دانلود پروژه و پایان نامه های دانشجویی

دانلود پروژه و پایان نامه های دانشجویی

دانلود پروژه و پایان نامه و گزارش کارآموزی و مقاله و جزوه و کتاب

نظرسنجی سایت

رشته تحصیلی شما؟

اشتراک در خبرنامه

جهت عضویت در خبرنامه لطفا ایمیل خود را ثبت نمائید

Captcha

آمار بازدید

  • بازدید امروز : 437
  • بازدید دیروز : 661
  • بازدید کل : 238137

پروژه بهبود صحت سیستم‌های توصیه‌گر با استفاده از یادگیری ترکیبی در زمینه هوش مصنوعی


پروژه بهبود صحت سیستم‌های توصیه‌گر با استفاده از یادگیری ترکیبی در زمینه هوش مصنوعی

پروژه بهبود صحت سیستم‌های توصیه‌گر با استفاده از یادگیری ترکیبی در زمینه هوش مصنوعی

 

این فایل دارای توضیحات کامل + به همراه کد های مربوطه + آموزش های مربوطه می باشد

 

تعداد صفحات: 60

فرمت: PDF - cod - Matlab

 

با رشد روز افزون اینترنت و شبکه های رایانه ای، جامعه دستخوش دگرگونی هایی در تمامی زمینه ها شده است . خریدهای خود را به صورت برخط 1 انجام میدهیم، اطلاعات مورد نیاف را اف طریق موتورهای جستجو جمع آوری میکنیم، و بخش قابل توجهی از زندگی اجتماعی ما به اینترنت و شبکه های اجتماعی وابسته است. از طرفی با توجه به حجم بسیار زیاد اطلاعات، فرایند تصمیم گیری، انتخاب اطلاعات یا پیدا کردن کالای مورد نظر برای کاربران دشوار شده است و نیاز به سیستم هایی داریم تا بتوانند مناسب ترین خدمات و محصولات را به کاربر توصیه کنند، سیستم هایی که این وظیفه را انجام می دهند سیستم های توصیه گر نامیده میشوند. سیستم های توصیهگر پیش نهادگر با تحلیل رفتار کاربران و جمع آوری اطلاعات آنان ، توصیه هایی متناسب با نیاز کاربران پیشنهاد میدهند. یکی از الگوریتم های به کار رفته در این سیستم ها ،روش پالایش مشارکتی می باشد . مهمترین بخش الگوریتم پالایش مشارکتی به تعیین شباهت بین کاربران اختصاص دارد . در تمامی روش های تعیین شباهت از یک مجموعه همسایگی برای انجام پیشنهاد استفاده میشود . اما به دلیل خلوت بودن ماتریس امتیازات و مشکل شروع سرد2 ممکن است در کاربران همسایه ی کاربر فعال، هیچ وردی به آیتم مورد نظر امتیاز نداده باشد . در این پژوهش در صورت یافت نشدن امتیاز به آیتم مورد نظر در میان همسایگان، امتیاز داده شده به آیتم مورد نظر را به صورت یک سری زمانی درآورده و با استفاده از این سری عمل پیشبینی را انجام میدهیم. به منظور بهبود نتایج پیشبینی، از یادگیری ترکیبی مبتنی بر انفیس3 سیستم عصبی فازی تطبیقی ا ستفاده میکنیم. همچنین ضریب همبستگی پیرسون 4 برای تعیین شباهت در یافتن مجموعه همسایگی بهینه ، بهبود می یابد. آزمایشات بر روی مجموع هداده MovieLens انجام گرفته است.

 

 

 

فهرست مطالب

1 فصل 1: مقدمه

1-1-مقدمه2

1-2-بیان مسئله 3

1-3-اهمیت پژوهش 6

1-4-اهداف پژوهش 6

فصل 2

مبانی تئوری 8

2-1- مقدمه9

2-2- تاریخچه سیستمهای پیشنهادگر 9

2-3- مدل سیستمهای پیشنهادگر 10

2-3-1- پالایش محتوا محور 10

2-3-2- پالایش مشارکتی 12

2-3-3- روشهای ترکیبی 13

2-4- معروی انواع معیارهای شباهت مرسوم 14

2-4-1- ضریب همبستگی پیرسون 14

2-4-2- معیار شباهت کسینوسی 15

2-5- معروی انواع توابع پیش بینی 16

2-6- سیستمهای فازی 17

2-7- سیستم عصبی فازی تطبیقی انفیس- anfis

2-8- یادگیری ترکیبی 20

فصل 3

مروری بر کارهای گذشته 21

3-1- مقدمه22

3-2- فمان در سیستمهای پیشنهادگر 22

3-3- معیار شباهت در سیستمهای پیشنهادگر 23

3-4- کارهای مربوط به سیستم عصبی فازی تطبیقی 28

 

فصل 4

معرفی روش پیشنهادی 29

4-1- مقدمه30

4-2- معروی رو پیشنهادی 31

4-3- جریان کاری رو پیشنهادی 34

فصل 5

نتایج ارزیابی 35

5-1- مقدمه36

5-2- مجموعه داده 36

5-3- معیارهای ارفیابی 37

5-3-1- میانگین قدرمطلق خطا 37

5-3-2- درصد صحیح موارد پیشبینی شده 37

5-4- نتایج تجربی 38

فصل 6

نتیجه گیری و پیشنهادات 44

6-1- نتیجه گیری 45

6-2- کارهای آینده

 


مبلغ قابل پرداخت 20,000 تومان

توجه: پس از خرید فایل، لینک دانلود بصورت خودکار در اختیار شما قرار می گیرد و همچنین لینک دانلود به ایمیل شما ارسال می شود. درصورت وجود مشکل می توانید از بخش تماس با ما ی همین فروشگاه اطلاع رسانی نمایید.

Captcha
پشتیبانی خرید

برای مشاهده ضمانت خرید روی آن کلیک نمایید

  انتشار : ۱۶ اردیبهشت ۱۳۹۷               تعداد بازدید : 34

برچسب های مهم

در صورت هرگونه مشکل در دانلود فایل ها به پشتیبانی سایت مراجعه کنید

فید خبر خوان    نقشه سایت    تماس با ما