دسته بندی | برنامه نویسی |
بازدید ها | 27 |
فرمت فایل | doc |
حجم فایل | 453 کیلو بایت |
تعداد صفحات فایل | 22 |
پیاده سازی VLSI یک شبکه عصبی آنالوگ مناسب برای الگوریتم های ژنتیک
خلاصه
مفید بودن شبکه عصبی آنالوگ مصنوعی بصورت خیلی نزدیکی با میزان قابلیت آموزش پذیری آن محدود می شود .
این مقاله یک معماری شبکه عصبی آنالوگ جدید را معرفی می کند که وزنهای بکار برده شده در آن توسط الگوریتم ژنتیک تعیین می شوند .
اولین پیاده سازی VLSI ارائه شده در این مقاله روی سیلیکونی با مساحت کمتر از 1mm که شامل 4046 سیناپس و 200 گیگا اتصال در ثانیه است اجرا شده است .
از آنجائیکه آموزش می تواند در سرعت کامل شبکه انجام شود بنابراین چندین صد حالت منفرد در هر ثانیه می تواند توسط الگوریتم ژنتیک تست شود .
این باعث می شود تا پیاده سازی مسائل بسیار پیچیده که نیاز به شبکه های چند لایه بزرگ دارند عملی بنظر برسد .
- مقدمه
شبکه های عصبی مصنوعی به صورت عمومی بعنوان یک راه حل خوب برای مسائلی از قبیل تطبیق الگو مورد پذیرش قرار گرفته اند .
علیرغم مناسب بودن آنها برای پیاده سازی موازی ، از آنها در سطح وسیعی بعنوان شبیه سازهای عددی در سیستمهای معمولی استفاده می شود .
یک دلیل برای این مسئله مشکلات موجود در تعیین وزنها برای سیناپسها در یک شبکه بر پایه مدارات آنالوگ است .
موفقترین الگوریتم آموزش ، الگوریتم Back-Propagation است .
این الگوریتم بر پایه یک سیستم متقابل است که مقادیر صحیح را از خطای خروجی شبکه محاسبه می کند .
یک شرط لازم برای این الگوریتم دانستن مشتق اول تابع تبدیل نرون است .
در حالیکه اجرای این مسئله برای ساختارهای دیجیتال از قبیل میکروپروسسورهای معمولی و سخت افزارهای خاص آسان است ، در ساختار آنالوگ با مشکل روبرو می شویم .
دلیل این مشکل ، تغییرات قطعه و توابع تبدیل نرونها و در نتیجه تغییر مشتقات اول آنها از نرونی به نرون دیگر و از تراشه ای به تراشه دیگر است و چه چیزی می تواند بدتر از این باشد که آنها با دما نیز تغییر کنند .
ساختن مدارات آنالوگی که بتوانند همه این اثرات را جبران سازی کنند امکان پذیر است ولی این مدارات در مقایسه با مدارهایی که جبران سازی نشده اند دارای حجم بزرگتر و سرعت کمتر هستند .
برای کسب موفقیت تحت فشار رقابت شدید از سوی دنیای دیجیتال ، شبکه های عصبی آنالوگ نباید سعی کنند که مفاهیم دیجیتال را به دنیای آنالوگ انتقال دهند .
در عوض آنها باید تا حد امکان به فیزیک قطعات متکی باشند تا امکان استخراج یک موازی سازی گسترده در تکنولوژی VLSI مدرن بدست آید .
شبکه های عصبی برای چنین پیاده سازیهای آنالوگ بسیار مناسب هستند زیرا جبران سازی نوسانات غیر قابل اجتناب قطعه می تواند در وزنها لحاظ شود .
مسئله اصلی که هنوز باید حل شود آموزش است .
حجم بزرگی از مفاهیم شبکه عصبی آنالوگ که در این زمینه می توانند یافت شوند ، تکنولوژیهای گیت شناور را جهت ذخیره سازی وزنهای آنالوگ بکار می برند ، مثل EEPROM حافظه های Flash .
در نظر اول بنظر می رسد که این مسئله راه حل بهینه ای باشد .
آن فقط سطح کوچکی را مصرف می کند و بنابراین حجم سیناپس تا حد امکان فشرده می شود (کاهش تا حد فقط یک ترانزیستور) .
دقت آنالوگ می تواند بیشتر از 8 بیت باشد و زمان ذخیره سازی داده (با دقت 5 بیت) تا 10 سال افزایش می یابد .
اگر قطعه بطور متناوب مورد برنامه ریزی قرار گیرد ، یک عامل منفی وجود خواهد داشت و آن زمان برنامه ریزی و طول عمر محدود ساختار گیت شناور است .
بنابراین چنین قطعاتی احتیاج به وزنهایی دارند که از پیش تعیین شده باشند .
اما برای محاسبه وزنها یک دانش دقیق از تابع تبدیل شبکه ضروری است .
برای شکستن این چرخه پیچیده ، ذخیره سازی وزن باید زمان نوشتن کوتاهی داشته باشد .
این عامل باعث می شود که الگوریتم ژنتیک وارد محاسبات شود .
با ارزیابی تعداد زیادی از ساختارهای تست می توان وزنها را با بکار بردن یک تراشه واقعی تعیین کرد .
همچنین این مسئله می تواند حجم عمده ای از تغییرات قطعه را جبران سلزی کند ، زیرا داده متناسب شامل خطاهایی است که توسط این نقایص ایجاد شده اند .
- مقدمه
شبکه های عصبی مصنوعی به صورت عمومی بعنوان یک راه حل خوب برای مسائلی از قبیل تطبیق الگو مورد پذیرش قرار گرفته اند .
علیرغم مناسب بودن آنها برای پیاده سازی موازی ، از آنها در سطح وسیعی بعنوان شبیه سازهای عددی در سیستمهای معمولی استفاده می شود .
یک دلیل برای این مسئله مشکلات موجود در تعیین وزنها برای سیناپسها در یک شبکه بر پایه مدارات آنالوگ است .
موفقترین الگوریتم آموزش ، الگوریتم Back-Propagation است .
این الگوریتم بر پایه یک سیستم متقابل است که مقادیر صحیح را از خطای خروجی شبکه محاسبه می کند .
یک شرط لازم برای این الگوریتم دانستن مشتق اول تابع تبدیل نرون است .
در حالیکه اجرای این مسئله برای ساختارهای دیجیتال از قبیل میکروپروسسورهای معمولی و سخت افزارهای خاص آسان است ، در ساختار آنالوگ با مشکل روبرو می شویم .
دلیل این مشکل ، تغییرات قطعه و توابع تبدیل نرونها و در نتیجه تغییر مشتقات اول آنها از نرونی به نرون دیگر و از تراشه ای به تراشه دیگر است و چه چیزی می تواند بدتر از این باشد که آنها با دما نیز تغییر کنند .
ساختن مدارات آنالوگی که بتوانند همه این اثرات را جبران سازی کنند امکان پذیر است ولی این مدارات در مقایسه با مدارهایی که جبران سازی نشده اند دارای حجم بزرگتر و سرعت کمتر هستند .
برای کسب موفقیت تحت فشار رقابت شدید از سوی دنیای دیجیتال ، شبکه های عصبی آنالوگ نباید سعی کنند که مفاهیم دیجیتال را به دنیای آنالوگ انتقال دهند .
در عوض آنها باید تا حد امکان به فیزیک قطعات متکی باشند تا امکان استخراج یک موازی سازی گسترده در تکنولوژی VLSI مدرن بدست آید .
شبکه های عصبی برای چنین پیاده سازیهای آنالوگ بسیار مناسب هستند زیرا جبران سازی نوسانات غیر قابل اجتناب قطعه می تواند در وزنها لحاظ شود .
مسئله اصلی که هنوز باید حل شود آموزش است .
حجم بزرگی از مفاهیم شبکه عصبی آنالوگ که در این زمینه می توانند یافت شوند ، تکنولوژیهای گیت شناور را جهت ذخیره سازی وزنهای آنالوگ بکار می برند ، مثل EEPROM حافظه های Flash .
در نظر اول بنظر می رسد که این مسئله راه حل بهینه ای باشد .
آن فقط سطح کوچکی را مصرف می کند و بنابراین حجم سیناپس تا حد امکان فشرده می شود (کاهش تا حد فقط یک ترانزیستور) .
دقت آنالوگ می تواند بیشتر از 8 بیت باشد و زمان ذخیره سازی داده (با دقت 5 بیت) تا 10 سال افزایش می یابد .
اگر قطعه بطور متناوب مورد برنامه ریزی قرار گیرد ، یک عامل منفی وجود خواهد داشت و آن زمان برنامه ریزی و طول عمر محدود ساختار گیت شناور است .
بنابراین چنین قطعاتی احتیاج به وزنهایی دارند که از پیش تعیین شده باشند .
اما برای محاسبه وزنها یک دانش دقیق از تابع تبدیل شبکه ضروری است .
برای شکستن این چرخه پیچیده ، ذخیره سازی وزن باید زمان نوشتن کوتاهی داشته باشد .
این عامل باعث می شود که الگوریتم ژنتیک وارد محاسبات شود .
با ارزیابی تعداد زیادی از ساختارهای تست می توان وزنها را با بکار بردن یک تراشه واقعی تعیین کرد .
همچنین این مسئله می تواند حجم عمده ای از تغییرات قطعه را جبران سلزی کند ، زیرا داده متناسب شامل خطاهایی است که توسط این نقایص ایجاد شده اند .
دسته بندی | کامپیوتر و IT |
بازدید ها | 22 |
فرمت فایل | doc |
حجم فایل | 3015 کیلو بایت |
تعداد صفحات فایل | 39 |
پایان نامه فوق در 3 فاز تجزیه و تحلیل، طراحی و پیاده سازی نرم افزار داروخانه انجام گرفته است. هدف از این کار سرعت بخشیدن به کارها و صرفه جویی در وقت می باشد. جست و جوی اطلاعات راحت تر شده و می توانیم به وسیله گزارش گیری اطلاعات و چاپ آن ها برآورد بهتری از کارهای انجام شده داشته باشیم.
در مرحله اول از نرم افزار rational rose جهت تجزیه و تحلیل سیستم استفاده شد. در فاز 1 و 2 پروژه که شامل طراحی و پیاده سازی نرم افزار بود نیز از نرم افزارهای SQL server 2008 و نرم افزار برنامه نویسی C# Visualبهره گرفته شده است.
جهت انجام این پروژه 4 سطح دسترسی تعریف گردیده است: 1- دکتر دارو خانه برای مدیریت برروی تمامی بخش ها و انبارها. 2- کاربر مالی جهت سفارشات و تحویل آنها، ثبت سازمان بیمه و ثبت بیمه داروها 3 - پذیرش 1 به منظور فروش کالا و ثبت نسخه. 4- پذیرش 2 که وظیفه او ثبت data entryها مانند ثبت اطلاعات داروها و کالاها می باشد.
این نرم افزار جهت استفاده در داروخانه تهیه شده و شامل امکاناتی نظیر ثبت نسخه، تعریف صندوق، ورود و خروج کالا به انبار، پشتیبان گیری، گزارش گیری، تعریف موجودیت ها و غیره می باشد.
فهرست مطالب
چکیده1
مقدمه. 2
فصل اول. 3
فصل دوم:11
پروتوتایپ.. 11
3.1فرم ثبت سفارش 14
3.2. فرم تحویل 15
3.3. فرم بیمه 16
4.1. فرم ثبت نسخه 17
4.2. فرم فروش کالا 18
5.3. فرم ثبت کالاها20
فصل سوم:23
نمودارها23
فهرست اشکال
عنوان شکل شماره صفحه
فرم ورود 12
فرم ثبت کاربر- تصویر 1 13
فرم سفارش،تحویل،بیمه- تصویر 2 13
فرم ثبت سفارش14
فرم تحویل 15
فرم بیمه- تصویر 1 16
فرم فروش- تصویر 2 16
فرم ثبت نسخه 17
فرم فروش کالا- تصویر 1 18
فرم اطلاعات اولیه- تصویر 2 18
فرم ثبت داروها19
فرم ثبت نوع دارو- تصویر 1 20
فرم ثبت کالا- تصویر 2 20
فرم نوع کالا - تصویر 121
فرم ثبت واحد- تصویر 2 21
فرم ثبت شرکت ها22
انواع کلاس 30
فهرست نمودارها
عنوان نمودار شماره صفحه
نمودار Use Case 25
نمودارSequence برای Login 26
نمودارSequence برای عدم وجود کالا 27
نمودارSequence برای وجود کالا 28
نمودارSequence برای صدور حساب 29
نمودارClass 31
نمودارComponent 32
دسته بندی | کامپیوتر و IT |
بازدید ها | 89 |
فرمت فایل | doc |
حجم فایل | 5565 کیلو بایت |
تعداد صفحات فایل | 161 |
با توجه به نیاز روزافزون، به تکنیک های جدید برنامه نویسی تحت وب، در صدد برآمدیم تا به طراحی و پیاده سازی یک سایت اینترنتی دینامیک بپردازیم .
قسمت های مختلف این پروژه را می توان درچهار بخش کلی زیر خلاصه کرد:
اهمیت و کاربردها
مطمئناً محیط وب مکانی است که براحتی می توان به آن دسترسی پیدا کرد و تعداد کاربرانی که هر روزه به اینترنت می پیوندد در حال افزایش است پس طراحی اینگونه سایتها امری لازم و ضروری بنظر می رسد .
یکی از معیارهای برتری سیستم های کامپیوتری این است که تا چه حدی user friendly هستند. سعی ما بر آن بوده است که در پروسه طراحی این سیستم حتی الامکان کمترین اطلاعات از کاربر درخواست شود و سیستم تا جایی که مقدور است خود مسئولیت جمع آوری اطلاعات را بر عهده داشته باشد.
در چنین شرایطی مطمئناً هم کاربران برای استفاده از سیستم با سهولت و راحتی کار روبرو بوده و هم میزان خطا تا حد قابل توجهی کاهش می یابد. بعنوان مثال وقتی که یک کاربر به این سیستم login می کند برای بالا رفتن سرعت و به منظور جلوگیری از اتلاف وقت کاربر، از امکانات برنامه نویسی Client Side، برای چک کردن صحت نام کاربری و رمز عبور استفاده کرده، و سپس تست وجود چنین کاربری در پایگاه داده، قسمت سرور صورت می گیرد. این کار باعث افزایش سرعت و امنیت می گردد.
اهداف پروژه
اهداف این پروژه را می توان در ابعاد زیر دسته بندی کرد:
فهرست مطالب
گفتار اول
معرفی پروژه
اهمیت و کاربردها
اهداف پروژه
چکیده
مقدمه
گفتار دوم
شرح نرم افزارهای مورد استفاده
گفتار سوم
طراحی و مدلینگ سیستم سایت
گفتار چهارم
پیاده سازی صفحات سایت
گفتار پنجم
نتیجه گیری و پیوست ها
منابع
دسته بندی | کامپیوتر و IT |
بازدید ها | 83 |
فرمت فایل | doc |
حجم فایل | 61 کیلو بایت |
تعداد صفحات فایل | 71 |
با توجه به نیاز مبرم دانش پژوهان به سایت هایی که جنبه علمی داشته باشد و دارای قابلیت هایی نظیر در اختیار قرار دادن تست و برقراری آزمون های ON LIN باشد و بتواند در ارتقاء سطح علمی دانش آموزان مؤثر باشد این سایت طراحی شده است عملکرد این سایت به صورت زیر می باشد. کاربر پس از ورود به سایت برای استفاده ازا امکنانات موجود باید عضو شود و یا اینکه از طرف آموزشگاه عضو شده باشد که پس از آن می تواند LOGIN کند.
اعضای سایت و کاربران مجاز می توانند از بخش آزمون استفاده کنند.
فهرست
عنوان صفحه
مقدمه 1
فصل اول: مقدمه ای بر آموزش از راه دور
آموزشگاه های مجازی 4
آموزش از راه دور 10
فواید آموزش از راه دور 10
ابزارهای آموزش از راه دور 12
عوامل اصلی در فرایند آموزش از راه دور 13
کلاس های مجازی 14
فن آوری اطلاعات و ارتباطات و نقش آن در آموزش 14
نیازمندیهای کلاس های مجازی 16
نتیجه گیری 21
فصل دوم: توصیف کلی نیازمندیهای سیستم
ایده ها 24
تحلیل نیازمندیها 25
نمودار نهای کلی سیستم 27
توصیف گزارش کار سیستم و DFD سیستم 28
توصیف تعریف مدیر سیستم 29
اختصاص دادن امکانات مورد نیاز مدیر سایت 31
توصیف امکان استفاده دانش آموزان از سایت 36
فصل سوم: نحوه پیاده سازی سیستم
نیازمندیهای سیستم جهت پیاده سازی 41
ASP.NET 42
C# 45
SQL SERVER 2000 50
برقراری ارتباط و امنیت در سایت SQL SERVER 52
ساختار سایت 63
مراجع 65