اس فایل

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

اس فایل

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

دانلود مقاله بهینه‌سازی و معرفی انواع مختلف روش‌های آن

اختصاصی از اس فایل دانلود مقاله بهینه‌سازی و معرفی انواع مختلف روش‌های آن دانلود با لینک مستقیم و پر سرعت .

دانلود مقاله بهینه‌سازی و معرفی انواع مختلف روش‌های آن


دانلود مقاله بهینه‌سازی و معرفی انواع مختلف روش‌های آن

چکیده

بهینه‌سازی یک فعالیت مهم و تعیین‌کننده در طراحی ساختاری است. طراحان زمانی قادر خواهند بود طرح‌های بهتری تولید کنند که بتوانند با روش‌های بهینه‌سازی در صرف زمان و هزینه طراحی صرفه‌جویی نمایند. بسیاری از مسائل بهینه‌سازی در مهندسی، طبیعتاً پیچیده‌تر و مشکل‌تر از آن هستند که با روش‌های مرسوم بهینه‌سازی نظیر روش برنامه‌ریزی ریاضی و نظایر آن قابل حل باشند. بهینه‌سازی ترکیبی    (Combinational Optimization)، جستجو برای یافتن نقطه بهینه توابع با متغیرهای گسسته        (Discrete Variables) می‌باشد. امروزه بسیاری از مسائل بهینه‌سازی ترکیبی که اغلب از جمله مسائل با درجه غیر چندجمله‌ای (NP-Hard) هستند، به صورت تقریبی با کامپیوترهای موجود قابل حل می‌باشند. از جمله راه‌حل‌های موجود در برخورد با این گونه مسائل، استفاده از الگوریتم‌های تقریبی یا ابتکاری است. این الگوریتم‌ها تضمینی نمی‌دهند که جواب به دست آمده بهینه باشد و تنها با صرف زمان بسیار می‌توان جواب نسبتاً دقیقی به دست آورد و در حقیقت بسته به زمان صرف شده، دقت جواب تغییر می‌کند.

مقدمه

          هدف از بهینه‌سازی یافتن بهترین جواب قابل قبول، با توجه به محدودیت‌ها و نیازهای مسأله است. برای یک مسأله، ممکن است جواب‌های مختلفی موجود باشد که برای مقایسه آنها و انتخاب جواب بهینه، تابعی به نام تابع هدف تعریف می‌شود. انتخاب این تابع به طبیعت مسأله وابسته است. به عنوان مثال، زمان سفر یا هزینه از جمله اهداف رایج بهینه‌سازی شبکه‌های حمل و نقل می‌باشد. به هر حال، انتخاب تابع هدف مناسب یکی از مهمترین گام‌های بهینه‌سازی است. گاهی در بهینه‌سازی چند هدف به طور همزمان مد نظر قرار می‌گیرد؛ این گونه مسائل بهینه‌سازی را که دربرگیرنده چند تابع هدف هستند، مسائل چند هدفی می‌نامند. ساده‌ترین راه در برخورد با این گونه مسائل، تشکیل یک تابع هدف جدید به صورت ترکیب خطی توابع هدف اصلی است که در این ترکیب میزان اثرگذاری هر تابع با وزن اختصاص یافته به آن مشخص می‌شود. هر مسأله بهینه‌سازی دارای تعدادی متغیر مستقل است که آنها را متغیرهای طراحی می‌نامند که با بردار n بعدی x نشان داده می‌شوند.

هدف از بهینه‌سازی تعیین متغیرهای طراحی است، به گونه‌ای که تابع هدف کمینه یا بیشینه شود.


دانلود با لینک مستقیم


دانلود مقاله بهینه‌سازی و معرفی انواع مختلف روش‌های آن

دانلود تحقیق بررسی معماری‌ها و روش‌های طراحی سیستم‌های قابل پیکربندی مجدد

اختصاصی از اس فایل دانلود تحقیق بررسی معماری‌ها و روش‌های طراحی سیستم‌های قابل پیکربندی مجدد دانلود با لینک مستقیم و پر سرعت .

دانلود تحقیق بررسی معماری‌ها و روش‌های طراحی سیستم‌های قابل پیکربندی مجدد


دانلود تحقیق بررسی معماری‌ها و روش‌های طراحی سیستم‌های قابل پیکربندی مجدد

دانلود تحقیق بررسی معماری‌ها و روش‌های طراحی سیستم‌های قابل پیکربندی مجدد
فایل ورد و قابل ویرایش
در 108 صفحه

 

 

فهرست مطالب

1. مقدمه
2. تاریخچه
3. مفهوم پیکربندی مجدد
3-1.محاسبات قابل پیکربندی مجدد
3-2. سیستم بدون پیکربندی
3-3. پیکربندی مجدد منطقی
3-4. پیکربندی مجدد دستورات
3-5. پیکربندی مجدد ایستا و پویا
4. مروری بر معماری‌ها و طراحی سیستم‌های قابل پیکربندی مجدد
4-1. دیدگاه اول
4-2. دیدگاه دوم
5. فناوری‌های سخت‌افزار قابل پیکربندی مجدد
5-1. FPGAها
5-2. قطعات مدارات مجتمع با منابع قابل پیکربندی مجدد تعبیه شده
5-3. هسته‌های قابل پیکربندی مجدد تعبیه شده
6. روند طراحی برای سیستم‌های قابل پیکربندی مجدد بر روی تراشه
6-1. مقدمه
6-2. ملزومات روند طراحی SoC
6-3. رویکرد طراحی پیشنهاد شده برای SoC قابل پیکربندی مجدد
6-4. مسائل پیکربندی مجدد در روند پیشنهادی
6-5. نتیجه گیری
7. رویکرد بر مبنای SystemC
7-1. مقدمه
7-2. مروری بر SystemC 2.0
7-3. مروری بر گسترش‌های بر مبنای SystemC
7-4. رویکرد تخمین زنی برای تحلیل سیستم
7-5. مدل کردن سربار پیکربندی مجدد
7-6. استفاده از مدل‌های بار کاری برای پویش فضای طراحی
7-7. نتیجه گیری
8. چکیده
9. منابع


1. مقدمه
دو روش در محاسبات سنتی برای اجرای یک الگوریتم وجود دارد. روش اول بکار بردن ASIC ها می‌باشد تا الگوریتم مورد نظر را در سخت‌افزار پیاده‌سازی کند. چون این قطعات برای هر الگوریتم خاص ساخته می‌شوند، سریع و کارا می‌باشند. اما مدارات آن‌ها پس از ساخت تغییر نمی‌کند. ریزپردازنده‌ها راه حل بسیار با انعطاف‌تری هستند. آنها مجموعه‌ای از دستورات را اجرا می‌کنند. و کارایی سیستم بدون تغییر سخت‌افزار تغییر می‌کند. ام همانند یک ASIC دارای قابلیت انعطاف نمی‌باشد. یک سیستم قابل پیکربندی مجدد توسعه یافته‌است تا فاصله را میان سخت‌افزار و نرم‌افزار را کم کند. و به یک کارایی بسیار بالاتر از نرم‌افزار و قابلیت انعطاف بیشتر سخت‌افزار برسد.
در این پایان نامه ابتدا تاریخچه‌ای مختصر از توسعه‌ی سیستم‌های قابل پیکربندی مجدد ارائه شده است.سپس مفهوم قابلیت پیکربندی مجدد و انواع آن بیان شده است.پس از آن نگاهی کلی به دو طبقه بندی مختلف معماری‌های این سیستم‌ها شده است و همچنین مروری بر روش‌های طراحی و ملزومات آن کرده‌ایم. در فصل پنجم انواع تکنولوژی‌های سخت افزار قابل پیکربندی مجدد بحث شده است. در فصل ششم روند طراحی سیستم قابل پیکربندی مجدد بر روی تراشه ( SoC ) آورده شده است. و نهایتا در فصل هفت ویژگی‌های طراحی سیستم با یک زبان برنامه نویسی بر مبنای C به نام SystemC بیان شده است.
.
.
.
.


دانلود با لینک مستقیم


دانلود تحقیق بررسی معماری‌ها و روش‌های طراحی سیستم‌های قابل پیکربندی مجدد

تلفیق روش‌های تصمیم‌گیری در محیط GIS به‌منظور مکان‌گزینی اماکن ورزشی

اختصاصی از اس فایل تلفیق روش‌های تصمیم‌گیری در محیط GIS به‌منظور مکان‌گزینی اماکن ورزشی دانلود با لینک مستقیم و پر سرعت .

هدف از پژوهش حاضر ارائۀ ایده‌ای جدید در مکان‌گزینی اماکن ورزشی بود. در مرحلۀ اول محدودۀ مطالعاتی با استفاده از روش تحلیل سلسله‌مراتبی و براساس معیارهای دوازده‌گانۀ دوری یا نزدیکی به عناصر و کاربری‌های مختلف شهری به شش طیف گسسته تقسیم شد که اراضی با حداکثر ارزش با مساحتی برابر 8/1502965 متر مربع، 6 درصد از محدوده را تشکیل می‌دادند. پس از آن با تشکیل تیم تحقیقاتی، محدوده با بالاترین ارزش، مورد برداشت میدانی قرار گرفت که 5 قطعه زمین A، B، C، D و E به‌عنوان ورودی‌های حالت گسسته در نظر گرفته شدند. این قطعه زمین‌ها، در دنیای واقعی و به لحاظ دیگر معیارها قابل ملاحظه و تحقیق برای ساخت اماکن ورزشی جدید بودند. به‌منظور اولویت‌بندی این ورودی‌ها از چهار روش تاپسیس، الکتر، ساو و تاکسونومی استفاده شد که معیارهای مشترک آنها را قیمت، شرایط ژئومورفیک، قابلیت تملیک، ارزش کاربری موجود، جمعیت، دسترسی و همچنین فاصله از اماکن ورزشی مجاور تشکیل می‌دادند. در نهایت با جمع‌بندی نتایج حاصل از روش‌های یادشده توسط یک مجموعه رتبه‌بندی جزئی (POSET)، مشخص شد که قطعه زمین C بهترین مکان برای ساخت مکان ورزشی جدید است.


دانلود با لینک مستقیم


تلفیق روش‌های تصمیم‌گیری در محیط GIS به‌منظور مکان‌گزینی اماکن ورزشی

پروژه بررسی روش‌های تخمین بار در شبکه های توزیع. doc

اختصاصی از اس فایل پروژه بررسی روش‌های تخمین بار در شبکه های توزیع. doc دانلود با لینک مستقیم و پر سرعت .

پروژه بررسی روش‌های تخمین بار در شبکه های توزیع. doc


پروژه بررسی روش‌های تخمین بار در شبکه های توزیع. doc

 

 

 

 

 

نوع فایل: word

قابل ویرایش 105 صفحه

 

چکیده:

پیش بینی بار الکتریکی نقش بسیار مهمی را در سیستم‌های قدرت به منظور اجرای سیاست‌های برنامه‌ریزی و تخصیص بودجه بازی می کند. کشورهای در حال توسعه برای برنامه‌ریزی سیستم قدرت خود به یک پیش‌بینی دقیق بار نیاز دارند. زیرا در این کشورها بار با رشد نسبتاً زیادی رو به افزایش می‌باشد. بدین منظور در این پایان‌نامه به بررسی روش‌های مختلف پیش بینی بار و همچنین دیگر مسائل مرتبط با پیش‌بیی بار پرداخته شده است. در همین راستا ابتدا به بررسی پارامترهای مؤثر در پیش‌بینی بار پرداخته می‌شود. از این جمله این پارامترها می‌توان به زمان و منطقه مورد پیش‌بینی اشاره کرد. در ادامه به روند کلی پیش‌بینی بار نواحی توزیع پرداخته شده است. در انتها نیز نتایج مربوط به پیش‌بینی بارهای واقعی برای شهر‌های زنجان، قزوین و شیراز آوذده شده است.

 

مقدمه:

با توسعه و رشد جمعیت ، میزان تقاضا برای مصرف انرژی الکتریکی رو به افزایش است ، که این رشد و توسعه هم در وضعیت موجود و هم در نواحی جدید قابل بررسی است. با توجه به اینکه هدف اصلی شبکه های توزیع برق پاسخگویی به این تقاضا با کیفیت مطلوب می باشد و از سویی بار سیستم پارامتری است که تقریبا تمام عملکرد سیستم را تحت تاثیر خود قرار می دهد ، لذا برنامه ریزان سیستم در همان مراحل اولیه می بایست تا آنجا که محاسبه ریاضی و آمار به آنها امکان می دهد به رشد و افزایش ( رفتار واقعی ) این کمیت نزدیک شده و براساس آخرین و دقیق ترین نتایج ، کار برنامه ریزی شبکه توزیع را آغاز نمایند

پیش بینی صحیح بار علاوه بر صرفه جویی در هزینه های سرمایه گذاری ، امکان برنامه ریزی بهتر برای توسعه نیروگاهها و شبکه های انتقال و توزیع را فراهم می آورد. یکی از مسائل حائز اهمیت در بهره برداری و توسعه بهینه شبکه های برق ، اطلاع از رشد بار و تقاضای برق در سالهای آینده است و چون باردر طول زمان تغییر می کند برنامه ریزی باید بر اساس حداکثر بار و منظور نمودن ضرایب اطمینان به عمل آید. همچنین شبکه طراحی شده باید پاسخگوی نیاز منطقه تا زمان توسعه بعدی نیز باشد .

ازدیاد سالانه مصرف به عوامل زیادی مانند رشد طبیعی جمعیت ، رشد مصرف سرانه ، توسعه صنایع و کشاورزی ، در دسترس بودن یا نبودن سایر منابع انرژی مانند گاز ، شرایط جغرافیایی منطقه و نیز شرایط اجتماعی ، سیاسی و فرهنگی منطقه بستگی دارد .

در این فصل ابتدا مقدمه‌ای درباره مقدمات کلی به منظور فهم بهتر پیش‌بینی بار بیان شده است و در فصل‌های بعدی روش‌های پیش‌بینی بار بیان خواهد شد.

 

فهرست مطالب:

1-1. مقدمه

1-2. مطالعات بار

1-3. منطقه مورد پیش بینی و محدوده زمانی

1-4. بررسی منحنی بار روزانه شبکه ایران

1-5. انتخاب پارامترهای مؤثر در سیستم انرژی الکتریکی

1-5-1. تأثیر پارامترهای محیطی بر بار مطرفی

1-5-2. تأثیر زمان بر مقدار بار مصرفی

1-5-3. منحنی تداوم بار

1-5-4. رشد و کنترل جمعیت

1-5-5. اطلاعات محلی

1-5-6. کنترل استفاده از زمین

1-5-7. فاکتورهای اقتصادی

1-5-8. استفاده از دیگر سوخت ها

1-5-9. سیاست انرژی

1-5-10. وضع آب و هوا

1-5-11. قضاوت شخصی

1-6. مقاطع زمانی پیش‌بینی بار

1-7. انواع مصرف کنندگان و مشخصات آنها

1-7-1. مصارف بارهای خانگی

1-7-2. مصارف تجاری

1-7-3. مصارف صنعتی

1-7-4. مصارف کشاورزی

1-7-5. مصارف عمومی

2-1. روش‌های پیش‌بینی و برآورد بار

2-1-1. پیش‌بینی بار با استفاده از آمار بارهای الکتریکی سال‌های گذشته

2-2. روش های کیفی

2-3. پیش‌بینی بار با استفاده از آمارهای مستقل

2-3-1. روش مصرف نهایی

2-3-2. روش کاربری ارضی

2-4. پیش‌بینی بار با استفاده از روش تلفیقی

2-4-1. سایت بندی و ناحیه بندی منطقه

2-4-2. تفکیک کاربریها و تعیین درصد هرکدام از آن‌ها

2-4-3. تعیین متوسط مصرف و درصد رشد

2-4-4. تخمین سال افق و انرژی آن

2-4-5. تبدیل انرژی به بار

2-4-6. چک کردن نتایج بدست آمده

2-4-7. مطالعه موردی

3-1. مقدمه

3-2. استفاده از شبکه عصبی و تبدیل موجک برای پیش بینی بار کوتاه مدت

3-3. تبدیل موجک

3-3-1. تجزیه ی موجک و تبدیل گسسته ی موجک

3-4. مدل پیشنهادی

3-5. نتایج شبیه سازی

3-5-1. طراحی مدل تلفیقی پیشنهادی

3-6. ارزیابی مدل های پیش بینی

4-1. مقدمه

4-2. محاسبه انرژی مصرفی هر ناحیه

4-3. برآورد انرژی هر ناحیه

4-4. برآورد بار هر ناحیه

5-1. مقدمه

5-2. فرایند محاسبات پیش بینی بار

5-3. مرحله 2: تقسیم بندی شهر به بلوک های کوچکتر

5-4. مرحله (3): طبقه بندی مصارف

5-5. مرحله (4): محاسبه توان متوسط مصرفی انواع مصارف در سالهای سابقه

5-6. مرحله (5): محاسبه و تعیین چگالی بار پایه برای مصارف مختلف

5-7. مرحله (6): تعیین بار هر یک از مصارف در سال افق:

5-7-1. تعیین پتانسیل بارپذیری بلوکها

5-7-2. تعیین بار سال افق بروش کاربری ارضی

5-8. مرحله (7): مدلسازی منحنی رشد بار هر بلوک

5-9. مرحله (8): تعیین پیک توان کلی هر بلوک در سالهای پیش بینی

5-10. نتیجه گیری

6-2. پیش بینی انرژی و سطح اشباع انرژی مشترکین خانگی شهر شیراز

6-2-1. پیش بینی انرژی 10 سال آینده مشترکین ازطریق سطح اشباع انرژی

6-2-2. پیش بینی انرژی مصرفی مشترکین با استفاده از روش های رگرسیونی

6-3. پیش بینی سطح اشباع انرژی مشترکین تعرفه خانگی امور یک شهر شیراز

6-4. پیش بینی انرژی 10 سال آینده مشترکین از طریق سطح اشباع انرژی

6-5. پیش بینی انرژی مصرفی مشترکین خانگی شهر شیراز با استفاده از روش‌های رگرسیونی

6-6. نتیجه گیری

مراجع

 

فهرست شکل‌ها:

شکل 1-منحنی بار روزانه

شکل 2-تست نرمال بودن داده

شکل 3-بردازش مدل خطی

شکل 4- بردازش مدل درجه دو

شکل 5- بردازش مدل نهایی

شکل 6- بردزش مدل تابع S

شکل 7- پیش‌بینی براساس تابع درجه 2

شکل 8-منحنی رشد مصرف بار در نواحی شهری

شکل 9-تقسیم بندی نواحی به صورت منظم

شکل 10-

شکل 11- سایت بندی و ناحیه بندی کل منطقه 20 کیلوولت

شکل 12 منحنی برازش شده بر داده های انرژی ناحیه

شکل 13 نقشه چگالی بار ناحیه در سال 85

شکل 14 - منحنی خطی برازش شده بر داده های جریان ماکزیمم منطقه 20 کیلو ولت

شکل 15- شبکه ی عصبی شعاع مدار

شکل 16-ساختار مدل پیشنهادی

شکل 17- ساختار شبکه ی عصبی RBF تبدیل موجک

شکل 18-تقاضای روزانه ی برق کشور

شکل 19-سری زمانی هموار شده تقاضای روزانه ی برق برای پیش بینی ARIMA

شکل 20-مجموع توابع جزئیات تقاضای روزانه ی برق

شکل 21- مقادیر پیش بینی شده ی تقاضای روزانه ی برق برای 10 روز آتی

شکل 22: نمونه ای از بلوک شهر زنجان به همراه مشترکین وافع در آن

شکل 23- منحنی های برازش شده در بلوک منتخب

شکل 24- منحنی بار روزانه مصارف خانگی و تجاری بلوک منتخب

شکل 25- برازش منحنی روی سرانه مصرفی مشترکین خانگی کم مصرف امور یک شهر شیراز برحسب (kwh)

شکل 26- برازش منحنی روی سرانه مصرفی مشترکین خانگی میان مصرف امور شهر شیراز برحسب (kwh)

شکل 27 برازش منحنی روی سرانه مصرفی مشترکین خانگی پر مصرف امور یک شهر شیراز برحسب (kwh)

شکل 28- پیش بینی مصرف انرژی مشترکین خانگی کم مصرف امور یک برق شهر شیراز برحسب (Mwh)

شکل 29 پیش بینی مصرف انرژی مشترکین خانگی میان مصرف امور یک برق شهر شیراز برحسب (Mwh)

شکل 30- پیش بینی مصرف انرژی مشترکین خانگی پر مصرف امور یک برق شهر شیراز برحسب (Mwh)

جدول 1- میزان مصرف برق (مگاوات ساعت)

جدول 2- مقادیر شاخص‌های دقت تابع تخمین

جدول 3- مقادیر پیش‌بینی

جدول 4- تعداد مشترکین ناحیه به تفکیک سال برقدار شدن

جدول 5- اطلاعات مشترکین ناحیه بهشتی

جدول 6- متوسط سرانه مصرف انرژی هر مشترک و درصد رشد سرانه

جدول 7-مقایسه ی قدرت پیش بینی مدل های شبکه ی عصبی و ARIMA

جدول 8-نمونه ای از فایل فروش انرژی

جدول 9- نمونه ای از محاسبه انرژی مصرفی تعرفه خانگی سال 89 (kwh)

جدول 10- نمونه ای از برآورد بار برای 10 سال آینده

جدول 11- بار سال های گذشته و موجود بلوک های منتخب

جدول 12- چگالی بار پایه کاربری های مختلف در سهر های زنجان و قزوین

جدول 13- بار سال افق مصارف مختلف بلوک شکل 22

جدول 14- بار سال های میانی بلوک منتخب

جدول 15- توان ماکزیمم برآورد شده در سال های هدف برای بلوک منتخب

جدول 16- سرانه مجموع حاصل از برازش منحنی سرانه مجموع (kwh)

جدول 17-تفکیک تعداد مشترکین خانگی در سال 1400 برای 5 ناحیه از مدیریت برق یک شهر شیراز

جدول 18-پیش بینی سطح اشباع انرژی مشترکین دسته های خانگی برخی از نواحی امور یک شهر شیراز در سال 1400 برحسب (kwh)

جدول 19-انرژی دسته های مختلف مشترکین خانگی در سال 1400 برخی نواحی مدیریت برق یک با ضرایب منحنی لجستیک (kwh)

جدول 20-پیش بینی انرژی مصرفی مشترکین خانگی ناحیه 1R1 مدیریت برق یک شهر شیراز برحسب (kwh)

جدول 21-محل، میزان و زمان ورود بارهای برنامه ریزی شده مدیریت برق یک شهر شیراز

 

منابع و مأخذ:

1- وحید ماجدی اصل، هوشنگ قلیزاد، محمد رضا آقا محمدی، علی اصغر امجدی؛ "انجام مطالعات برآورد بار بلند مدت در شهرهای زنجان و قزوین با استفاده از روش کاربری ارضی". نهمین کنفرانس شبکه های توزیع نیروی برق، اردیبهشت 83.

2- حمید رضا نصر فرد جهرمی، زهرا کتیبه، مهدی رئوفت، "برآورد انرژی و بار با استفاده از روش تلفیقی". نهمین کنفرانس شبکه های توزیع نیروی برق، اردیبهشت 83.

3-کاظم یاوری، مهدی ذوالفقاری ، "مدل سازی و پیش بینی مصرف کوتاه مدت برق کشور با استفاده از شبکه های عصبی و تبدیل موجک (با تاکید بر اثرات محیطی و اقلیمی)"، فصل نامه مطالعات اقتصاد انرژی، سال نهم، شماره ی 33، تابستان 91.

4- سید فرید قادری ، شهروز بامداد، "یک مدل ریاضی جهت تخمین تابع مصرف انرژی الکتریکی با استفاده از روش سری زمانی"، نشریه انرژی ایران / سال نهم/ شماره  / مرداد84.

5- حمیدرضا عزیزپور، "پیش بینی تقاضای انرژی الکتریکی در شبکه توزیع (دیماند)"

6- امین رئیس زاده ، عباس کریمی ، محمد هادی معظم، "مطالعات برآورد انرژی مشترکین خانگی شهر شیراز"، 26 امین کنفرانس بین المللی برق

7- محمد رضا اربابی یزدی، "بررسی روشهای پیش بینی بار در شبکه های توزیع برق"

8- محمد واقفی نژاد، " روش انجام مطالعات برآورد انرژی و بار، پروژه طرح جامع شبکه فشار متوسط دماوند، فیروزکوه، رودهن و لوسانات" ، شرکت انتقال دانش صنعت انرژی برق، بهار 90


دانلود با لینک مستقیم


پروژه بررسی روش‌های تخمین بار در شبکه های توزیع. doc

دانلود پروژه استفاده از روش‌های شبکه عصبی در طبقه‌بندی پروتئین ها

اختصاصی از اس فایل دانلود پروژه استفاده از روش‌های شبکه عصبی در طبقه‌بندی پروتئین ها دانلود با لینک مستقیم و پر سرعت .

دانلود پروژه استفاده از روش‌های شبکه عصبی در طبقه‌بندی پروتئین ها


دانلود پروژه استفاده از روش‌های شبکه عصبی در طبقه‌بندی پروتئین ها

لینک پرداخت و دانلود *پایین مطلب*
فرمت فایل:Word (قابل ویرایش و آماده پرینت)
تعداد صفحه: 20
فهرست و توضیحات:

استفاده از روش‌های شبکه عصبی در
طبقه‌بندی پروتئین‌ها

پروژه درس مباحث ویژه پایگاه‌ داده‌ها

عناوین

چکیده

فهرست شکل‌ها

شکل 1: یک شبکه پرسپترونی سه لایه

شکل 2: تاثیر ورودی از نرون i با وزن بر نرون j

شکل 3: نرخ طبقه‌بندی صحیح برای طبقه بندی کننده‌های MLP

شکل 4: نرخ طبقه‌بندی صحیح برای طبقه بندی کننده‌های RBF

 

چکیده

تشخیص فولد پروتئین‌ها از جمله مسائل چالش برانگیزی است که در طی 35 سال گذشته محققان بسیاری در سراسر دنیا در این زمینه تحقیق کرده‌اند. امروزه به کارگیری علوم مهندسی برای حل مسائل حوزه علوم زیستی و پزشکی به سرعت و با موفقیت رو به افزایش است، بنابراین بسیاری از دانشمندان کامپیوتر به این سمت گرایش پیدا کرده‌اند تا بتوانند از روش‌های مختلف یادگیری ماشین در پیاده سازی سیستم‌های خودکار و هوشمند به منظور طبقه‌بندی پروتئین‌ها کمک بگیرند. هدف نهایی  در پیاده سازی این سیستم‌ها  نزدیک بودن هرچه بیشتر تصمیم اتخاذ شده توسط ماشین به تصمیم فرد خبره بیولوژیست می‌باشد.

با این وجود به خاطر پیچیدگی بسیار این مساله که ناشی از تعداد کلاس‌های نسبتا زیاد پروتئین‌ها و بزرگ بودن ابعاد ویژگی آنهاست، بدست آوردن جواب قابل قبول در طبقه‌بندی پروتئین‌ها با استفاده از روش‌های معمول یادگیری ماشین تقریبا امکان پذیر نمی‌باشد.  در این پژوهش ما از یک مدل ترکیبی طبقه‌بندی با استفاده از  شبکه های عصبی MLP، RBF و روش ترکیب طبقه بندی کننده‌های بیزی برای تعیین فولد پروتئین ها استفاده کرده‌ایم. نتایج بدست آمده نشان می‌دهد که شبکه‌های عصبی RBF دارای نرخ طبقه بندی صحیح بهتری نسبت به سایر روش‌ها مانند MLP و ماشین‌های بردار پشتیبان داشته است. این امر می‌تواند به علت فضای جستجوی بسیار بالا برای یافتن پارامترهای بهینه ماشین‌های بردار پشتیبان و زمان نسبی زیاد یادگیری در این نوع طبقه بندی کننده‌ها باشد. همچنین نتایج بدست آمده نشان می‌دهد که نرخ طبقه بندی صحیح پروتئین‌ها با استفاده از روش ترکیب بیزی به ٪59 افزایش یافته است. که البته در مقاله دیگری توانسته‌اند با استفاده از کلاسیفایر svm به 62.5٪  برسند. که نشان می‌دهد هنوز این پژوهش نیاز به بررسی بیشتر دارد.

1.  مقدمه

پروتئین‌ها ماکرومولکول‌های بیولوژیک بزرگی هستند که اجزاء اصلی ارگانیسم‌های زنده را تشکیل می‌دهند و تمام اعمال حیاتی آنها را کنترل می‌کنند. عملکرد یک پروتئین مربوط به واکنش‌های شیمیایی پروتئین با محیط اطراف و سایر پروتئین‌ها می‌باشد. از طرف دیگر خود این امر وابسته به شکل و ساختار سه بعدی پروتئین و نحوه فولدینگ اجزاء آن می‌باشد. تعیین ساختار سه‌بعدی پروتئین به طور تجربی بسیار دشوار است و از آنجایی‌که معمولا ترتیب زنجیرة هر پروتئین دانسته است، پژوهشگران می‌کوشند تا با استفاده از روش‌های زیست‌فیزیکی گوناگون پدیده تاخوردگی پروتئین‌ها را مدل کرده و به این ترتیب ساختار سه‌بعدی نهایی را از روی دنبالة اسیدهای آمینه پیش‌بینی کنند. بر اساس باور بسیاری از پژوهشگران  پروتئین‌ها برای عملکرد صحیح می‌بایست ساختار سه‌بعدی درست خود را بدانند. لذا اگر پروتئینی نتواند به ساختار درست خود تا شود، غیرفعال خواهد شد. دلیل برخی از بیماری‌ها انباشتگی پروتئین‌های بد تاخورده پنداشته می‌شود.

انبوه پروتئین‌های تعیین توالی شده که در صف طویل تعیین خواص ساختاری و شناسایی عملکرد قرار گرفته‌اند، نیاز به روش‌های محاسباتی برای تعیین ساختار و توپولوژی پروتئین‌ها را آشکار می‌سازد. این  مساله به عنوان یکی از چالش های 35 سال اخیر دانشمندان بیولوژی توجه بسیاری از محققان علوم کامپیوتر را به خود جلب کرده است ‎. با این وجود به دلیل طبیعت پیچیده ناشی از تعداد زیاد کلاس‌های پروتئین و همچنین بالا بودن ابعاد فضای ویژگی، عموما روش‌های معمول یادگیری ماشین به نتایج چندان رضایت بخشی نمی‌رسند . در چنین مسائل طبقه‌بندی فرض می‌شود که فولدهای ممکن محدود است و هر پروتئین به کلاس یکی از انواع محدود فولدها تعلق دارد. می‌توان گفت شناسایی الگوی فولد یک پروتئین در سطحی عمیق‌تر از شناسایی کلاس ساختارهای نوع دوم پروتئین قرار می‌گیرد و به طبع دشوارتر و پیچیده‌تر از آن است. دشواری این مساله از آنجا ناشی می‌شود که با توجه به ساختارهای نوع دوم تشکیل دهنده پروتئین تعداد زیادی توپولوژی شناخته شده می‌توانند کاندید انتخاب به عنوان توپولوژی مناسب برای یک پروتئین با توپولوژی ناشناخته شوند.

روش استفاده شده در این تحقیق برای روبرو شدن با چنین مساله دشواری ترکیب تصمیم‌هایی است که هر یک با توجه به زاویه دیدی متفاوت به موضوع اتخاذ شده‌اند. در این تحقیق کلاسیفایرهای مورد استفاده در مواردی چون شناسایی ساختار دوم، آبگریزی ، حجم واندروالس، قطبیت،  و قابلیت قطبی شدن از روی مجموعه داده‌های آموزش به خبرگی مورد نیاز رسیده‌اند.

در این پژوهش ما از یک مدل ترکیبی طبقه‌بندی با استفاده از  شبکه‌های عصبی MLP، RBF و روش ترکیب طبقه بندی کننده‌های بیزی برای تعیین فولد پروتئین‌ها استفاده کرده‌ایم. در ادامه در بخش دوم این گزارش ابتدا مقدمه‌ای مختصر درباره شبکه‌های عصبی مصنوعی آورده شده است. بخش سوم به شرح روش رای گیری اکثریت و همچنین روش  بیز در ترکیب تصمیم طبقه بندی کننده‌های مختلف می‌پردازد.  در بخش چهارم به بیان مشخصات داده‌ها و همچنین عملیات‌های انجام شده به منظور آماده سازی داده‌های مساله پرداخته‌ایم. در بخش‌های پنجم و ششم و هفتم نیز به ترتیب نتایج آزمایشات، مقایسه با کارهای انجام شده قبلی و کارهای آینده آورده شده است.

این فقط قسمتی از متن پروژه است . جهت دریافت کل متن پروژه ، لطفا آن را خریداری نمایید


دانلود با لینک مستقیم


دانلود پروژه استفاده از روش‌های شبکه عصبی در طبقه‌بندی پروتئین ها