به نام خدا
این مجموعه شامل نکات مهم و جدید کنکوری هندسه یک و دو بهمراه جبر خطی میباشد
شما میتوانید با دریافت و مطالعه این مجموعه که توسط رتبه برتر کنکوری نوشته شده بر مباحثی که در کمتر کتابی خوانده اید تسلط بهتری بیابید
با توجه به قیمت خریدی که این مجموعه دارد نسبت به ارزش واقعی آن شما با تهیه آن بسیار سود خواهی کرد
این مجموعه شامل ۲۶ صفحه عکس پی دی اف میباشد
امیدواریم با مطالعه این مجموعه درصد خود را در کنکور ارتقا دهید
باتشکر
لینک دانلود و خرید پایین توضیحات
فرمت فایل word و قابل ویرایش و پرینت
تعداد صفحات: 17
/
Islamic Azad University of Mashhad
Faculty of Engineering
Department of Computer Engineering-Artificial Intelligence
Pattern Recognition
Fifth Report
Feature Extraction
Presenter:
Seyed Majid Ghafouri
Majid.Ghafouri@Gmail.com
Supervisor:
Dr. Rahati
1386/11/4
1) چکیده:
در این تمرین روش های استخراج ویژگی و روش های خطی و غیر خطی دسته بندی را مورد مطالعه قرار می‌دهیم. در ابتدا روش های مختلف استخراج ویژگی که از آن جمله PCA، LDA، روش قاب بندی و چند روش دیگر هستند را و سپس برای ویژگی های استخراج شده از روش های دسته بندی خطی بیزین و SVM خطی و سپس روش های غیرخطی RBF ، MLP و همچنین SVM غیرخطی برای دسته بندی استفاده شده است. بسته به روش شناسایی بکار گرفته شده، معمولا ویژگی های متفاوتی از دنباله نقاط استخراج می شود. در اکثر روش های موجود استخراج ویژگی، ویژگی ها از روی مختصات نقاط نمونه برداری شده ورودی استخراج می شوند. از مجموعه ی ویژگی های استخراج شده معمولاً تعدادی مفید تر و موثرترند. ما برای تشخیص و انتخاب ویژگی های تاثیرگذارتر از یک الگوریتم ژنتیک استفاده کرده ایم. اما پس از استخراج و انتخاب ویژگی ها نوبت به دسته بندی می رسد. در ابتدا از چند دسته بند خطی استفاده کرده ایم. به راحتی می‌توان نشان داد که ناحیه‌های تصمیم‌گیری یک ماشین خطی محدودند و این محدودیت انعطاف‌پذیری و دقت دسته‌بند را کاهش می‌دهد. مسایل بسیاری وجود دارد که توابع جداساز خطی برای داشتن حداقل خطا در آنها کافی نیستند. علاوه بر این مرزهای تصمیم‌گیری که کلاسها را از یکدیگر تفکیک می‌کنند ممکن است همیشه خطی نباشند و پیچیدگی مرزها گاهی اوقات نیاز به استفاده از سطح‌های کاملاً غیر خطی را دارند. بنابراین در ادامه ی کار از چند دسته بند غیرخطی نیز استفاده نمودیم. در استفاده از شبکه‌های عصبی چندلایه، شکل غیر خطی بودن از مجموعه‌ی آموزش فرا گرفته می‌شود. در روشهای RBF و SVM غیرخطی مشکل اصلی انتخاب توابع هسته غیر خطی مناسب است.
2) مقدمه
اولین الگوریتم دسته‌بندی در سال 1936 توسط Fisher ارایه شد و معیارهای آن برای بهینه بودن، کم کردن خطای دسته‌بندی کننده‌های الگوهای آموزشی بود. بسیاری از استراتژی‌های موجود نیز از همین روش پیروی می‌کنند. در ساده‌ترین شکل ممکن، دسته بند‌های خطی می‌توانند دو دسته‌ی متفاوت را تفکیک کنند. با توجه به این موضوع مساله‌ای را جدایی‌پذیر خطی می‌نامند که با یک ابرصفحه بتوان محدوده‌ی تصمیم را به دو گروه تقسیم‌بندی کرد. در عمل می‌توان دسته بند‌های خطی‌ای را طراحی کرد که بیش از دو گروه را از هم تفکیک کنند. این عمل را با تنظیم محدوده‌های تصمیم متعدد و آزمون‌های چندگانه بر اساس شرایط موجود می‌توان انجام داد. ما در این مساله یک دسته بندی با 26 کلاس را داریم.
در روش بیزین احتمال شرطی تعلق بررسی می‌شود. به این ترتیب که الگوی مورد نظر به دسته‌ای تخصیص داده می‌شود که احتمال شرطی تعلق بردار مشخصه‌ی الگو به آن دسته ازتمام دسته‌های دیگر بیشتر باشد. روش بیزین به طور کلی می تواند برای کارایی بسیار مطلوب بهینه شوند. این روش مزایای دیگری نیز دارد که استفاده‌ی از آن را توجیه می‌کند. این روش می‌تواند با چند فرض ساده در مورد داده‌ها کاملاً به شکل روشهای ساده‌ی خطی عمل کند، به علاوه این کار می‌تواند به گونه‌ای انجام شود که در پایان، مدل قطعی بدون هیچ گونه رجوع به آمار به دست آید. در روش بیزین مشکل کار تعریف احتمالات شرطی مورد نظر قاعده‌ی بیز است.
یک محقق روسی به نام Vladimir Vapnik در سال 1965 گام مهمی در طراحی دسته‌بندها برداشت [1] و نظریه‌ی آماری یادگیری را بصورت مستحکم‌تری بنا نهاد و ماشین بردار پشتیبان را ارایه کرد. ماشین‌های بردار پشتیبان در دو حالت جدایی‌پذیر و جدایی‌ناپذیر برای دسته‌بندی الگوهای یک مساله‌ی چندکلاسه از چند مرز جداکننده‌ی خطی یا ابرصفحه استفاده می‌کنند و در واقع حاصلضرب داخلی بردار ورودی با هر یک از بردارهای پشتیبان در فضای d بعدی ورودی محاسبه می‌شود. Vapnik نشان داد که می‌توان بردار ورودی را با یک تبدیل غیرخطی به یک فضای با بعد زیاد انتقال داد و در آن فضا حاصلضرب داخلی را بدست آورد که با این شرایط هسته‌ی مفیدی را خواهیم داشت.
روش RBF یک دسته‌بندی و تقریب‌ساز تابعی الگوست و شامل دو لایه میباشد که نرون‌های خروجی ترکیبی خطی از توابع پایه‌ای را به وجود می‌آورند که توسط نرون‌های لایه‌ی پنهان محاسبه شده‌اند. زمانی که ورودی در ناحیه‌ی تعیین شده‌ی کوچک از فضای ورودی قرار گیرد، توابع اساسی(غیر خطی) در لایه‌ی پنهان، پاسخ غیر صفری به محرک ورودی می‌دهند. همچنین این مدل به عنوان یک شبکه‌ی دریافت‌کننده‌ی ناحیه‌ای شناخته شده است. ما در روش RBF از معمول‌ترین تابع هسته‌ی غیر خطی یعنی سیگموئید استفاده کرده‌ایم.
به طور کلی شبکه‌های پرسپترون چندلایه شامل چندین پرسپترون ساده هستند که به طور ساختار سلسله‌مراتبی، یک شکل پیش‌خورد با یک و یا چند لایه‌ی میانی (لایه‌های پنهان) بین لایه‌های ورودی و خروجی را شکل می‌دهد. تعداد لایه‌ی پنهان و تعداد نرون‌های هر لایه ثابت نیستند. هر لایه ممکن است از نرون‌های مختلفی تشکیل شده باشد که این موضوع به کار آنها بستگی دارد. الگوریتم‌های آموزشی متفاوتی در روش چند لایه استفاده می‌شوند.
3) روشهای به کار رفته در این گزارش
در این قسمت روشهای استخراج ویژگی، روشهای انتخاب ویژگی ها جهت بهینه کردن آنها و کم کردن ابعاد مساله با کاهش تعداد آنها و روشهای دسته‌بندی (خطی و غیرخطی) به کار رفته بررسی شده‌اند.
3-1) روشهای استخراج ویژگی
در این قسمت انواع روشهای استخراج ویژگی ها ذکر شده است. ذکر این نکته لازم است که برخی الگوریتم های استخراج برای انتخاب ویژگی های موثر نیز استفاده می شوند ازجمله ی آنها PCA و LDA هستند. اما در این گزارش ما برای بهینه کردن ویژگی ها و کم کردن تعداد آنها و یا به عبارت دیگر برای کاهش ابعاد (Curse of Dimensionality) از الگوریتم ژنتیک استفاده نموده ایم.
3-1-1) روش PCA خطی
روشهای استخراج ویژگی یک زیرفضای مناسب m بعدی در فضای اصلی ویژگی ها از d بعد را تعیین می کنند(m<=d). تبدیل خطی مثل PCA، آنالیز فاکتور، LDA و تعقیب تصویر بطور گسترده در شناسایی الگو برای استخراج ویژگی ها و کاهش ابعاد استفاده شده اند. بهترین استخراج کننده ی ویژگی شناخته شدهPCA یا توسعه یافته ی Karhunen-loeve است که m بردار مشخصه بزرگتر را از ماتریس کوواریانس d×d از n الگوی d بعدی محاسبه می کند. تبدیل خطی به شکل Y=XH تعریف شده است که X ماتریس الگوی n×d داده شده و Y از ماتریس الگوی n×m مشتق شده است . H ماتریس d×m از تبدیل خطی است که ستون های آن بردارهای مشخصه هستند. قبل از اینکه PCA از ویژگی های پرمعنی تر استفاده کند (بردار ویژگی های با بزرگترین مقدار ویژه)، بطور کاملاً موثر داده ها را با یک زیرفضای خطی با استفاده از معیار خطای میانگین مربعات تخمین می زند. سایر روش ها مانندتعقیب تصویر و ICA برای توزیع های غیرگاوسی تا وقتی که به مشخصه ی مرتبه ی دوم داده ها مربوط نباشد مناسب ترند. ICA با موفقیت برای جداسازی منابع دیده نشده استفاده شده است. استخراج ترکیب خطی ویژگی ها منابع نابسته را تعریف می کند. این جداسازی در صورتی امکان پذیر است که حداکثر یکی از منابع دارای توزیع گاوسی باشد.
از آجا که PCA یک روش بدون بررسی استخراج ویژگی هاست (Unsupervised)، تحلیل جداسازی از یک اطلاعات گروهی در رابطه با هر الگو برای استخراج (خطی) ویژگی های با قابلیت جداسازی زیاد استفاده می کند. در LDA جداسازی بین کلاسی با جابجایی کل ماتریس کوواریانس در PCA با یک معیار جداسازی عمومی مانند معیار Fisher تائید می شود که در یافتن بردارهای مشخصه
لینک دانلود و خرید پایین توضیحات
فرمت فایل word و قابل ویرایش و پرینت
تعداد صفحات: 36
تحلیل عملکرد تغذیهای خانوارهای شهری و روستایی و تعیین اثر بخشی مخارج خانوارها در تأمین نیازهای غذایی: کاربرد برنامه‌ریزی خطی
چکیده
عملکرد تغذیهای خانوارها به عوامل مختلفی همچون توان اقتصادی، دسترسی به بازار مواد خوراکی، سطح دانش و اطلاعات تغذیهای آنها وابسته است. در سالهای اخیر در خصوص الگوی مصرف خانوارها و ضرورت تصحیح آن بسیار بحث شده است. متخصصین علم تغذیه بر دسترسی خانوارها به ارزش‌های غذایی متنوع بسیار تأکید نموده‌اند. الگوی مصرف بهینه را در حوزه علم اقتصاد می‌توان به صورت دسترسی به ارزش‌های غذایی مختلف همچون انرژی و پروتئین، مواد معدنی و سایر ریزمغذی‌ها با حداقل هزینه ممکن تعریف نمود. در این مقاله ضمن بررسی عملکرد تغذیهای خانوارها با استفاده از روش برنامه‌ریزی خطی، حداقل مخارج لازم برای تأمین نیازهای غذایی متناسب با الگوی پیشنهادی متخصصین علم تغذیه محاسبه می‌گردد و سپس با مقایسه آن با مخارج واقعی گروههای مختلف درآمدی در شهر و روستا، نسبت به کارایی مخارج واقعی خانوارهای شهری و روستایی ایران قضاوت می‌کنیم. در تعیین حداقل مخارج لازم، از 29 قید که در برگیرنده توصیه‌های مراجع علم تغذیه میباشد استفاده شد. یافته‌های این مقاله دلالت بر آن دارد که خانوارهای شهری و روستایی در تعیین محتویات سبد خوراکی خود کارا عمل نموده‌اند و با توجه به توصیه‌های متخصصین علم تغذیه، مخارج خود را به طور مؤثر بین اقلام مختلف خوراکی تخصیص داده‌اند.
مقدمه
ارزیابی عملکرد تغذیهای خانوارها ابزار مناسبی برای تشخیص میزان دسترسی آنها به مواد غذایی است و علاوه بر این، این امکان را فراهم می‌سازد تا سطح دانش تغذیهای جامعه و قشرهای مختلف آن تعیین شود. پاسخ به این سؤال که خانوارهای شهری و روستایی ایران و بویژه گروههای کم درآمد تا چه حد توانسته‌اند نیازهای غذایی خود را تأمین نمایند، راهگشای حوزه تصمیم‌گیری در تعیین محتویات سبد حمایتی و ملاک مناسبی برای ارزیابی آن دسته از سیاست‌های حمایتی است که با هدف تأمین امنیت غذایی جامعه طراحی و اعمال شده‌اند. برای تعیین میزان دسترسی خانوارها به حداقل ارزش‌های غذایی می‌توان فرد شاخص شهری یا روستایی را مورد توجه قرار داد و بررسی نمود که متوسط شهرنشینان و روستائیان تا چه میزان انرژی، پروتئین و سایر ارزش‌های غذایی را دریافت کردند. این نحوه بررسی اگرچه تصویر کلی از عملکرد تغذیهای جامعه ارایه می‌دهد اما مشکلات تغذیهای جامعه و بویژه گروههای کم درآمد را کمتر از واقع نشان می‌دهد، زیرا در روش فوق به مسئله توزیع ارزش‌های غذایی بین گروههای درآمدی توجه نمی‌شود. برای ارایه تصویر دقیق‌تر بهتر است میزان دسترسی گروههای مختلف درآمدی به تفکیک محاسبه و ارزیابی گردد.
مطالعات مختلف مؤید آن است که همواره سهم بالایی از کل مخارج خانوارهای جوامع شهری و روستایی ایران و بویژه گروههای کم درآمد این جوامع به تهیه و تأمین کالاهای خوراکی اختصاص داده شده است. اکنون این سؤال مطرح است که برای تأمین حداقل نیازهای غذایی به چه میزان مخارج نیاز است؟ آیا خانوارهای شهری و روستایی در تأمین حداقل نیازهای غذایی، درآمد خود را به شکل مؤثری به کالاهای خوراکی اختصاص داده‌اند؟ آنچه که در این مطالعه مورد توجه میباشد پاسخ به این سؤال است که آیا این امکان وجود دارد که با صرف هزینه کمتر، به میزان قبل به ارزش‌های غذایی دست یافت؟ پاسخ به این سؤال میزان آگاهی‌های تغذیهای خانوارهای ایرانی را روشن می‌سازد و هر فرد یا خانوار با توجه به محدودیت درآمد، کالاها و خدمات مختلف را مصرف می‌کند و البته سلایق وی در تصمیم‌هایش بسیار مؤثر میباشد. حال اگر تأمین ارزش غذایی به میزان معین با x ریال امکان‌پذیر باشد و این فرد همان میزان را با y ریال تأمین کرده باشد، بطوریکه y>x در این صورت فرد یا خانوار موردنظر در تخصیص درآمد خود به اقلام خوراکی مختلف کارا عمل نکرده است. عدم کارایی در رفتار مصرفی این فرد به عوامل مختلف از جمله فقدان اطلاعات تغذیهای اشاره دارد. در صورت وجود چنین گرایشی در رفتار مصرفی خانوارهای ایرانی، می‌باید از طریق اقدامات مختلف نسبت به افزایش سطح آگاهی‌های تغذیهای جامعه کوشش نمود.
در بخش اول این مقاله ابتدا داده ها و قلمرو مطالعه معرفی می‌شود و سپس در بخش دوم عملکرد تغذیهای خانوارها شهری و روستایی مورد توجه قرار می‌گیرد و درصد
تعداد صفحات : 37
جایی که ماده در آن قرار می گیرد .
زمینة مکانیک به 3 قسمت اصلی قابل تقسیم است :
تئوری
عملی مکانیک
محاسباتی
مکانیک تئوری مربوط به قوانین و اصول بنیادین است که به خاطر ارزش علمی واقعی آن مورد مطالعه قرار می گیرد.مکانیک عملی باعث انتقال این دانش تئوری در جهت استفاده‌های مهندسی و عملی از آن می شود . از این دانش تئوری به خصوص در جهت ساخت الگوهای بسیار دقیق از پدیده های فیزیکی استفاده می شود
چندین شاخه از مکانیک محاسباتی با توجه به مقیاس فیزیکی مورد نظر قابل تفکیک می باشند
محاسباتی ، سیستم کلی ترین مفهوم به حساب می آید. یک سیستم توسط تفکیک پذیری و تجزیه مورد بررسی قرار می‌گیرد بدین ترتیب که : رفتار سیستم از رفتار اجزای آن به همراه تأثیر متقابل بین اجزا ناشی می شود قطعات و اجزاء به اجزای کوچکتری تجزیه می‌شوند و این عمل بدین ترتیب ادامه می یابد زمانی که این فرآیند تجزیه به صورت سلسله مراتبی ادامه می یابد قطعات مستقل جهت دارا بودن رفتارهای منظم و مستقل از یکدیگر به حد کافی ساده می شوند اما تأثیر قطعات برروی یکدیگر پیچیده تر می‌شود. می توان نتیجه گرفت که یک شیوة تعادل جهت مشخص کردن محل پایان تجزیه قطعات وجود دارد .
2-1-1)
نانو مکانیک در ارتباط با سطوح اتمی و مولکولی ماده می باشد بدین معنی که ارتباط نزدیکی با فیزیک و شیمی ذره دارد . ارتباط میکرومکانیک عمدتاً با سطوح دانه‌ای و بلوری ذره می باشد. کاربرد اصلی میکرومکانیک در زمینة تکنولوژی، طراحی و ساخت مواد و ابزارهای میکرو می باشد.
استاتیک در برابر دینامیک :
مسائل مکانیک ( شیوة) همگن با توجه به اینکه تأثیرات اینرسی در نظر گرفته می شوند و یا اینکه به حساب نمی آیند. می توان به زیر شاخه های زیر تقسیم شود .
مکانیک همگن( بیوستار)
دینامیک
در دینامیک ، وابستگی به زمان واقعی بایستی به طور واضح مورد توجه قرار گیرد . زیرا نیروی اینرسی به تنهایی و یا همراه با نیروی بازدارندة حرکت ارتعاشی نیاز به مشتقات زمان دارد.
بعضی طرح های کلیدی در ماورای شیوه FEM در این مثال قابل تشخیص می باشد.
جایگزین آن دایره ، که به عنوان یک جسم مربوط به علم ریاضی مشاهده شد چند ضلعی ها می باشد.
اینها برآوردهای مجزا برای دایره محسوب می شوند. اضلاع که به صورت قسمت های تشکیل دهنده (خطوط) دوباره نامگذاری شده اند توسط گره های انتهایی خود مشخص می شوند.
این جزوه به صورت دست نویس است.
این جزوه درس جبر خطی 1 (مبانی جبر) دکتر مجتبی بهرامیان دانشگاه کاشان می باشد که به طور کامل به ارائه مباحث مطرح در این واحد درسی پرداخته است.
درس جبر خطی از مهمترین دروس کارشناسی رشته ریاضی می باشد. این جزوه در 73 صفحه با کیفیت عالی اسکن شده و امیدواریم در جهت کمک به شما عزیزان مورد استفاده قرار بگیرد.