تحلیل وتفسیر خروجی ها نرم افزار اکوتکت

اختصاصی از فی لوو تحلیل وتفسیر خروجی ها نرم افزار اکوتکت دانلود با لینک مستقیم و پر سرعت .

در این فایل اموزشی تمامی خروجی های که از نرم افزار اکوتکت گرفته میشود را به زباانی ساده تفسیر کرده است

اجرای تکنیک های داده کاوی

اختصاصی از فی لوو اجرای تکنیک های داده کاوی دانلود با لینک مستقیم و پر سرعت .

داده های مورد استفاده در این پروژه از پایگاه داده دانشگاه آزاد قزوین تهیه شده است، این داده ها اطلاعات ۵۰۰ نفر دانشجوی مقطع کارشناسی رشته مهندسی صنایع (گرایش های تکنولوژی صنعتی و تولید صنعتی) است. که در قالب یک فایل اکسل با ۳۸۳۷۷ رکورد می باشد و سنوات تحصیلی ۱۳۸۴ تا ۱۳۹۰ را شامل می شود. مدلی که برای پیشبینی ارتقاء سطح علمی دانشجویان بر اساس اطلاعات موجود در پایگاه داده دانشگاه آزاد قزوین پیشنهاد میشود در زیر شرح داده میشود : در این مدل پیشنهادی مراحل مختلف فرآیند داده کاوی از جمله جمع آوری دادهها، آماده سازی و پیش پردازش داده ها را روی مجموعه آموزشی ذکر شده انجام داده و الگوریتمهای مختلف داده کاوی از جمله خوشه بندی، قوانین انجمنی، درخت تصمیمگیری، برای دادهها به کار گرفته شده است. ابتدا برای عملکرد بهتر الگوریتمهای داده کاوی یک سری عملیات پیشپردازشی روی دادهها انجام داده شده است. همچنین بعد از تجمیع دادهها داخل یک فایل خصیصههای عددی به خصیصه های گروهی معادل تبدیل شده است. برای مثال تمام نمرات دانشجویان به پنج گروه عالی، خوب، متوسط، ضعیف و مردود تقسیم بندی شده است.

کلمات کلیدی :

مقدمه ای بر داده کاوی

مقدمه ای بر نرم افزار Weka

شرح دیتاست پروژه

اعمال تکنیک درخت تصمیم بروی داده ها

قانون ها

اعمال تکنیک شبکه عصبی بروی داده ها

خروجی شبکه عصبی

اعمال تکنیک خوشه بندی بر وی داده ها

معرفی نرم افزار Weka

آموزش نرم افزار weka

انتخاب الگوریتم رده بندی

انتخاب الگوریتم خوشه ‌بندی

فرمت : PDF - Word

صفحه :41

دانلود پروژه شبیه سازی شبکه عصبی

اختصاصی از فی لوو دانلود پروژه شبیه سازی شبکه عصبی دانلود با لینک مستقیم و پر سرعت .

شرح مختصر : در این تحقیق از نخستین کاربرد شبکه های عصبی یعنی تقریب توابع برای تقریب دیاگرام مودی برای استخراج ضریب اصطکاک دارسی که در محاسبات مربوط به افت فشار سیال لوله ها ناشی از اصطکاک ،استفاده می شود.در مکانیک سیالات ضریب اصطکاک دارسی یا از نمودار مودی استخراج می شود و یا از فرمول های نیمه تجربی مانند معادله کلمبرک محاسبه می شود. در این مقاله تعداد ۱۲۰۰ نمونه از دو داده ورودی به نام عدد بی بعد رینولدز و زبری نسبی لوله تولید کرده ایم که داده های معلوم مسئله هستند و بصورت تصادفی و در محدوده مشخص انتخاب شده اند و۱۲۰۰ نمونه داده خروجی ضریب اصطکاک دارسی است که از روی نمودار مودی و با استفاده از داده های ورودی استخراج شده و به عنوان داده ای آموزش برای شبکه عصبی طراحی شده در نظر گرفته شده اند. آموزش شبکه را با دو سری داده انجام شده است یک سری داده های معمولی و خام و سری دوم داده هایی که ورودی های آنها بصورت غیر خطی نورمالایز لگاریمی شده اند و تفاوت خطای نهایی آنها مورد بررسی قرار گرفته شده است. بعد از آموزش شبکه و رسیدن به سطح خطای مطلوب ،ضریب اصطکاک را از برنامه گرفته و وارد قسمت دوم برنامه برای محاسبه افت فشار لوله ناشی از اصطکاک سیال با جدار لوله برای جریان کاملا فراگیر و لوله با قطر ثابت کرده و افت هد اصلی را بدست آورده ایم.

فهرست :

مقدمه

توضیحاتی در مورد جریان در لوله ها و دیاگرام مودی

افت فشار

شبیه سازی شبکه عصبی

داده های ورودی و خروجی

آموزش شبکه عصبی با جعبه ابزار Matlab

توضیح جز به جز برنامه نوشته شده

خروجی شبکه

بررسی نمودارهای استخراج شده

تعیین تعداد نورون های لایه پنهان

مثالی از محاسبه افت فشار در یک لوله با استفاده از برنامه نوشته شده

خروجی شبکه

منابع و مآخذ