هیچ عکسی گذاشته نشده است. (درخواست تصویر)
ارسال شده توسط : نوید صبری
تلفن: 09367292276
پرسش از آگهی دهنده
پرسش
نام
پست الکترونیک
پرسش خصوصی
ارسال ارسال شد
قیمت
تماس بگیرید (درخواست قیمت)

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

ارسال به ایمیل : شماره ذخیره شده برای عضویت در ایمیل
ارسال به ایمیل جدید
ایمیل فقط یک ماه آگهی‌های مرتبط را برای من ارسال کن
ثبت ثبت شد
ایمیل فرستنده
ایمیل گیرنده
پیغام
ثبت ثبت شد
توضیحات بیشتر
ثبت ثبت شد
ارسال به شماره : شماره ذخیره شده برای ارسال پیامک
ارسال به شماره جدید
شماره خود را وارد کنید
+98
ثبت ثبت شد

عضویت شما در خبرنامه لوکوپوک با موفقیت ثبت گردید جهت تکمیل عضویت به ایمیل خود مراجعه نمایید.

عضویت عضویت
پاک کردن
عزیز، درود!
انتخاب شهر
همه گروه‌ها
همه گروه‌ها
استخدام
املاک
بخش ویژه دانشجویان
تور
خدمات
خرید و فروش کالا
دیجیتال
صنعت
ماشین و خودرو
تهران