لیست دستورات پردازش تصویر در متلب

لیست دستورات پردازش تصویر در متلب

توضیحات:
لیست دستورات پردازش تصویر در متلب (Matlab)، بصورت یک فایل pdf و در 31 صفحه.

این فایل حاوی لیست کاملی از تمامی دستورات مورد نیاز در پردازش تصویر در نرم افزار Matlab می باشد.

برنامه انتقال کانفرمال در متلب (Matlab)

برنامه انتقال کانفرمال در متلب (Matlab)

توضیحات:
برنامه انتقال کانفرمال در نرم افزار متلب (Matlab) ، در قالب یک عدد فایل word حاوی کدنویسی برنامه.

این برنامه با دریافت تعداد نقاط و مختصات آن ها، ماتریس انتقال را ارایه می کند و سپس با دریافت نقاط تصویر، مختصات زمینی را ارایه می نماید.

توجه: راهنمای استفاده مطالعه گردد.

پیاده سازی سیستم فازی-قانونگرا برای پیش بینی سرطان سینه در متلب

پیاده سازی سیستم فازی-قانونگرا برای پیش بینی سرطان سینه در متلب

توضیحات:
پیاده سازی سیستم فازی- قانونگرا برای پیش بینی سرطان سینه با تولباکس فازی نرم افزار متلب (Matlab)، شامل پیاده سازی با  تولباکس منطق فازی، پیاده سازی بصورت mfile با توابع تولباکس فازی، فایل راهنما و مقاله مرجع لاتین مربوط به سال 2014.

هدف مجموعه حاضر ، ایجاد و پیاده سازی یک سیستم خبره فازی بمنظور پیش آگهی از سرطان سینه با رویکردی کاربردی است، بطوریکه قادر به کنترل و مهار ابهامات و رفع کمبودهای رایج در این حیطه باشد. در این پژوهش ، روش استنتاج فازی ممدانی (mamdani ) بکار گرفته شده، که ، نسبت به سایر روشهای استنتاجی، دارای مزایای بالقوه ای از جهت توصیف ارتباطات متقابل بین دانش افراد خبره انسانی و اجزای سیستم در دست طراحی است. مزیت اصلی این روش در مقایسه با مطالعات دیگر توانایی این روش در تعیین ریسک سرطان سینه در زنان سالم می باشد. در نهایت سیستم خبره فازی بر روی پایگاه داده حقیقی بررسی و نتاج حاصله از سیستم ارزیابی و این ارزیابی را با تصمیمات موجود مقایسه می کند . کارایی بدست آمده از سیستم بر روی پایگاه داده حقیقی در جریان پیش بینی سرطان سینه ، میانگین 95% را نشان می دهد. این روش، روشی خوشبینانه برای پیش بینی کردن میزان ریسک سرطان سینه می باشد و باعث تشخیص زود هنگام سرطان و جلوگیری از مرگ و میر افراد می گردد.

پیاده سازی با دو روش انجام گرفته:
- بصورت ایجاد با نوار ابزار منطق فازی و بصورت گرافیکی در قالب فایل fis
- با استفاده از توابع نوار ابزار فازی و بصورت mfile
همراه با فایل راهنما و مقاله مرجع انگلیسی (2014)
 

ضمنا" در صورت نیاز، ترجمه فارسی مقاله مرجع را نیز میتوانید از همین فروشگاه خریداری فرمایید.

کد متلب بهینه سازی پروتکل LEACH به روش چندجهشی در شبکه حسگر بیسیم

کد متلب بهینه سازی پروتکل LEACH به روش چندجهشی در شبکه حسگر بیسیم

یکی از مشکلاتی در ارتباطات شبکه های حسگر بیسیم (WSN) که با روشهای برقراری ارتباط مستقیم (Direct transmition) ، تک جهشی (Single-hop) و پروتکلهای آگاه از انرژی مانند LEACH طراحی شده اند بروز میکند، این است که گره سرخوشه نمیتواند برای تبادل و بروزرسانی اطلاعات بطور مستقیم با ایستگاه پایه ارتباط برقرار کند.در این برنامه با ایجاد تغییراتی در پروتکل LEACH و ترکیب آن با روش دستیابی چند جهشی با برقراری ارتباط و ایجاد گامهای کم هزینه بین سرخوشه ها ، روشی بهینه را برای رفع این محدودیت شبیه سازی کرده ایم.از مزایای این پیاده سازی میتوان به جدید بودن ایده، خلاصه بودن در قالب یک , mfile با 184 خط کدنویسی، استفاده از خروجی گرافیکی برای درک بهترو ایجاد سهولت در ارزیابی شاخصهای عملکرد (هزینه ,سرعت ، انرژی) اشاره کرد.
برای اجرا ، mfile برنامه را به پوشه جاری متلب (Current folder) کپی کرده، Run نمایید. نتایج گرافیکی بصورت مرحله، مرحله نمایش داده شده و قابل ارزیابی خواهد بود ، نتایج محاسباتی و مقادیرنهایی تخصیصی به پارامترهای سیستم بصورت ماتریس ذخیره شده و از طریق پنجره’ Workspace متلب ، قابل دستیابی و ارزیابی خواهد بود.

پیاده سازی یک مدل شبکه عصبی مصنوعی برای پیش بینی حجم فروش

پیاده سازی یک مدل شبکه عصبی مصنوعی برای پیش بینی حجم فروش

توضیحات:
پاورپوینت آموزش تصویری پیش بینی فروش یک شرکت تجاری با تولباکس شبکه های عصبی مصنوعی نرم افزار متلب و نرم افزار اکسل همراه با دیتاست (dataset).

در این فایل ارائه، میخواهیم بصورت عملی، با استفاده از تولباکس شبکه های عصبی متلب یک سناریوی پیش بینی فروش را شبیه سازی کنیم.

در مرحله نخست، دیتاست موجود که شامل اطلاعات فروش طی سالهای 88 تا 94 است را با استفاده از یک فرایند تعاملی بین نرم افزار صفحه گسترده اکسل و نوار ابزار شبکه عصبی مصنوعی متلب، با ایجاد یک شبکه عصبی از نوع پس انتشار- تغذیه رو به جلو (backpropagation- feedforward) آموزش میدهیم، سپس، با خروجیهای بدست آمده از مرحله آموزش، عملکرد شبکه را با استفاده از داده های تست و محاسبه میزان خطای متوسط مربعات (MSE) ، محاسبه کنیم.
در مرحله بعد، با توجه به تغییراتی که ممکن است در مقادیر مربوط به تعداد مشتریان، رقیبان و قیمت در سال 1396 اتفاق بیفتد، داده های جدیدی را بعنوان ویژگیهای ورودی، به این مدل موجود اعمال کرده و حجم فروش در سال 1396 را پیش بینی کنیم.

توضیحات بیشتر:
دیتا ست اولیه، از اطلاعات واقعی یک شرکت پخش عمده مواد غذایی واقع در یکی از استانهای شمالی کشور تهیه شده، که بعلت تعهدات اخلاقی و بی تاثیر بودن آن در روند پیش بینی و نتایج نهایی، از ذکر نام شرکت و ضریب واحد پولی مربوط به آمار فروش، اجتناب کرده ایم. بنابراین واحد پولی و ضریب آن میتواند هر واحد معتبر مثل (میلیون ریال، صد دلار و ...) فرض شود. تلاش شده، این پژوهش جنبه ای کاملا" کاربردی داشته باشد و تمام مراحل گام بگام و همراه تصاویر آموزش داده شود. همچنین قابل تعمیم و استفاده در مسایل و سناریوهای مختلف باشد.

اصل Dataset های استفاده شده، کلیه اطلاعات مربوط به مراحل مختلف پیاده سازی، و نتایج بدست آمده از تحلیل سیستم ضمیمه این محصول می باشد.