نامه‌ها (SPAM) در میان نامه های الکترونیکی (E-mail) با استفاده از مدلهای درختی (تکنی
مقاله شبیه سازی شده
کد پروژه:1503
موضوع: داده کاوی؛ سیستم خبره
شامل:مقاله اصلی +گزارش کامل از خلاصه ای از مقاله و نتایج شبیه سازی با وکا Weka+ دیتاستdataset
azsoftir@gmail.com
0936-729-2276
azsoft.ir
azsoftir@gmail.com
0936-729-2276
azsoft.ir
عنوان مقاله:
تشخیص هرز نامه‌ها (SPAM) در میان نامه های الکترونیکی (E-mail) با استفاده از مدلهای درختی (تکنیک های Data Mining)
اجرای روشهای درختی:
روش درختی AD Tree
روش درختی AD Tree
روش درختی AD Tree
روش درختی DisicionStump
روش درختی J48
روش درختی J48 graft
azsoftir@gmail.com
0936-729-2276
azsoft.ir
azsoftir@gmail.com
0936-729-2276
azsoft.ir
روش درختی NB Tree
روش جنگل تصادفی Random Forest
روش درخت تصادفی Random Tree
روش درخت REP Tree
خلاصه:
هرزنامه (اسپم) تبدیل به یک مسئله مهم در امنیت کامپیوتر شده است به دلیل
آن که یک کانال برای تهدیدات مانند ویروس‌های کامپیوتری، کرم‌ها و حملات
فیشینگ است. بیش از 85٪ از ایمیل‌ها دریافتی هرزنامه است. روشهای
هیوریستیک برای مقابله با این پیام‌ها شامل تکنیک‌های ساده از جمله لیست
سیاه[1] فرستنده و یا استفاده از امضای ایمیل، دیگر کاملاً قابل اعتماد
نیست. در حال حاضر، بسیاری از راه حل‌های الگوریتمهای یادگیری ماشین از
ویژگی‌های آموزش دیده با استفاده از بازنمایی آماری از قوانین است که
معمولاً در ایمیل به نظر می‌رسد.
داده‌کاوی تلاش برای استخراج دانش
از انبوه داده های موجود است . داده کاوی به کمک مجموعه ای از روشهای آماری
و مدلسازی، می تواند الگوها و روابط پنهان موجود در پایگاه های داده را
تشخیص دهد . تاکنون ابزارها و روش های مختلف برای پردازش اطلاعات ساخت
یافته توسعه داده شده است که در نتیجه آن ها ساخت پایگاه‌های اطلاعاتی و
ایجاد انبارهای داده به سادگی صورت می گیرد. امروزه سازمان‌ها قادرند با
هزینه کم اطلاعات وسیعی از وضعیت کسب وکار خود جمع و نگهداری کنند و این
موجب شده است که استفاده از روشهای داده‌کاوی، ارزش قابل توجهی را برای
سازمان، به دست آورد . رویکردهای موجود به مساله داده کاوی متنوع است .
دراین گزارش نگاهی به یکی از کاربردهای داده کاوی یعنی طبقه بندی ایمیل
انداخته خواهد شد و با طبقه بندی های انجام شده هرزنامه ها (spam) را
شناسایی می کنیم و در نهایت این مسئله را پیاده سازی خواهیم نمود. ما از
چند مدل درختی شناخته شده یادگیری ماشین استفاده می‌کنیم و نشان می‌دهیم
که روش پیشنهادی می‌تواند پیام‌های اسپم شناسایی کند.
سفارش پروژه
موضوعات مرتبط: مقالات شبیه سازی شده، پروژه درسی، شبیه سازی با weka
برچسب‌ها: شبیه سازی با وکا Weka, تشخیص ایمیل هرز spam, روشهای درختی داده کاوی, data mining
منتشر شده در تاریخ چهارشنبه بیست و چهارم دی ۱۳۹۳ توسط ADMIN
1502. The comparisons of the influences of prior knowledge on two game-based learning systems
مقاله شبیه سازی شده
کد پروژه:1502
azsoftir@gmail.com
0936-729-2276
azsoft.ir
azsoftir@gmail.com
0936-729-2276
azsoft.ir
موضوع:یادگیری مبتنی بر بازی ؛ داده کاوی؛ سیستم خبره
شامل:مقاله اصلی + فایل شبیه سازی با نرم افزار Weka+گزارش کامل از خلاصه ای از مقاله و نتایج شبیه سازی+ دیتاستdataset
عنوان مقاله:
The comparisons of the influences of prior knowledge on two game-based learning systems
مقایسه تأثیر دانش قبلی در دو سیستم یادگیری مبتنی بر بازی
آدرس: sciencedirect
خلاصه:
Abstract:
Game-based
learning provides many benefits, such as enhancing the interaction with
students and stimulating their learning motivation. Thus, it is popular
to learners who have diverse characteristics. To this end, individual
differences play an essential role. Among various individual
differences, previous studies demonstrated that prior knowledge has
great effects on game-based learning. However, such studies mainly
considered a single game-based learning system. To address this issue,
this study examined how prior knowledge affects students' reactions to
two different types of game based learning systems, i.e., the
Machinarium and the CSI: Web Adventures. The former delivers procedural
knowledge while the latter provides declarative knowledge. The results
from this study indicate that prior knowledge has positive impacts in
the CSI group while it has negative impacts in the Machinarium group.
These findings imply that prior knowledge is useful for the context of
declarative knowledge while it may not be helpful for the context of
procedural knowledge.
Keywords
Evaluation of CAL systems; Interactive learning environments
azsoftir@gmail.com
0936-729-2276
azsoft.ir
azsoftir@gmail.com
0936-729-2276
azsoft.ir
سفارش پروژه
موضوعات مرتبط: مقالات شبیه سازی شده، شبیه سازی با weka
برچسب‌ها: یادگیری مبتنی بر بازی, داده کاوی, شبیه سازی با وکاweka, تاثیر دانش قبلی
منتشر شده در تاریخ چهارشنبه بیست و چهارم دی ۱۳۹۳ توسط ADMIN
1501. A data placement strategy in cloud workflows
مقاله شبیه سازی شده
کد پروژه:1501
موضوع: مدیریت داده در جریان کاری ها روی ابرها
A data placement strategy in cloud workflows
شامل: 4مقاله از ژورنالهای معتبر + فایل گزارش مروری بر چهار مقاله
azsoftir@gmail.com
0936-729-2276
azsoft.ir
azsoftir@gmail.com
0936-729-2276
azsoft.ir
عنوان مقاله:
A data placement strategy in cloud workflows
استراتژی مدیریت داده روی جریان کاری ها در ابر
لیست مقالات:
1. A data placement strategy in scientific cloud workflows
2. On-demand minimum cost benchmarking for intermediate dataset storage in scientific cloud workflow systems
3. Policy Based Data Placement in High Performance Scientific Computing
4. Data Management Challenges of Data-Intensive Scientific Workflows
خلاصه:
در
جریان کاری علمی روی ابر، نیاز به ذخیره سازی مقادیر زیادی از داده های
برنامه در مراکز داده توزیع شده است. برای ذخیره کارا و موثر این دادهها،
مدیر دادهها باید هوشمندانه مراکز داده را برای اقامت این دادهها انتخاب
کند. به طور سنتی، مرکز داده به طور انتخابی با توجه به ظرفیت ذخیره سازی
سیستم تعیین میشود (تعیین دستی). در مورد داده‌هایی که مکان ثابت نیستند؛
وقتی یک کار نیاز به مجموعه داده های مختلف واقع در مراکز داده مختلف دارد،
حرکت حجم زیادی از دادهها به یک چالش تبدیل میشود. در حال حاضر انجام
کارهای علمی در ابرها محبوب شده است، مجموعه داده های میانی در جریان کاری
علمی روی ابر را می‌توان با استراتژی‌های ذخیره سازی مختلف بر اساس مدل
«پرداخت به اندازه استفاده» ذخیره کرد و سیستم را مطلوب‌تر ساخت. در صورتی
که مدیر دادهها، مراکز داده محلی را برای استقرار مجموعه دادهها انتخاب
کند؛ حرکت دادهها میان مراکز داده کم میشود و تحقیقات نشان داده که کاهش
میزان حرکت دادهها روی سرعت و کارایی جریان کاری موثر می‌باشد.
کلمه کلیدی:
ابر؛ جریان کاری؛ مدیریت داده؛ جریان کارهای علمی
سفارش پروژه
موضوعات مرتبط: مقالات ترجمه شده
برچسب‌ها: ابر, جریان کاری, مدیریت داده, گردش علمی, cloud
منتشر شده در تاریخ چهارشنبه بیست و چهارم دی ۱۳۹۳ توسط ADMIN
1012. اجرای الگوریتم wk means در متلب روی دیتاست
مقاله شبیه سازی شده
کد پروژه: 1012
azsoftir@gmail.com
0936-729-2276
azsoft.ir
azsoftir@gmail.com
0936-729-2276
azsoft.ir
موضوع:اجرای الگوریتم WK-means
شامل: فایل شبیه سازی با نرم افزار متلبMatlab
عنوان مقاله:
اجرای الگوریتم wk means در متلب روی دیتاست
سفارش پروژه
موضوعات مرتبط: پروژه درسی، شبیه سازی با MATLAB
برچسب‌ها: متلب, matlab, wk, means, دیتاست
منتشر شده در تاریخ چهارشنبه بیست و چهارم دی ۱۳۹۳ توسط ADMIN
1011. Integral Square Error Minimization Technique for Linear Multi Input and Multi Output Systems
مقاله شبیه سازی شده
کد پروژه: 1011
azsoftir@gmail.com
0936-729-2276
azsoft.ir
azsoftir@gmail.com
0936-729-2276
azsoft.ir
موضوع:کنترل چند متغیره
شامل:مقاله اصلی + فایل شبیه سازی با نرم افزار متلبMatlab +گزارش کامل از خلاصه ای از مقاله و نتایج شبیه سازی
عنوان مقاله:
Integral Square Error Minimization Technique for Linear Multi Input and Multi Output Systems
تکنیک به حداقل رساندن خطای مربع انتگرال برای سیستم خطی با چند ورودی و چند خروجی
آدرس: ieee
azsoftir@gmail.com
0936-729-2276
azsoft.ir
azsoftir@gmail.com
0936-729-2276
azsoft.ir
خلاصه:
Abstract:
A
method is proposed for model order reduction for a linear multivariable
system by using the combined advantages of dominant pole reduction
method and Particle Swarm Optimization (PSO). The PSO reduction
algorithm is based on minimization of integral square error (ISE)
pertaining to a unit step input. Unlike the conventional method, ISE is
circumvented by equality constraints after expressing it in frequency
domain using Parseval's theorem. In addition to this, many existing
methods for model order reduction are also considered. The proposed
method is applied to the transfer function matrix of a 10th order
two-input two-out put linear time invariant model of a power system. The
performance of the algorithm is tested by comparing it with the other
soft computing technique called Genetic Algorithm and also with the
other existing techniques.
Keywords:
MIMO systems
;linear systems; minimization; multivariable systems; particle swarm
optimization; power systems; reduced order systems; transfer function
matrices
سفارش پروژه
موضوعات مرتبط: مقالات شبیه سازی شده، شبیه سازی با MATLAB
برچسب‌ها: سیستم خطی, حداقل سازی, الگوریتم PSO, سیستم قدرت, شبیه سازی با متلب
منتشر شده در تاریخ چهارشنبه بیست و چهارم دی ۱۳۹۳ توسط ADMIN
1010. Intelligent identification and control using improved fuzzy particleswarm optimization
مقاله شبیه سازی شده
کد پروژه: 1010
azsoftir@gmail.com
0936-729-2276
azsoft.ir
azsoftir@gmail.com
0936-729-2276
azsoft.ir
موضوع:کنترل فازی + الگوریتم فازی PSO
شامل:مقاله اصلی + فایل شبیه سازی با نرم افزار متلبMatlab +گزارش کامل از خلاصه ای از مقاله و نتایج شبیه سازی
عنوان مقاله:
Intelligent identification and control using improved fuzzy particleswarm optimization
شناسایی و کنترل هوشمند با استفاده از بهبود ذرات فازی بهینه سازی ازدحام (Fuzzy PSO)
آدرس: ScienceDirect
azsoftir@gmail.com
0936-729-2276
azsoft.ir
azsoftir@gmail.com
0936-729-2276
azsoft.ir
خلاصه:
Abstract:
This
paper presents a novel improved fuzzy particle swarm optimization
(IFPSO) algorithm to the intelligent identification and control of a
dynamic system. The proposed algorithm estimates optimally the
parameters of system and controller by minimizing the mean of squared
errors. The particle swarm optimization is enhanced intelligently by
using a fuzzy inertia weight to rationally balance the global and local
exploitation abilities. In the proposed IFPSO, every particle
dynamically adjusts inertia weight according to particles best memories
using a nonlinear fuzzy model. As a result, the IFPSO algorithm has a
faster convergence speed and a higher accuracy. The performance of IFPSO
algorithm is compared with advanced algorithms such as Real-Coded
Genetic Algorithm (RCGA), Linearly Decreasing Inertia Weight PSO
(LDWPSO) and Fuzzy PSO (FPSO) in terms of parameter accuracy and
convergence speed. Simulation results demonstrate the effectiveness of
the proposed algorithm.
Keywords:
Fuzzy particle swarm optimization; Parameter estimation; Genetic algorithm; Intelligent identification; Intelligent control
سفارش پروژه
موضوعات مرتبط: مقالات شبیه سازی شده، شبیه سازی با MATLAB
برچسب‌ها: الگوریتم pso, شناسایی پارامتر, Fuzzy PSO, شبیه سازی با متلب, کنترل فازی
منتشر شده در تاریخ چهارشنبه بیست و چهارم دی ۱۳۹۳ توسط ADMIN
1009. Parameter identification of nonlinear systems using a particleswarmoptimization approach
مقاله شبیه سازی شده
کد پروژه: 1009
موضوع:کنترل بهینه + سیستم غیر خطی + الگوریتم PSO
شامل:مقاله اصلی + فایل شبیه سازی با نرم افزار متلبMatlab +گزارش کامل از خلاصه ای از مقاله و نتایج شبیه سازی
عنوان مقاله:
Parameter identification of nonlinear systems using a particleswarmoptimization approach
شناسایی پارامتر سیستم غیر خطی با استفاده از روش بهینه سازی ازدحام ذرات PSO
آدرس: ieee
خلاصه:
Abstract:
This
paper applies a particle swarm optimization (PSO) approach to the
parameter identification for a class of nonlinear systems. In the PSO
optimization process, the unknown system parameters are arranged in the
form of a parameter vector (i.e. a particle), and the PSO algorithm
employs the velocity updating and position updating formulas to an
initial population, which is constituted by a great number of particles,
such that the excellent particle is generated. The proposed algorithm
manipulates the parameter vectors directly as real numbers rather than
binary strings. Therefore, to implement the PSO algorithm in computer
codes becomes fairly straightforward. In this study, the PSO algorithm
is applied to estimate the parameters of the Genesio-Tesi nonlinear
chaotic systems. The estimation performance of the PSO algorithm is
verified by examining different sets of random initial populations under
the presence of measurement noises. The simulation results reveal that
the PSO algorithm provides a simple and effective means of solving
parameter estimation problem of nonlinear systems.
Keywords:
nonlinear system; parameter estimation; particle swarm optimization; vectors
سفارش پروژه
موضوعات مرتبط: مقالات شبیه سازی شده، شبیه سازی با MATLAB
برچسب‌ها: سیستم غیرخطی, الگوریتم PSO, تخمین پارامتر, شناسایی پارامتر, شبیه سازی با متلب
منتشر شده در تاریخ چهارشنبه بیست و چهارم دی ۱۳۹۳ توسط ADMIN
1008. Speed Control of DC Motor Using Genetic Algorithm BasedPID Controller
مقاله شبیه سازی شده
azsoftir@gmail.com
0936-729-2276
azsoft.ir
azsoftir@gmail.com
0936-729-2276
azsoft.ir
کد پروژه: 1008
موضوع:کنترل بهینه + موتور DC+ کنترل کننده PID
شامل:مقاله اصلی + فایل شبیه سازی با نرم افزار متلبMatlab +گزارش کامل از خلاصه ای از مقاله و نتایج شبیه سازی
عنوان مقاله:
Speed Control of DC Motor Using Genetic Algorithm BasedPID Controller
کنترل سرعت موتور DC با استفاده از الگوریتم ژنتیک بر اساس کنترل PID
آدرس: ijarcsse
خلاصه:
Abstract:
The
tuning aspect of proportional–integral-derivative (PID) controllers is a
challenge for researchers and plant operators. This paper proposes the
tuning of PID controller of a DC motor using genetic Algorithm .Genetic
algorithm is a soft computing technique which is used for optimization
of PID parameters. The Algorithm functions on three basic genetic
operators of selection, crossover and mutation. Based on the types of
these operators GA has many variants like Real coded GA, Binary coded
GA, These parameters have a great influence on the stability and
performance of the control system. This Paper focuses the Binary coded
GA & find the value of crossover , mutation of PID controller
Keywords:
DC motor, Genetic algorithm, Crossover, Mutation, PID controller.
azsoftir@gmail.com
0936-729-2276
azsoft.ir
azsoftir@gmail.com
0936-729-2276
azsoft.ir
سفارش پروژه
موضوعات مرتبط: مقالات شبیه سازی شده، شبیه سازی با MATLAB
برچسب‌ها: موتور Dc, الگوریتم زنتیک, کنترلگر PID, شبیه سازی با متلب, Genetic algorithm
منتشر شده در تاریخ سه شنبه بیست و سوم دی ۱۳۹۳ توسط ADMIN
1007. Design and Study on Sliding Mode Extremum Seeking Control of the Chaos Embedded Particle Swarm
مقاله شبیه سازی شده
کد پروژه: 1007
موضوع:کنترل بهینه و آشوب و الگوریتم PSO
شامل:مقاله اصلی + فایل شبیه سازی با نرم افزار متلبMatlab +گزارش کامل از خلاصه ای از مقاله و نتایج شبیه سازی
عنوان مقاله:
Design
and Study on Sliding Mode Extremum Seeking Control of the Chaos
Embedded Particle Swarm Optimization for Maximum Power Point Tracking in
Wind Power Systems
azsoftir@gmail.com
0936-729-2276
azsoft.ir
azsoftir@gmail.com
0936-729-2276
azsoft.ir
آدرس: Energies 2014
خلاصه:
Abstract:
This
paper proposes a sliding mode extremum seeking control (SMESC) of chaos
embedded particle swarm optimization (CEPSO) Algorithm, applied to the
design of maximum power point tracking in wind power systems. Its
features are that the control parameters in SMESC are optimized by
CEPSO, making it unnecessary to change the output power of different
wind turbines, the designed in-repetition rate is reduced, and the
system control efficiency is increased. The wind power system control is
designed by simulation, in comparison with the traditional wind power
control method, and the simulated dynamic response obtained by the SMESC
algorithm proposed in this paper is better than the traditional
hill-climbing search (HCS) and extremum seeking control (ESC) algorithms
in the transient or steady states, validating the advantages and
practicability of the method proposed in this paper.
Keywords:
extremum
seeking control (ESC); sliding mode extremum seeking control (SMESC);
maximum power point tracking (MPPT); particle swarm optimization (PSO);
chaos; wind power
سفارش پروژه
موضوعات مرتبط: مقالات شبیه سازی شده، دانلود نرم افزار متلب
برچسب‌ها: کنترل بهینه, آشوب, pso, Wind Power System, شبیه سازی با متلب
منتشر شده در تاریخ سه شنبه بیست و سوم دی ۱۳۹۳ توسط ADMIN
1006. Aircraft Control System Using LQG and LQR Controller with Optimal Estimation-Kalman Filter Des
مقاله شبیه سازی شده
کد پروژه: 1006
موضوع:کنترل کننده های LQR و LQG؛ فیلتر کالمن
شامل:مقاله اصلی + فایل شبیه سازی با نرم افزار متلبMatlab +گزارش کامل از خلاصه ای از مقاله و نتایج شبیه سازی
عنوان مقاله:
Aircraft Control System Using LQG and LQR Controller with Optimal Estimation-Kalman Filter Design
سیستم کنترل هواپیما با استفاده از کنترلLQG و LQR با طراحی فیلتر بهینه برآورد-کالمن
azsoftir@gmail.com
0936-729-2276
azsoft.ir
azsoftir@gmail.com
0936-729-2276
azsoft.irazsoftir@gmail.com
0936-729-2276
azsoft.ir
azsoftir@gmail.com
0936-729-2276
azsoft.ir
آدرس: ScienceDirect
خلاصه:
Abstract
This
paper, describes a LQG and LQR robust controller for the lateral and
longitudinal flight dynamics of an aircraft control system. The
controller is used in order to achieve robust stability and good dynamic
performance against the variation of aircraft parameters. The
application of the proposed LQG and LQR robust control scheme is
implemented through the simulation. The proposed robust controller for
aircraft stability is designed using Matlab/Simulink program. Simulation
results confirm the performance of the proposed controller for aircraft
control system. Since the time of its introduction, the Kalman filter
has been the subject of extensive research and application, particularly
in the area of autonomous or assisted navigation. For example, to
determine the velocity of an aircraft or sideslip angle, one could use a
Doppler radar, the velocity indications of an inertial navigation
system, or the relative wind information in the air data system. Rather
than ignore any of these outputs, a Kalman filter could be built to
combine all of this data and knowledge of the various systems dynamics
to generate an overall best estimate of pitch, roll and sideslip angle.
Keywords
Aircraft motion; LQG control; LQR control; lateral stability; longitudinal stability; State estimator Kalman filter.
سفارش پروژه
موضوعات مرتبط: مقالات شبیه سازی شده، شبیه سازی با MATLAB
برچسب‌ها: LQR, LQG, فیلتر کالمن, شبیه سازی با متلب, کنترل بهینه
منتشر شده در تاریخ سه شنبه بیست و سوم دی ۱۳۹۳ توسط ADMIN
1004. Parameter identification of chaotic dynamic systems throughan improvedparticle swarm optimizat
مقاله شبیه سازی شده
کد پروژه: 1004
موضوع:الگوریتم pso و سیستم آشوب
شامل:مقاله اصلی + فایل شبیه سازی با نرم افزار متلبMatlab +گزارش کامل از خلاصه ای از مقاله و نتایج شبیه سازی
عنوان مقاله:
Parameter identification of chaotic dynamic systems throughan improved particle swarm optimization
شناسایی پارامتر سیستم های دینامیکی آشوبناک با استفاده از بهینه سازی الگوریتم بهبود ذرات ازدحام PSO
azsoftir@gmail.com
0936-729-2276
azsoft.ir
azsoftir@gmail.com
0936-729-2276
azsoft.ir
آدرس:sciencedirect
خلاصه:
Abstract
This
paper is concerned with the parameter identification problem for
chaotic dynamic systems. An improved particle swarm optimization (IPSO),
which is a novel evolutionary computation technique, is proposed to
solve this problem. The feasibility of this approach is demonstrated
through identifying the parameters of Lorenz chaotic system. The
performance of the proposed IPSO is compared with the genetic algorithm
(GA) and standard particle swarm optimization (SPSO) in terms of
parameter accuracy and computational time. It is illustrated in
simulations that the proposed IPSO is more successful than the SPSO and
GA. IPSO is also improved to detect and determine the variation of
parameters. In this case, a sentry particle is introduced to detect any
changes in system parameters and if any change is detected, IPSO runs to
find new optimal parameters. Hence, the proposed algorithm is a
promising particle swarm optimization algorithm for system
identification.
Keywords
Parameter identification; Particle swarm optimization; Chaotic systems
سفارش پروژه
موضوعات مرتبط: مقالات شبیه سازی شده، شبیه سازی با MATLAB
برچسب‌ها: pso, سیستم های دینامیکی آشوبناک, کنترل بهینه, شبیه سازی با متلب
منتشر شده در تاریخ سه شنبه بیست و سوم دی ۱۳۹۳ توسط ADMIN
1003. Improving collaborative filtering recommender system results and performanceusing genetic algo
مقاله شبیه سازی شده
کد پروژه: 1003
azsoftir@gmail.com
0936-729-2276
azsoft.ir
azsoftir@gmail.com
0936-729-2276
azsoft.ir
موضوع:الگوریتم ژنتیک و سیستم توصیه گر
شامل:مقاله اصلی + فایل شبیه سازی با نرم افزار متلبMatlab +گزارش کامل از خلاصه ای از مقاله و نتایج شبیه سازی
عنوان مقاله:
Improving collaborative filtering recommender system results and performance using genetic algorithms
بهبود همکاری سیستم فیلتر توصیه کننده و نتایج عملکرد با استفاده از الگوریتم ژنتیک
آدرس:sciencedirect
خلاصه:
Abstract
This
paper presents a metric to measure similarity between users, which is
applicable in collaborative filtering processes carried out in
recommender systems. The proposed metric is formulated via a simple
linear combination of values and weights. Values are calculated for each
pair of users between which the similarity is obtained, whilst weights
are only calculated once, making use of a prior stage in which a genetic
algorithm extracts weightings from the recommender system which depend
on the specific nature of the data from each recommender system. The
results obtained present significant improvements in prediction quality,
recommendation quality and performance.
Keywords
Collaborative filtering; Recommender systems; Similarity measures; Metrics; Genetic algorithms; Performance
سفارش پروژه
موضوعات مرتبط: مقالات شبیه سازی شده، شبیه سازی با MATLAB
برچسب‌ها: الگوریتم ژنتیک, genetic algorithm, سیستم توصیه گر, recommender system, شبیه سازی با متلب
منتشر شده در تاریخ سه شنبه بیست و سوم دی ۱۳۹۳ توسط ADMIN
1002. Optimal brushless DC motor design using genetic algorithms
مقاله شبیه سازی شده
کد پروژه: 1002
azsoftir@gmail.com
0936-729-2276
azsoft.ir
azsoftir@gmail.com
0936-729-2276
azsoft.irazsoftir@gmail.com
0936-729-2276
azsoft.ir
azsoftir@gmail.com
0936-729-2276
azsoft.ir
موضوع:الگوریتم ژنتیک و کنترل بهینه
شامل:مقاله اصلی + فایل شبیه سازی با نرم افزار متلبMatlab +گزارش کامل از خلاصه ای از مقاله و نتایج شبیه سازی
عنوان مقاله:
Optimal brushless DC motor design using genetic algorithms
طراحی موتور brushless DC بهینه با استفاده از الگوریتم ژنتیک
آدرس:sciencedirect
خلاصه:
Abstract
This
paper presents a method for the optimal design of a slotless permanent
magnet brushless DC (BLDC) motor with surface mounted magnets using a
genetic algorithm. Characteristics of the motor are expressed as
functions of motor geometries. The objective function is a combination
of losses, volume and cost to be minimized simultaneously. Electrical
and mechanical requirements (i.e. voltage, torque and speed) and other
limitations (e.g. upper and lower limits of the motor geometries) are
cast into constraints of the optimization problem. One sample case is
used to illustrate the design and optimization technique.
Keywords
Optimization; Brushless DC; Motor; Slotless; Radial flux; Genetic algorithm; Surface mounted; Magnet
سفارش پروژه
موضوعات مرتبط: مقالات شبیه سازی شده، شبیه سازی با MATLAB
برچسب‌ها: الگوریتم ژنتیک, موتور Dc, شبیه سازی با متلب, Genetic algorithm, کنترل بهینه
منتشر شده در تاریخ سه شنبه بیست و سوم دی ۱۳۹۳ توسط ADMIN
1001. Application of an improved PSO algorithm to optimal tuning of PID gains for water turbine gov
مقاله شبیه سازی شده
کد پروژه: 1001
azsoftir@gmail.com
0936-729-2276
azsoft.ir
azsoftir@gmail.com
0936-729-2276
azsoft.ir
موضوع:الگوریتم PSO و کنترل بهینه
شامل:مقاله اصلی + فایل شبیه سازی با نرم افزار متلبMatlab +گزارش کامل از خلاصه ای از مقاله و نتایج شبیه سازی
عنوان مقاله:
Application of an improved PSO algorithm to optimal tuning of PID gains for water turbine governor
استفاده از بهبود الگوریتم PSO برای تنظیم بهینه ضرایب PID برای والی توربین آب
آدرس:sciencedirect
خلاصه:
Abstract
In
this paper, an improved particle swarm optimization (IPSO) algorithm is
proposed. Besides the individual best position and the global best
position, a nominal average position of the swarm is introduced in IPSO.
The performance of IPSO is compared to different PSO variants with five
well-known benchmark functions. The experimental results show that the
proposed IPSO algorithm improves the searching performance on the
benchmark functions. And then, IPSO, as well as other PSO variants, is
applied to optimal tuning of Proportional–Integral–Derivative (PID)
gains for a typical PID control system of water turbine governor. The
computer simulation results of an actual hydro power plant in China show
that IPSO algorithm has stable convergence characteristic and good
computational ability, and it is an effective and easily implemented
method for optimal tuning of PID gains of water turbine governor.
Keywords
Computer simulation; Particle swarm optimization; PID gains tuning; Swarm intelligence; Water turbine governor
سفارش پروژه
موضوعات مرتبط: مقالات شبیه سازی شده، شبیه سازی با MATLAB
برچسب‌ها: PSO, PID, کنترل بهینه, توربین آب, شبیه سازی با متلب
منتشر شده در تاریخ سه شنبه بیست و سوم دی ۱۳۹۳ توسط ADMIN
انجام پروژه و پایان نامه
azsoftir@gmail.com
0936-729-2276
azsoft.ir
azsoftir@gmail.com
0936-729-2276
azsoft.ir
انجام کلیه پروژه های درسی و پایان نامه رشته های
مهندسی برق و مهندسی کامپیوتر در مقاطع کارشناسی؛ کارشناسی ارشد؛ دکترا پذیرفته می شود.
همچنین در این فیلد مشاوره برای انجام پروژه نیز صورت می پذیرد
برای مشاوره و دریافت اطلاعات بیشتر و نحوه انجام پروژه به لینک ززیر مراجعه کنید.
سفارش پروژه