profile - دانشکده فنی
دانشکده فنی و مهندسی
پردیس دانشگاه رازی
فرهاد مردوخی
استادیار / فنی مهندسی / گروه مهندسی کامپیوتر و فنآوری اطلاعات
پایاننامههای کارشناسیارشد
-
پیش بینی روند بازار سرمایه بر مبنای الگوریتم های یادگیری تقویتی
رومینا راستین فرد 1405بازارهای مالی به دلیل ماهیت پویا، پیچیده و تاثیرپذیری از عوامل متعدد اقتصادی، سیاسی و رفتاری، همواره با عدم قطعیت و نوسانات قابل توجهی مواجه هستند. در سالهای اخیر با افزایش حجم معاملات و توسعه فناوریهای مالی، پیشبینی روند بازار و اتخاذ تصمیمهای بهینه در معاملات بازار سرمایه به یکی از مهمترین چالشهای فعالان این حوزه تبدیل شده است. روشهای سنتی تحلیل بازار به دلیل ناتوانی در پردازش حجم بالای دادهها و در نظر گرفتن همزمان متغیرهای متعدد، کارایی محدودی در این زمینه دارند. از این رو استفاده از روشهای مبتنی بر هوش مصنوعی و یادگیری ماشین به عنوان رویکردی نوین برای تحلیل و پیشبینی بازارهای مالی مورد توجه پژوهشگران قرار گرفته است. یادگیری تقویتی به عنوان یکی از شاخههای مهم یادگیری ماشین، امکان یادگیری سیاستهای تصمیمگیری بهینه را از طریق تعامل عامل هوشمند با محیط فراهم میکند. در این رویکرد، عامل با استفاده از سازوکار پاداش و جریمه و از طریق فرآیند آزمون و خطا، به تدریج راهبردهایی را میآموزد که منجر به بیشینهسازی بازده در بلندمدت میشود. این ویژگی، یادگیری تقویتی را به ابزاری مناسب برای مسائل تصمیمگیری پویا مانند معاملات بازار سرمایه تبدیل کرده است. در این پژوهش، یک الگوریتم پیشنهادی مبتنی بر یادگیری تقویتی برای بهبود فرآیند تصمیمگیری در معاملات بازار سرمایه ارائه و مورد ارزیابی قرار میگیرد. هدف اصلی این پژوهش، ارائه روشی کارآمد برای افزایش سودآوری معاملات در کنار کنترل و کاهش سطح ریسک است. نتایج این پژوهش میتواند به توسعه ابزارهای هوشمند تصمیمیار در بازار سرمایه کمک کرده و زمینه استفاده موثرتر از روشهای هوش مصنوعی در تحلیل و پیشبینی رفتار بازارهای مالی را فراهم سازد. کلیدواژهها: بازار سرمایه، هوش مصنوعی، یادگیری ماشین، یادگیری تقویتی، یادگیری عمیق، مدلهای پیشبینی، پردازش زبان طبیعی
-
ارائه مدل و معماری سرویس ابری "بهره برداری از اراضی دولتی" مبتنی بر بلاک چین (در چارچوب سکوی هوشمند زمین ایران)
دانیال رومیانی 1405 -
طراحی خودکار فرآیندها از ورودی متنی با استفاده از هوش مصنوعی مولد
عارف منوچهری خوشینانی 1405 -
سیستم های توصیه مبتنی بر اعتماد برای شبکه اجتماعی مبتنی بر مکان به روش شبکه های عصبی گراف
آزیتا جولائی 1404 -
بهبود برنامه های پاسخگویی تقاضای بار الکتریکی مشترکین بزرگ صنعتی بر اساس انبار داده (Data Warehouse) مصرف و محدودیت های تولید
اشکان نظام پور 1404 -
ارائه یک مدل بلوغ ارزیابی داشبوردهای هوش تجاری در چارچوب تحول دیجیتال
بهاره شیرازی 1404 -
بهینه سازی زمان بندی بلادرنگ در محیط های ابری-مه مبتنی بر اینترنت اشیاء
دنیا فتاحی 1404در این پژوهش، الگوریتم ترکیبی WOA-Q Learning برای زمانبندی بلادرنگ وظایف در محیطهای تلفیقی Fog-Cloud ارائه شده است. این الگوریتم با ترکیب قابلیت جستجوی سراسری الگوریتم بهینهسازی نهنگها (WOA) و توان تصمیمگیری تطبیقی یادگیری تقویتی (Q-Learning)، به بهینهسازی تخصیص منابع و کاهش تاخیر کمک میکند. شبیهسازیها در محیط MATLAB و بر روی سناریوهای مختلف شامل ?? تا ??? وظیفه انجام گرفت. نتایج نشان داد که الگوریتم پیشنهادی در مقایسه با روشهای مرجع مانند EDF، PSO، WOA و QL، در چهار معیار اصلی شامل تاخیر کل، مصرف انرژی، نرخ عدم موفقیت ددلاین و بهرهوری زمانبندی عملکرد برتری دارد. الگوریتم WOA-Q توانست تاخیر کل را تا ??? و مصرف انرژی را تا ??? کاهش دهد و نرخ عدم موفقیت ددلاین را به حدود ???? برساند. هرچند زمان اجرای آن اندکی بیشتر است، اما بهبود قابلتوجه در سایر شاخصها، کارایی کلی آن را اثبات میکند. این نتایج بیانگر اثربخشی ترکیب روشهای فراابتکاری و یادگیری ماشین در ارتقای سیستمهای بلادرنگ و کاربردپذیری آن در حوزههایی نظیر اینترنت اشیا و محاسبات لبه است. کلیدواژها: بهینهسازی، زمانبندی بلادرنگ، محیطهای ابری-مه، اینترنت اشیاء
-
ارائه ی یک مدل بلوغ برای پنجره ی واحد خدمات
فاطمه عندلیب ارزنق 1403تحول دیجیتال در حوزهی دولت الکترونیک و مدیریت زمین به عنوان یک خدمت دولتی، باعث تلاش برای یکپارچهسازی فرایندها و دادهها از طریق یک درگاه واحد شده که سامانهی پنجره واحد نام دارد. با این حال، ارزیابی میزان بلوغ این نوع سامانه و پیگیری پیشرفت، همچنان یک چالش اساسی محسوب میشود. این پایاننامه با هدف ارائه یک مدل بلوغ توصیفی برای ارزیابی پنجره واحد مدیریت زمین طراحی شده است. مدل پیشنهادی با استفاده از روش مطالعات کتابخانهای و تلفیق مدلهای مرجع همچون روش شناسی ارزیابی پنجره واحد تجارت سازمان تجارت جهانی (SWAM)، مدل بلوغ سازمان جهانی گمرک (WCO) برای پنجره واحد تجارت ، یکپارچگی مدل بلوغ قابلیت (CMMI)، چارچوب معماری گروه اوپن (TOGAF)، شاخص بلوغ دولت الکترونیک سازمان ملل (EGDI)، بلوغ سنجیهای سازمان همکاری اقتصادی و توسعه (OECD)، مدل بلوغ پنج سطحی دولت الکترونیک ایران و چند مدل و چارچوب دیگر تدوین شده است. در این مدل، بلوغ سامانه بر اساس چندین حوزه فرایند کلیدی، از جمله سطح یکپارچگی، مدیریت دادهها، رابط کاربری، مشارکت ذینفعان، شفافیت و عملکرد سیستم، پایش و نظارت هوشمند و ... ارزیابی میشود. مدل پیشنهادی در پنج سطح بلوغ (آغازین، استاندارد، یکپارچه، پیشرفته و بهینهسازی و نوآوری) ارائه شده است که بر همراستایی با فازهای A، B و C از روش توسعه معماری TOGAF، یکپارچگی مدل بلوغ قابلیت (CMMI) و )، مدل بلوغ پنج سطحی دولت الکترونیک ایران تاکید دارد. برای ارزیابی مدل، از نظر خبرگان و تحلیل تطبیقی با مدلهای مرجع استفاده شده است. نتایج نشان میدهد که مهمترین مزایای مدل پیشنهادی تلفیق معیارهای چندین مدل معتبر، پوشش شاخصهای متنوع و سازگاری با ویژگیهای خاص پنجره واحد مدیریت زمین است. با این حال، مدل پیشنهادی دارای نقایصی از جمله نبود روشی دقیق برای وزندهی شاخصها، پوشش محدود ملاحظات امنیتی پیشرفته و وابستگی به کیفیت و دسترسی به دادهها است که میتواند در پژوهشهای آتی مورد بررسی قرار گیرد. واژگان کلیدی: مدل بلوغ، پنجره واحد مدیریت زمین، پنجره واحد، دولت الکترونیک، ارزیابی بلوغ سامانهها.
-
پیش بینی جریان کسب و کار در شبکه های اجتماعی با استفاده از شبکه های مولد تخاصمی
سرود مصطفی موسی 1403 -
تولید خودکار تقریبا بهینه داده آزمون نرم افزار برای مسیرهای بحرانی
مینا عبدی 1403 -
طراحی و شبیه سازی تقویت کننده کم نویز باند باریک با استفاده از تکنیک های بایاس بدنه و حذف نویز
رضا محمدی 1402در دهههای اخیر، به دلیل رشد و توسعه تجهیزات مخابراتی سیار و سیستمهای قابل حمل، محققان و طراحان RF بیشتر به طراحی مدارات با ولتاژ و توان مصرفی کم تمرکز کردهاند. هماکنون بیشترین سیستمها به صورت بیسیم هستند و کاهش توان مصرفی بسیار مهم است که میتواند منجر به افزایش طول عمر باتری شود. یکی از بخشهای مهم در سیستمهای گیرنده، تقویتکننده کم نویز است که باید به صورت کم توان طراحی شود. در این پایاننامه، یک تقویت کننده کم نویز باند باریک با مصرف انرژی کم و بهره ولتاژ بالا با استفاده از فناوری ?m RF CMOS 18/0 ارائه شده است، به طوری که در تقویت کننده پیشنهادی جهت کاهش ولتاژ آستانه ترانزیستور از تکنیک بایاس بدنه و برای کاهش ولتاژ و جریان تغذیه از تکنیک استفاده مجدد جریان استفاده شده است. با توجه به استفاده از تکنیک حذف نویز در مدار پیشنهادی کاهش نویز قابل قبولی به همراه داشته و با انتخاب مناسب عناصر مدار، مصالحه ای بین پارامترهای مدار ایجاد گردیده است. نتایج بررسی ها نشان می دهد که بهره تقویت کننده کم نویز پیشنهادی 8/13 دسی بل، S11 کمتر از 37/14- دسی بل و عدد نویز 2 دسی بل در فرکانس مرکزی 4/2 گیگاهرتز است. همچنین خطینگی dBm5/2- و توان مصرفی در ولتاژ منبع تغذیه 1 ولت79/3 میلی وات می باشد. استفاده از چنین مداری می تواند کمک زیادی به طراحی سیستم های ارتباطی بی سیم کم مصرف با کارایی بالا کند. با اصلاحات بیشتر، میتوان آن را در برنامههای IoT که مصرف کم انرژی حیاتی است نیز به کار برد. به طور کلی، این کار روند امیدوارکننده ای را برای توسعه تقویت کننده های فشرده، کم مصرف و کارآمد با استفاده از فناوری های پیشرفته RF CMOS نشان می دهد.
-
تشخیص پست های مهم در شبکه های اجتماعی
حمزه صفر مایخان 1401 -
پیش بینی قیمت بسته شدن سهام با استفاده از یادگیری عمیق
شیما شهبازی 1401بازار سهام به طور کلی ماهیت بسیار غیرقابل پیشبینی دارد. عوامل زیادی ممکن است در تعیین قیمت یک سهم خاص نقش داشته باشند، مانند روند بازار، نسبت عرضه و تقاضا، اقتصاد جهانی، احساسات عمومی، اطلاعات مالی حساس، اعلامیه سود، قیمت تاریخی و بسیاری موارد دیگر. چالش پیشبینی دقیق اما، با کمک فنآوریهای جدید مانند دادهکاوی و یادگیریماشین، میتوانیم دادههای بزرگ را تجزیهوتحلیل کنند و یک مدل پیشبینی دقیق ایجاد کنند که از برخی خطاهای انسانی جلوگیری کند. در این کار، قیمتهای بسته شدن سهام خاص از دادههای نمونه با استفاده از یک الگوریتم یادگیری ماشین نظارتشده پیشبینی می شود. به طور خاص، یک الگوریتم شبکه عصبی بازگشتی روی دادههای سری زمانی سهام استفاده میشود. قیمتهای پایانی پیشبینی شده با قیمت پایانی واقعی بررسی میشوند. در این پژوهش به بررسی مشکل پیشبینی بازار سهام با استفاده از شبکه عصبی بازگشتی با حافظه کوتاهمدت بلند مدت میپردازیم. هدف این تحقیق بررسی امکان سنجی و عملکرد این مدل شبکه عصبی در پیش بینی بازار سهام می باشد. ما مدل پیشنهادی را با آزمایش پیکربندیهای مختلف، به عنوان مثال، تعداد نورونها در لایههای پنهان و تعداد نمونهها به ترتیب، بهینه میکنیم. با استفاده از دادههای تاریخی قیمت سهام از پایگاه داده yahoo finance جمعآوری کرده ایم تا مدل خود را آموزش دهیم. با این وجود، بر اساس نتایج پیشبینی مدل LSTM، اقدام به پیش بینی ارزش سهام در روزهای آتی جهت قیمت پایانی سهام استفاده کردیم. نتایج نشان می دهد که مدل LSTM با 4 لایه با دقت بالاتری و کمترین خطا (حدودا0.1771و2101و0.1617 ثبت کرده است) نسبت به بقیه لایه ها برای پیش بینی دارد.
-
شناسایی افراد تاثیرگذار شبکه های اجتماعی با استفاده از اطلاعات شخصیتی افراد
مهسا حیدری 1401 -
تشخیص افراد پرنفوذ مبتنی بر اطلاعات واکنشی
شیرین صمدی 1401چکیده امروزه گسترش استفاده از اینترنت، زمینهساز دسترسی میلیونها کاربر در سراسر دنیا به شبکههای اجتماعی آنلاین شده است. از طرفی این شبکهها در انتشار اطلاعات، بخصوص در زمینههایی مانند: تبلیغات به روش بازاریابی ویروسی، بهبود سیستمهای توصیهگر، انتقال اطلاعات حساس به زمان، هدایت افکار عمومی، ارتقای امنیت ملی، جامعهشناسی و غیره، در کانون توجه کاربران، قرار گرفتهاند. یکی از مسائل مهم پیرامون انتشار اطلاعات در شبکههای اجتماعی آنلاین مسئله انتشار موثر پیام، با سرعت مناسب است. برای این منظور لازم است که کاربران پرنفوذ به روشی مناسب شناسایی شوند. در این پایان نامه، پیشنهاد شده افراد پرنفوذ بر مبنای اطلاعات واکنشی کاربران و با توجه به حوزه اثرگذاری آنها شناسایی شوند. بدین منظور ابتدا ارزش ارتباطات شبکه براساس اطلاعات واکنشی کاربران (ریپلای و ریتوییت)، تعیین میشود و سپس، ساختار شبکه به جوامع تشکیل دهندهی آن تقسیمبندی میشود. در گام بعدی از معیارهای مرکزیت برای ارزیابی اهمیت هر یک از اعضای جوامع استفاده میشود و در انتها، گرههای پرنفوذ در حوزه اثرگذاری خودشان شناسایی میشوند. کارایی روش پیشنهادی با استفاده از یک پایگاه داده واقعی که شامل اطلاعات ریتوییت و ریپلای کاربران توییتر است؛ مورد آزمایش قرار گرفته است. با توجه به فقدان پایگاه دادهای که همزمان دارای برچسبگذاری افراد پرنفوذ و اطلاعات واکنشی باشد؛ از یکی از روشهای انتشار اطلاعات در شبکههای اجتماعی که دارای همبستگی قابل قبولی با روش پیشنهادی میباشد؛ استفاده شده است. در پایان نتایج بهدست آمده با روشهای مشابه پیشین مقایسه شده است. نتایج ارزیابیها نشان داد که روش پیشنهادی دراین پایاننامه میتواند کاربران اثرگذار را با دقت، کارایی و سرعت بیشتری شناسایی کند. همچنن نتایج ارزیابیها نشان داد که روش پیشنهادی میتواند در شناسایی کاربران اثرگذار، به دقت تشخیص 87.33% دست یابد که نشان از بهبود حداقل13درصدی نسبت به روشهای مقایسه شده دارد.
-
ترکیب بهینه میکروسرویس ها آگاه به کیفیت
مصطفی رحمتی 1401 -
استخراج موضوع با استفاده از متدهای یادگیری عمیق
سیامک حق شناس 1401ا رشد پلتفرم ها و برنامه های کاربردی شبکه های اجتماعی آنالین، روزانه مقادیر زیادی محتوای متنی توسط کاربر به روشهای مختلف مانند نظرات، تحلیلها، اخبار و پیام های متنی کوتاه ایجاد می شود. در نتیجه، کاربران اغلب برای استخراج اطالعات مفید در مورد موضوع مورد بحث این گونه محتوا را پالش برانگیز میدانند. امروزه برای 1 استخراج راحتتر اطالعات مفید از روشی به نام استخراج موضوع استفاده میکنند. استخراج موضوع با اسستقاده از یک سری محاسبات آماری خالصه یا موضوع اصلی سند مورد نظر را از متن بیرون میکشد، که با این کار میتوان با مشکالت کمتری به تجزیه و تحلیل اسناد پرداخت. در این پژوهش قصد داریم با استفاده از روشهای یادگیری عمیق همچون)DNN,LSTM )یک شبکه یادگیری عمیق جهت استخراج موضوع با دقت بیشتر از کارهای انجام شده در این زمینه طراحی کنیم. دیتابیسی که در این پژوهش بر روی آن کار خواهیم کرد دیتابیسی متنی شامل اخبار است. که در ابتدا با استفاده از تکنیکهای پیشپردازش متن )تبدیل کردن تمامی حروف موجود در دادههای متنی به »حروف کوچک« )letters Lowercase ،)پاک کردن عالئم نقطهگذاری )Punctuations ،)پاک کردن »کلمات بی اثر« )Stopwords ،)مصدر سازی کلمات)Stemming ) )عملیات نرمل 2 سازی را انجان دادیم. از LDA بعنوان روش یادگیری شبکه استفاده میکنیم به بیانی واضح تر شبکه یادگیری عمیق بر اساس تکنیک استخراج موضوع LDA کار خواهد کرد. نتیجه این پژوهش دقت بشتر شبکه یادگیری نسبت به شبکههای ساخته شده در کارهای پیشین است که توانستهایم دقت شبکه بر روی دیتابیس مورد نظر را نسبت به آنها بیشتر کنیم.
-
سیستم توصیه گر فیلتر مشارکتی مکان در شبکه های اجتماعی مکان محور با استفاده از یادگیری عمیق
ماندانا روئین بخت 1400در عصر اطلاعات امروز، این امر که ما قبل از اتخاذ هرگونه تصمیم، اطلاعات معتبری در دسترس داشته باشیم، به یک پیشنیاز تبدیل شده است. در همین راستا، شبکههای اجتماعی مکانمحور به عنوان روشی موثر برای کمک به کاربران برای یافتن مکانهای جذاب و توصیه نقاط مورد علاقه، به یک برنامه مهم در شبکه های اجتماعی مبتنی بر مکان تبدیل شدهاند و در سالهای اخیر، محبوبیت بسیاری کسب کردهاند. اضافه شدن بُعد مکان در این شبکهها، باعث میشود که با ایجاد یک پل ارتباطی بین شبکههای اجتماعی مجازی و جهان واقعی، اطلاعات آنها به واقعیت نزدیکتر شود. هدف از ایجاد این شبکهها، ارائه خدمات مرتبط با مکان میباشد؛ بدین صورت که به کاربران اجازه میدهد در نقاط جغرافیایی مختلف، تجربیات و موقعیتهای بازدید شده را با سایر کاربران به اشتراک بگذارند. شبکههای اجتماعی مکانمحور به واسطه اخذ و بهروزرسانی اطلاعات کاربران خود در سراسر دنیا، منابعی غنی برای دادهکاوی و کشف اطلاعات محسوب میشوند. همچنین سیستمهای توصیهگر، یک نوع خاص از سیستمهای هوشمند هستند که از رتبهبندی گذشتهی کاربران بهره میبرند. فیلتر مشارکتی، از جمله رایجترین رویکردهایی است که برای سیستمهای توصیهگر استفاده میشود، که البته این روش ممکن است گاهی دچار چالشهایی از جمله شروع سرد شود. شروع سرد به علت پراکندگی دادهها اتفاق میافتد، و بر اساس این واقعیت است که اکثر کاربران فقط با بخش کوچکی از مکانهای ممکن تعامل دارند و سیستم توصیهگر برای رتبهبندی برخی موارد یا کاربران جدید، هیچ دادهای در دسترس نداشته و یا فقط تعداد کمی از دادهها موجود باشند. حل این مشکل میتواند تا حد زیادی تجربه کاربر و اعتماد به سیستمهای توصیهگر را بهبود بخشد. در این پایاننامه، ما سعی داریم با استفاده از یادگیری ماشین و الگوریتمهای یادگیری عمیق، یک سیستم توصیهگر مکانی با رویکرد فیلتر مشارکتی ارائه دهیم؛ لذا با پیادهسازی الگوریتم شبکه عصبی پیچشی بر مجموعهدادهی یِلپ و ارائه نتایج تجربی، نشان میدهیم که روش پیشنهادی میتواند عملکرد بهتری نسبت به سایر روشهای مرتبط داشته باشد. کلمات کلیدی: سیستم توصیهگر، فیلتر مشارکتی، توصیه مکانها، شبکههای اجتماعی مکانمحور، یادگیری عمیق، شبکه عصبی پیچشی
-
ارتقا دقت پیشبینی ارزش سهام بازار بورس با ترکیب اطلاعات ناهمگن
فرزین صادقی 1399چکیدهپیشبینی بازار سهام یک کار مهم و چالشبرانگیز است. روشهای سنتی پیشبینی بازار سهام فقط از دادههای تاریخی معاملات سهام و شاخص های عددی مربوط به آن استفاده میکردند اما با گسترش اطلاعات موجود در وب درباره بازار سهام، محققان شروع به استفاده از این اطلاعات ارزشمند برای افزایش دقت پیشبینی ارزش سهام کردند. در بسیاری از مطالعات گذشته فقط از یک منبع داده اضافی برای ترکیب با منبع داده تاریخی سهام استفاده شده است که نمیتواند به خوبی تاثیر سایر اطلاعات را بر روند قیمت بازار سهام نشاندهد. و در بسیاری از مطالعات به استفاده از یک الگوریتم یادگیری بسنده کردهاند که این امر باعث میشود که نتوانیم به نهایت دقت پیشبینی برای ارزش سهام دستیابیم.ما در این پژوهش با جمعآوری سه منبع داده متفاوت مربوط به سهام ( منبع داده تاریخی سهام، منبع داده شبکه اجتماعی و منبع داده اخبار روزانه) سعی کردیم جوانب مختلف موثر بر ارزش سهام را در پیشبینی ارزش سهام استفاده کنیم تا به دقت بیشتری از روش سنتی دستیابیم. برای این کار ابتدا نظرات استخراج شده در مورد سهام مورد نظر، از شبکه اجتماعی تویتر و منبع داده اخبار روزانه که از وب سایت خبری ردیت استخراج شده اند را با استفاده از یک مدل نظرکاوی ترکیبی تحلیل کردیم و از این کار شاخصهای احساسی مانند قطبیت و ذهنیت هر جمله استخراج گردید در ادامه با ترکیب این شاخصها با منبع داده تاریخی سهام اقدام به ایجاد منبع داده ترکیبی نهایی کردیم. سپس با استفاده از الگوریتمهای مختلف طبقهبندی و رگرسیون اقدام به پیشبینی ارزش سهام در دو حالت جهت ارزش سهام و قیمت پایانی روزانه کردیم.نتایج حاصل از این پژوهش نشان داد که در پیشبینی سهام شرکتهای اپل، سیسکو و بوینگ استفاده از ترکیب اطلاعات باعث ارتقا دقت پیشبینی ارزش سهام تا ?? درصد شدهاست و با تحلیل مولفه اصلی این مقدار به بالای ?? درصد رسید که در مقایسه با روش سنتی که این مقدار پایینتر از ?? درصد است پیشرفت خوبی محسوب میشود. همچنین در این آزمایشات مشخص گردید که استفاده از الگوریتم طبقهبندی XGBoost بهترین دقت پیشبینی (80-85 درصد) و الگوریتم رگرسیون GB Regressor کمترین درصد میانگین مطلق خطا (0.840 – 0.730) را ثبت کرده است.کلید واژه ها: پیشبینی بازار سهام، ترکیب اطلاعات، تحلیل احساسات، شبکه اجتماعی
-
تحلیل احساس مبتنی بر منظر با استفاده از یادگیری عمیق
ناصح فرجی زاده 1399طبقه بندی احساس مبتنی بر منظر یکی از فیلدهای چالشبرانگیز در پردازش زبان های طبیعی است. پژوهشگران برای این کار از روشهای سنتی گوناگونی مانند روشهای لغوی و یادگیری ماشین استفاده کردهاند. روشهای سنتی از تعامل میان داده ها بهخوبی استفاده نمی کنند و باید به صورت دستی ویژگی ها را برایشان مشخص کنیم ولی در مقابل، روشهای یادگیری عمیق میتوانند هم تعامل میان دادهها در نظر بگیرند و هم ویژگیهای نهفتهی درون آنها را استخراج کنند. ازاینرو به تازگی به صورت گسترده ازاینروشها در پردازش متن، پردازش تصویر و بسیاری از حوزه های دیگر استفادهشده است و نتایج خیرهکنندهای را به دست آورده است. روشهای یادگیری عمیق زیادی مانند شبکه های کانولوشن، مبتنی بر رویکرد توجه و غیره معرفی شده اند اما هرکدام برتریها و کاستی هایی دارند. برای نمونه شبکههای کانولوشن بهتر از شبکههای دیگر قابلیت موازیسازی و استخراج ویژگیهای محلی درون متن و رویکرد توجه نیز قابلیت تمرکز بیشتر روی بخشهای مهم تر جمله را دارد. همین طور شبکه برت در سال 2018 برای خلاصه سازی متن در موتورها جستوجو معرفی شد. در این پایان نامه مدل های توجه محلی ساده و زنجیری با توجه به ایدهی استخراج ویژگیهای محلی شبکههای کانولوشن و همچنین تمرکز بیشتر روی بخشهای مهمتر با رویکرد توجه و نگاشت کلمات به بردار توسط شبکه برت، معرفی شده اند که میتوان امیدوار بود این شبکه ها کاستیهای هم را پوشش دهند. در مدل های پیشنهادی ابتدا با استفاده از توجه محلی ویژگیهای سطح پایین و مرتبط با منظر برای لایه ی بالاتر فراهم میشود. سپس با اعمال رویکرد توجه روی لایه ی پایین تر، ویژگیهای سطح بالا استخراج و برای طبقه بندی استفاده می شوند. نتایج تجربی نشاد داد که مدل های پیشنهادی نتایجی قابل مقایسه با مدلهای برتر در طبقه بندی احساس مبتنی بر منظر، به دست آورده اند.
-
پیش¬بینی جریان اطلاعات شبکه های اجتماعی برمبنای شبکه¬های کانولوشن گرافی
طاهره عسکری 1399پیشبینی انتشار
-
ارائهی مدلی مبتنی بر بیز ساده و تئوری بازی برای پیشنهاد محصول در شبکههای اجتماعی
ماهان مکروم 1398 -
رتبهبندی سرویسهای آگاه بر کیفیت مبتنی بر منطق فازی در اینترنت اشیا
زهرا سلامتی 1398 -
رتبه بندی سرویس های رایانش ابری آگاه به کیفیت براساس منطق فازی
مریم جمشیدی 1398 -
بهبود پیش بینی لینک درشبکه های اجتماعی مبتنی بر مکان مبتنی بر شباهت احساسات
سمیرا بسامی 1398چکیده امروزه شبکههای اجتماعی کاربران زیادی را به سمت خود جلب نمودهاند. این شبکهها امکان ارتباط میان کاربران و اشتراکگذاری متن، عکس و فیلم را فراهم نمودهاند. شبکهی اجتماعی که به کاربران امکان اشتراکگذاری مکان بدهد، شبکهی اجتماعی مکانمحور نامیده میشود. کاربران این شبکهها میتوانند در مورد مکانهای مختلفی که بازدید کردهاند اعلام نظر کنند و نظرات خود را با دیگران به اشتراک بگذارند. نظرات کاربران نمودی از احساس آنها به مکانی که بازدید کردهاند میباشد. در شبکههای اجتماعی افراد با یکدیگر ارتباط برقرار میکنند. یکی از مسائل این شبکهها پیشبینی ارتباطی است که در آینده ممکن است میان دو کاربر ایجاد شود. پیشبینی لینک نامی است که برای این مسئله انتخاب شده است. روشهای زیادی وجود دارد که به منظور پیشبینی لینک به کار میروند. از اطلاعات ساختار شبکه، اطلاعات کاربران مانند علایق و ویژگیهای آنها و اطلاعات مکانهایی که کاربران بازدید کردهاند، برای پیشبینی لینک استفاده میشود. احساس کاربران یکی از اطلاعاتی است که میتواند به منظور بهبود پیشبینی لینک به کار برده شود. برای دست یافتن به احساس کاربران در شبکههای اجتماعی مکانمحور میتوان نظرات آنها را تحلیل کرد. به این ترتیب میتوان با ترکیب کردن اطلاعات ساختار شبکه، اطلاعات مکانهایی که بازدید کردهاند و احساس آنها الگوریتم جدیدی برای پیشبینی لینک ارائه نمود. این الگوریتم بر روی دیتاست شبکهی foursquare آزمایش شد و طبق ارزیابی انجام گرفته این روش نسبت به روشی که از احساس کاربران استفاده نمیکند عملکرد بهتری داشته است. بنابراین میتوان نتیجه گرفت که نقش احساس در ایجاد لینکهای جدید میان کاربران موثر است. کلمات کلیدی: شبکههای اجتماعی، شبکههای اجتماعی مکانمحور، پیشبینی لینک، احساس، اشتراکگذاری مکان
-
پروتکل تبادل داده ای بین خدمات نوبت دهی مبتنی بر مرکز تبادل داده ای حوزه سلامت
شراره مطیع پور 1398?_ چکیده تحقیق حاضر با عنوان «پروتکل تبادل داده ای بین خدمات نوبت دهی مبتنی بر مرکز تبادل داده ای حوزه سلامت (IX سلامت)» در سال ???? انجام شده است. هدف از انجام تحقیق، امکان تبادل اطلاعات بین سامانه های نوبت دهی حوزه سلامت می باشد. امکان برقراری ارتباط بین سامانه های نوبت دهی یکی از فاکتورهای اصلی در رضایت مندی بیمار در دریافت خدمات پزشکی، کاهش زمان انتظار بیمار و پزشک و... است که ارائه پروتکل ارتباطی جهت تحقق این عمل مورد نیاز می باشد. در این تحقیق ابتدا به بررسی معماری یکپارچگی سامانه ها و همچنین بررسی معماری مرکز ملی تبادل اطلاعات و مرکز ملی خدمات سلامت سپس به بررسی پروتکل تبادل داده بین سیستم های نوبت دهی بر مبنای پروتکل ارائه شده در پرونده الکترونیک سلامت پرداخته شده است. پروتکل پیشنهادی بر امکان تبادل داده بین سیستم های نوبت دهی با ارائه پروتکل ارتباطی تمرکز کرده است با استفاده از زبان برنامه نویسی php فریمورک لاراول و محیط phpstorm پیاده سازی شده است و نتایج بدست آمده و خروجی های برنامه نشان می دهد که امکان تبادل داده بین سیستم های نوبت دهی با ارائه پروتکل ارتباطی میسر گردید، بدیهی است که این امر موجب کاهش زمان انتظار بیمار و پزشک افزایش سرعت و بهبود کارایی در مراکز درمانی میگردد. همچنین نشان دادیم با استفاده از این پروتکل ارتباطی ارجاع نوبت از یک سامانه به سامانه نوبت دهی دیگر قابل انجام بود. واژه های کلیدی: تبادل داده، نوبت دهی، حوزه سلامت
-
ارائه یک مدل فازی کاربر-محور برای ارزیابی کیفیت وب سرویس ها
مریم اسماعیلی 1398سازمانهای ارائهدهنده خدمات الکترونیک با رقابتی شدن بازار به اهمیت ارزیابی خدماتشان پی بردند. زیرا عرصه رقابت به گونهایی است که هر گونه نقصان و کوتاهی در نگاهداشت مشتریان و جلب مشتریان جدید در یک بازه زمانی کوتاه میتواند سازمان را به ورطه نابودی کشاند. در ادبیات تحقیق مفاهیم مهم تحقیق را معرفی کردیم. در ادامه به پیشینه تحقیق وتلاشهایی که تا به حال انجام گرفته است؛ پرداختیم. با بررسی مدلهای مختلف به این نتیجه رسیدیم که نقش کاربر در مدلهای مختلف به اندازه کافی در نظر گرفته نشده است؛ در بعضی از تحقیقات انجام شده به بررسی میزان رضایت کاربران پرداخته شده غافل از اینکه کاربران مختلف، شخصیتهای مختلف و سلیقههای متفاوتی دارند؛ بدون در نظر گرفتن این تفاوتها، قادر به ارزیابی دقیقی از کیفیت یک وب سرویس از نگاه کاربر نخواهیم بود. از طریق آزمون مایرز-بریگز به تفکیک کاربران در 16 دسته شخصیتی پرداختیم. به دلیل نزدیک بودن به نوع محاوره کاربران، فازی به عنوان روشی مناسب انتخاب گردید. پس از بررسی چند روش فازی، روش تاپسیس به عنوان روشی مناسب به دلیل دقت بالا و عدم محدودیت در تعداد مصاحبه شوندگان و معیارها انتخاب گردید. در روش تاپسیس نیاز به وزندهی به معیارها بود که روش ایاچپی فازی بهبود یافته مورد استفاده قرار گرفت. نهایتا پرسشنامه ایی که 60 سوال اول آن تست شخصیت و 42 سوال بعدی سوالات کیفیت وب سرویس همراه بانک ملت به عنوان یک وبسرویس نمونه و شناخته شده بود را توزیع نمودیم. 100 نمونه پرسشنامه پر شده نتایج قابل توجهی را برای ما داشت. همانطور که پیشبینی شده بود کاربران با شخصیت مختلف ترتیب رضایتمندی متفاوت و در بعضی موارد حتی متضاد از معیارها را داشتند. در نتایج تحقیق ترتیب معیارها برای هر شخصیت و همچنین ترتیبی از شخصیت ها بر حسب رضایتمندی آنها از معیارها را ارائه داده ایم.
-
ارائه یک توصیه گر رفتار خرید کاربران شبکه¬های اجتماعی
جواد چنگیزی 1397ظهور شبکههای اجتماعی برخط یکی از مهمترین رویدادها در دهه اخیر بوده است. یک شبکه اجتماعی شبکهای ازتعاملات و ارتباطات است که کاربران گرههای آن و ارتباطات بین کاربران یالهای گراف را تشکیل میدهد. پس ازمطرحشدن شبکههای اجتماعی و گسترش آن، بازارهای جدید و روشهای کسبوکار جدید به وجود آمدند. در این راستا،یک سیستم توصیهگر، نرمافزاری است که با شناسایی ترجیحات مشتریان، آنان را در مواجه با انبوه اطلاعات یاری ومحصولات و خدماتی منطبق و سلایقشان به آنها ارائه میکند. تا کنون برای پیادهسازی این سیستمها روشهای مختلفیارائه شده است که در میان آنها روشهای پالایش مشارکتی نسبت به سایر روشها عملکرد بهتری ارائه میدهند. باافزایش تعداد کالاها و کاربرانی که از این سیستمها استفاده میکنند، اکثر روشهای موجود دچار مشکل کاهش سرعتشده و کارایی خودشان را از دست میدهند . به عبارت دیگر، سیستمهای موجود برای کاربردهای کلان داده که در آننیاز است حجم و تنوع بیشتری مورد پردازش قرار بگیرد، مناسب نیستند. لذا در این تحقیق ضمن معرفی سیستمهایتوصیهگر و نقاط ضعف آنها، یک روش جدید برای حل این چالش ارائه شده است. برای آنکه روش پیشنهادی بتواند بهخوبی از بسترهای پردازشی توزیع شده بهره ببرد، باید از ساختار قابل توزیع بهرهمند باشد. بدین منظور برای جستجویکاربران و اهداف مشترک و همجهت و قرار دادن آنها در یک دسته، الگوریتم پیشنهادی از الگوریتم توزیعشده و تعاملیاجتماع ذرات بهره میبرد. الگوریتم توزیعشده و تعاملی اجتماع ذرات نسخهای از PSO است که میتواند هر بخش ازپایگاه داده و یا هر بعد از هدف را به طور جداگانه پردازش نماید. لذا الگوریتم پیشنهادی به خوبی با بسترهای پردازشیتوزیع شده همچون اسپارک سازگار است. نتایج شبیهسازیهای انجام شده، ضمن تایید دقت مشابه روش پیشنهادی باروش پالایش مشارکتی، نشان میدهد که سامانه پیشنهادی برای توصیهگری در کلاندادهها حدود 64 بار سریعتر ازبسترهای پردازشی معمول، است.
-
کاربرد روش LS-SVM در بررسی پایداری احتمالاتی شیب های خاکی
علی دوستوندی 1397 -
یک مدل خوش فرم به منظور طبقه بندی سرویس های دولت الکترونیک (مطالعه موردی: دولت عراق)
وجدان نعمان مرزوک 1397چکیده پیشرفت در فن آوری های اینترنتی منجر به محبوبیت خود-خدمات مبتنی بر فن آوری شده است، وطراحی چنین خدماتی به طور فزاینده ای مهم است. در این پایان نامه، ویژگی های خدمات کلیدی شناسایی رانندگی واستفاده از خدمات دولت الکترونیک درمانی وساختار ترجیحی شهروندان در این ویژگی ها با استفاده از خدمات مبتنی بر فناوری در بخش عمومی مشخص شده است. با این حال تلاش حل نشده هنوز چگونگی طبقه بندی چنین خدمات الکترونیکی است. امروزه مدلهای مرحله ای برای مشخص کردن ویژگی های بالا در سرویس های الکترونیکی غالب می شوند. طبقه بندی خدمات به درک اهمیت آنها کمک می کند. به عنوان یک طبقه مفهومی، می توان بین خدمات اقتصادی واطلاعاتی متمایز کرد. در عین حال یک نقص وجود دارد که هیچ مدل خوبی برای طبقه بندی خدمات وجود ندارد. تلاش برای استفاده از چنین مدل هایی به عنوان الماس طبقه بندی برای خدمات الکترونیکی انجام شده است. از این رو، هدف اصلی این پایان نامه، معرفی یک مدل جدید و آسان برای استفاده و مدل مناسب برای طبقه بندی خدمات دولت الکترونیک است. در این پایان نامه، بازبینی در ابتدا بر روی مدل های محبوب ترین طبقه بندی خدمات دولت الکترونیک انجام شد. در تحقیقاتی که انجام شد، مدل ESI یک ساختار سازگارتر برای طبقه بندی خدمات دولت الکترونیک دارد. در مقابل، مدل رمبوس یک مدل گرافیکی است که یک شخصیت به خوبی شکل گرفته است. سپس یک مدل طبقه بندی برای سرویس های دولتی عراق با استفاده از مدل ESI برای اولین بار معرفی شد. این مدل سپس به شکل یک الماس ارتقا یافته است. بنابراین، در مدل رمب، اطلاعات طبقه بندی از جدول ESI پر شده است. حضور، عدم حضور، عملکرد دولت، شهروند اطلاع رسانی، و مالی و غیر مالی. در هر یک از این دسته ها دسته های زیر مانند جداگانه در مقابل ترکیب، و فرد به طور کلی برای ایجاد یک طبقه بندی دقیق تر دانه استفاده می شود.
-
اثر پس لرزه ها در زلزله های متوالی بر فاکتور انرژی با رویکرد تقاضای شکل پذیری
ناهید مرادیان 1397 -
بهبود عملکرد پردازش داده های بزرگ با یکپارچه سازی هادوپ وشبکه های نرم افزار محور
روزبه اسکندری 1396امروزه دادهها و اطلاعات تولید شد در تمامی علوم و در نتیجه آن دانش، به نحو چشمگیری رو به فزونی نهاده و مسئله کار کردن با این دادهها تبدیل به یکی از دغدغههای دستاندر کاران علم کامپیوتر شده است. از طرفی علم ارتباطات و نحوه مدیریت کردن ارتباطات خود بهنوعی مسئله چالش برانگیز دیگری است که روشهای سنتی و حتی روشهای موجود برای حجم دادههای منتقل شده امروز بهروشنی پاسخگو نخواهد بود؛ برای پاسخ به چنین مشکلاتی باید ذهن خلاق به کار افتد و راهکارهایی را ارائه دهد تا بتوان به نحو احسن با این مشکلاتِ پیش رو کنار آمد. برای حل مشکل دادههای بزرگ و پردازش و مدیریت جریان داده آن، ابزار نرمافزاری با زبان برنامهنویسی جاوا خلق شد که هادوپ نام گرفت و میتواند به همراه زیرمجموعههای قدرتمندش مانند نگاشت-کاهش و ... بهخوبی کار پردازش و مدیریت جریان دادههای بزرگ را انجام دهد. در این بین ممکن سوالی اذهان را مشغول نماید که سیستمهای پیشنهادی همچنان بر بستر شبکه های ارتباطی سنتی و با مدیریت سنتی کار خواهند کرد و با این مسئله، راهحلهای ارائه شده دچار نقصان خواهند بود. مشکل ارتباطات را میتوان با ایده ساده انتقال بخش مدیریت زیرساخت شبکه به یک مرکز/دستگاه/سیستم متمرکز، حل نمود؛ به این صورت که بخش دادههای شبکه بهصورت سخت افزار باقی می مانند (شبیه سخت افزارهای موجود) و بخش کنترلی دستگاههای به صورت یک جا در یک کنترل کننده قرار می گیرند که کار کنترل تمام بخش های زیرین را به صورت یکجا بر عهده دارد و به این صورت شِمای کلی ارتباطات در زیر نظر کنترلکننده قرار میگیرد و میتواند کارهای گوناگونی مانند کنترل ترافیک و بار و... را به آنی بر روی دستگاهها انجام دهد. حال با توجه به تولد چندین ساله هادوپ این سوال پیش میآید که آیا میتوان کارکرد آن را بهبود داد. میتوان بهصورت کاملاً قاطع پاسخ این سوال را با ترکیب و اجرای هادوپ و شبکه های مبتنی بر نرم افزار پاسخ داد. به این شکل که با اجرای هادوپ به عنوان یک نرم افزار بر روی کنترل کننده شبکه های مبتنی بر نرم افزار و واگذاری مسائل مربوط به شبکه به کنترل کننده شبکه های مبتنی بر نرم افزار، به صورت خودکار کارایی افزایش خواهد یافت چراکه هادوپ به جای درگیر بودن با مسائل شبکه، به کار پردازش خود خواهد پرداخت و این وظیفه را به شبکه های مبتنی بر نرم افزار واگذار می کند.
-
یک مدل آنتولوژی برای ادغام داده ها در صنعت گاز و نفت
جلال جبار بیروز 1396Ontology Model For Data Integration In Gas And Oil Industry
-
شناسایی مسیر اصلی انتشار اطلاعات در شبکه های اجتماعی
رائد ناصر غانم 1396 -
پیش بینی معاملات تجارت الکترونیک در شبکه های اجتماعی
احمد حسن عوده 1396 -
آدرس دهی چند بخشی زمینه گرا در اینترنت اشیا با استفاده از بلوم فیلتر
سهیلا مهدیون 1396 -
طبقه بندی بسته ها در جدول جریان سوئیچ های شبکه نرم افزار - محور با استفاده از ساختار داده درخت مستطیلی
پروین مرادی 1396 -
ارزیابی معماری های سازمانی در راستای دولت الکترونیکی
علی صباح عبد 1395ارزیابی معماری های سازمانی در راستای دولت الکترونیکی
-
بیشینه سازی سود بازاریابی ویروسی در شبکه های اجتماعی مکان محور
مهنوش فتاحی 1395 -
محاسبه وارون یک ماتریس عظیم با استفاده از شبکه ای از GPUها
صادق نظرزاده 1394 -
بازنشانی الفبا و اعداد فارسی با استفاده از سیگنال های مستخرج از یک قلم مجهز به سنسورهای شتاب سنج و مغناطیس سنج
مجید سپهوند 1394 -
انتخاب بهترین استراتژی تطبیق پذیری سرویس ها با استفاده از ویژگی های کیفی چند لایه ای
قاسم محمد مجید 1394 -
ترکیب خود-تطبیق سرویس های وب آگاه به کیفیت
جواد طهماسبی گراوند 1393

