طراحی نقشه های شناختی فازی با استفاده از شبکه های عصبی برای پیش بینی سری زمانی پر هرج و مرج
- عنوان لاتین مقاله: Design of fuzzy cognitive maps using neural networks for predicting chaotic time series
- عنوان فارسی مقاله: طراحی نقشه های شناختی فازی با استفاده از شبکه های عصبی برای پیش بینی سری زمانی پر هرج و مرج.
- دسته: ریاضی
- فرمت فایل ترجمه شده: WORD (قابل ویرایش)
- تعداد صفحات فایل ترجمه شده: 20
- جهت دانلود رایگان نسخه انگلیسی این مقاله اینجا کلیک نمایید
- ترجمه سلیس و روان مقاله آماده خرید است.
خلاصه
به عنوان یک طرح کارامد برای ارائه اطلاعات و مکانیسم شبیه سازی متناسب با بررسی های بیشمار و حوزه های کاربردی، طرح شناخت فازی (FCMs) توجه زیادی را از جوامع تحقیقاتی مختلف به سمت خود جلب کرده است. به هر حال FCMs (طرح شناخت فازی) سنتی، روش کارامدی را برای تعیین وضعیت سیستم مورد بررسی و تعیین علت و معلول که مبنای واقعی نظریه FCMs (طرح شناخت فازی) می باشد، ایجاد نمی کند. بنابراین در بسیاری از موارد، ایجاد FCMs (طرح شناخت فازی) برای سیستم های علت و معلول یچیده بستگی به دانش متخصصان دارد. مدل های ایجاد شده فیزیکی، دارای کمبودهایی مهمی از نظر خاص بودن مدل و مشکلاتی از نظر دسترسی قابل اطمینان دارند. در این مقاله به طرح شبکه عصبی فازی برای بالا بردن توان یادگیری FCMs (طرح شناخت فازی) پرداخته به گونه ای که تعیین خودکار توابع عضویت و تعیین علت و معلول آن با مکانیسم استنتاج FCMs (طرح شناخت فازی) رایج ادغام می گردد. به این ترتیب، مدل FCMs (طرح شناخت فازی) سیستم های مورد بررسی به صورت اتوماتیک از داده ها ایجاد شده و بنابراین مستقل از یافته های متخصصان می باشند. علاوه بر این، لز زیرمجموعه های متقابل برای تعریف و شرح علت و معلول در FCMs (طرح شناخت فازی) استفاده می کنیم. این موارد تفاسیر مشخصی را در ارتباط با دلایل FCMs (طرح شناخت فازی) ایجاد کرده و به این ترتیب درک فرایند استنتاج را اسان تر می کند. برای تایید عملکرد، روش پیشنهادی در سری زمانی پر هرج و مرج پیش بینی شده، تست می گردد. بررسی های شبیه سازی شده کارایی روش پیشنهادی را نشان می دهد.
مقدمه
از زمان تحقیقات کوشو، طرح شناختی فازی (FCMs) توجه زیادی را از جوامع تحقیقاتی مختلف به سمت خود جلب کرده است. به عنوان یک روش بررسی مدل ها، برای سیستم های پیچیده، مدل FCMs به بررسی سیستم های دیگر به عنوان مجموعه ای از مفاهیم و روابط بین این مفاهیم که منشاء آن از ترکیب منطق فازی و شبکه های عصبی می باشد پرداخته است. ذاتا، FCMs به عنوان یک نمودار مستقیم همراه با بازخوردهایی می باشد که شامل مجموعه ای از گره ها و منحنی هایی می باشد که این گره ها را به هم مرتبط می کند. شکل 1 نمایش گرافیکی FCM و ساختار شبکه ای آن را نشان می دهد.
در FCMs گره نشان دهنده مفهوم معنایی می باشد که از سیستم مورد نظر مشتق می شود.
- فرمت: zip
- حجم: 2.93 مگابایت
- شماره ثبت: 411
شبکه عصبی - 5
Industrial application of neural networks — an …
This paper summarises a 2-year industrial investigation into the application of artificial neural networks in the area of process monitoring and control. The in […] — ادامه متنلاتین مهندسی صنایع: تجزیه و تحلیل الگوریتم بهینه سازی ازدحام ذرات
چکیده | بسیاری از مسائل علمی، مهندسی و اقتصادی شامل بهینه سازی مجموعه ای از پارامترها می باشد. این مسائل شامل نمونه هایی همچون به حداقل رسانی اتلاف در شبکه برق با یافتن تنظیمات بهینه بخش ها، یا تقویت شبکه عصبی برای تشخیص تصویر چهره افراد می باشد. الگوهای بهینه سازی بیشماری مطرح شده اند تا به حل این مشکلات، با درجلت مختلفی از موفقیت بپردازند. بهینه سازی ازدحام ذرات (Pso) تکنیک نسبتا جدیدی می باشد که به صورت تجربی نشان داده شده است که دارای عملکرد خوبی بر روی بسیاری از این مسائل بهینه سازی می باشد. این مقاله مدل نظری را ارائه می دهد که می تواند برای شرح رفتار بلندمدت الگوریتم مورد استفاده قرار گ […] — ادامه متنپروژه مدل سازی رآکتور شیمیایی با شبکه عصبی
مقدمه | در این پروژه، ورودی ها و خروجی های یک سیستم چند ورودی و چند خروجی غیر خطی، برای ایجاد یک مدل دینامیکیِ هوشمند، استفاده شده است. بنابراین انتخاب شبکه های عصبی مصنوعی از نوع پرسپترون های چندلایه برای این منظور مناسب است. در کنار این نوع از مدل سازی، استفاده از یک شیوه مناسب برای کنترل پیشگویانه (پیش بینانه) مدل یاد شده، ضروری است. مدل های برگشتی تصحیح شونده که از قوانین تعدیل ماتریس های وزنی مسیرهای ارتباطی بین نرون های مدل استفاده می کنند، در این پروژه به کار گرفته شده اند. این قوانین برای آموزش سیستم، جهت کنترل و دستیابی به خروجی مطلوب در زمان های بعدی به کار می روند. فراگیری در این سی […] — ادامه متنArtificial Neural Network Based Algorithm for …
Artificial Neural Network Based Algorithm for Biomolecular Interactions Modeling. Artificial Neural Network Based Algorithm for Biomolecular Interactions Modeling […] — ادامه متنArtificial Neural Networks - Springer
Artificial Neural Networks in Biology and Chemistry—The Evolution of a New Analytical Tool. Hugh M. Cartwright B.Sc, PhD. Look Inside Get Access. Book Protocol. […] — ادامه متنAdvances in neural networks research: An introduction
The present Special Issue “Advances in Neural Networks Research: IJCNN2009” provides a state-of-art overview of the field of neural networks. It includes 39 […] — ادامه متنFPGA Implementation of a Neural Network for Character …
Neural Networks are usually implemented in software on sequential machines but when implemented in hardware, they are extremely fast due to the massive parallelism […] — ادامه متنLogistic regression and artificial neural network ...
Logistic regression and artificial neural networks are the models of choice in many medical data classification tasks. In this review, we summarize the differen […] — ادامه متنFuzzy neural networks: A survey
In this paper a fuzzy neural network will be a layered, feedforward, neural net that has fuzzy signals and/or fuzzy weights. We survey recent results on learnin […] — ادامه متنthe Official Journal of the International Neural Network ...
The online version of Neural Networks at ScienceDirect.com, the world"s leading platform for high quality peer-reviewed full-text journals. […] — ادامه متنFunction Approximation by Neural Networks - Springer
Neural networks are widely used to approximating continuous functions. In order to study its approximation ability, we discuss the constructive approximation on the […] — ادامه متنThe SNNS Neural Network Simulator - Springer
SNNS is a neural network simulator for Unix workstations developed at the Universit?t Stuttgart. It is a tool to generate, train, test and visualize artificial […] — ادامه متنشبکه های عصبی آموزشی رقابتی پیشرفته در مورد تشخیص نفوذ درشبکه
- عنوان لاتین مقاله: Improved Competitive Learning Neural Networks For Network Intrusion And Fraud Detection
- عنوان فارسی مقاله: شبکه های عصبی آموزشی رقابتی پیشرفته در مورد تشخیص نفوذ در شبکه و شناسایی کلاهبرداری
- دسته: کامپیوتر و فناوری اطلاعات
- فرمت فایل ترجمه شده: Word (قابل ویرایش)
- تعداد صفحات فایل ترجمه شده: 32
- لینک دریافت رایگان نسخه انگلیسی مقاله: دانلود
- ترجمه سلیس و روان مقاله آماده خرید است.
Neural networks and statistical techniques: A review of ...
Abstract. Neural networks are being used in areas of prediction and classification, the areas where statistical methods have traditionally been used. […] — ادامه متنبرنامه توسعه ی تولید و انتقال، با در نظر گرفتن حد بارگذاری
چکیده__ در این مقاله برنامه ی توسعه ی تولید و انتقال (Tef , Gep) با در نظرر گرفتن حد بارگذاری سیستم قدرت مطالعه شده است. از روش شبکه های عصبی مصنوعی (Ann) برای ارزیابی حد بارگذاری سیستم قدرت _به دلیل ویژگی های حساسیتش_ استفاده شده است. بازسازی سیستم قدرت و جداسازی سازمان های تصمیم گیرنده ی توسعه ی تولید و انتقال، هماهنگی میان شرکت های تولید و انتقال را حیاتی تر ساخته است. از دیگر سو، پایداری ولتاژ، یکی از مشخصه های سطح امنیتی سیستم قدرت می باشد. در این مقاله، نخست الگوی بار یک سیستم قدرت ?-شینه توسعه یافته، و سپس با استفاده از مشخصه های حساسیت Ann بهترین شین برای افزایش بار، تعیین می شود. آنگا […] — ادامه متنDual Neural Network - Springer
One of state-of-the-art recurrent neural networks (RNNs) is dual neural network (DNN). It can solve QP in real time. The dual neural network is of simple piecewise […] — ادامه متنArtificial neural networks (the multilayer perceptron…
Artificial neural networks are appearing as useful alternatives to traditional statistical modelling techniques in many scientific disciplines. This paper prese […] — ادامه متنپروژه بررسی و معرفی شبکه های عصبی مصنوعی
- پایان نامه جهت اخذ درجه کارشناسی
- عنوان کامل: بررسی و معرفی شبکه های عصبی مصنوعی
- دسته: فناوری اطلاعات و کامپیوتر
- فرمت فایل: Word (قابل ویرایش)
- تعداد صفحات پروژه: 121
- جهت مشاهده فهرست مطالب این پروژه اینجا کلیک نمایید
The SNNS Neural Network Simulator - Springer
SNNS is a neural network simulator for Unix workstations developed at the Universit?t Stuttgart. It is a tool to generate, train, test and visualize artificial […] — ادامه متنRetraining the Neural Network for Data Visualization ...
Anderson, D. and McNeill, G.: Artificial neural networks technology. DACS State-of-the-Art Report ELIN: A011, Rome Laboratory, RL/C3C Griffiss AFB, NY 13441–5700 […] — ادامه متنبررسی و مطالعه کامل داده کاوی با (SQL server 2005) پیاده سازی آن روی بانک اطلاعاتی
پایان نامه دوره کارشناسی کامپیوتر : گرایش نرم افزار
چکیده
فصل اول: مقدمه ای بر داده کاوی
1-1-مقدمه
1-2-عامل مسبب پیدایش داده کاوی
1-3-داده کاوی و مفهوم اکتشاف دانش (KDD)
1-3-1-تعریف داده کاوی
1-3-2- فرآیند داده کاوی
1-3-3-قابلیت های داده کاوی
1-3-4-چه نوع داده هایی مورد کاوش قرار می گیرند؟
1-4- وظایف داده کاوی
1-1-4-کلاس بندی
1-4-2- مراحل یک الگوریتم کلاس بندی
1-4-3-انواع روش های کلاس بندی
1-4-3-1- درخت تصمیم 1-4-3-1-1- کشف تقسیمات
1-4-3-1-2- دسته بندی با درخت تصمیم
1-4-3-1-3-انواع درخت های تصمیم
1-4-3-1-4- نحو? هرس کردن درخت
1-4-3-2- نزدیکترین همسایگی K
1-4-3-3-بیزی 1-4-3-3-1 تئوری بیز
1-4-3-3-2 -دسته بندی ساده بیزی
1-4-3-4- الگوریتم های ژنتیک در فصل دو با آن آشنا می شویم
1-4-3-5-شبکه های عصبی
1-4-4- ارزیابی روش های کلاس بندی
-2-4-1پیش بینی
1-4-3-انواع روش های پیش بینی
1-4-3-1- رگرسیون
1-4-3-1 -1- رگرسیون خطی
1-4-3-1-2-رگرسیون منطقی
1-4-3- خوشه بندی
1-4-3-1- تعریف فرآیند خوشه بندی
1-4-3-2-کیفیت خوشه بندی
1-4-3-3-روش ها و الگوریتم های خوشه بندی
1-4-3-3-1-روش های سلسله مراتبی
1-4-3-3-1-1- الگوریتم های سلسله مراتبی
1-4-3-3-1-1-1-الگوریتم خوشه بندی single-linkage
1-4-3-3-2-الگوریتم های تفکیک
1-4-3-3-3-روش های متکی برچگالی
1-4-3-3-4-روش های متکی بر گرید
1-4-3-3-5-روش های متکی بر مدل
1-4-4- تخمین
1-4-4-1- درخت تصمیم
1-4-4-2- شبکه عصبی
1-4-5-سری های زمانی
1-5-کاربردهای داده کاوی
1-6-قوانین انجمنی
1-6-1-کاوش قوانین انجمنی
1-6-2-اصول کاوش قوانین انجمنی
1-6-3-اصول استقرا در کاوش قوانین انجمنی
1-6-4-الگوریتم Apriori
1-7-متن کاوی
1-7-1- مقدمه
1-7-2- فرآیند متن کاوی
1-7-3- کاربردهای متن کاوی
1-7-3-1- جستجو و بازیابی
1-7-3-2-گروه بندی و طبقه بندی داده
1-7-3-3-خلاصه سازی
1-7-3-4- روابط میان مفاهیم
1-7-3-5- یافتن و تحلیل ترند ها
1-7-3-5- برچسب زدن نحوی (POS)
1-6-2-7-ایجاد تزاروس و آنتولوژی به صورت اتوماتیک
1-8-تصویر کاوی
1-9- وب کاوی
فصل دوم: الگوریتم ژنتیک
1-2-مقدمه
2-2-اصول الگوریتم ژنتیک
2-2-1-کد گذاری
2-2-1-1-روش های کد گذاری
2-2-1-1-1-کدگذاری دودویی
2-2-1-1-2-کدگذاری مقادیر
2-2-1-1-3-کدگذاری درختی
2-2-2- ارزیابی
2-2-3-انتخاب
2-2-3-1-انتخاب گردونه دوار
2-2-3-2-انتخاب رتبه ای
2-2-3-3-انتخاب حالت استوار
2-2-3-4-نخبه گزینی
2-2-4-عملگرهای تغییر
2-2-4-1-عملگر Crossover
2-2-4-2-عملگر جهش ژنتیکی
2-2-4-3-احتمالCrossover و جهش
2-2-5-کدبرداری
2-2-6-دیگر پارامترها
2-4-مزایای الگوریتم های ژنتیک
2-5- محدودیت های الگوریتم های ژنتیک
2-6-چند نمونه از کاربرد های الگوریتم های ژنتیک
2-6-1-یک مثال ساده
فصل سوم: شبکه های عصبی
3-1-چرا از شبکه های عصبی استفاده می کنیم؟
3-2-سلول عصبی
3-3-نحوه عملکرد مغز
3-4-مدل ریاضی نرون
3-5-آموزش شبکه های عصبی
3-6-کاربرد های شبکه های عصبی
فصل چهارم: محاسبات نرم
4-1-مقدمه
4-2-محاسبات نرمچیست؟
4-2-1-رابطه
4-2-2-مجموعه های فازی
4-2-2-1-توابع عضویت
4-2-2-2- عملیات اصلی
4-2-3-نقش مجموعه های فازی در داده کاوی
4-2-3-1- خوشه بندی
4-2-3-2- خلاصه سازی دادهها
4-2-3-3- تصویر کاوی
4-2-4- الگوریتم ژنتیک
4-2-5-نقش الگوریتم ژنتیک در داده کاوی
4-2-5-1- رگرسیون
4-2-5-2-قوانین انجمنی
4-3-بحث و نتیجه گیری
فصل پنجم: ابزارهای داده کاوی
5-1- نحوه انتخاب ابزارداده کاوی
5-2-1-ابزار SPSS-Clemantine
5-2-3-ابزار KXEN
5-2-4-مدل Insightful
5-2-5-مدل Affinium
5-3- چگونه می توان بهترین ابزار را انتخاب کرد؟
5-4-ابزار های داده کاوی که در 2007 استفاده شده است
5-5-داده کاوی با sqlserver 2005
5-5-1-اتصال به سرورازمنوی
5-5-2- ایجاد Data source
5-5-3- ایجاد Data source view
5-5-4- ایجاد Mining structures
5-5-5- Microsoft association rule
5-5-6- Algorithm cluster
5-5-7- Neural network
5-5-8-Modle naive-bayes
5-5-9-Microsoft Tree Viewer
5-5-10-Microsoft-Loistic-Regression
5-5-11-Microsoft-Linear-Regression
فصل ششم: نتایج داده کاوی با SQL SERVER2005 روی بانک اطلاعاتی دانشگاه آزاد قوچان
•1-6-نتایج Data Mining With Sql Server 2005 روی بانک اطلاعاتی دانشگاه آزاد قوچان
1-6-1-Microsoft association rule
1-6-2- Algorithm cluster
1-6-3- Neural network
1-6-4- Modle naive-bayes
1-6-5-Microsoft Tree Viewer
7-1-نتیجه گیری
منابع و ماخذ
پروژه بررسی و معرفی شبکه های عصبی مصنوعی
- پایان نامه جهت اخذ درجه کارشناسی
- عنوان کامل: بررسی و معرفی شبکه های عصبی مصنوعی
- دسته: فناوری اطلاعات و کامپیوتر
- فرمت فایل: WORD (قابل ویرایش)
- تعداد صفحات پروژه: 121
- جهت مشاهده فهرست مطالب این پروژه اینجا کلیک نمایید
مقدمه
هوش محاسباتی یا (Computational-Intelligence) CI به معنای استخراج هوش، دانش، الگوریتم یا نگاشت از دل محاسبات عددی براساس ارائه به روز داده های عددی است. سیستم هایCI در اصل سیستم های دینامیکی مدل آزاد (Model-free) را برای تقریب توابع و نگاشتها ارائه می کند. در کنار این ویژگی بسیار مهم باید از ویژگی مهم دیگری در ارتباط با خصوصیات محاسباتی سیستم های CI نام برد، که در آن دقت، وجه المصالحه مقاوم بودن، منعطف بودن و سهولت پیاده سازی قرار می گیرد.
مولفه های مهم و اساسی CI، شبکه های عصبی) محاسبات نورونی (، منطق فازی) محاسبات تقریبی (و الگوریتم ژنتیک) محاسبات ژنتیکی (است، که هر یک به نوعی مغز را الگو قرار داده اند. شبکه های عصبی ارتباطات سیناپسی و ساختار نورونی، منطق فازی استنتاجات تقریبی و محاسبات ژنتیکی محاسبات موتاسیونی مغز را مدل می کنند.
هوش مصنوعی:
در شبکه ارتباطی مغز انسانها سیگنالهای ارتباطی به صورت پالسهای الکتریکی هستند. جزء اصلی مغز نرون است که از یک ساختمان سلولی و مجموعه ای از شیارها و خطوط تشکیل شده و شیارها محل ورود اطلاعات به نرون هستند وخطوط محل خروج اطلاعات از نرون اند. نقطه اتصال یک نرون به نرون دیگر را سیناپس می نامند که مانند دروازه یا کلید عمل می کنند. اگر واکنشهایی که میلیونها نرون مختلف به پالسهای متفاوت نشان میدهند با یکدیگر هماهنگ باشند ممکن است پدیده های مهمی در مغز رخ دهد.
آن دسته از پژوهشگران هوش مصنوعی که رویکرد مدل مغزی را دنبال می کنند گونه ای از مدارهای الکتریکی را طراحی کرده اند که تا حدی شبکه مغز را شبیه سازی میکند در این روش هر گره (نرون) به تنهایی یک پردازنده است ولی رایانه های معمولی حداکثر چند cpuدارند هدف عمده کامپیوتر شبکه عصبی این است که مکانیسمی طراحی کند که همانند مغز انسان بازخورد مثبت یاد بگیرد پاسخهای درست و نادرست کدامند.
سیستم شبکه عصبی این کار را از طریق ارزشگذاری کمی برای ارتباطات سیگنالها بین نرونها انجام میدهد مکانیسم ارزشگذاری توسط مقاومتها با تقویت یا تضعیف پالسها انجام میشود. چون شبکه های عصبی میلیونها نرون دارند خرابی تعدادی از آنها تاثیر چندانی برعملکرد سیستم نمی گذارد تا کنون چند سیستم آزمایشی با استفاده از این اصول طراحی و ساخته شده اند مثلاًدر بررسی های زیست محیطی، شبکه های عصبی برای جمع آوری و تحلیل اطلاعاتی که از راه دور حس شده اند مورد استفاده قرار می گیرند اطلاعاتی که اغلب سفینه ها مخابره می کنند بسیار حجیم است. شبکه های عصبی این اطلاعات را به راحتی دسته بندی کرده وپس از جمع آوری اطلاعات ذهنی و تجسمی نتایج جالبی به دست می آورند (مثلاًتشخیص انواع خاصی از ابرها) البته این فرایند با آنچه سیستم های خبره انجام می دهند متفاوت است زیرا این سیستم ها ابزارهای تصمیم سازی هستند و می توانند حجم زیادی از اطلاعات را به سرعت تحلیل کنند شبکه های عصبی برای مدل سازی فرایندهای فکری مغزی که زمین? دیگری برای مطالعات حساس به اطلاعات و پیچیدگی است مورد استفاده قرار گرفته است.
- فرمت: zip
- حجم: 1.47 مگابایت
- شماره ثبت: 505
شبکه عصبی آموزشی رقابتی پیشرفته: تشخصی نفوذ به شبکه و شناسایی تقلب
چکیده
در این پژوهش، دو الگوریتم خوشه بندی جدید را معرفی می کنیم. شبکه آموزشی رقابتی پیشرفته (ICLN) و شبکه آموزشی رقابتی پیشرفته نظارتی (SICLN) که در زمینه تشخیص کلاهبرداری و تشخیص نفوذ شبکه در می باشند. شبکه آموزشی رقابتی پیشرفته (ICLN) به عنوان الگوریتم خوشه بندی غیرنظارتی می باشد، که قوانین جدیدی را برای شبکه های عصبی آموزشی رقابتی استاندارد (SCLN) اعمال می کند. نورون های شبکه در شبکه آموزشی رقابتی پیشرفته (ICLN) برای ارائه مرکز داده توسط قوانین بروز شده تنبیه و پاداش جدید آموزش دیده اند. این قوانین بروز شده، بی ثباتی شبکه های عصبی آموزشی رقابتی استاندارد را از بین می برند. شبکه آموزشی رقابتی یشرفته نظارتی (SICLN) به عنوان نسخه بازبینی شده شبکه اموزشی رقابتی پیشرفته (ICLN) می باشد. در SICLN (شبکه آموزشی رقابتی پیشرفته نظارتی (SICLN) ، قوانین بروزرسانی شده نظارتی از دسته بندی داده برای هدایت مراحل آموزش برای دسترسی به نتایج خوشه بندی بهتر استفاده می کند. شبکه آموزشی رقابتی پیشرفته نظارت شده می تواند برای داده های دسته بندی شده و دسته بندی نشده اعمال شده و در سطح بالایی در برابر اتیکت های مفقودی و تاخیری مقاوم می باشد. علاوه بر این، شبکه آموزشی رقابتی پیشرفته نظارتی (SICLN) دارای قابلیت بازسازی بوده، بنابراین کاملا مستقل از تعداد اولیه خوشه ها می باشد. برای ارزیابی الگوریتم های مورد نظر، به مقایسه عملی در مورد داده های تحقیق و داده های حقیقی در تشخیص کلاهبرداری و تشخیص نفوذ شبکه پرداختیم. نتایج اثبات می کند که هر دو مورد ICLN و SICLN به بایگانی عملکرد بالا می پردازند، و SICLN در الگوریتم های خوشه بندی غیرنظارتی سنتی عملکرد بهتری دارد.
کلیدواژه: آموزش رقابتی، شناسایی کلاهبرداری، شناسایی نفوذ، خوشه بندی نظارتی/ غیر نظارتی، شبکه عصبی
مقدمه
تشخیص کلاهبرداری و تشخیص نفوذ در شبکه در کسب و کار تجارت الکترونیک بسیار مهم می باشد. بر طبق به گزارش های تجارت الکترونیک فروش اداره سرشماری ایالات متحده، تجارت الکترونیک در امریکای شمالی دارای رشد 20% یا بیشتر در هر سال می باشد. به هر حال کلاهبرداری در شرکت های تجارت الکترونیک ایالات متحده و کانادا منجر به هزینه تلفات زیادی شده است. با توجه به رشد اخیر در تجارت الکترونیک، کلاه برداری در زمینه کارت های اعتباری بسیار رایج شده است. بر مبنای نتایج بررسی در سال 2009، به طور متوسط، 1.6% از سفارشات بر مبنای کلاه برداری بوده، که حدود 3. 3 میلیارد دلار می باشد. علاوه بر ضررهای مستقیمی که از طریق فروش های کلاهبرداری انجام شده است، اعتماد قربانیان کلاهبرداری در زمینه کارت های اعتباری و شرکت خرده فروش کمتر شده، که در نتیجه ضرر ها نیز افزایش یافته است. هدف شرکت ها و صادر کنندگان کارت های اعتباری این است تا هر چه زودتر به افشا یا جلوگیری از کلاه برداری بپردازند. از طرف دیگر نفوذ به شبکه، از پشت به شرکت های تجارت الکترونیک ضربه می زند. زمان وقفه سرورهای وب یا نفوذ به اطلاعات یا کسب و کار مشتری منجر به ضررهای زیادی می گردد.
یاتاقان - 3
Effects of seismic isolation bearing with sliding ...
The response of seismic isolated bridge is compared with that of a bridge using conventional POT bearings, Theoretical and Applied Mechanics; Structural Mechanics; […] — ادامه متنیاتاقان - خودرو
یاتاقان. در موتور هر جایی که دو سطح داشته باشد از یاتاقان استفاده می شود این نوع یاتاقانها […] — ادامه متنPlain Beamngs بیرینگهای ساده
- عنوان لاتین مقاله: Plain Bearings
- عنوان فارسی مقاله: Plain Beamngs (بیرینگهای ساده).
- دسته: مکانیک
- فرمت فایل ترجمه شده: Word (قابل ویرایش)
- تعداد صفحات فایل ترجمه شده: 20
- جهت دانلود رایگان نسخه انگلیسی این مقاله اینجا کلیک نمایید
- ترجمه سلیس و روان مقاله آماده خرید است.
Contact mechanics and elastohydrodynamic lubrication …
Diameter and diametral clearance of the bearing surfaces of metal-on-metal hip implants and structural supports have been recognised as key factors to reduce th […] — ادامه متنیاتاقان ها چگونه کار می کنند...
یاتاقان فوق مانند یاتاقانی که در رینگ (توپی) چرخ ماشین شما قرار دارد، عمل می کند. […] — ادامه متنBearing capacity and mechanical behavior of CFG pile ...
The bearing capacity eigenvalues of composite foundation for 3 piles are greater Chinese Journal of Rock Mechanics and Engineering, 2004, 23(20): 3498–3503. (in […] — ادامه متنترجمه مقاله جریان های یاتاقان و رابطه آنها با درایوهای PWM
دسته: برق | حجم فایل: 302 کیلوبایت | تعداد صفحه: 14 | جریان های یاتاقان و رابطه آنها با درایوهای Pwm + نسخه انگلیسی | Bearing Currents And Their Relationship To Pwm Drives | این مقاله ولتاژهای شفت موتور Ac و جریان های یاتاقان منتجه از آنها را مورد بررسی قرار می دهد در حالتی که موتور توسط اینورترهای منبع ولتاژ با مدولاسیون عرض پالس (Pwm) کار می کند. همچنین این مقاله مشخصات مکانیکی و الکتریکی یاتاقان ها و موتور را در رابطه با ولتاژهای شفت و جریان های یاتاقان بازنگری می کند. مختصری از کار گذشته مرور می شود، از جمله مدل سیستم و نتایج آزمایشگاهی. تئوری ماشین تخلیه الکتریکی (Emd) بیان می شود، شامل م […] — ادامه متنیاتاقان ژورنال - صفحه اصلی
یاتاقان ژورنال بیضوی جهت کماثر نمودن مشکل چرخش روغن، میتوان یاتاقان بیضوی را جایگزین […] — ادامه متنبازرگانی کیش رول گستر | بلبرینگ...
یاتاقان Full Post. کاسه […] — ادامه متنThe bearing strength of plain concrete - Springer
Niyogi S. K. —Concrete bearing strength-support, mix, size effect. J. Struct. Div. Am Theoretical and Applied Mechanics; Structural Mechanics; Mechanical […] — ادامه متنپروژه بررسی یاتاقانهای مغناطیسی
- پایان نامه جهت اخذ درجه کارشناسی
- عنوان کامل: پروژه بررسی یاتاقانهای مغناطیسی
- دسته: مکانیک
- فرمت فایل: Word (قابل ویرایش)
- تعداد صفحات پروژه: 59
- فهرست مطالب: جهت مشاهده فهرست مطالب این پروژه اینجا کلیک نمایید
Bearing Capacity Calculation of Rock Foundation based …
Conventional foundation bearing capacity calculation is based on Mohr-Coulomb linear failure criterion. But it is verified that almost all kinds of rock"s stren […] — ادامه متنیاتاقان - بخش مکانیک خودروی...
بخش مکانیک خودروی دانشگاه شریف یاتاقانهای غلتشی: یاتاقانهای غلتشی در واقعه شامل دو عدد […] — ادامه متنکنترل برداری بدون سنسورسرعت یک موتور القایی بدون یاتاقان
- عنوان لاتین مقاله: Speed-Sensorless Vector Control Of A Bearingless Induction Motor With Artificial Neural Network Inverse Speed Observer
- عنوان فارسی مقاله: کنترل برداری بدون سنسورسرعت یک موتور القایی بدون یاتاقان با استفاده از ناظر سرعت معکوس شبکه عصبی مصنوعی.
- دسته: برق و الکترونیک
- فرمت فایل ترجمه شده: Word (قابل ویرایش)
- تعداد صفحات فایل ترجمه شده: 30
- جهت دانلود رایگان نسخه انگلیسی این مقاله اینجا کلیک نمایید
- ترجمه سلیس و روان مقاله آماده خرید است.
گزارش کارآموزی در تعمیرگاه پارت پراید
مقدمه 1 | دانستنیهای فنی خودروهای انژکتوری 2 | دانستنیهای عمومی خودرو 3 | انژکتور چیست و سیستم انژکتوری چگونه کار می کند 4 | اجزاء تشکیل دهنده سیستم سوخت رسانی انژکتوری 7 | Ecu سیستم جرقه زنی اتومبیل 11 Air Bag 11 | انواع سیستم های جرقه زنی پلاتینی 13 | شبکه مالتی پلکس بر روی خودرو های پژو 19 | عیب یابی 22 | یاتاقان 31 | سیستم خنک کاری 33 | سیستم روغنکاری 35 | تعویض روغن جعبه دنده 37 | آچار کشی میل گاردان 39 | لنت ترمز 40 | تکمیل روغن جعبه فرمان 43 | روغنکاری شانه فرمان 44 | صداهای غیر عادی از اتومبیل 44 | یاتاقان می زند 46 | استارت صدا می دهد 48 | صدای گاردان 49 | سوت کشیدن ترمز 50 | مقدمه | […] — ادامه متنیاتاقان
یاتاقان (bearing) یک قطعه مکانیکی است که حرکت نسبی قطعات را مقید می سازد تا در راستای مشخص شده […] — ادامه متنیاتاقان موتور - سایت تخصصی...
یاتاقان. در موتور هر جایی که دو سطح داشته باشد از یاتاقان استفاده می شود این نوع یاتاقانها […] — ادامه متنیاتاقان هوایی - ویکی‌پدیا...
یاتاقانهای هوایی از جمله محصولات جدید صنعتی برای افزایش دقت و کاهش اصطکاک در سیستم‌هایی […] — ادامه متنEffect of lubricant viscosity grade on mechanical ...
In order to verify the effect on the bearing vibration of oil viscosity change caused by the increase Rolling bearings analysis. Mechanics of lubrication in […] — ادامه متنSize effect in bearing strength of concrete cubes
Experiments on concrete structure members under local pressure indicated that the compressive strength of concrete at the bearing area is increased by the confi […] — ادامه متنتجزیه و تحلیل الگوریتم بهینه سازی ازدحام ذرات (PSO)
چکیده
بسیاری از مسائل علمی، مهندسی و اقتصادی شامل بهینه سازی مجموعه ای از پارامترها می باشد. این مسائل شامل نمونه هایی همچون به حداقل رسانی اتلاف در شبکه برق با یافتن تنظیمات بهینه بخش ها، یا تقویت شبکه عصبی برای تشخیص تصویر چهره افراد می باشد. الگوهای بهینه سازی بیشماری مطرح شده اند تا به حل این مشکلات، با درجلت مختلفی از موفقیت بپردازند. بهینه سازی ازدحام ذرات (PSO) تکنیک نسبتا جدیدی می باشد که به صورت تجربی نشان داده شده است که دارای عملکرد خوبی بر روی بسیاری از این مسائل بهینه سازی می باشد. این مقاله مدل نظری را ارائه می دهد که می تواند برای شرح رفتار بلندمدت الگوریتم مورد استفاده قرار گیرد. نسخه پیشرفته بهینه کننده ازدحام ذرات ایجاد شده و نشان داده شده که دارای همگرایی تضمین شده ای بر روی سطح محلی می باشد.این الگوریتم رو به توسعه بوده، که منجر به الگوریتم هایی با همگرایی تضمین شده در سطح جهانی شده است. مدلی برای ایجاد الگوریتم های PSO مشترک ایجاد شده است، که منتهی به معرفی دو الگوریتم مبتنی بر PSO جدید شده است. شواهد تجربی نیز ارائه شده تا به پشتیبانی از خصوصیات نظری پیش بینی شده توسط مدل های مختلف، با استفاده از فعالیت های مبنا ترکیبی برای بررسی مشخصه های ویژه بپردازد. سپس الگوریتم های مختلف مبتنی بر PSO، در مورد فعالیت تقویت شبکه های عصبی اعمال می گردد که به ادغام نتایج حاصل شده بر روی فعالیت های مبنا ترکیبی بپردازد.
مقدمه
شما با صدای ساعتتان بیدار می شوید. ساعتی که توسط شرکتی ساخته می شود تا سود خود را با مد نظر قرار دادن تخصیص بهینه منابع تحت کنترلش به حداکثربرساند. شما کتری را روشن می کنید تا قهوه ای درست کنید، بدون اینکه در مورد مدت زمان طولانی که شرکت برق برای بهینه سازی ارائه برق وسایل تان صرف می کند، فکر کنید. هزاران متغیر در شبکه برق تلاشی را به منظور به حداقل رسانی اتلاف در شبکه به منظور به حداکثر رساندن بازدهی تجهیزات برقی تان انجام می دهد. شما وارد اتومبیلتان شده و موتور را بدون درک پیچیدگی های این معجزه کوچک مهندسی شده، روشن می کنید. هزاران پارامتر توسط سازندگان مد نظر قرار داده می شود تا وسیله نقلیه ای را تحویل دهند که متناسب با انتظارتان بوده، که شامل زیبایی بدنه تا شکل آینه بغل اتومبیل می باشد تا از تصادف جلوگیری شود.
یاتاقان - 1
Ultimate bearing capacity of strip foundation on …
Laboratory model results for the ultimate bearing capacity of a surface strip foundation on a saturated slope reinforced with geogrid layers are presented. […] — ادامه متنStiffness matrix calculation of rolling element bearings ...
Current theoretical bearing models differ in their stiffness estimates because of different model assumptions. In this study, a finite element/contact mechanics […] — ادامه متنContact mechanics studies of an ellipsoidal contact ...
Abstract. The morphology of the contact bearing surfaces plays an important role in the contact mechanics and potential wear of metal-on-metal (MOM) hip prostheses. […] — ادامه متنانواع یاتاقان
یاتاقان (bearing) یک قطعه مکانیکی است که حرکت نسبی قطعات را مقید می سازد تا در راستای مشخص شده […] — ادامه متنیاتاقان - تعمیر پراید
یاتاقان - تعمیر پراید سنسور اکسیژن سنسور میل بادامک بوش دنده دو شاخ کلاج جلو پنجره بوش کلاچ […] — ادامه متنHelicopter Gearbox Bearing Blind Fault Identification ...
Vibration acceleration signals were obtained from an overload test of a Bell 206 Helicopter Main Rotor Gearbox in order to complete a blind bearing fault analysis […] — ادامه متنپارس سنترمحصولات - یاتاقان
توضیحات کامل یاتاقان از پارس صنعت اصفهان در سایت پارس سنتر […] — ادامه متنیاتاقان - خودرو - برگزیده ها
یاتاقان در موتور هر جایی که دو سطح داشته باشد از یاتاقان استفاده می شود این نوع […] — ادامه متنجریان های یاتاقان و رابطه آنها با درایوهای PWM
جریان های یاتاقان و رابطه آنها با درایوهای Pwm | این مقاله ولتاژهای شفت موتور Ac و جریان های یاتاقان منتجه از آنها را مورد بررسی قرار می دهد در حالتی که موتور توسط اینورترهای منبع ولتاژ با مدولاسیون عرض پالس (Pwm) کار می کند. همچنین این مقاله مشخصات مکانیکی و الکتریکی یاتاقان ها و موتور را در رابطه با ولتاژهای شفت و جریان های یاتاقان بازنگری می کند. مختصری از کار گذشته مرور می شود، از جمله مدل سیستم و نتایج آزمایشگاهی. تئوری ماشین تخلیه الکتریکی (Emd) بیان می شود، شامل محاسبات عناصر سیستم. تاثیر عناصر سیستم روی ولتاژهای شفت و جریان های یاتاقان از طریق آزمایش بررسی شده و نتایج آن با تئوری مقایس […] — ادامه متنDAMAGE MECHANICS APPROACH FOR BEARING …
The ability to achieve accurate bearing prognostics is critical to the optimal maintenance of rotating machinery in the interest of cost and productivity. Howev […] — ادامه متنGearbox Condition Monitoring Procedures - Springer
There is a need to treat a gearbox as a subsystem which consist of several elements like gears, bearings and shafts incorporated into a box. The gearbox is […] — ادامه متنترجمه مقاله جریان های یاتاقان و رابطه آنها با درایوهای PWM
دسته: برق | حجم فایل: 302 کیلوبایت | تعداد صفحه: 14 | جریان های یاتاقان و رابطه آنها با درایوهای Pwm + نسخه انگلیسی | Bearing Currents And Their Relationship To Pwm Drives | این مقاله ولتاژهای شفت موتور Ac و جریان های یاتاقان منتجه از آنها را مورد بررسی قرار می دهد در حالتی که موتور توسط اینورترهای منبع ولتاژ با مدولاسیون عرض پالس (Pwm) کار می کند. همچنین این مقاله مشخصات مکانیکی و الکتریکی یاتاقان ها و موتور را در رابطه با ولتاژهای شفت و جریان های یاتاقان بازنگری می کند. مختصری از کار گذشته مرور می شود، از جمله مدل سیستم و نتایج آزمایشگاهی. تئوری ماشین تخلیه الکتریکی (Emd) بیان می شود، شامل م […] — ادامه متنیاتاقان
یاتاقان (bearing) یک قطعه مکانیکی است که حرکت نسبی قطعات را مقید می سازد تا در راستای مشخص شده […] — ادامه متنعلل خرابی و ارائه راهکار برای مونتاژ و دمونتاژ یاتاقان در نورد سنگین
مقدمه | در ابتدا به بررسی یاتاقان حول مباحث زیر می پردازیم. | بررسی و شناخت انواع یاتاقان | تلرانسها، لقی ها و انطباقات | روانکاری یاتاقان | روش های نصب و پیاده کردن یاتاقان | مراقبت از یاتاقان | خرابی های یاتاقان | ضرورت شناخت یاتاقان | یاتاقان (Bearing) را می توان به مثابه قلب ماشین آلات در تمام صنایع در نظر گرفت. نقش اصلی یاتاقان در ماشین آلات ایجاد بستر مناسب حرکت و تحمل بار است. لذا، کوچکترین خلل در کارکرد یاتاقانها، ماشین آلات را از حرکت یا کار موثر باز می دارد. از آنجا که اصطکاک و سایش در اجزا مکانیکی غیرقابل اجتناب است، یاتاقان ها نیز به مرور دچار فرسایش شده و عمر مفید آنها به سر آمده […] — ادامه متنBearing capacity and load transfer mechanism of a static ...
Research on the bearing capacity of cement treated composite foundation. Rock and Soil Mechanics, 20(3):46–50 (in Chinese). About this Article. Title […] — ادامه متنUltimate end bearing capacity of rock-socketed pile …
Determination of end bearing capacity of pile with double-shear slip-line theory [J]. Journal of Rock Mechanics and Engineering, 2007, 12(Supp.2): 4084–4089. […] — ادامه متنیاتاقان - اطلاعات در مورد لوازم...
در موتور هر جایی که دو سطح داشته باشد از یاتاقان استفاده می شود این نوع یاتاقانها را […] — ادامه متنکنترل برداری بدون سنسورسرعت یک موتور القایی بدون یاتاقان
- عنوان لاتین مقاله: Speed-Sensorless Vector Control Of A Bearingless Induction Motor With Artificial Neural Network Inverse Speed Observer
- عنوان فارسی مقاله: کنترل برداری بدون سنسورسرعت یک موتور القایی بدون یاتاقان با استفاده از ناظر سرعت معکوس شبکه عصبی مصنوعی.
- دسته: برق و الکترونیک
- فرمت فایل ترجمه شده: Word (قابل ویرایش)
- تعداد صفحات فایل ترجمه شده: 30
- جهت دانلود رایگان نسخه انگلیسی این مقاله اینجا کلیک نمایید
- ترجمه سلیس و روان مقاله آماده خرید است.
پروژه مهندسی مکانیک: مطالعه بر روی یاتاقان مغناطیسی
مقدمه | یاتاقان مغناطیسی که شافت را به جای تماس مکانیکی با نیروی مغناطیسی به حالت تعلیق در می آورند، چند دهه است که در صنعت مورد استفاده قرار می گیرند. یاتاقان های مغناطیسی مزایای فراوانی، از جمله توانایی کار در سرعت های بالا و قابلیت عملکرد بدون روغن کاری در محیط خلاء را به استفاده کنندگان عرضه می کنند. این یاتاقان ها بدون اصطکاک کار می کنند، فرسایش کمی دارند، در حین دوران ارتعاشات بسیار کمتری نسبت به بقیه یاتاقان ها ایجاد می کنند، می توانند مکان شافت را به دقت کنترل کنند، نیروهای خارجی وارد بر شافت را اندازه بگیرند و حتی شرایط کاری ماشین را تصویر کنند. امروزه رشد تکنولوژی، به ویژه در کنترل و […] — ادامه متنمهندسی مکانیزاسیون - یاتاقان
مهندسی مکانیزاسیون - یاتاقان - مکانیزاسیون کشاورزی یاتاقان. در موتور هر جایی که دو سطح […] — ادامه متنتعیین هویت گوینده مستقل از متن، توسط مدل های مخلوط گاوس
- عنوان لاتین مقاله: Efficient Text-Independent Speaker Verification with Structural Gaussian Mixture Models and Neural Network
- عنوان فارسی مقاله: تعیین هویت گوینده مستقل از متن، توسط مدل های مخلوط گاوس ساختاری و شبکه های عصبی
- دسته: کامپیوتر و فناوری اطلاعات
- فرمت فایل ترجمه شده: WORD (قابل ویرایش)
- تعداد صفحات فایل ترجمه شده: 26
- لینک دریافت رایگان نسخه انگلیسی مقاله: دانلود
- ترجمه سلیس و روان مقاله آماده خرید است.
خلاصه
چکیده – ما سیستم یکپارچه ای را در ارتباط با مدل های مخلوط گاوس ساختاری (SGMM) و شبکه های عصبی به منظور دستیابی به راندمان محاسباتی و دقت بالا در ارتباط با تعیین هویت گوینده ارائه می دهیم. مدل پس زمینه ساختاری (SBM) در ابتدا از طریق خوشه بندی زنجیره ای تمام موئلفه های مخلوط گاوس در ارتباط با مدل پس زمینه ساختاری ایجاد می گردد. به این ترتیب، یک فضای اکوستیک به بخش های چندگانه ای در سطوح مختلف قدرت تشخیص، جزء بندی می گردد. برای هر یک از گوینده های مورد نظر، مدل مدل مخلوط گاوس ساختاری (SGMM) از طریق استدلال حداکثری (MAP) سازگار با مدل پس زمینه ساختاری (SBM) ایجاد می گردد. در هنگام تست، تنها زیرمجموعه کمی از موئلفه های مخلوط گاوس برای هر بردار مختصات محاسبه می گردد تا هزینه محاسبه را به طور قابل توجهی کاهش دهد. علاوه بر این، امتیازات حاصل شده در لایه های مدل های درخت ساختار، برای تصمیم گیری نهایی از طریق شبکه عصبی ادغام می گردند. وضعیت های مختلفی در بررسی های انجام شده بر روی داده های حاصل از گفتگوهای تلفنی مورد استفاده در ارزیابی هویت گوینده NIST، مقایسه شد. نتایج تجربی نشان می دهد که کاهش محاسبه توسط فاکتور 17 از طریق 5% کاهش نسبی در میزان خطای هم ارز (EER) در مقایسه با خطو مبنا، حاصل می گردد. روش SGMM-SBM (مدل مخلوط گاوس ساختاری- مدل پس زمینه ساختاری) ، مزایایی را نسبت به مدل اخیرا مطرح شده GMM (مدل مخلوط گاوس) داشته، که شامل سرعت بالاتر و عملکرد تشخیص بهتر، می باشد.
کلیداژه: خوشه بندی گاوس، شبکه عصبی، تعیین هویت گوینده، مدل مخلوط گاوس ساختاری
مقدمه
تحقیقات بر روی تشخیص گوینده که شامل تعیین هویت و تطبیق موارد می باشد به عنوان یک مورد فعال برای چندین دهه به شمار آورده می شود. هدف این می باشد تا تجهیزانت داشته باشیم که به صورت اتوماتیک فرد خاصی را تعیین هویت کرده یا فرد را از طریق صدای او تشخیص دهیم. بنابر روش های زیست سنجی، تشخیص صدای افراد می تواند در بسیاری از موارد همانند، شبکه های امنیتی، تراکنش های تلفنی و دسترسی به بخش ها کاربرد داشته باشد. گوینده ها به دو گروه تقسیم می شوند. گوینده های هدفمند و گوینده های غیرهدفمند.
- فرمت: zip
- حجم: 1.00 مگابایت
- شماره ثبت: 411
تعیین هویت گوینده مستقل از متن، توسط مدل مخلوط گاوس ساختاری و شبکه عصبی
چکیده
ما سیستم یکپارچه ای را در ارتباط با مدل های مخلوط گاوس ساختاری (SGMM) و شبکه های عصبی به منظور دستیابی به راندمان محاسباتی و دقت بالا در ارتباط با تعیین هویت گوینده ارائه می دهیم. مدل پس زمینه ساختاری (SBM) در ابتدا از طریق خوشه بندی زنجیره ای تمام مؤلفه های مخلوط گاوس در ارتباط با مدل پس زمینه ساختاری ایجاد می گردد. به این ترتیب، یک فضای اکوستیک به بخش های چندگانه ای در سطوح مختلف قدرت تشخیص، جزء بندی می گردد. برای هر یک از گوینده های مورد نظر، مدل مدل مخلوط گاوس ساختاری (SGMM) از طریق استدلال حداکثری (MAP) سازگار با مدل پس زمینه ساختاری (SBM) ایجاد می گردد. در هنگام تست، تنها زیرمجموعه کمی از موئلفه های مخلوط گاوس برای هر بردار مختصات محاسبه می گردد تا هزینه محاسبه را به طور قابل توجهی کاهش دهد. علاوه بر این، امتیازات حاصل شده در لایه های مدل های درخت ساختار، برای تصمیم گیری نهایی از طریق شبکه عصبی ادغام می گردند. وضعیت های مختلفی در بررسی های انجام شده بر روی داده های حاصل از گفتگوهای تلفنی مورد استفاده در ارزیابی هویت گوینده NIST، مقایسه شد. نتایج تجربی نشان می دهد که کاهش محاسبه توسط فاکتور 17 از طریق 5% کاهش نسبی در میزان خطای هم ارز (EER) در مقایسه با خطو مبنا، حاصل می گردد. روش SGMM-SBM (مدل مخلوط گاوس ساختاری- مدل پس زمینه ساختاری) ، مزایایی را نسبت به مدل اخیرا مطرح شده GMM (مدل مخلوط گاوس) داشته، که شامل سرعت بالاتر و عملکرد تشخیص بهتر، می باشد.
کلیداژه: خوشه بندی گاوس، شبکه عصبی، تعیین هویت گوینده، مدل مخلوط گاوس ساختاری
مقدمه
تحقیقات بر روی تشخیص گوینده که شامل تعیین هویت و تطبیق موارد می باشد به عنوان یک مورد فعال برای چندین دهه به شمار آورده می شود. هدف این می باشد تا تجهیزانت داشته باشیم که به صورت اتوماتیک فرد خاصی را تعیین هویت کرده یا فرد را از طریق صدای او تشخیص دهیم. بنابر روش های زیست سنجی، تشخیص صدای افراد می تواند در بسیاری از موارد همانند، شبکه های امنیتی، تراکنش های تلفنی و دسترسی به بخش ها کاربرد داشته باشد. گوینده ها به دو گروه تقسیم می شوند. گوینده های هدفمند و گوینده های غیرهدفمند.