بسته آموزشی پرولوگ |Prolog

پرولوگ یک زبان برنامه‌نویسی منطقی چند منظوره مبتنی بر مفاهیم «هوش مصنوعی» و زبان‌شناسی محاسباتی است. این زبان بر پایه منطق ریاضی بنا نهاده شده و آن را به عنوان زبان کاملاً منطقی می‌شناسند و حتی به آن پرلوگ خالص نیز اطلاق می‌شود و می‌توان گفت نسبت به سایر زبان‌های برنامه نویسی متفاوت است.

بستۀ آموزشی تهیه شده به صورت یک سی دی دارای اتوران است و حاوی کامپایلرهای 32 بیتی و 64 بیتی پرولوگ، کتب الکترونیکی، تمارین حل شده با زبان پرولوگ، پاورپوینت آموزش، طریقۀ اتصال پرولوگ به سی شارپ و... می‌باشد. به جرأت می‌توانیم ادعا کنیم این بسته تنها و کامل‌ترین بستۀ آموزش پرولوگ است و هیچ مشابهی در سطح بازار ندارد.

لازم به ذکر است این مجموعه سال 92 توسط جمعی از دانشجویان علوم کامپیوتر و ریاضیات و کاربردهای دانشگاه شاهد برای درس «مبانی منطق و مجموعه‌ها» جمع‌آوری شد.
_____________
توجه:
ابتدا فایل PrologPart1 را Unzip کرده و سپس فایل PrologPart2 را داخل پوشۀ autorun از zip خارج نمایید.

(( بررسی دقت پیش‌بینی کنندگی شاخص سهام شرکتهای پذیرفته شده در بورس اوراق بهادار تهران توسط مدلهای هوش مصنوعی))

توجه بسیار مهم:

این فایل قدیمی میباشد و به هیچ عنوان جهت ارائه به مراکز آموزش عالی (( با توجه به کددار بودن پایان نامه ها)) مجاز نبوده و قابل پذریش در هیچ  نهاد و دانشگاهی نمیباشد. هدف از این فایل ، فقط جهت راهنمایی و استفاده از ان به عنوان منبع می باشد. شایان ذکر است این فایل با رضایت صاحب آن در سایت قرارداده شده است

فایل به صورت ورد می باشد و امکان ویرایش دارد. این فایل به صورت کامل صفحه بندی شده و دارای فهست مطالب و .... می باشد. این پایان نامه کامل و جامع می باشد

چکیده:

پیش‌بینی شاخص قیمت سهام و جهت حرکت آن به عنوان یکی از چالش برانگیزترین کاربردهای سری‌های زمانی مورد توجه قرار گرفته است. اگرچه پژوهش‌های تجربی بسیاری در ارتباط با موضوع پیش‌بینی شاخص قیمت سهام صورت گرفته است، اما بیشتر دستاوردهای تجربی، در ارتباط با بازارهای مالی توسعه یافته می‌باشد و پژوهش‌های اندکی در ارتباط با بازارهای مالی در حال توسعه صورت گرفته است. با توجه به توان تحلیلی بالای تکنولوژی داده‌کاوی و با وجود قدرت پردازش بی‌نظیر آن، می‌توان از این تکنولوژی برای تحلیل مسائل بیشماری در دنیای واقعی، از جمله پیش‌بینی استفاده نمود. هدف اصلی این پژوهش پیش‌بینی شاخص کل قیمت بورس اوراق بهادار تهران با استفاده از تکنیک‌های داده‌کاوی می‌باشد. جهت مدل‌سازی تکنیک داده‌کاوی از چهار روش شاخص هوش مصنوعی، که شامل شبکه‌های عصبی مصنوعی، الگوریتم ژنتیک، الگوریتم فازی و روش ترکیبی می‌باشد استفاده شده است. در این پژوهش از داده‌های شاخص کل قیمت بورس اوراق بهادار تهران با نام اختصاری تپیکس[1] استفاده شده است. یکی از اصلی‌ترین شاخص‌های بورس اوراق بهادار تهران است. بازه جمع آوری داده‌ها از سال1390 تا سال 1392 بوده است. سپس با استفاده از داده‌های شاخص کل قیمت سهام بوسیله کد نویسی در محیط نرم‌افزار متلب محاسبه مقادیر سی شرکت از شاخص‌های تکنیکال صورت پذیرفته است. در مورد پروژه علمی انتخابی برای سی شرکت داخل شبکه انجام شده است که به عنوان نمونه برای بانک صادرات مقادیر واقعی 0.00022 و روش ترکیبی 0.00014 است که نسبت به سه روش قبلی به مقادیر واقعی نزدیک‌تر است. مقادیر مربوط به سی شرکت محاسبه شده، به عنوان ورودی شبکه عصبی مصنوعی در نظر گرفته شده و پیش‌بینی مربوط به شاخص کل، مدل ‌سازی گشته است و از الگوریتم ژنتیک و الگوریتم فازی نیز استفاده شده است. در نهایت به این نتیجه رسیدیم که با استفاده از روش ترکیبی به بهبود عملکرد مدل بدست آمده پرداخته شده است.

دانلود مقاله هوش مصنوعی پیرامون شبکه های عصبی

تاریخچه
نام هوش مصنوعی در سال ۱۹۶۵ میلادی به عنوان یک دانش جدید ابداع گردید. البته فعالیت درزمینه این علم از سال ۱۹۶۰ میلادی شروع شده بود
تعریف
هنوز تعریف دقیقی که مورد قبول همه دانشمندان این علم باشد برای هوش مصنوعی ارائه شده‌است.اما اکثر تعریف‌هایی که در این زمینه ارایه شده‌اند بر پایه یکی از ۴ باور زیر قرار می‌گیرند:
۱٫ سیستم‌هایی که به طور منطقی فکر می‌کنند .
۲٫ سیستم‌هایی که به طور منطقی عمل می‌کنند .
۳٫ سیستم‌هایی که مانند انسان فکر می‌کنند.
۴٫ سیستم‌هایی که مانند انسان عمل می‌کنند.

شاید بتوان هوش مصنوعی را این گونه توصیف کرد:«هوش مصنوعی عبارت است از مطالعه این که چگونه کامپیوترها را می‌توان وادار به کارهایی کرد که در حال حاضر انسان‌ها آنها رابهتر انجام می‌دهند»

به یاری پژوهش‌های گسترده دانشمندان علوم مرتبط، هوش مصنوعی از آغاز پیدایش تاکنون راه بسیاری پیموده‌است. در این راستا، تحقیقاتی که بر روی توانایی آموختن زبانها انجام گرفت و همچنین درک عمیق از احساسات، دانشمندان را در پیشبرد این علم، یاری کرده‌است. یکی از اهداف متخصصین، تولید ماشینهایی است که دارای احساسات بوده و دست کم نسبت به وجود خود و احساسات خود آگاه باشند. این ماشین باید توانایی تعمیم تجربیات قدیمی خود در شرایط مشابه جدید را داشته و به این ترتیب اقدام به گسترش دامنه دانش و تجربیاتش کند.
برای نمونه به رباتی هوشمند بیاندیشید که بتواند اعضای بدن خود را به حرکت درآورد، او نسبت به این حرکت خود آگاه بوده و با سعی و خطا، دامنه حرکت خود را گسترش می‌دهد، و با هر حرکت موفقیت آمیز یا اشتباه، دامنه تجربیات خود را وسعت بخشیده و سر انجام راه رفته و یا حتی می‌دود و یا به روشی برای جابجا شدن، دست می‌یابد، که سازندگانش، برای او، متصور نبوده‌اند.
هر چند مثال ما در تولید ماشینهای هوشمند، کمی آرمانی است، ولی به هیچ عنوان دور از دسترس نیست. دانشمندان، عموما برای تولید چنین ماشینهایی، از تنها مدلی که در طبیعت وجود دارد، یعنی توانایی یادگیری در موجودات زنده بخصوص انسان، بهره می‌برند.
آنها بدنبال ساخت ماشینی مقلد هستند، که بتواند با شبیه‌سازی رفتارهای میلیونها یاخته مغز انسان، همچون یک موجود متفکر به اندیشیدن بپردازد.

مباحث هوش مصنوعی پیش از بوجود آمدن علوم الکترونیک، توسط فلاسفه و ریاضی دانانی نظیر بول (Boole) که اقدام به ارائه قوانین و نظریه‌هایی در باب منطق نمودند، مطرح شده بود. در سال ۱۹۴۳، با اختراع رایانه‌های الکترونیکی، هوش مصنوعی، دانشمندان را به چالشی بزرگ فراخواند. بنظر می‌رسید، فناوری در نهایت قادر به شبیه سازی رفتارهای هوشمندانه خواهد بود.

با وجود مخالفت گروهی از متفکرین با هوش مصنوعی که با دیده تردید به کارآمدی آن می‌نگریستند تنها پس از چهار دهه، شاهد تولد ماشینهای شطرنج باز و دیگر سامانه‌های هوشمند در صنایع گوناگون هستیم.

هوش مصنوعی که همواره هدف نهایی دانش رایانه بوده‌است، اکنون در خدمت توسعه علوم رایانه نیز می‌باشد. زبانهای برنامه نویسی پیشرفته، که توسعه ابزارهای هوشمند را ممکن می‌سازند، پایگاههای داده‌ای پیشرفته، موتورهای جستجو، و بسیاری نرم‌افزارها و ماشینها از نتایج پژوهش‌های هوش مصنوعی بهره می‌برند.
در سال ۱۹۵۰ آلن تورینگ) َAlain (Turing، ریاضی دان انگلیسی، معیار سنجش رفتار یک ماشین هوشمند را چنین بیان داشت: «سزاوارترین معیار برای هوشمند شمردن یک ماشین، اینست که آن ماشین بتواند انسانی را( و حتی یک محقق) توسط یک پایانه (تله تایپ) به گونه‌ای بفریبد که آن فرد ( و حتی یک محقق) متقاعد گردد با یک انسان روبروست.»

در این آزمایش شخصی از طریق ۲ عدد پایانه (رایانه یا تله تایپ) که امکان برقراری ارتباط و گپ‌زنی را برای وی فراهم می‌کنند با یک انسان و یک ماشین هوشمند، بطور همزمان به پرسش و پاسخ می‌پردازد. در صورتی که وی نتواند ماشین را از انسان تشخیص دهد، آن ماشین، هوشمند است. خلاصه ابنکه مورد تحقیق قرار گیرد و محقق نتواند دریابد در آن طرف انسان قرار دارد یا کامپیوتر.
آزمایش تورینگ از قرار دادن انسان و ماشین بطور مستقیم در برابر یکدیگر اجتناب می‌کند و بدین ترتیب، چهره و فیریک انسانی مد نظر آزمایش کنندگان نمی‌باشد. ماشینی که بتواند از پس آزمون تورینگ برآید، از تفکری انسانی برخوردار است.

آزمایش تورینگ مدل سازی نحوه تفکر انسان، تنها راه تولید ماشینهای هوشمند نیست. هم اکنون دو هدف برای تولید ماشینهای هوشمند، متصور است، که تنها یکی از آن دو از الگوی انسانی جهت فکر کردن بهره می‌برد:
• سیستمی که مانند انسان فکر کند. این سیستم با مدل کردن مغز انسان و نحوه اندیشیدن انسان تولید خواهد شد و لذا از آزمون تورینگ سر بلند بیرون می‌آید. از این سیستم ممکن است اعمال انسانی سر بزند.
• سیستمی که عاقلانه فکر کند. سامانه‌ای عاقل است که بتواند کارها را درست انجام دهد. در تولید این سیستمها نحوه اندیشیدن انسان مد نظر نیست. این سیستمها متکی به قوانین و منطقی هستند که پایه تفکر آنها را تشکیل داده و آنها را قادر به استنتاج و تصمیم گیری می‌نماید. آنها با وجودی که مانند انسان نمی‌اندیشند، تصمیماتی عاقلانه گرفته و اشتباه نمی‌کنند.

این ماشینها لزوما درکی از احساسات ندارند. هم اکنون از این سیستمها در تولید عامل‌ها در نرم افزارهای رایانه‌ای، بهره گیری می‌شود. عامل تنها مشاهده کرده و سپس عمل می‌کند.
Agent قادر به شناسایی الگوها، و تصمیم گیری بر اساس قوانین فکر کردن خود است. قوانین و چگونگی فکر کردن هر Agent در راستای دستیابی به هدفش، تعریف می‌شود. این سیستمها بر اساس قوانین خاص خود فکر کرده و کار خودرا به درستی انجام می‌دهند. پس عاقلانه رفتار می‌کنند، هر چند الزاما مانند انسان فکر نمی‌کنند.

با وجودی که برآورده سازی نیازهای صنایع نظامی، مهمترین عامل توسعه و رشد هوش مصنوعی بوده‌است، هم اکنون از فراورده‌های این شاخه از علوم در صنایع پزشکی، رباتیک، پیش بینی وضع هوا، نقشه‌برداری و شناسایی عوارض، تشخیص صدا، تشخیص گفتار و دست خط و بازی‌ها و نرم افزارهای رایانه‌ای استفاده می‌شود.

حال در اینجا برای آشنایی، مطالبی در مورد سیستم های خبره،الگوریتم ژنتیک ومنطق فازی مطرح می کنیم وسپس به بررسی شبکه های عصبی می پردازیم.

شایان ذکر است که   این  فایل  حاوی دو مقاله ترجمه شده به صورت مجزا و فشرده بر روی سایت جهت دانلود قرار داده شده است . امید است که توانسته باشیم  رضایت همراهان عزیز را جلب کرده باشیم .

بهبود ارزیابی شبیه سازی کامپیوتری با استفاده از تکنیک های داده کاوی

امروزه شبیه سازی با بیشتر ارکان زندگی بشر درگیر شده است، از ارتباطات تلفنی و بی سیم گرفته تا خطوط حمل و
نقل و عملیات تولید و سدسازی. با توجه به مزایای غیر قابل انکارِ ای ن رویکرد، برداشتن هر گامی که منجر به بهبود هر
یک از مراحل اجرای آن شود میتواند تاثیر بسزایی در افزایش کارایی سیستمهای مورد ارزیابی داشته باشد. یک شیوه
معتبر برای ارزیابی مناسبتر اعداد و ارقام انبوه به دست آمده از شبیه سازی سیستم،ها استفاده از تکنیکهای هوش
مصنوعی نظیر دادهکاوی است.
به طور کلی مدلهای شبیهسازی به وسیله تحلیلهای آماری فراهم شدهاند و به کل سیستم وابستهاند و سعی می-
کنند تا با مدلهای مشخص و ساده چگونگی تعامل نهادها را در جهت تقلید رفتار سیستم واقعی شرح دهند. در تحقیق
حاضر نشان داده شده است که این مدلها در نهایت با بهرهگیری از روابط آماری و توزیعهای گوناگون پیشبینیهای لازم
را در جهت بررسی تاثیر تغییرات روی عملکرد سیستم انجام میدهند. از طرفی نیز ابزارهای دادهکاوی در جهت کمک به
تحلیل و استخراج دانش مربوط به واقعیت به کار رفته است و نتیجه حاصل از به کار بردن دادهکاوی در مدلسازی
سیسمت ها و بهرهوری به دست آمده در درک رفتار سیستم در آزمایشات انجام گرفته نشان داده شده است.

مقاله هوش مصنوعی

کاربردهای گوناگون هوش مصنوعی با فصل های زیر می باشد :

1 - شبکه‏ های عصبی (Neural Networks)

2 - پردازش زبان طبیعی (Natural Language Processing) 

3 - روباتیک (Robotics) 

6 - سیستم‏های خبره (Expert Systems)

از سن هوشمند سازی چند سالی نگذشته و در همین مدت اندک تمام زندگی مردم را فرا گرفته و کاربرد فراوانی در علوم مختلف دارد .

علوم پزشکی یکی از آنهاست که به طور مثال در ژنتیک که میتوان تغییراتی در ژن ها انجام داد .

شبکه های عصبی یکی دیگر از مباحث علم هوشمندی است که در این بخش میتوان از شبکه های عصبی مصنوعی نام برد.

در مبحث سیستم های خبره حرف اول را میزند و شرکت های مختلفی از آنها استفاده می کنند که نمونه ای از این استفاده ها CPU ، خازن ها و از این گونه وسایل الکترونیکی که در آینده به بازار ارائه می شود و یا یک سیستم هوشمند که با پردازش داده ها خروجی مناسبی به ما ارائه می دهد.

برای در یافت اطلاعات بیشتر و دقیقتر شما را به مطالعه مطلب زیر دعوت میکنم، سعی شده نگارش متن ساده و روان باشد تا از خسته شدن هنگام مطالعه جلوگیری شود