-
حرية الوصول المقاله
1 - Diagnosis of hyperlipidemia in patients based on an artificial neural network with pso algorithm
asma naeimi minoo soltanshahi amir rajabiOne of the most common and most dangerous diseases of blood fats are such as heart disease, diabetes and stroke, heart and brain. It can control the timely diagnosis, treatment and then prevention of complications is become very effective even without using medicine. He أکثرOne of the most common and most dangerous diseases of blood fats are such as heart disease, diabetes and stroke, heart and brain. It can control the timely diagnosis, treatment and then prevention of complications is become very effective even without using medicine. Heart disease and diabetes file if patients has useful information that can be used to estimate blood fat timely diagnosis. In this paper we introduce a method based on data mining according to the information of patients' medical records to predict and detect blood lipid cardiovascular. And to identify patients with high blood lipids,we use a category based on neural network without feedback and pso algorithm to train the neural network to determine the appropriate value to reduce error the weights of the neural network . Simulation is done in MATLAB environment by using Body Fat data set, it shows the accuracy of 93.22 percent compared to the same methods, which means high accurate, higher detection sensitivity and Democrats. تفاصيل المقالة -
حرية الوصول المقاله
2 - بهینهسازی توان و وزن چرخدندههای ساده به کمک روشهای بهینهسازی فرا ابتکاری و روشهای اجزا محدود
محمد صادقی علی سعدالهچرخدندهها یکی از پرکاربردترین اجزای انتقال و یا تغییر قدرت محسوب میشوند که به وفور در صنعت به چشم میخورند. در طراحی چرخدنده ها، متغیرهای وزن، اندازه و راندمان از عوامل مهم و تاثیرگذار در یک طراحی بهینه محسوب میشوند، هرچند این عوامل گاهی در تضاد با یکدیگر هستند. از اینر أکثرچرخدندهها یکی از پرکاربردترین اجزای انتقال و یا تغییر قدرت محسوب میشوند که به وفور در صنعت به چشم میخورند. در طراحی چرخدنده ها، متغیرهای وزن، اندازه و راندمان از عوامل مهم و تاثیرگذار در یک طراحی بهینه محسوب میشوند، هرچند این عوامل گاهی در تضاد با یکدیگر هستند. از اینرو اهمیت بهینه سازی در چرخدنده ها امری ضروری قلمداد میشود. امروزه با توسعه رایانه ها و گسترش نرم افزارهای مهندسی در علم مکانیک میتوان در هزینه و در ساخت این چرخدنده ها پیشرفت قابل توجه ای کرد. چرخدنده مورد نظر در این تحقیق از نوع چرخدنده ساده است که البته این تحقیق قابلیت بسط به انواع دیگر چرخدنده ها را داراست. در این مقاله از نرم افزار انسیس و زبان برنامه نویسی متلب جهت مدلسازی و بهینه سازی چرخدنده ساده استفاده شده است. در این مطالعه، هدف افزایش بیشترین توان با کمترین وزن ممکن است. متغیرهای طراحی در این مقاله، توان، تعداد دندانه، مدول، و ضخامت چرخدنده هستند که به بهینهترین شکل ممکن با نرمافزار متلب بهینه سازی شده اند و سپس با نرمافزار انسیس مدلسازی و تحلیل مهندسی میشوند. در این میان، قیودی مانند قیود مربوط به تنشهای موجود، مدول، فاصله دو محور چرخدنده، راندمان، و ضرایب اطمینان نیز در نظر گرفته میشوند. نتایج حاصله از برنامه نویسی با خطای بسیار کمی نتایج حاصله از نرم افزار مهندسی را تایید میکند که این مهم مبین قابل قبول بودن مدل ریاضی ارایه شده در این مقاله است. تفاصيل المقالة -
حرية الوصول المقاله
3 - بخشبندی و تعیین نیمرخ مشتریان شعب بانک کشاورزی اهواز با استفاده از الگوریتم شبکههای عصبی خودسازمانده
مریم درویشیهدف از انجام این پژوهش، بخشبندی و تعیین نیمرخ مشتریان با استفاده ازالگوریتم شبکههای عصبی خودسازمانده (مورد مطالعه: مشتریان شعب بانک کشاورزی شهرستان اهواز) است. تحقیق حاضر در گروه روشهای کمّی قرار میگیرد. روش پژوهش براساس هدف از نوع كاربردي و براساس چگـونگي جمـعآوري أکثرهدف از انجام این پژوهش، بخشبندی و تعیین نیمرخ مشتریان با استفاده ازالگوریتم شبکههای عصبی خودسازمانده (مورد مطالعه: مشتریان شعب بانک کشاورزی شهرستان اهواز) است. تحقیق حاضر در گروه روشهای کمّی قرار میگیرد. روش پژوهش براساس هدف از نوع كاربردي و براساس چگـونگي جمـعآوري دادههـا توصـيفی (غيرآزمايشي) - پيمايشي و از نظر مکان نیز یک تحقیق میدانی است. جامعه آماری این تحقیق مشتریان بانک کشاورزی شهرستان اهواز میباشند. ازآنجاییکه جامعه آماری این تحقیق نامحدود است، حجم نمونه بر اساس فرمول کوکران جامعه نامحدود، به تعداد 384 نفر تعیین شده است. ابزار پژوهش، پرسشنامه است. در این پژوهش روایی محتوا از طریق نظرخواهی از استاد راهنما و سایر اساتید صاحب نظر در قلمرو موضوعی این پژوهش صورت گرفت و پس از اعمال این نظرات در مورد محتوای پرسشنامه و رفع اشکالات موجود، پرسشنامه مور تأیید واقع شد. تجزیه و تحلیل دادهها به روش تحلیل شبکه عصبی SOM در نرم افزار MATLAB انجام شده است. پس از اجرای تحلیل دادهها، يافتههاي پژوهش به شناسايي پنج دستة متفاوت از مشتریان با ویژگیهای رفتاری و جمعیت شناختی متفاوت شد. این 5 بخش عبارتند از: مشتریان کلان سنتی و ارزشمند، مشتریان طلایی، مشتریان کم ارزش، مشتریان الماسی وفادار و مشتریان خاص. تفاصيل المقالة