جزوه کنترل فازی دکتر سید محمد موسوی دانشگاه آزاد واحد تهران جنوب

اختصاصی از هایدی جزوه کنترل فازی دکتر سید محمد موسوی دانشگاه آزاد واحد تهران جنوب دانلود با لینک مستقیم و پر سرعت .

این جزوه به صورت پاورپوینت تبدیل شده به pdf است.

این جزوه درس کنترل فازی دکتر سید محمد موسوی دانشگاه آزاد واحد تهران جنوب می باشد که به طور کامل به ارائه مباحث مطرح در این واحد درسی پرداخته است.

درس کنترل فازی از جمله دروس رشته مهندسی برق و مهندسی مکاترونیک و مهندسی مکانیک در مقطع کارشناسی ارشد و دکتری می باشد. این جزوه در 1115 اسلاید بوده و امیدواریم در جهت کمک به شما عزیزان مورد استفاده قرار بگیرد.

کنترل کننده مدل لغزشی فازی برای سیستم قدرت تک ماشینه باس بی نهایت (کد 229)

اختصاصی از هایدی کنترل کننده مدل لغزشی فازی برای سیستم قدرت تک ماشینه باس بی نهایت (کد 229) دانلود با لینک مستقیم و پر سرعت .

چکیده مقاله
در این مقاله، یک روش ترکیب منطق فازی و کنترل کننده مدل لغزش  برای کنترل مقاوم سیستم قدرت تک ماشینه باس بی نهایت (SMIB) ارائه شده است. هدف از این مطالعه برای غلبه بر برخی ضعف های پایدار کننده سیستم قدرت متداول (CPSS)، پایدار کننده سیستم قدرت منطق فازی (FPSS)  و کنترل کننده مدل  لغزش (SMC).است.

مقاله اصلی به همراه ترجمه

توجه: برای مشاهده مقالات می توانید وارد کانال تلگرام شوید و سپس مقاله مورد نظر خود را مشاهده نمایید.
توجه: با پرداخت مبلغ مقاله مورد نظر خود به صورت کارت به کارت از 10%  تخفیف بهره مند شوید.برای این منظور بعد از کسر 10% مبلغ مقاله مابقی را به شماره کارت ذیل واریز نمایید.سپس کد مقاله را تلگرام نمایید.
موبایل: [phone]
تلگرام: 09210225047
کانال تلگرام: simulinkpaper@
ایمیل: [e-mail]
شماره کارت: 7412-7439-8110-6273  به نام علیرضا لطف آبادی

پروژه فازی 42 ص

اختصاصی از هایدی پروژه فازی 42 ص دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 42

بسم الله الرحمن الرحیم

پروژه فازی

استاد راهنما :جناب آقای دکتر یعقوبی

توسط : فاطمه دهقان

A genetic fuzzy k-Modes for clustering categorical data

الگوریتم genetic fuzzy k-Modes

برای خوشه بندی داده های گروهی

اسفند 87

فهرست

چکیده

مقدمه (3)

مروری بر روش های قبل (7)

1.2 - الگوریتمk-Means Hard (7)

1.1.2 - مثالی عددی از الگوریتم k-Means (9)

2.2- الگوریتم Fuzzy c-Means (13)

3.2- الگوریتم Hard k-Modes (15)

4.2- الگوریتم fuzzy k-Modes (18)

3- الگوریتم پیشنهادی : genetic fuzzy k-Modes (21)

نتایج آزمایش (25)

نتیجه گیری (32)

پیوست – کد برنامه

مراجع

چکیده

خوشه بندی روشی است که داده های یک مجموعه داده را به گروه یا خوشه تقسیم می کند . از مرسوم ترین روش های خوشه بندی،الگوریتم های خوشه بندی k-Means وfuzzy k-Means می باشند.این دو الگوریتم فقط روی داده های عددی عمل می کنند و به منظور رفع این محدودیت، الگوریتم های k-Modes و fuzzy k-Modes ارائه شدند که مجموعه داده های گروهی (دسته ای) را نیز خوشه بندی می کنند. . با این وجود، این الگوریتم ها ،شبیه همه روال های بهینه سازی دیگر که برای مینیمم عمومی یک تابع جستجو می کنند، احتمال گیر افتادن در یک مینیمم محلی وجود دارد. به منظوردستیابی به جوبب بهینه عمومی ، الگوریتم های تکاملی مانند ژنتیک و جدول جستجو با الگوریتم های مذکور ترکیب می شوند. در این پژوهش، الگوریتم ژنتیک ، GA، را با الگوریتم fuzzy k-Modes ترکیب شده ،بطوریکه عملگر ادغام به عنوان یک مرحله از الگوریتم fuzzy k-Modes تعریف می شود. آزمایش ها روی دو مجموعه داده واقعی انجام شده است تا همراه با مثال کارایی الگوریتم پیشنهادی را روشن نماید.

1.مقدمه

به عنوان یک ابزار اولیه در داده کاوی ،تجزیه و تحلیل خوشه ، که تجزیه و تحلیل سگمنت نیز نامیده می شود،روشی است که داده ها را به گروه هایی همگن تحت عنوان خوشه تقسیم می کند.در چنین روشی داده های موجود در یک کلاستر یا خوشه خیلی شبیه به هم و داده ها ی کلاستر های مختلف خیلی متفاوت نسبت به هم هستند.اغلب، شباهت بر مبنای معیار فاصله می باشد.

آنالیز خوشه،خوشه بندی، تکنیک عمومی برای آنالیز داده های آماری می باشد که در بسیاری زمینه ها مانند یادگیری ماشین ، داده کاوی ، شناسایی الگو و آنالیز تصویر کاربرد دارد.در کنار اصطلاح خوشه بندی داده (یا فقط خوشه بندی)،بعضی اصطلاحات دیگرنیزهمانند کلاس بندی اتوماتیک ،طبقه بندی عددی، آنالیز نوع شناسی ، با معنای مشابه استفاده می شود[1].

به طور کلی ،یک الگوریتم خوشه بندی خوب معمولا برای طراحی شامل چهار فاز ذیل را شامل می شود:1- نمایش داده2- مدل کردن.3- بهینه سازی.4- اعتبار سنجی[2] ..

فاز نمایش داده، تعیین می کند که چه نوعی از ساختارهای خوشه می تواند داده ها را شناسایی کند.سپس فاز مدلینگ ضوابط و معیار ها را برروی ساختار تعریف می کند بطوریکه که ساختارها ی گروه های مطلوب را از موارد نامطلوب مجزا می کند.در فاز مدلینگ ، در طول جستجو برای ساختار های مخفی در داده ،یک معیار کیفیت مانند معیار بهینه سازی یا معیار تقریب تولید می شود. بعبارتی دیگرفاز بهینه سازش،ساختار های موثرتر و بهینه تر را انتخاب میکند. از آنجا که فرآیند خوشه بندی ،یک فرایند بدون

شناسایی سیستم غیرخطی با استفاده از فازی عصبی ANFIS IDENTIFICATION

اختصاصی از هایدی شناسایی سیستم غیرخطی با استفاده از فازی عصبی ANFIS IDENTIFICATION دانلود با لینک مستقیم و پر سرعت .

برای خرید این پروژه فقط و فقط از

سایت 

http://www.porojeamadematlab.ir

 با تخفیف 50 درصدی استفاده نمایید.

09132399969

09338075778

پاورپوینت جامع درباره کاربرد نظریه فازی در انتخاب تأمین کننده مواد اولیه

اختصاصی از هایدی پاورپوینت جامع درباره کاربرد نظریه فازی در انتخاب تأمین کننده مواد اولیه دانلود با لینک مستقیم و پر سرعت .

فرمت فایل : power point  (لینک دانلود پایین صفحه) تعداد اسلاید  : 62 اسلاید

اهمیت انتخاب فروشنده مناسب

üهزینۀ تامین مواد اولیه و قطعات ترکیبی از طریق فروشندگان بخش قابل توجهی از هزینۀ تمام شدۀ کالاهارا تشکیل می دهد.

üبطور متوسط 70 درصد ارزش محصول نهائی کارخانجات را هزینۀ خرید مواد خام و خدمات دریافتی از بیرون تشکیل می دهد. این نسبت درشرکتهای با تکنولوژی بالا، حتی به 80 درصد نیز بالغ می گردد.

üاز این رو انتخاب فروشندگان برای شرکتها ازاهمیت فوق العاده ای برخوردار است. به همان اندازه که انتخاب فروشندگان مناسب در تقلیل هزینه ها موثر است وباعث افزایش قدرت رقابت شرکتهامیشود.

üانتخاب فروشندگان نامناسب نیز می تواند باعث تنزل موقعیت مالی و عملیاتی شرکتها شود.

 

 

اهمیت انتخاب فروشنده مناسب

}مدیران خرید بطور طبیعی از تجربۀخریدهای قبلی برای تصمیم گیری پیرامون انتخاب فروشنده برای انجام خریدهای مشابه جدید، استفاده     می نمایند.

}بنابراین ارائۀ روش نظام مندی که بتواند از این رفتار طبیعی پشتیبانی نماید، به اتخاذ تصمیم مناسب کمک قابل توجهی خواهد نمود. روش "استدلال مبتنی بر مورد" که بر اساس دیدگاه "استفاده از راه حل های ارائه شده برای مسائل حل شدۀ قبلی بمنظور حل مسائل مشابه جدید" ایجاد شده است، می تواند ابزار مناسبی را برای تصمیم گیری در این رابطه فراهم آورد.

 

 

مهمترین عوامل شناسائی تأمین کنندگان

}کیفیت کالا

} تحویل به موقع

}عملکرد مناسب محصول

}گارانتی کالا

} قیمت کالا

} قابلیتهای فنی آن و امکانات

}ظرفیت تولید فروشنده

}حرفه ای بودن

} مسولیت پذیری در قبال نیازهای مشتری

} روابط بلند مدت با فروشنده

 

 

روش استدلال مبتنی بر مورد(CBR)

}غالب روشهائی که برای محاسبۀ میزان مشابهت بکارمی روند از تابع مطابقتٍ "نزدیکترین همسایه” استفاده می کنند.

}در این روشها ابتدا میزان مشابهت مسالۀ جدید بامسائل قبلی در رابطه با تک تک معیارهای سنجش مشابهت، اندازه گیری می شود و سپس میانگین موزون مقادیر حاصله بصورت زیر محاسبه و ملاک عمل قرارمی گیرد.