دانلود پروژه توانبخشی مبتنی بر جامعه CBR

اختصاصی از فی لوو دانلود پروژه توانبخشی مبتنی بر جامعه CBR دانلود با لینک مستقیم و پر سرعت .

دانلود پروژه توانبخشی مبتنی بر جامعه

فهرست

چکیده : 1

مقدمه.. 8

رویکرد چند بخشی... 11

معیار برنامه.. 12

اجزاء برنامه های توانبخشی مبتنی بر جامعه.. 14

بخش های درگیر در توسعه و اجرای توانبخشی مبتنی بر جامعه.. 18

افراد تحت پوشش طرح CBR:. 22

خدمات توانبخشی در طرح CBR:. 22

توانبخشی مبتنی بر جامعه؛ ‌راهبردی برای کمک به معلولا‌ن.. 25

تاریخچه توان بخشی در جهان : 30

تاریخچه توان بخشی در ایران : 31

تعاریف و مفاهیم : 33

تعریف توان بخشی حرفه ای : 34

مراحل توانبخشی حرفه ای : 34

برنامه توانبخشی مبتنی بر جامعه در ایران.. 37

NGOها و توان‌بخشی مبتنی بر جامعه.. 40

معلولان درگذر زمان : 44

توانبخشی مبتنی برجامعه و آموزش و پرورش فراگیر. 49

آموزش در خانواده، راهبرد اصلی توانبخشی مبتنی بر جامعه در ایران.. 71

منابع.. 79

فایل حاضر به صورت word و شامل 97 صفحه و قابل ویرایش می باشد.   

مقاله ISI: بررسی استراتژی های بازار ورود مبتنی بر منابع و تأثیرات سازمانی: شواهد تجربی از یک منطقه با بافت اقتصادی

اختصاصی از فی لوو مقاله ISI: بررسی استراتژی های بازار ورود مبتنی بر منابع و تأثیرات سازمانی: شواهد تجربی از یک منطقه با بافت اقتصادی دانلود با لینک مستقیم و پر سرعت .

• | عنوان فارسی مقاله:
•  بررسی استراتژی های بازار ورود مبتنی بر منابع و تأثیرات سازمانی: شواهد تجربی از یک منطقه با بافت اقتصادی
  
• | عنوان انگلیسی مقاله:
•  Examining market entry mode strategies via resource-based and institutional influences
  
• | فرمت فایل ترجمه شده: WORD (قابل ویرایش)
  
• | تعداد صفحات فایل ترجمه شده: 30
  
• | محتوای فایل : اصل مقاله + ترجمه سلیس
  

| فهرست مطالب :

چکیده،

مقدمه،

در پاسخ به  تحقیقات بیشتر در مورد ادغام نظریه نهادی و RBV،

استراتژی حالت ورود بازار،

نفوذ مبتنی بر محیط زیست و به استراتژی حالت ورود،

ویژگی های بازار میزبان،

روش تحقیق،

جمع آوری داده ها،

نتایج،

تجزیه وتحلیل مقدماتی،

نتایج مدل خارجی برای سازه های کانونی،

نتایج مدل بیرونی با استفاده از فرضیه،

نتیجه گیری و پیشنهاد،

محدودیت ها و نتیجه گیری،

چکیده:
این تحقیق دو هدف عمده دارد.اول توسعه و بررسی یک چهارچوب به منظور بازاریابی و انتخاب حالت ورودی مبتنی بر منابع و نظریه ی نهادی در چار چوب منطقه ای در داخل کشور از لحاظ بازاریابی است. در این مساله تأثیرات مبتنی بر منابع محیط زیست محرک های اصلی استراتژی حالت ورودی هستند .به ویژه، مساله ی اساسی یک شرکت، استراتژی های ورودی به بازار است که منابع آن (مشخصات شرکت، مشخصات محصول، بزرگی شرکت) است که میتواند انتخاب را تقویت کند و همچنین این انتخاب به درک شرکت ها از دو محیط (خصوصیات میزبان و میهمان بازار) بستگی دارد. دوم بررسی چارچوب نظری در وضعیت های ویژه از حالت های ورودی شرکت های هنگ کنگ به سرزمین اصلی چین به عنوان اقتصاد خاص منطقه ای در چارچوب داخل کشوراست.جمع آوری اطلاعات از 208مدیر ارشد شرکت های هنگ کنگ با بررسی پست الکترو نیکی انجام گرفت. نتایج نشان می دهد که مشخصات شرکت، مشخصات محصول، خصوصیات بازار داخلی و میزبان)اما نه به بزرگی شرکت ( به طور قابل توجهی در استراتژی انتخاب و ورود صاحبان سهام به منظور شرکت هایی دارد که از هنگ کنگ به دیگر مناطق در چین می روند. 2012آکادمی بازاریابی استرالیا و نیوزیلند. منتشر شده توسط الزویر.همه حقوق محفوظ می باشد.

تأخیر کم در کدهای تصحیح خطای نمادین مبتنی بر کدهای (Reed-Solomon (RS

اختصاصی از فی لوو تأخیر کم در کدهای تصحیح خطای نمادین مبتنی بر کدهای (Reed-Solomon (RS دانلود با لینک مستقیم و پر سرعت .

عنوان و چکیده مقاله به انگلیسی و فارسی

Salvatore Pontarelli, Pedro Reviriego, Marco Ottavi and Juan Antonio Maestro

Abstract— To avoid data corruption, Error Correction Codes (ECCs) are widely used to protect memories. ECCs introduce a delay penalty in accessing the data as encoding or decoding has to be performed. This limits the use of ECCs in high-speed memories. This has led to the use of simple codes such as Single Error Correction Double Error Detection (SEC-DED) codes. However, as technology scales Multiple Cell Upsets (MCUs) become more common and limit the use of SEC-DED codes unless they are combined with interleaving. A similar issue occurs in some types of memories like DRAM that are typically grouped in modules composed of several devices. In those modules, the protection against a device failure rather than isolated bit errors is also desirable. In those cases, one option is to use more advanced ECCs that can correct multiple bit errors. The main challenge is that those codes should minimize the delay and area penalty. Among the codes that have been considered for memory protection are Reed-Solomon (RS) codes. These codes are based on non-binary symbols and therefore can correct multiple bit errors. In this paper, single symbol error correction codes based on Reed-Solomon (RS) codes that can be implemented with low delay are proposed and evaluated. The results show that they can be implemented with a substantially lower delay than traditional single error correction RS codes.
Index Terms— Error correction codes, Reed-Solomon codes, DRAM memory module, soft errors.

تأخیر کم در کدهای تصحیح خطای نمادین مبتنی بر کدهای (Reed-Solomon (RS

چکیده:

 به منظور جلوگیری از خطا و انحراف اطلاعات، کدهای تصحیح خطا(ECC) به طور گسترده ای برای محافظت از حافظه استفاده می شود. ECCها یک جریمه ی تأخیر در دسترسی به اطلاعات معرفی می کند که این روند باید به صورت رمزگذاری و یا رمزگشایی انجام شود. این مورد باعث می شود کاربرد ECCها در حافظه های با سرعت بالا، محدود شود. این امر منجر به استفاده از کدهای ساده مانند کد تصحیح یک خطا و تشخیص دو خطا (SEC-DED) می شود. با این حال، تکنولوژی چندسلولی (MCU) متداولتر شده است و کاربرد کدهای SEC-DED را محدود می کند مگر اینکه آنها با فرآیند برگ برگ سازی ترکیب شوند. حالت مشابه در برخی حافظه ها مانند DRAM اتفاق می افتد که به طور معمول در ماژولهایی رخ می دهد که متشکل از دستگاههای مختلف هستند. در آن ماژولها، محافظت در برابر خطای دستگاه نسبت به جدا کردن بیتهای خطا مطلوب تر است. در آن موارد، یک گزینه این است که  از ECC های پیشرفته تری استفاده کنیم که بتواند چندین بیت خطا را تصحیح کند. چالش اصلی این است که این کدها باید تأخیر و حوزه ی جریمه را به حداقل میزان ممکن برسانند. در میان کدهایی که برای نگهداری حافظه در نظر گرفته شده اند می تواند به کدهای(Reed-Solomon (RS اشاره کرد. این کدها مبتنی بر شاخصهای غیرباینری هستند و بنابراین می توانند چندین بیت خطا را تصحیح کنند. در این مقاله کدهای تصحیح خطای نمادین مبتنی بر کدهای (Reed-Solomon (RS هستند که می توانند با تأخیر کم پیاده سازی شده و مورد ارزیابی قرار گیرند. نتایج نشان میدهند که می توان این کدها را با تأخیر پایین تر نسبت به کدهای تصحیح یک خطا RS پیاده سازی کرد.

کلمات کلیدی: کدهای تصحیح خطا، کدهای Reed-Solomon، ماژول حافظه ی DRAM، خطاهای نرم افزاری.

تعدادصفحات انگلیسی=6

تعداد صفحات فارسی=12

فایل ترجمه شده در فرمت وورد می باشد

سیستم های مبتنی بر شبکه عصبی

اختصاصی از فی لوو سیستم های مبتنی بر شبکه عصبی دانلود با لینک مستقیم و پر سرعت .

شرح مختصر :  

شبکه‌های عصبی مصنوعی Artificial Neural Network – ANN)  ) یا به زبان ساده‌تر شبکه‌های عصبی سیستم‌ها و روش‌های محاسباتی نوینی هستند برای یادگیری ماشینی، نمایش دانش، و در انتها اعمال دانش به دست آمده در جهت بیش‌بینی پاسخ‌های خروجی از سامانه‌های پیچیده. ایده اصلی این گونه شبکه‌ها (تا حدودی) الهام‌گرفته از شیوه کارکرد سیستم عصبی زیستی، برای پردازش داده‌ها، و اطلاعات به منظور یادگیری و ایجاد دانش قرار دارد. عنصر کلیدی این ایده، ایجاد ساختارهایی جدید برای سامانه پردازش اطلاعات است. این سیستم از شمار زیادی عناصر پردازشی فوق العاده بهم‌پیوسته با نام نورون تشکیل شده که برای حل یک مسأله با هم هماهنگ عمل می‌کنند و توسط سیناپس‎ها(ارتباطات الکترومغناطیسی) اطلاعات را منتقل می‎کنند. در این شبکه‌ها اگر یک سلول آسیب ببیند بقیه سلول‎ها می‌توانند نبود آنرا جبران کرده، و نیز در بازسازی آن سهیم باشند. این شبکه‌ها قادر به یادگیری‎اند. مثلا با اعمال سوزش به سلول‎های عصبی لامسه، سلول‎ها یاد می‌گیرند که به طرف جسم داغ نروند و با این الگوریتم سیستم می‌آموزد که خطای خود را اصلاح کند. یادگیری در این سیستم‎ها به صورت تطبیقی صورت می‌گیرد، یعنی با استفاده ازمثال‎ها وزن سیناپس‎ها به گونه‌ای تغییر می‌کند که در صورت دادن ورودی‎های جدید، سیستم پاسخ درستی تولید کند. توافق دقیقی بر تعریف شبکه عصبی در میان محققان وجود ندارد؛ اما اغلب آنها موافقند که شبکه عصبی شامل شبکه‎ای از عناصر پردازش ساده (نورونها) است، که می‌تواند رفتار پیچیده کلی تعیین شده‎ای از ارتباط بین عناصر پردازش و پارامترهای عنصر را نمایش دهد. منبع اصلی و الهام بخش برای این تکنیک، از آزمایش سیستم مرکزی عصبی و نورونها (آکسون‎ها، شاخه‌های متعدد سلولهای عصبی و محلهای تماس دو عصب)نشأت گرفته‌است، که یکی از قابل توجه‎ترین عناصر پردازش اطلاعات سیستم عصبی را تشکیل می‎دهد. در یک مدل شبکه عصبی، گره‎های ساده (بطور گسترده نورون، نئورونها، “PE” ها (عناصر پردازش) یا واحدها) برای تشکیل شبکه‎ای از گره‎ها، به هم متصل شده اند،به همین دلیل به آن، اصطلاح”شبکه‎های عصبی” اطلاق می‎شود. در حالی که یک شبکه عصبی نباید به خودی خود سازگارپذیر باشد، استفاده عملی از آن بواسطه الگوریتمهایی امکان پذیر است، که جهت تغییر وزن ارتباطات در شبکه (به منظور تولید سیگنال موردنظر) طراحی شده باشد. با استفاده از دانش برنامه‌نویسی رایانه می‌توان ساختار داده‌ای طراحی کرد که همانند یک نرون عمل نماید. سپس با ایجاد شبکه‌ای از این نورون‌های مصنوعی به هم پیوسته، ایجاد یک الگوریتم آموزشی برای شبکه و اعمال این الگوریتم به شبکه آن را آموزش داد. این شبکه‌ها برای تخمین (Estimation) و تقریب (Approximation)کارایی بسیار بالایی از خود نشان داده‌اند. گستره کاربرد این مدل‌های ریاضی بر گرفته از عملکرد مغز انسان، بسیار وسیع می‌باشد که به عنوان چند نمونه کوچک می‌توان استفاده از این ابزار ریاضی در پردازش سیگنال‌های بیولوییکی، مخابراتی و الکترونیکی تا کمک در نجوم و فضا نوردی را نام برد.

فهرست مطالب :  

مقدمه ای بر شبکه‌های عصبی مصنوعی

تاریخچه شبکه‌های عصبی مصنوعی

شبکه عصبی چیست؟

شبکه  عصبی چه قابلیتهائی دارد؟

الهام از طبیعت

شبکه های عصبی در مقایسه با کامپیوترهای سنتی

مسائل مناسب برای یادگیری شبکه های عصبی

پرسپترون

الگوریتم یادگیری پرسپترون

الگوریتم gradient descent

مشکلات روش gradient descent

تقریب افزایشی gradient descent

الگوریتم  Back propagation

قدرت نمایش توابع

انواع آموزش شبکه

برخی زمینه های شبکه های عصبی

سبکهای معماری شبکه‌های عصبی

قواعد یادگیری در شبکه‌های عصبی

آموزش شبکه‌های عصبی

آموزش unsupervised یا تطبیقی (Adaptive)

تفاوت‌های شبکه‌های عصبی با روش‌های محاسباتی متداول و سیستم‌های خبره

انواع یادگیری برای شبکه های عصبی

یادگیری با ناظر

یادگیری تشدیدی

یادگیری بدون ناظر

معایب شبکه های عصبی

مزیتهای شبکه های عصبی

سیستم خبره

سیستم خبره چیست؟

ساختار یک سیستم خبره‌

استفاده از  منطق فازی

مزایا و محدودیت‌های سیستم‌های خبره

کاربرد سیستم‌های خبره‌

چند سیستم خبره مشهور

مروری بر کاربردهای تجاری

بازاریابی

بانکداری و حوزه های مالی

پیش بینی

سایر حوزه های تجاری

کاربرد مدلهای شبکه عصبی در پیش‌بینی ورشکستگی اقتصادی شرکتهای بازار بورس

کاربرد مدل‌ شبکه عصبی در پیش‌بینی ورشکستگی شرکتهای بازار بورس

تبیین مفهوم ورشکستگی

متغیرهای مدل تحقیق

اطلاعات شرکتهای نمونه تحقیق

تعیین ‌مدل شبکه عصبی سه لایه برای پیش‌بینی ورشکستگی شرکتها

تعیین مدل بهینه شبکه عصبی چهار لایه برای پیش‌بینی ورشکستگی شرکتها

مقایسه مدلهای شبکه عصبی سه و چهار لایه برای پیش‌بینی ورشکستگی اقتصادی

پیش‌بینی ورشکستگی اقتصادی شرکتها در سالهای  و

روند ورشکستگی اقتصادی شرکتهای بازار بورس در دوره ـ

جمع‌بندی و نتیجه‌گیری

منابع

مسئله زمانبندی پروژه با در نظر گرفتن محدودیت منابع تک هدفه با الگوریتم مبتنی بر ممتیک ترکیبی قورباغه

اختصاصی از فی لوو مسئله زمانبندی پروژه با در نظر گرفتن محدودیت منابع تک هدفه با الگوریتم مبتنی بر ممتیک ترکیبی قورباغه دانلود با لینک مستقیم و پر سرعت .

 

 

چکیده :

الگوریتم جهش ترکیبی قورباغه (SFLA) یک الگوریتم مبتنی بر ممتیک متاهیوریستیکِ است. این الگوریتم در سال‌های اخیر توسط Eusuff و Lansey ایجاد شد. الگوریتم SFLA از نحوه‌ی جستجوی غذای گروه‌های قورباغه سرچشمه می‌گیرد. این الگوریتم برای جستجوی محلی میان زیرگروه‌های قورباغه از روش نمو ممتیک استفاده می‌کند. SFLA از استراتژی ترکیب استفاده می‌کند و امکان مبادله پیام در جستجوی محلی را فراهم می‌سازد. الگوریتم جهش ترکیبی قورباغه مزایای الگوریتم نمو ممتیک و بهینه‌سازی گروه ذرات (PSO) را ترکیب می‌کند. یکی از مسائل مشهور در زمینه کنترل پروژه، زمانبندی پروژه با محدودیت منابع و سایر محدودیتها می باشد که زمان‌بندی پروژه با در نظر گرفتن محدودیت منابع از جمله مسائل دارای پیشینه تحقیقاتی غنی است.   مساله زمان‌بندی پروژه با منابع محدود در واقع کلی¬ترین مساله زمان‌بندی است. مسائل زمان‌بندی کارگاهی ، جریان کارگاهی ، زمان‌بندی و سایر مسائل زمان‌بندی همگی زیر مجموعه ای از این مسئله به حساب می آیند. زمان‌بندی پروژه یکی از وظایف اصلی و فعالیت‌های اصلی در مدیریت پروژه است. وجود محدودیت منابع و همچنین روابط پیش نیازی بین فعالیت‌ها مسئله زمان‌بندی پروژه را امری دشوار می‌سازد. زمان‌بندی پروژه با در نظر گرفتن محدودیت منابع از جمله مسائل با ادبیات غنی در حوزه مسائل تحقیق در عملیات است.این مسئله توجه محققان را در سالهای اخیر بشدت بخود جلب کرده است و تاکنون با الگوریتم های مختلف حل شده است. در این مقاله به بررسی و عملکرد الگوریتم جهش قورباغه (SFLA) در حل مسائل زمانبندی پروژه با محدودت منابع پایه پرداخته می شود که نتایج حاکی از عملکرد مناسب و قوی این الگوریتم فراابتکاری جدید می باشد.

فهرست مطالب :

مقدمه

ادبیات موضوع

مساله زمانبندی پروژه با منابع محدود

مدل های ریاضی مسائل RCPSP

روشهای حل مدلهای RCPSP

الگوریتم جهش قورباغه (SFLA) (الگوریتم پیشنهادی در این پژوهش)

الگوریتم ترکیبی جهش قورباغه

تحقیقات داخلی و خارجی صورت گرفته

منابع