دانلود مقاله شوخ طبعی و حس انسجام در پیش بینی سبک های حل تعارض بین فردی زوجین ناسازگار
فهرست
چکیده
مقدمه
روش پژوهش
ابزارها
پرسشنامه ی گذشت
پرسشنامه سبک های حل تعارض بین فردی
یافته های پژوهش
بحث ونتیجه گیری
منابع و مأخذ
Abstract
شامل: 11 صفحه
نوع فایل : word
پیش بینی ساختار دوم RNA با استفاده از الگوریتم SetPSO
قالب بندی : PDF
قیمت : 6500
شرح مختصر : پیش بینی ساختار دوم آر ان ای (RNA) یکی از حوزه های مهم بیوانفورماتیک می باشد و روش های مختلفی برای آسانتر کردن تعیین ساختار RNA ارائه شده است. RNA یک نوکلئیک اسید می باشد که در ساختار سلول موجودات زنده نقش های مهمی بر عهده دارد. دانستن ساختار RNA نقش بسیار تعیین کننده ای در فهمیدن کارکرد یک رشته RNA دارد. تعیین ساختار دوم رشته RNA بوسیله روشهای مختلف کامپیوتری به طور متوسط سریع تر و ارزان تر از روش های آزمایشگاهی است. این پایان نامه بر آن است الگوریتم SetPSO را که یک الگوریتم بهینه سازی بر پایه کار با مجموعه هاست و از رویکرد مینیمم سازی سطح انرژی استفاده می کند, برای پیش بینی ساختار دوم مولکول RNA معرفی کند.
فهرست :
فصل اول : مختصری راجع به مولکول RNA
ساختار شیمیایی نوکلئیک اسیدها
ریبو نوکلئیک اسید یا RNA
پروتئین سازی, مهمترین وظیفه RNA
رونویسی
ترجمه
ساختار اول RNA
ساختار دوم RNA
مولفه های ساختار دوم RNA
نحوه نمایش ساختار دوم RNA
ساختار سوم RNA
مشخص کردن ساختار طبیعی مولکول RNA
رویکرد مقایسه ای
رویکرد مینیمم سازی سطح انرژی
رویکرد گرامرهای مستقل از متن
قوانین ترمودینامیکی و مدل های مختلف ترمودینامیکی
فصل دوم : الگوریتم SetPSO
الگوریتم PSO
SetPSO
فضای مساله و موقعیت ذرات
عملگر جمع
عملگر تفریق
عملگر فاصله
الگوریتم SetPSO
مقدار دهی اولیه به ذرات
تغییر سرعت ذرات
به روز رسانی وضعیت ذرات
پارامترهای الگوریتم SetPSO
Closing probability
Random add probability
ضریب بی نظمی
میزان تنوع
فصل سوم : پیش بینی ساختار دوم SetPSO با استفاده از الگوریتم RNA
نمایش ذرات
پیدا کردن استم های ممکن در یک رشته و تشکیل مجموعه فراگیر U
مقدار دهی اولیه به ذرات
روند اجرای الگوریتم در یک نگاه
پیچیدگی محاسباتی
نتایج به دست آمده
واژه نامه
منابع و مراجع
موضوع مقاله: کاربرد برنامه ریزی خطی چندمعیاره در پیش بینی رویدادهای تبلیغات کلیکی
در صنعت تبلیغات ، پیش بینی سود بالقوه کاربرانی که بر روی تبلیغات هدف کلیک می کنند بسیار اهمیت دارد(با دنبال کردن رفتار کاربران). ما ازمدل پیش بینی برنامه ریزی خطی چند معیاره برای پیش بینی رویداد های تبلیغات کلیکی استفاده می کنیم. مجموعه داده های آزمایشی ما توسط یک شرکت اینترنتی پیشرو در چین به نام KDD Cup 2012 گرفته شده است. . در این مقاله،از ماشین های بردار پشتیبانی (SVM)، رگرسیون لجستیک (LR)، شبکه پایه تابع شعاعی (شبکه RBF)،- الگوریتم نزدیکترین همسایه K (KNN) و NaïveBayes به عنوان پنج معیار و مدل برای مقایسه استفاده می شود.
این فایل در قالب ورد وقابل ویرایش در 140 صفحه می باشد.
چکیده:
در این پایان نامه پس از بررسی اصول پایه شکست سنگ توسط برش دهنده آزمایشهای
استفاده شده در روشهای مختلف پیش بینی نرخ نفوذ و ضریب بهره وری شرح داده شده
و پارا مترهای ورودی – خروجی و دامنه کاربرد هر یک از روشهای پیش بینی مورد
بحث قرار گرفته است.
روشهای مختلف با هم مقایسه شده و شباهت ها – تفاوتها – مزایا و معایب هر کدام عنوان
گردیده و روشهای که می توانند جهت بهینه کردن طرح تاج حفار و دستیابی به بهره وری
بیشینه مورد استفاده قرار گیرند شرح داده شده است . در میان روشهای ارائه شده دو روش
CSM وNTH کاربرد بیشتری دارند. روش CSM بر اساس تخمین نیروهای اعما ل
شده بر برش دهنده و روش NTH بر مبنای تجربیات حاصل از حفاری می باشد.
هنگامی که داده های حاصل از آ زمونهای بزرگ مقیاس موجود باشد استفاده از روش
CSM برای تخمین نرخ نفوذ و روش NTH جهت پیش بینی نرخ پیشروی توصیه میشود.
مقدمه:
ضریب بهره وری زمان تکمیل پروژه و به تبع ان هزینه را تحت تا ثیر قرار می دهد لذا
نقش اساسی در انتخاب شدن یا نشدن حفر مکانیزه به عنوان روش حفر بازی می کند.زمان
حفر ماشین به کل زمان پروژه یا عملیات روزانه را ضریب بهره وری می گویند.
این ضریب تابعی از شرایط زمین – نوع ماشین – تاسیسات پشتیبانی – مدیریت پروژه و
در نهایت تجربه کارکنان است. حاصلضرب نرخ نفوذ در ضریب بهره وری را نرخ
پیشروی می گویند. نرخ نفوذ نرخ پیشروی انی ماشین است و از هندسه تونل و ویژگیهای
سنگ و پارامترهای ماشین تا ثیر می پذیرد.
تاکنون مدلهای زیادی جهت پیش بینی نرخ نفوذ ارائه شده است و هر کدام تعدادی از
پارامترهای موثر را منظور کرده اند. در این مطالعه به پیش بینی نرخ نفوذ بر مبنای تردی
در فصل چهارم و بر مبنای نتایج آزمون پانچ در فصل پنجم پرداخته شده است.
آزمایشهای زیادی جهت پیش بینی نرخ نفوذ و بهره وری ایجاد شده اند که برخی از آنها
در فصل دوم مورد بحث قرار گرفته است. فرایند برش سنگ توسط برش دهنده های
دیسکی – توزیع فشار پیرامون دیسکها و نحوه محاسبه نیروهای وارد بر دیسک در فصل
سوم مفصل توضیح داده شده است.
در این مطالعه بر مبنای فاکتور پایداری در تاج تونل و مقاومت سنگ پیشروی پیش بینی
شده است و در مورد روشهای پیش بینی CSM و NTH بحث شده است.
فهرست
مقدمه
فصل اول
1- اشنایی و سابقه.............................................................................. 1
1-1- نرخ پیشروی.......................................................................... 3
1-2- نرخ نفوذ.............................................................................. 3
فصل دوم
2- آزمون های مورد نیاز برای پیش بینی بهره وری TBM ........................... 11
2-1- آزمون تعیین تردی................................................................... 11
2-2- آزمایش اندیس جی سیورز.......................................................... 12
2-3- آزمون سایش......................................................................... 12
2-4- آزمون اندیس سوشار................................................................ 13
2-5- آزمون های برش ازمایشگاهی..................................................... 14
2-5-1- آزمون برش خطی............................................................. 14
2-5-2- آزمون برش دورانی........................................................... 16
6-2- آزمون پانچ........................................................................... 16
2-6-1- تاریخچه آزمون................................................................ 18
7-2- آزمون های تعیین سختی............................................................ 18
8-2- آزمون های مقاومت سنگ.......................................................... 19
9-2- خواص توده سنگ.................................................................. 19
فصل سوم
3- تحلیل مکانیسم برش سنگ توسط برش دهنده های دیسکی......................... 21
3-1- فرضیات پایه......................................................................... 22
3-2- توزیع فشار و فرایند برش......................................................... 26
3-3- طراحی ماشین و محاسبات......................................................... 33
3-4- پیش بینی نرخ نفوذ................................................................. 33
فصل چهارم
4- پیش بینی نرخ نفوذ بر اساس تردی................................................... 37
4-1- ارزیابی برخی داده های حاصل از آزمایش...................................... 38
فصل پنجم
5- پیش بینی نرخ نفوذ با استفاده از نتایج آزمون پانچ................................. 48
5-1- تعیین نرخ نفوذ..................................................................... 48
5-2- رده بندی سنگ با استفاده از آزمون پانچ....................................... 51
5-3- آزمون پانچ ابزاری جهت ارزیابی پارامترهای ماشین......................... 54
فصل ششم
6- پیش بینی نرخ نفوذ بر مبنای مدل فازی – عصبی و نرخ پیشروی با بهره گیری از
شبکه عصبی............................................................................... 56
6-1- روش فازی – عصبی............................................................. 56
6-1-1- اجزاء منطقی................................................................ 58
6-1-2- اجزاء عددی................................................................. 59
6-2- مدل نرخ نفوذ ( روش عصبی – فازی).......................................... 60
6-2-1- ویژگیهای توده سنگ........................................................ 60
6-2-2- ویژگیهای ماشین............................................................. 60
6-2-3- هندسه تونل................................................................... 61
6-2-4- تحلیل داده ها................................................................. 62
6-2-5- مدلهای عصبی – فازی ( روش تاکاگی – سوگنو)....................... 64
6-3- مقایسه با روشهای مختلف........................................................ 68
6-4- مدل نرخ پیش روی ( بر مبنای شبکه عصبی)................................. 69
6-4-1- انتخاب ساختار مدل و کاهش متغییرها.................................... 69
6-4-2- الگوریتم آموزش شبکه عصبی............................................ 71
6-4-3- توپولوژی شبکه عصبی.................................................... 71
6-4-4- بهبود قابلیت تعمیم شبکه عصبی.......................................... 71
6-4-5- نتایج – تفسیر – اعتبار و توان تعمیم مدل............................... 73
6-4-6- مقایسه با مدلهای آماری.................................................... 73
فصل هفتم
7- پیش بینی بهره وری TBM با استفاده از.................................. 74
7-1- و ....................................................................... 74
7-2- سایش برش دهنده............................................................... 81
7-3- رابطه میان نرخ نفوذ و نرخ پیشروی با .............................. 82
7-4- تخمین زمان اتمام تونل......................................................... 84
فصل هشتم
8- پیش بینی بهره وری TBM براساس فاکتور پایداری تونل..................... 85
8-1- تخمین ضریب بهره وری....................................................... 86
8-2- تخمین نرخ پیشروی............................................................ 87
8-3- مثالی از کاربرد مدل............................................................ 89
8-4- تخمین زمان اتمام تونل........................................................ 92
فصل نهم
9- پیش بینی بهره وری TBM برمبنای روش NTH............................. 94
فصل دهم
10- پیش بینی بهره وری TBM بر مبنای روش CSM......................... 106
10-1- نیروهای عمودی روی برش دهنده ............................... 108
10-2- نیروهای غلتشی ....................................................... 109
10-3- رابطه مدرسه عالی معدن کلرادو جهت تعیین نیروهای روی برش دهنده در
یک نفوذ مشخص.......................................................... 113
10-4- تصحیح نرخ نفوذ.......................................................... 116
10-4-1- شاخص دشواری زمین (GDI )................................... 116
10-4-2- انرژی ویژه........................................................... 117
10-4-3- اصلاحات پیشنهادی روش CSM جهت تخمین نرخ پیشروی... 117
نتیجه گیری............................................................................ 122
منابع................................................................................... 124
فصل اول
________________
اشنایی و سابقه
در طول چند دهه گذشته تکنولوژی TBM های سنگ توسعه زیادی پیدا کرد. این ماشین ها
اکنون به مرحله ای رسیده اند که می توانند در هر نوع سنگ یا خاکی حفر کنند ولی به هر
حال حفر با ماشین پر خطر بوده زیرا همیشه امکان روبرو شدن با زمینی که ماشین توانایی
حفردر آن را ندارد وجود دارد. پیش بینی ضریب بهره وری بخش مهمی از هر پروژه حفر
مکانیزه است. تعداد برش دهنده های مورد نیاز هزینه های آزمایشگاهی – هزینه های
سرمایه ای و عملیاتی همه از دوره ساخت پروژه و دوره ساخت پروژه از ضریب بهره
وری و نرخ نفوذ تاثیر می پذیرد که تخمین این دو بسیار مشکل ا ست. تاکنون تلاش های
زیادی جهت گسترش روشهای پیش بینی بهره وری و پیش بینی دقیق نرخ پیشروی در یک
شرایط زمین شناسی شده است. در کشورهای مختلف و توسط شرکت های مختلف سازنده
TBM دامنه وسیعی از روشهای پیش بینی ضریب بهره وری استفاده می شود.
اصولا" این روشها بر مبنای تحلیل نظری و داده های تجربی بنا نهاده شده اند. در حالت
کلی می توان روشهای ارائه شده را به دو گروه تقسیم کرد. روشهای کاملا" تجربی و
روشهای تئوری/ تجربی. گروه اول بر مبنای داده های جمع اوری شده از زمین و استفاده
از تحلیل رگرسیون میان پارامترهای ماشین خواص سنگ و نرخ نفوذ حاصل شده اند.
1
روش NTH یک نمونه از این روشها است. گروه های دیگر بر جزئیات فرایند برش
در سنگ تحلیل نظری فرایند شکست سنگ با ابزار مکانیکی و نیروهای وارد بر هر برش
دهنده به منظور دستیابی به یک نرخ نفوذ مشخص متمرکز شده اند.
روش CSM و برخی از روشها که توسط کارخانه های سازنده TBM توسعه داده شده اند
در این گروه قرار می گیرند. این روشها می توانند در بهینه کردن طرح تاج حفار به کار
گرفته شوند. نیروهای اعمال شده بر برش دهنده که توسط این روشها تعیین می شوند میتواند
در تخمین نیروی محوری گشتاور و توان مورد نیاز نیز استفاده شود.
در حالت عمومی روشهای پیش بینی بهره وری بر مبنای قواعد زیر پایه گذاری شده اند:
1) داده های حاصل از زمین یا آزمایش
2) آزمایشهای کوچک مقیاس ( ازمونهای شاخص)
3) آزمایشهای بزرگ مقیاس
4) روشهای تجربی
5) مدلهای تئوری
به عنوان مثال روش پیش بینی NTH ترکیبی از قواعد 1- 2- 4 است و روش CSM
شامل تمامی قواعد ذکر شده می شود.
در تمام روشهای پیش بینی بهره وری نمونه گیری صحیح یک عامل کلیدی است. اگر نمونه
های مورد ازمایش معرف ( نماینده شرایط واقعی زمین) نباشند نتایج پیش بینی قا بل اعتماد
نخواهد بود. تخمین بهره وری TBM در سنگهای سخت یک فرایند بسیار پیچیده است که به
شرایط زمین شناسی خواص توده سنگ و جزئیات ماشین( مانند اندازه برش دهنده ها-
فاصله و بار اعمالی بر آنها) مربوط می شود. فرایند برش و نفوذ در سنگ توسط برش
دهنده مستلزم شکست کششی- برشی و فشاری سنگ است.
2
درزه ها و شکستگی ها تا حدودی نرخ نفوذ ماشین را بهبود می بخشند.
بر اساس مطالعات صورت گرفته میان و نرخ نفوذ همبستگی خوبی در TBM های
سنگ سخت وجود دارد.
در این رابطه میزان تنش های برجا و مقاومت فشاری
توده سنگ می باشد.
پایان نامه دکتری تکنولوژی آموزشی
همراه با پرسش نامه
258 صفحه
چکیده
آموزش الکترونیکی در مؤسسههای آموزش عالی به ویژه در حوزه آموزش مهندسی ایران در حال توسعه چشمگیر است. پذیرش دانشجو برای تحصیل به روش الکترونیکی در ایران و جهان با چالشی مشترک و پدیدهای تحت عنوان افت تحصیلی مواجه بوده به گونهای که آماری بین 20 تا 80 درصد برای افت تحصیلی گزارش شده که این میزان دو برابر آموزش متداول است. در راستای شناسایی عوامل مؤثر بر موفقیت یادگیرنده الکترونیکی در جامعه پژوهشی حاضر که مرکز آموزش الکترونیکی دانشگاه علم و صنعت ایران است، تحقیقی کمّی- کیفی اجرا شد. نمونه پژوهش 738 یادگیرنده الکترونیکی بود. داده‌های کمّی پژوهش با استفاده از پرسشنامه محقق ساخته گردآوری شد. روایی سازه ابزار با استفاده از روش تحلیل عاملی اکتشافی، روایی پیشبین با استفاده از روش تحلیل رگرسیون و پایایی آن با استفاده از روش آلفای کرونباخ بررسی و تایید شد. داده‌های کیفی نیز از طریق مصاحبه، جلسات برخط، فروم و پیامهای دانشجویان گردآوری و مورد تحلیل کیفی قرار گرفت.
نتایج تحلیل رگرسیون چند متغیری نشان داد، مدل رگرسیونی که تجارب یادگیری الکترونیکی را در بر میگیرد 66.7%، متغیرهای دموگرافیک 24.8%؛ پیشینه تحصیلی 23.1%؛ متغیرهای روانی- فنی 16.4%؛ مدیریتی 14.6%؛ اجتماعی- اقتصادی 8% و رسانهای 4.4% از تغییرات معدل کل یادگیرنده الکترونیکی را تبیین میکنند. معنیدارترین متغیرهای پیشبین در هر کدام از مدلها عبارت بود از: معدل ترم اول دانشجو در تحصیل الکترونیکی، سن، معدل مقطع قبل، اضطراب امتحان، خودگردانی، سکونت در شهرستان، دارا بودن لپتاپ. با استفاده از مدل معادلات ساختاری، مدلی تدوین و آزمون شد. این مدل 72% از تغییرات معدل کل یادگیرنده الکترونیکی را تبیین کرده و برازش مطلوب نیز داشت (2.294=X2/Df).
در بخش تحلیل کیفی پژوهش، پس از تحلیل محتوای کیفی و کدگذاری باز و محوری، 11 کد محوری استخراج شد. پنج کد محوری که بیشترین فراوانی را داشتند عبارتند از: 1) تبعیض گذاشتن بین دانشجوی مجازی و روزانه؛ 2) عدم شرکت در کلاس مجازی؛ 3) مسائل روان‌شناختی محیط یادگیری الکترونیکی؛ 4) وفق نیافتن با سیستم مجازی؛ 5) مشکلات کلاس مجازی.
در راستای شناسایی مدل مناسب هوش مصنوعی، از روش دادهکاوی آموزشی استفاده شد. پیشبینی وضعیت دانشجو در یادگیری الکترونیکی به دو صورت مسئله طبقهبندی و رگرسیونی تعریف شد. نتایج میانگین خطای مطلق نشان داد برای مسئله رگرسیونی، الگوریتم M5' (از مدلهای درخت تصمیمگیری) و M5Rules (از مدلهای استنتاج قانون) دقیقترین و پایاترینِ مدلها هستند. برای مسئله طبقهبندی نیز الگوریتم JRip (از مدلهای استنتاج قانون) قدرت پیشبینی مطلوبتری نسبت به سایر مدلها داشت. مدلهای پیشبینی درخت تصمیم و استنتاج قانون به دلیل قابلیت تفسیر نتایج و قدرت پیشبینی بر مدلهای دیگر چون شبکه عصبی ترجیح داده شد. در پایان نتایج مربوط به یافتههای پژوهش بحث و پیشنهادات کاربردی برای کاهش افت و افزایش موفقیت یادگیرنده الکترونیکی ارائه شد.
واژگان کلیدی: یادگیری الکترونیکی، افت تحصیلی، یادگیری ماشینی، هوش مصنوعی، دادهکاوی آموزشی