پایان نامه روشی انتخابی برای راه رفتن از بغل در ربات انسان­ نما

روشی انتخابی برای راه رفتن از بغل در ربات انسان­ نما

فرمت فایل دانلودی: .rar
فرمت فایل اصلی: Doc
تعداد صفحات: 107
حجم فایل: 1765 کیلوبایت

دانلود متن کامل پایان نامه مقطع کارشناسی ارشد رشته مهندسی کامپیوتر

گرایش : هوش مصنوعی

عنوان : روشی انتخابی برای راه رفتن از بغل در ربات انسان­ نما

تعداد صفحه : 107

چکیده

امروزه راه رفتن روبات انسان نما یکی از حوزه­های جذاب تحقیق در زمینه روباتیک است. چالش­های موجود در کنترل روبات های انسان نما با درجات آزادی بالا، این مساله را در زمره مسائل دشوار در حوزه روباتیک قرار داده است به طوریکه راه رفتن روبات انسان نما را کماکان به عنوان مهمترین توانایی یک روبات طبقه­بندی می­کنند. در این پایان­نامه روشی جدید برای راه رفتن روبات انسان­نما از بغل مطرح شده است. در این روش بر روی هر یک از مفاصل موثر در راه رفتن روبات یک اتوماتای یادگیر متغیر سوار می­شود که طی فرآیند یادگیری بردارهای احتمال مربوط به اتوماتاها به روز می­شود و مقادیر مناسب مفاصل برای راه رفتن با توجه به این بردارها انتخاب می­شوند. در ادامه این روش یادگیری برای راه رفتن مستقیم و راه رفتن از بغل مورد استفاده قرار می­گیرد که نتایج حاصل از شبیه­سازی الگوریتم بر روی روبات انسان­نمای نائو در محیط شبیه­سازی فوتبال سه­بعدی نشان دهنده نتایج مناسب در راه رفتن مستقیم روبات در مقایسه با روش­های گذشته و همچنین مزایای فراوان بهبود توانایی راه رفتن از بغل در یک روبات انسان­نما می­باشد.

پایان نامه بررسی قابلیت اطمینان در گرید با استفاده از شبکه های پتری

چکیده

بشر امروزه با سیل عظیمی از داده‌ها رو به رو است. پیشرفت‌هایی که در تکنولوژی‌های کامپیوتر و ردیاب‌ها صورت گرفته چندین ترابایت داده تولید می‌کنند. تحلیل تمام این اطلاعات نیازمند منابعی است که هیچ موسسه‌ای به تنهایی نمی‌تواند از عهده هزینه‌های مالی آن برآید. برای پاسخ به این تقاضا بود که محاسبات گرید به عنوان یکی از مهم‌ترین حوزه‌های تحقیقاتی در آمدند. این محاسبات از محاسبات توزیع شده و خوشه بندی نیز متفاوت هستند. ما محاسبات گرید را به عنوان یک ساختار و مجموع‌هایی از پروتکل‌ها می‌دانیم که استفاده تجمعی از کامپیوترها، شبکه‌ها، پایگاه داده‌ها و ابزارهای علمی که توسط چندین موسسه مدیریت می‌شود، را به یک سازمان مجازی منتسب می‌کند.

به عنوان یک زیرساخت ضروری برای زندگی آینده، محاسبات گرید هوشمند برای صرفه جویی در انرژی، کاهش هزینه ها، و افزایش قابلیت اطمینان در حال پیاده سازی واجرا است.

در شبکه گرید هوشمند، شبکه در مرکز کنترل خود توجه زیادی را به خود جلب کرده است ، زیرا امنیت و مسائل مربوط به اعتماد و اطمینان دراین شبکه ها آنها را به شبکه های هوشمند تمام حیاتی تبدیل کرده اند.

کلید واژگان: شبکه های گرید – net petri قابلیت اطمینان مدیریت منابع تکنیک افزونگی

طراحی یک زمانبند وظیفه جدید برای سیستم های محاسباتی توسط الگوریتم های هوش مصنوعی در محیط گرید

چکیده:

سیستم های محاسباتی گرید گونه ای از سیستم های توزیع شده در مقیاس گسترده می باشند که بیشترین تمرکز آن ها بر اشتراک منابع در مقیاس بزرگ،همکاری چندین سازمان و استفاده ی آن ها در کاربردهای جدید می باشد.سیستم محاسباتی گرید شامل مجموعه ای از برنامه ها و منابع است که در بین ماشین های گرید توزیع شده اند. با توجه به پویایی محیط گرید و همچنین عدم تمرکز منابع آن نیاز به یک زمان بندی برنامه های کاربردی ضروری می باشد. از آنجایی که،زمان بندی وظایف جزو مسائل سخت به حساب می آید،بنابراین،الگوریتم های قطعی کارآیی لازم را برای حل این مسئله نخواهند داشت.به همین خاطر،تحقیقات زیادی بر روی الگوریتم های ابتکاری از جمله  الگوریتم ژنتیک صورت گرفته است.سادگی و ذات موازی الگوریتم ژنتیک و اینکه فضای مسئله را از چندین جهت مختلف جستجو می کند باعث شده که برای حل بسیاری از مسائل بهینه سازی مورد استفاده قرار گیرد،لیکن از آنجایی که الگوریتم ژنتیک ذاتا الگوریتمی می باشدکه فضای مسئله را به صورت سراسری جستجو میکند و در جستجوی محلی کارآیی چندان خوبی ندارد بنابراین،با ترکیب آن با الگوریتم های جستجوی محلی سعی می شود که این نقطه ضعف را بهبود بخشند.در این الگوریتم یک الگوریتم زمان بندی ترکیبی برای حل مسئله ی زمان بندی وظایف مستقل در گرید ارائه شده است که ترکیبی از الگوریتم ژنتیک با الگوریتم جستجوی محلی به تقلید از نیروی گرانشی می باشد. که در آن به دو فاکتور زمان و تعداد وظایف از دست داده شده به طور همزمان توجه شده است.نتایج شیه سازی نشان می دهد که الگوریتم پیشنهادی ماکزیمم طول کل زمان بندی را به اندازه ی ۱۰ درصد نسبت به بهترین روش بررسی شده کاهش داده و تعداد وظایف از دست داده شده را نیز مینیمم میکند.

واژه‌های کلیدی: گرید محاسباتی، زمانبندی، الگوریتم ژنتیک، الگوریتم جست و جوی محلی به تقلید از نیروی گرانشی.

پایان نامه بهینه‌سازی پرس‌وجو در پایگاه داده شی گرای فازی

نوع فایل: word (قابل ویرایش)

تعداد صفحات : 58 صفحه

حجم : 520 کیلوبایت

چکیده

در مسائل مختلف روزمره،­ با اطلاعاتی سروکار داریم که هرکدام به‌نوعی غیرقطعی می‌باشند.مدیریت کردن این نوع از اطلاعات با استفاده از سیستم‌های پایگاه داده کلاسیک، موجب فقدان زیان‌آور معانی داده، شده است. بنابراین استفاده از تکنیک‌های پیشرفته­­ی مدل‌سازی پایگاه داده، ضروری می‌باشد. با ورود مفهوم شیءگرایی در پایگاه داده‌ها، پایگاه داده‌های رابطه‌ای در زمینه‌های مختلف کم‌کم جای خود را به پایگاه داده‌های شیءگرا دادند. با پیشرفت در این زمینه، مشاهده شد که اشیاء ساده به‌تنهایی قادر به در برگرفتن انواع داده‌های مرکب نمی‌باشند و بدین ترتیب اشیاء مرکب طراحی شدند. از طرفی برای حل مشکل داده‌های غیرقطعی، روش‌هایی ارائه شد. یکی از این روش‌ها برای مدل‌سازی پایگاه‌های داده، ترکیب پایگاه داده‌ی شیءگرا با منطق فازی می‌باشد. شیوه مدل‌سازی بیان‌شده، فازی سازی در سطوح مختلف را معرفی می‌کند مانند : فازی سازی در سطح صفات، شیء-کلاس، کلاس-ابرکلاس، روابط کلاس-کلاس و تخصیص‌های مختلف بین کلاس‌ها. ترکیب کردن مدل‌سازی پایگاه داده شیءگرا با منطق فازی، طراحی برنامه‌های کاربردی پیچیده و متمرکز روی دانش را آسان کرده و به‌گونه‌ای کارا، با عدم قطعیت برخورد می‌کند. از طرفی در پرس‌وجوهایی که در پایگاه داده شیءگرای فازی مطرح می‌شوند، مقدار عضویت یک شیء در مجموعه جواب، ثابت نیست و معیاری از تناسب آن شیء با پرس و جوی مطرح‌شده می‌باشد. ما سعی داریم یک پرس و جوی فازی را به‌گونه‌ای تجزیه‌وتحلیل کنیم که جواب‌هایی بامعناتر و نزدیک‌تر به پرس‌وجو را برگرداند. همچنین به کاربر اجازه می‌دهیم تا بتواند بهتر هدف خود را از بیان پرس‌وجو دنبال کند و اشیاء موردنظرش را بازیابی نماید. ارائه این رویکرد منجر به بهبود پرس‌وجوها توسط کاربر و جلب رضایت بیشتر کاربر می‌گردد.

واژه‌های کلیدی: پایگاه داده، شیءگرا،سیستم‌های فازی،پرس­وجوی فازی

استفاده از روش های هوش مصنوعی در پیش بینی سری های زمانی اشوب گونه

عنوان پایان نامه : استفاده از روش های هوش مصنوعی در پیش بینی سری های زمانی اشوب گونه

چکیده:

پیش‌بینی سری‌های زمانی یکی از شاخه های علم آمار و احتمال است که در سایر رشته‌ها مانند اقتصاد، مهندسی ارتباطات، هواشناسی، مدیریت و بازاریابی کاربرد فراوانی دارد. دامنه کاربرد پیش‌بینی سری‌های زمانی روزبه‌روز گسترده‌تر شده و نیاز دانش‌پژوهان در این زمینه افزون‌تر می‌گردد. سری‌های‌ زمانی آشوبی، زیرمجموعه‌ای از فرآیندهای غیرخطی با نتایج بسیار پیچیده و نامنظم، تعریف می‌شوند. در طول چند دهه گذشته، پیش‌بینی سری‌های‌زمانی آشوبی یک موضوع چالش برانگیز و جالب بوده است. اگرچه سری‌های زمانی آشوبی ویژگی‌های سیستم‌های دینامیکی را به صورت تصادفی نشان می‌دهند، در فضای‌حالت مناسب، رفتارهای قطعی را ارائه می‌دهند.