می توانید در تصویر زیر مشاهده نمایید:
آنچه تحویل داده می شود:
تعداد صفحات فایل ورد مقاله ترجمه شده (فارسی): 9 صفحه
تعداد صفحات مقاله اصلی زبان انگلیسی: 9 صفحه
مناسب برای دانشجویان کارشناسی و ارشد کامپیوتر (مهندسی نرم افزار و معماری کامپیوتر، هوش مصنوعی) و دانشجویان IT بالاخص دانشجویان نرم افزار و هوش مصنوعی
می توان به عنوان پروژه دروس کارشناسی ارشد یا کارشناسی این پروژه را تحویل داد، دروسی مانند سیستم خبره، داده کاوی، مهندسی نرم افزار پیشرفته، مباحث پیشرفته در مهندسی نرم افزار، یادگیری ماشین،Machine Learning ، Data Mining، پردازش ابری، محاسبات توزیع شده، سیستم عامل پیشرفته، محاسبات موازی، پردازش توزیع شده، پردازش موازی، MPI Programming، Parallel Programming، رباتیک، ساخت ربات، Robotic، مهندسی پزشکی، بیوانفورماتیک، انفورماتیک پزشکی
پس از خرید از درگاه امن بانکی، لینک دانلود در اختیار شما قرار میگیرد و همچنین به آدرس ایمیل شما فرستاده می شود.
تماس با ما برای راهنمایی، درخواست مقالات و پایان نامه ها و یا ترجمه و یا انجام پروژه های برنامه نویسی و حل تمرینات با آدرس ایمیل:
ebarkat.shop@yahoo.com
یا شناسه تلگرام (آی دی تلگرام ما): @ebarkat
توجه: اگر کارت بانکی شما رمز دوم ندارد و یا در خرید الکترونیکی به مشکل برخورد کردید و یا به هر دلیلی تمایل به پرداخت الکترونیکی ندارید با ما تماس بگیرید تا راههای دیگری برای پرداخت به شما پیشنهاد کنیم.
از پایین همین صفحه (بخش پرداخت و دانلود) می توانید این پروژه را خریداری و دانلود نمایید.