خلاصه
مهم ترین کاربرد داده کاوی در تلاش هایی است که برای استنتاج قواعد وابستگی از داده های تراکنشی صورت می گیرد. در گذشته، از مفاهیم منطق فازی و الگوریتم های ژنتیکی برای کشف قواعد وابستگی فازی سودمند و توابع عضویت مناسب از مقادیر کمی استفاده می کردیم. با وجود این، ارزیابی مقادیر برازش نسبتاً زمان بر بود. به دلیل افزایش های شگرف در قدرت محاسباتی قابل دسترسی و کاهش همزمان در هزینه های محاسباتی در طول یک دهۀ گذشته، یادگیری یا داده کاوی با به کارگیری تکنیک های پردازشی موازی به عنوان روشی امکان پذیر برای غلبه بر مسئلۀ یادگیری کند شناخته شده است. بنابراین، در این مقاله الگوریتم داده کاوی موازی فازی – ژنتیکی را بر اساس معماری ارباب - برده ارائه کرده ایم تا قواعد وابستگی و توابع عضویت را از تراکنش های کمی استخراج کنیم. پردازندۀ master مانند الگوریتم ژنتیک از جمعیت یگانه ای استفاده می کند، و وظایف ارزیابی برازش را بین پردازنده های slave توزیع می کند. اجرای الگوریتم پیشنهاد شده در معماری ارباب – برده بسیار طبیعی و کارآمد است. پیچیدگی های زمانی برای الگوریتم های داده کاوی ژنتیکی – فازی موازی نیز مورد تحلیل قرار گرفته است. نتایج این تحلیل تأثیر قابل توجه الگوریتم پیشنهاد شده را نشان داده است. هنگامی که تعداد نسل ها زیاد باشد، افزایش سرعت الگوریتم ممکن است نسبتاً خطی باشد. نتایج تجربی تیز این نکته را تأیید می کنند. لذا به کارگیری معماری ارباب – برده برای افزایش سرعت الگوریتم داده کاوی ژنتیکی – فازی روشی امکان پذیر برای غلبه بر مشکل ارزیابی برازش کم سرعت الگوریتم اصلی است.
کلمات کلیدی: داده کاوی، مجموعه های فازی، الگوریتم ژنتیک، پردازش موازی، قاعده اتحادیه
مقدمه
با پیشرفت روزافزون فن آوری اطلاعات (IT) ، قابلیت ذخیره سازی و مدیریت داده ها در پایگاه های داده اهمیت بیشتری پیدا می کند. به رغم اینکه گسترش IT پردازش داده ها را تسهیل و تقاضا برای رسانه های ذخیره سازی را برآورده می سازد، استخراج اطلاعات تلویحی قابل دسترسی به منظور کمک به تصمیم گیری مسئله ای جدید و چالش برانگیز است. از این رو، تلاش های زیادی معوف به طراحی مکانیسم های کارآمد برای کاوش اطلاعات و دانش از پایگاه داده های بزرگ شده است. در نتیجه، داده کاوی، که نخستین بار توسط آگراول، ایمیلنسکی و سوامی (1993) ارائه شد، به زمینۀ مطالعاتی مهمی در مباحث پایگاه داده ای و هوش مصنوعی مبدل شده است.
دانلود پاورپوینت مدیریت دانش
فهرست مطالب
معرفی
دلایل طرح مدیریت دانش
مفهوم داده، اطلاعات، و دانش
ارتباط داده، اطلاعات و دانش
نحوه گسترش دانش
خواص دانش
عوامل محدود کننده و تاثیر گزار در دانش سازمانی
عوامل نابسامانی بازار دانش
راههای مقابله با عوامل نابسامانی و محدودکننده برنامه دانش در سازمان
کسب دانش
منابع متعهد
همجوشی
هدف
انواع دانش
نقشه دانش
عوامل اصلی پروژه دانش
ساختار دانش
ساختمند سازی دانش
عوامل انتقال دانش
موانع و عوامل محدود کننده
راهبردهای انتقال دانش
سرعت یا قوام
نقش مدیریت دانش
شرایط مدیران دانش
فعالیت های مدیر دانش
سطوح مسیولیتهای مدیریت دانش
کاربردهای فناوری اطلاعاتی
هدف استفاده ازفناوری دانش در مدیریت دانش
خواص فناوری دانش
فناوری های دانش – هوش مصنوعی
فناوری های دانش
اهداف طرحها برای مدیریت دانش
انواع مخازن دانش
جهت پیاده سازی برنامه دانش
عوامل موثر در توفیق طرح دانش
راهنمای پیاده سازی برنامه دانش
محورهای برنامه دانش
منابع
خلاصه
افراد تحصیل کرده و شاغل معمولاً علاقه دارند توسعۀ روش ها و برنامه های کامپیوتری را که با کارهای مهندسی و دانش سر و کار دارند دنبال کنند. مدیریت اشتباه عملیات و زمان های تولید از دست رفته، مشکلات و مسائل بزرگی هستند که بهره وری و کیفیت سیستم های صنعتی و هزینۀ تولید را تحت تأثیر قرار می دهد. استخراج قوانین وابستگی، یک تکنیک داده کاوی است که برای پیدا کردن اطلاعات مفید و ارزشمند از پایگاه های داده بزرگ استفاده می شود. این مقاله، پایۀ مفهومی بهتری را برای توسعۀ برنامه های استخراج قوانین وابستگی ارائه می دهد تا دانش را از عملیات و مدیریت اطلاعات به راحتی استخراج کند. تأکید این مقاله روی بهبود فرایندهای عملیاتی است. یک مثال کاربردی، تجربۀ صنعتی که استخراج قوانین وابستگی در آن برای تحلیل فرایند تولید استفاده می شود را شرح می دهد. این مقاله برخی نتایج جدید و جالب در رابطه با تکنیک های داده کاوی و کشف دانش که روی فرایند تولید نقش دارد را گزارش می دهد. نتایج تجربی روی داده هایی که در زندگی واقعی نقش دارند نشان می دهد که روش پیشنهادی برای یافتن دانش مرتبط با عملیات نادرست مفید واقع می شود.
مقدمه
کاربردهای مهندسی هوش مصنوعی نظرات محققین و شاغلین حوزۀ صنعت را به دلیل توانایی آن در یادگیری و درک اصول و حقایق به منظور کسب دانش و به کارگیری آن در عمل به خود جلب کرده است. پیشرفت های مداوم، اشاره به پیشرفت های رو به جلو و غیر منتظره در زمینۀ عملکرد سازمانی دارد (Linderman, Schroeder, Zaheer, Liedtke, Choo, 2004). پیشرفت در مسائلی مانند افزایش ارزش مشتری، کاهش خطاها و عیوب، بهره وری بهبود یافته، امنیت عملکرد چرخۀ زمانی و انگیزش Evans Lindsay, 2001)). این مورد معمولاً در روش حل تدریجی مسئله رخ می دهد که شامل مراحل ضمنی سازی مسئله، تحلیل مسئله، تعمیم راه حل و یادگیری دروس است (Kamsu-Foguem, Coudert, Geneste, Beler, 2008). روش حل مسئله، روی توصیف فرایند شناختی در کارهای عقلانی و ملاحظات شناختی که با سرمایه گذاری دانش روی ساختارهای خاص و قدرت بخشی به تعمیم سر و کار دارد تمرکز می کند (Patel, Arocha, Kaufman, 2001). روش های حل مسئله نقش مهمی را در اکتساب دانش و مهندسی بازی می کند زیرا سطح دانش انتزاعی برای نیل به اهداف با
اعمال دانش توسط فرایند تدریجی جستجوی مسیر راه حل بسیار ارزشمند است. از این روش ها می توان برای توصیف فرایند استدلال به صورت ساختاری برای هدایت روند کسب دانش و راحت کردن تقسیم دانش و استفادۀ مجدد بهره جست (Benjamins Fensel, 1998).
خلاصه
برای رقابت در محیط سخت، الکترونیزه کردن این انکان را برای کسب و کار ایجاد کرده تا سیستم های هوش کسب و کار (BI) را به منظور تصمیم گیری، بکار گیرد. به هر حال، برای جلوگیری از تجارب ناکارامد در طی این آرایشات، این مسئله حائز اهمیت می باشد تا تاثیر فکتورهای سیستم هوش کسب و کار BI را مشخص کنیم و روش ارزیابی مناسبی را برای سنجش عملکرد سیستم های هوش مصنوعی پیدا کنیم. در این مقاله، مدل ارزیابی مبتنی بر فرایند شبکه تحلیلی (ANP) ایجاد شده تا به ارزیابی کارایی سیستم های هوش کسب و کار بپردازد. علاوه بر این پرسشتامه کارشناسانه ای مورد استفاده قرار می گیرد تا به تصفیه ماتریس های عملکردی مفید بپردازد، که به عنوان زیر شاخه ای برای مدل ANP می باشد. در نهایت مورد واقعی با استفاده از مدل ارزیابی کارآمد مبتنی بر ANP ساختاری برای سیستم های هوش کسب و کار مورد استفاده قرار می گیرد. نتایج نشان می دهد که مهمترین فاکتوهایی که بازدهی سیستم هوش کسب و کا را تحت تاثیر قرار می دهند عبارتند از: استفاده از این مدل برای ارزیابی عملکرد هوش کسب و کار نمونه مورد مطالعه، ابن مورد نشان می دهد که بهبود 24% در بازدهی حاصل شده است، که شامل درک سطح مدیریتی می باشد. بنابراین، چنین مدل ارزیابی کارآمدی، می تواند برای ارزیابی عملکرد سیستم هوش کسب و کار مورد استفاده قرار گیرد. آن همچنین شاخص عملکرد و مسیرخای بهبود را برای کاربران و فروشندگان هوش کسب و کار، برای جایگزین کردن کلی در بازدهی و حبران سیستم ایجاد می کند.
مقدمه
سازمانهای سنتی معمولا با مسائلی مانند ازدحام داده و کمبود اطلاعات کمبود دانش ناکافی بودن گزارشات روبرو هستند. در نتیجه برای تصمیم گیری به موقع در کمترین زمان ممکن در شرایط مورد نیاز سطوح بالای مدیریت معمولاً تصمیمات را بر اساس تجربیات خودشان اخذ می کنند که این نیز به نوبه خود باعث بالا رفتن ریسک تصمیم گیری و یا حتی پایین آمدن ارزش تصمیم گیری آنها می شود.
در حالی که رقابت جهانی در حال بیشتر شدن است روش های تصمیم گیری قدیمی دیگر نیازمندی سازمانها را برطرف نمی کند. سازمانها باید استفاده خوبی از ابزارهای الکترونیکی جهت استخراج اطلاعات از حجم زیاد داده داشته باشند. روشی که سازمانها برای توسعه الکترونیکی شدن از لایه عملیاتی به لایه مدیریتی در پی می گیرند موضوعی است که در موج جدید الکترونیکی شدن غیرقابل اجتناب است.
خلاصه
در این مقاله به منظور افزایش ثبات سیستم که عمل کنترل توسط پارامتر های تثبیت کننده های قدرت (PSS) ارائه شده است عمل می شود و به عنوان یکی از خدمات جانبی سیستم در نظر گرفته میشود. برای این اثر در ازای خدماتی که ارائه می دهد، نیاز به تدوین و روش های مکانیسم های مناسب برای ثبات های مالی که رد ژنراتور وجود دارد بکار می رود و، در عین حال، نیز برای شناسایی PSS اصلی برای ثبات سیستم و همچنین کسانی که می تواند حتی موجب آسیب رسیدن به ثبات کلی سیستم شوند بررسی می شوند. تعاونی نظریه الگوریتم با استفاده از رویکرد مبتنی بر معیار ارزش شپلی در این مقاله بکار رفته و برای شناسایی نقش حاشیه ای هر یک از PSS استفاده می شود. با تلاش های زیاد کنترل کامل بدست می آید. بر این اساس، به تشریح روش تخصیص مناسب از پرداخت به مقادیر در هر ژنراتور برای ارائه PSS می باشیم.
کلمات کلیدی: خدمات جانبی کنترل کننده، تئئوری بازی تعاونی، تثبیت کننده های سیستم توان، خدمات کنترل pss، ارزش شارپلی
مقدمه
سیستم تثبیت کننده برق (PSS) که به طور گسترده ای به عنوان دستگاه کنترل پذیرفته شده است و برای اطمینان از ثبات سیستم ضروری می باشد، به رسمیت شناخته شده است، به ویژه ثبات سیگنال پدیده کوچک می باشد. الگوریتم ها را نصب کرده و در برنامه های عملی سیستم قدرت بزرگ بکار می برند که بسیار تاثیر گذار است [1]. مقدار زیادی از کارمقاله که در اصل موضوع مربوط به گزارش تنظیم پارامترهای بهینه PSS با استفاده از روش های مختلف آنالیز مودال کلاسیک و خطی کنترل مطلوب می باشد [2]، و ساختار متغیر تطبیقی به روش اخیر که شامل تکنیک های هوش مصنوعی می باشد می پردازد [3، 4]
چکیده
یک الگوریتم آرایشی به نام Genie برای تخصیص مدول ها (modules) به مکان های موجود برروی قطعات ارائه می شود. Genie نوعی تطابق و انطباق تکنیک الگوریتم ژنتیکی است که درگذشته به عنوان ابزار جامعه هوش مصنوعی مورد استفاده بوده است. این تکنیک به نوعی به عنوان پارادایم آزمایش و بررسی فضای وضعیت محسوب می شود. این تکنیک با ملاحظه هم زمان و دستکاری مجموعه ای از جواب ها، به جواب های خود دست میابد. به عنوان مثال، راه ها جهت تولید و ایجاد راه حل های «فرزندان، با هم در جفت گیری» می کند. Genie در بسیاری از نمونه های آزمایشی کوچک به طور گسترده به آن ها پرداخته شده است. راه حل های مشاهده شده آن کاملاً خوب و در چند نمونه به صورت مطلوب بوده اند.
کلیدواژگان: آرایش، الگوریتم های ژنتیکی، VLSI، طرح فیزیکی
مقدمه
LAYOUT PROBLEM مشکل اصلی در طراحی قطعه های VLSI است. به دلیل پیچیدگی که دارد غالباً به چند مشکل فرعی مجزا تجزیه می شود:
1. طراحی قطعه
2. جزء بندی
3. آرایش
4. مسیریابی
در این مقاله به بررسی مشکل آرایش – تخصیص عناصر مدار به مکان های روی قطعه پرداخته می شود. مسئله آرایش عبارت است از مجموعه ای از عناصر مدار یا ورودی های m، { e m و ...، e 1} = M و مجموعه ای از سیگنال ها یا شبکه های n، { Sn و ...، S1 } = N. شبکه عبارت است از مجموعه ای از مدال های به هم متصل. ما علاوه براین مجموعه ای از مکان های قطعه L یا Slot را ارائه خواهیم داد. وقتی L≥m است، { Cl و ...، C1 } = L. Solt ها به صورت یک ماتریس همراه با ردیف های r و ستون های C سازمان دهی می شوند. هدف از این، طراحی بهینه و مطلوب هر مدول متناسب با Solt خود آن در حالی که محدودیت های الکتریکی را تحقق می بخشد می باشد. در این وضعیت بهینگی و مطلوبیت بر اساس مسیریابی مورد انتظار آرایش اندازه گیری می شود. دو مؤلفه مشترک بسیاری از اندازه های مسیریابی عبارت است از برآورد میزان تراکم سیم و میزان سیم مورد نیاز برای مسیر تمام اتصالات و ارتباطات. به حداقل رساندن میزان تراکم سیم مورد انتظار اهمیت دارد به گونه ای که یک سیم کشی عملی معمولاً با تراکم کمتر راحتر است. کم کردن میزان مورد انتظار سیم نیز اهمیت دارد. به گونه ای میزان آماده سازی سیگنال مدار معمولاً نسبت معکوس با میزان سیم دارد.
خلاصه
یک الگوریتم آرایشی به نام Genie برای تخصیص مدول ها (modules) به مکان های موجود برروی قطعات ارائه می شود. Genie نوعی تطابق و انطباق تکنیک الگوریتم ژنتیکی است که درگذشته به عنوان ابزار جامعۀ هوش مصنوعی مورد استفاده بوده است. این تکنیک به نوعی به عنوان پارادایم آزمایش و بررسی فضای وضعیت محسوب می شود. این تکنیک با ملاحظه هم زمان و دستکاری مجموعه ای از جواب ها، به جواب های خود دست میابد. به عنوان مثال، راه ها جهت تولید و ایجاد راه حل های " فرزندان، با هم در جفت گیری " می کند. Genie در بسیاری از نمونه های آزمایشی کوچک به طور گسترده به آن ها پرداخته شده است. راه حل های مشاهده شده آن کاملاً خوب و در چند نمونه به صورت مطلوب بوده اند.
کلمات کلیدی: آرایش، الگوریتم های ژنتیکی، VLSI، طرح فیزیکی
مقدمه
LAYOUT PROBLEM مشکل اصلی در طراحی قطعه های VLSI است. به دلیل پیچیدگی که دارد غالباً به چند مشکل فرعی مجزا تجزیه می شود:
1.طراحی قطعه
2.جزء بندی
3.آرایش
4.مسیریابی
در این مقاله به بررسی مشکل آرایش – تخصیص عناصر مدار به مکان های روی قطعه پرداخته می شود. مسئله آرایش عبارت است از مجموعه ای از عناصر مدار یا ورودی های m، { e m و...، e 1} = M و مجموعه ای از سیگنال ها یا شبکه های n، { Sn و...، S1 } = N. شبکه عبارت است از مجموعه ای از مدال های به هم متصل. ما علاوه براین مجموعه ای از مکان های قطعه L یا Slot را ارائه خواهیم داد. وقتی L≥m است، { Cl و...، C1 } = L. Solt ها به صورت یک ماتریس همراه با ردیف های r و ستون های C سازمان دهی می شوند. هدف از این، طراحی بهینه و مطلوب هر مدول متناسب با Solt خود آن در حالی که محدودیت های الکتریکی را تحقق می بخشد می باشد. در این وضعیت بهینگی و مطلوبیت بر اساس مسیریابی مورد انتظار آرایش اندازه گیری می شود. دو مؤلفه مشترک بسیاری از اندازه های مسیریابی عبارت است از برآورد میزان تراکم سیم و میزان سیم مورد نیاز برای مسیر تمام اتصالات و ارتباطات. به حداقل رساندن میزان تراکم سیم مورد انتظار اهمیت دارد به گونه ای که یک سیم کشی عملی معمولاً با تراکم کمتر راحتر است. کم کردن میزان مورد انتظار سیم نیز اهمیت دارد. به گونه ای میزان آماده سازی سیگنال مدار معمولاً نسبت معکوس با میزان سیم دارد.
دسته: علوم اجتماعی
حجم فایل: 23 کیلوبایت
تعداد صفحه: 32
جدول مطالب
درک شخصی و اطلاعات موجود در زمینه احساس و درک
1- درک کردن مردم، مکانیسم وابستگی
Paul Thagard & Zira kunda
2- تلاشی پویا برای ساخت معنی، نوعی فعالیت تعاملی و مدل رقابتی درک اجتماعی
Stephen J. Read & Lynn C. Miller
تصور قالبی و دسته بندی اجتماعی
3- محرک های شکل گیری برداشت های گروهی: ساخت مدلی از یادگیری مقولههای شکل گرفته بر پایة رفتارهای اجتماعی.
Yoshihisakashima، Jodie woolcock & Deborah king
4-درک ضروری و تصور قالبی: شبیه سازی با استفاده از مثالهای ارائه شده در یک شبکة پیوند گرای رارتجاعی.
Eliot R. sinith & Jamie decoster
استدلال های غیر ضروری
5-یک دستگاه پیوندگرا در زمینة انساد غیر ضروری
Ficnik van overwalle & Dirk von Rooy
شخصیت و رفتار
6-شخصیت شامل یک شبکة فعالیتی پایدار حاصل از رفتاهرا یشناختی- عاطفی میباشد.
الگوهای شخصیتی تغییرات رفتاری از ساختار پایدار شخصیتی بوجود می آید.
Yuichi Shoda & walter mischel
دیدگاه ها و عقاید
7-میله هماهنگ کاهش ناهماهنگی
thomas R. Shultz & mark R. lepper
8-در زمینة یکپارچگی موارد علمی و اجتماعی: مشاهده (بررسی) ، مدل سازی و ترفیع دادن هماهنگی تبیینی استدلال.
Micheal Ronney & patricia schank
نفوذ اجتماعی و عملکرد متقابل گروهی
9-در رمینة روانشانسی اجتماعی: و شبکه عصبی، مدل هایی از نیروهای درون فردی
10-دیدگاهها، عقاید و سایر مطالب موجود در این زمینه: اظهارات ارائه شده در زمینة سیستم های سازماندهی شدة فردی.
Richard Eiser، mark J. A. claessen، Janathan J.
مقدمه stephen J. Read & lynn corol miller
مدل های شبکة عصبی که مدل های پیوند گرا نیز نامیده می شوند به نظر می رسد که نشان دهندة یک تغییر الگویی در روانشناسی شناختی، علم شناخت و هوش مصنوعی می باشند. این مدل ها ایدة ما را که تصور می کنیم ذهن همانند یکگ کامپیوتر عمل می کند به کل تغییر می دهد و در عوض مدل های مغزی بسیاری در زمینة عملکرد ذهن در اختیار ما قرار می دهد که این مدل ها نشان می دهند که احتمالاً می توان مدلهای بسیار خوبی از عملکرد شناختی را از طریق عصب های ساده نظیر واحدهای عصبی تهیه نمود. این بدان معنا می باشد که ما می توانیم مدل هایی از ذهن را که از واحدهای عملکردی مشابه به واحدهای فیزیکی تشکیل شده است تهیه نمائیم که نشان دهندة یک مغز واقعی می باشد.
این دیدگاه سبب به وجود آمدن یک بینش جدید در زمینة عملکرد ذهن و عملکرد متقابل آن در برابر محیط گردید.
قیمت: 7,000 تومان
مقدمه
بی شک عصر حاضر که بنام عصر اینترت و عصر فناوری اطلاعات و دانش رقم خورده است همه ارکان زندگی انسان را دچار تغییر و تحول نموده است. مشخصه این عصر حذف پارادایم های اصلی قرن گذشته و جایگزین مواردی همانند حذف زمان و مکان، افزایش پیچیدگی و نگرش به اطلاعات به مثابه قدرت و تروت به جای پارادایم های گذشته است. آنچه که پیامد این جایگذ اری است تغییر عمیق سیمای سازمان, بنگاه و اساسا هر گونه جمعیت انسانی است که بدلایل رشد فناوری می توانند بطور توزیع شده توسعه یافته و از امکانات و منابع یکدیگر بهره بگیرند بی شک در چنین صورتی با وجود سیستم ها و مکانیزم های متعدد و توزیع شده آن چیزی که می تواند بشدت بر روی زندگی مردم تاثیر گذارده مسئله شفافیت و همروندی در این نوع سیستم ها است که در غیر این صورت استفاده از آنها را بشدت غیر کارامد می کند. سرویس گرائی از جمله راه حلی در فناوری اطلاعات بوده که اگر بدرستی فهم شده و بدرستی بکار گرفته شود می تواند مسئله شفافیت و همروندی سیستم های توزیع شده را بطور قطعی حل کند.
همانند سرنوشت همه مفاهیم دیگر فناوری اطلاعات، سرویس و سرویس گرائی نیز در قرن حاضر از مفهومی فنی و مهندسی به مفهومی عمومی و به اصطلاح پوپولیستی تبدیل شده و همه بطور کلی از ان به جا و نابه جا استفاده می کنند. این واقعیت، استفاده از این مفهوم را در عمل دچار مشکل کرده و در وحله اول فهم و درک اولیه ان را دچار مشکل می کند. بدلیل انفجار اطلاعاتی در عصر حاضر و توسعه و انتقال دانش در عرصه های مختلف فهم مفاهیم چند بعدی بکار گرفته شده در عصر حاضر براحتی میسر نبوده و بویژه این در باره مفاهیمی صادق است که مدلول آن ذهنی بوده و به تعبیر ابن سینا ثانویهاست. در چنین حالتی و حتی در هنگامی که مدلول عینی و ملموس باشد می توان با بکارگیری مفهوم استعاره (بکار گرفته شده و معرفی شده در هوش مصنوعی مدرن و علوم شناختی) مشکل مزبور را حل نموده و فهمی درست را در ذهن متبادر کرد. به این ترتیب رساله حاضر تلاشی است در راستای درک و فهم درست استعاره های سرویس و معماری سرویس گرائی و بکارگیری درست آن در عمل بطوریکه بتواند در سیستم های توزیع شده بکار گرفته شده و مسائلی نظیر شفافیت، همروندی، قابلیت استفاده مجدد، دسترس پذیری و امثالهم را در سطح معماری و مهندسی حل کند.