مسائل تشخیص ناهنجاری به شناسایی خودکار رفتارهای نابهنجار در حجم وسیعی از داده ها می پردازند. تشخیص ناهنجاری یک مفهوم در حال رشد در جهان است و الگوریتم های زیادی برای آن وجود دارد. به دلیل رشد افزاینده فعالیت های غیرمجاز در تراکنش های سوختی ترمینال های فروش بنزین، حل این مسئله برای ترمینال های فروش بنزین بسیار مورد نیاز است. این پایان نامه یک ایده جدید بر پایه نقشه های فازی شناختی برای تشخیص ناهنجاری های جایگاه های عرضه بنزین ارائه می دهد. یک نقشه شناختی فازی می تواند به عنوان یک یادگیرنده تحت بازرسی استفاده شود. ما در اینجا از یک نقشه شناختی فازی نیمه خودکار به عنوان یک یادگیرنده بدون بازرسی استفاده کرده ایم. برای رسیدن به یک نتیجه بهتر، ما ابتدا از یک الگوریتم خوشه بندی نقشه خودسازمان ده کوهنن استفاده کرده ایم و سپس جایگاه های خوشه بندی شده را وارد یک الگوریتم نقشه فازی شناختی کرده ایم. در نهایت، جایگاه های مشکوک در هر خوشه شناسایی شده و الگوهای رفتاری جایگاه ها مشخص شده اند.

بررسی روند پیشرفت فناوری اطلاعات و ارتباطات در سازمانها شامل سه مرحله شناخت وضع موجود، ترسیم وضع مطلوب و برنامه ریزی گذار از وضع موجود می باشد. در مرحله نخست جایگاه سازمانها بایستی از لحظ آمادگی الکترونیکی مشخص گردد تا از طریق آن استراتژی مناسب را اتخاذ نمود. بنا به اعتقاد هیکس(2001) توسعه دولت الکترونیکی در کشورهای در حال رشد با دو چالش اصلی روبروست. اول این که در اغلب کشورهای در حال رشد، دولت ها تنها تلاشهای آغازین در حوزه دولت الکترونیک را شروع کرده اند و دیگر آنکه بسیاری از این اقدامات آغازین در حوزه دولت الکترونیک به شکست کلی یا جزئی انجامیده اند.جهت انجام این تحقیق با استفاده از مدلهای مختلف ارزیابی آمادگی الکترونیکی شاخص های مهم و تاثیر گذار انتخاب و سپس پرسشنامه ای متشکل از 57 سوال با بهره گیری از کمک خبرگان این رشته و با روایی مناسب و پایایی 0.954 تهیه و بین نمونه 36 نفری توزیع و میزان آمادگی الکترونیکی ستاد پالایش و پخش فرآورده های نفتی ایران درهفت بعد تعیین شده اندازه گیری و سپس میزان آمادگی الکترونیکی کلی سازمان محاسبه و مقدار 2.97 حاصل گردید که این مقدار پایین تر از حد قابل قبول یعنی عدد 3 می باشد.

سیستم های چندعامله ((mas راه حلی برای مسائل مطرح شده امروزه است که ویژگی هایی مانند توزیع شدگی، پویایی ، تطبیق پذیری، تنومندی، کارایی و قابلیت استفاده مجدد را فراهم می کند. از آنجا که محیط معمولا به اندازه کافی هوشمند نیست تا عاملهای انفرادی را در یک تیم همکارانه تشخیص صلاحیت دهد و سیگنال تقویتی اسکالر منفرد، تنها بازخورد قابل اطمینان است که تیم عامل های یادگیر دریافت می کند، انتساب امتیاز بین عاملی یکی از مسائل مهم در تحقق یادگیری تقویتی چندعامله ( (marlاست. معمولا، انتساب امتیاز چندعامله mca)) با یک تکنیک یکتا حل نمی شود. بدین منظور، این پایان نامه، روشی برای mca برمبنای اعتماد و شهرت درسیستم های marl توسعه می دهد. در روش پیشنهادی که انتساب امتیاز چندعامله مبتنی بر اعتماد (tmca) نامیده می شود، عامل نقاد (که مسئول توزیع تقویت بین عامل های یادگیر است) از مدل اعتماد و شهرت برای ارزیابی قابلیت اطمینان عامل های یادگیر تقویتی در انتخاب بهترین عمل در برخورد با هر حالت استفاده می کند. دو منبع اطلاعات اعتبار، اعتبار تعاملی و شهرت شاهدی را تحت چهار چوب یکسان به منظور استفاده از دانش و خبرگی همه ی عامل ها در سیستم ترکیب می کند و ارزیابی جامع از عمل انتخاب شده عامل در سیستم marl به منظور تسریع فرآیند یادگیری فراهم می کند. به منظور ارزیابی رویکرد پیشنهادی، این روش با زبان برنامه نویسی c-sharp پیاده سازی شده است. اثرات نوع وظیفه (وظیفه نوع and و نوع or روی حل مسئله mca مطالعه می کنیم. علاوه بر این، کارایی سیستم با وجود عدم قطعیت در محیط، به صورت اغتشاش در اعمال عامل بررسی می شود. نتایج برتری الگوریتم پیشنهادی را در مقایسه با روش قبلی و تنومندی آن در محیط مغتشش نشان می دهد.

هدف از این پروژه استفاده از پیکره ی متنی وبلاگ های فارسی برای استخراج اطلاعات زبان شناختی و یافتن مدلی برای تولید خودکار متن فارسی است. مهم ترین ابزار مورد نیاز برای حل مسایل مختلف به روش تجربی در حیطه ی پردازش زبان طبیعی وجود پیکره ی زبانی بزرگ و متعادل است در زبان فارسی با رشد کمی وبلاگ های فارسی در سال های اخیر چنین پیکره ی متنی بزرگی در وجود دارد. این پیکره با اینکه خصوصیات یک پیکره ی متعادل را ندارد. اما ویژگی هایی دارد که آن را برای تحلیل زبان شناختی مناسب می کند. برای اینکه پیکره ی بسیار ناهمگن وبلاگ های فارسی را که در زمان ها و موقعیت های مختلف نوشته شده و نویسنده های متعدد دارد. تبدیل به پیکره ی مناسبی برای پردازش ماشینی کنیم روی آن انواعی از پیش پردازش ها انجام می دهیم و سپس با روش های مختلف آماری ویژگی های زبان شناختی آن را بررسی می کنیم. در پایان مدلی برای تولید خودکار متن مشابه پیشنهاد می کنیم و نتایج حاصل از تولید خودکار متن را ارزیابی می کنیم

با توجه به پیشرفت جوامع بشری، نیاز به یک دولت پاسخگوتر و موثر کاملاً احساس می شود، که در حال حاضر پاسخگوترین نوع دولت، دولت الکترونیک است که مناسب با جوامع پیشرفته امروزی است. برای ایجاد دولت الکترونیک نیاز به یک استراتژی حساب شده می باشد، و بدون داشتن استراتژی هر طرح و فعالیتی قطعاً با شکست مواجه با شکست مواجه خواهد شد (همانگونه که در حال حاضر شاهد آن هستیم). لذا در این تحقیق ابتدا به بررسی استراتژی های دولت الکترونیک در کشورهای مختلف پرداخته و سپس از آنجا که استراتژی هر کشور مناسب با همان کشور و شرایط حاکم بر آن است و ممکن است در جای دیگر موثر واقع نگردد، پس از بررسی شرایط کشور ایران و اقداماتی که تاکنون در این راست انجام شده است. اقدام به ارایه یک چارچوب پیشنهادی برای تدوین استراتژی دولت الکترونیک متناسب با ایران خواهیم نمود.

بهبود نتایج موتورهای جستجو و رتبه بندی آن ها با توجه به پروفایل کاربر موضوع اصلی این پایان نامه می باشد که بدین منظور از تکنیک های هوش مصنوعی مانند الگوریتم های ژنتیک و تکنیک های فازی برای شاخص بندی و رتبه بندی در یک موتور جستجو استفاده گشته است. نگارش مستندات به فضای برداری و خوشه بندی مستندات نیز همچون راهکاری برای نزدیک شدن به علایق کاربر و رتبه بندی نتایج پیاده سازی گشته است. الگوریتم های کاهش ابعاد ماتریس های عبارت- مستند و روش lsi به عنوان راهکار ارائه شده برای کاهش پیچیدگی و کشف روابط پنهان مفهومی پیاده سازی گشته و نتایج الگوریتم های خوشه بندی نیز معیار های متعددی ارائه شده اند.

روشهای مبتنی بر بیز از جمله روشهایی هستند که امروزه کاربرد زیادی در زمینه های مختلف آمار، هوش مصنوعی و مهندسی یافته اند. این روش، مبتنی بر یادگیری مداوم بر اساس دانش قبلی و وضعیت موجود سیستم است. این روش برای رسیدن به اهداف خود از مجموعه ای از علوم مرتبط با آمار، احتمالات و هوش مصنوعی استفاده می نماید. در این پایان نامه تلاش بر این بوده است که جنبه های علمی و نظری روش های مبتنی بر بیز مورد بررسی قرار گیرند. سپس بر اساس دانش بدست آمده از این مبحث این روش را در مورد شبکه های عصبی مورد بررسی و تحقیق قرار دهیم. بدلیل اینکه استفاده از این روش ها نیازمند دانش مورد نیاز در زمینه نمونه برداری از توزیع های بدست آمده در جریان محاسبات مدل ها می باشد، ویژگیها و قابلیت های روش های مختلف نمونه برداری از توزیع های بدست آمده مورد بررسی قرار گرفته است. و در پایان یک روش پیشنهادی برای یادگیری مبتنی بر بیز ارائه شده است.این روش ترکیبی از دو الگوریتم نمونه برداری می باشد که قادر است نتایج بهینه ای برای تنظیم پارامتر های یک شبکه عصبی ارائه دهد. همچنین نتایج راهکار پیشنهادی مورد بررسی قرار می گیرند.

با توسعه تکنولوژی میکروآرایه این مکان برای ریست شناسان فراهم شده است که سطوح تجلی ده ها هزار ژن را در یک آزمایش اندازه گیری نمایند. مطالعات بسیار حاکی از آن است که از داده های تجلی ژن میکرو ارایه می توان برای طبقه بندی بسیاری از بیماری ها استفاده نمود. اگرچه دو مشکل اصلی در این رابطه وجود دارد. مشکل اول، آمیخته بودن داده های میکروآرایه با خطا است و مشکل بعدی، بیشتر بودن تعداد خصیصه ها (ژن ها) از تعداد نمونه ها می باشد. تاکنون روش های نرمال سازی بسیاری برای کاهش خطاهای داده های میکروآرایه ها ابداع شده است. در این پژوهش ما یک معیار برای ارزیابی و مقایسه روش های مختلف نرمال سازی، ارائه نموده ایم. تحقیقات نشان داده است که انتخاب مجموعه کوچکی از ژن های موثر می تواند منجر به بهبود صحت طبقه بندی گردد. معمولا ژن های موثر با استفاده از روش های اولویت بندی ژن انتخاب می شوند. اما مسئله اینجاست که ژن های انتخاب شده با روش شباهت زیادی با یکدیگر دارند. برای طبقه بندی نمونه ها، ایده آل، داشتن مجموعه کوچکی از ژن های موثر و متمایز است. به این منظو، ما یک روش ترکیبی برای انتخاب ژن های موثر ارائه داده ایم. در این روش ابتدا از دو الگوریتم اولویت بندی tnom و قدر مطلق ضریب همبستگی پیرسون برای انتخاب ژن های با اولویت بالا با استفاده می شود. سپس با استفاده از الگوریتم خوشه بندی k-means، ژن های انتخاب شده در مرحله قبل بر اساس معیار فاصله اقلیدسی در k گروه، دسته بندی می گردد. در انتها زیر مجموعه ای از ژن های هر دو گروه به عنوان خصیصه های اصلی یرای طبقه بندی انتخاب می شوند. برای ارزیابی این روش ترکیبی انتخاب خصیصه، از سه الگوریتم طبقه بندی با تظارت، دو مجموعه داده و چهار معیار ارزیابی استفاده شده است. نتایج حاصل در مجموع کارایی روش پیشنهادی را نشان می دهد. یک مطالعه مقایسه ای نیز روی سه طبقه بندی کننده نیز ساده، درخت تصمیم گیری و ماشین بردار پشتیبان با استفاده از دو مجموعه داده سزطان سینه و سرطان خون انجام شده است که بر اساس این مقایسه، صحت طبقه بندی ماشین بردار پشتیبان نسبت به دو طبقه بندی کننده دیگر بالاتر بوده است.

مربی گری رابطه ای است که در آن یک عامل درباره نحوه عملکرد عامل دیگر در محیط توصیه هایی را به او می کند. این پایان نامه به بررسی و تحلیل مسائلی می پردازد که رو در روی یک عامل مربی خودکار قرار دارند تا این عامل بتواند نصیحت هایی را برای یک یا چند عامل گیرنده نصیحت ایجاد و تولید کند. وظیفه مربی این است که به عامل ها کمک کند تا حد ممکن بهترین عملکرد را در محیط شان داشته باشند. در پیاده سازی یک مربی به مسائل زیر بر می خوریم: 1- مربی چگونه مدل های محیط را بیاموزد و از آن ها استفاده کند. 2- چگونه نصیحت ها با ویژگی های گیرنده های نصیحت سازگار شوند.3- چگونه حریفان مدل شوند و چگونه از این مدل ها استفاده شود.4- نصیحت ها چگونه نمایش داده شوند تا به صورت موثر در یک تیم استفاده شوند. 4- نصیحت ها چگونه نمایش داده شوند تا به صورت موثر در یک تیم استفاده شوند. این پایان نامه از محیط شبیه سازی رویات های فوتبالیست الهام گرفته شده است که در آن یک عامل مربی به یک تیم با زبان استاندارد توصیه هایی را می کند. محیط های شکار -شکارچی و ماز متحرک نیز برای آزمایش های بیشتر مورد استفاده قرار می گیرند. همه الگوریتم ها حداقل در یکی از این محیط ها مورد بررسی قرار می گیرند.

در مسئله کلاسیک جانمایی تسهیلات ، یک مجموعه n نقطه ای در صفحه c درنظر میگیریم که بیانگر مشتریان مثلا مدارس، سوپرمارکت ها، ایستگاه پلیس یا مراکز توزیع هستند. هدف تعیین مکان نقطه x (نقطه دیگری در صفحه c) است که تسهیل (سرویس دهنده) باید در آنجا قرار بگیرد تا فاصله اقلیدسی دورترین مشتری از آن کمینه شود. این مسئله نهایتاً منجر به مسئله کوچکترین دیسک محاط خواهد شد. این معیار کمینه بیشینه به ویژه در جانمایی تسهیلات اضطراری نظیر ایستگاههای آتش نشانی، پلیس و بیمارستان ها که مینیمم کردن "بدترین زمان پاسخ" مطلوب است، کاربرد خواهد داشت. جانمایی رقابتی تسهیلات به مسائلی اطلاق میشود که دو حریف قصد دارند به گونه ای سایت¬ها یا تسهیلات خود را جانمایی کنند که در یک بازار رقابتی برنده شوند. در واقع در مسائلی از این دست هر یک از حریفان میخواهند به نحوی مکان تسهیلات خود را در عرصه بازار بیابند که با احاطه بر مساحت بیشتری از بازار نسبت به حریف دیگر بتوانند سود بیشتری از آن بازار ببرند. در این پایان نامه استراتژی های مختلف برای مسئله جانمایی رقابتی تسهیلات در حالتهای یک بعدی، دو بعدی یک دوری و گرافهای k-تایی بررسی خواهد شد. همچنین یک مدل جدید که در آن مشتریان مجموعه ای از نقاط هستند، ارائه میگردد.

از منظر امنیت کامپیوتر، می توان موفقیت سیستم های زیستی در حفظ بقاء و پایداری را بعنوان الگوی مناسبی در نظر گرفت. ابزارها و روشهای متداولی که برای تولید سیستم های محاسباتی قوی استفاده می شوند نمی توانند حتی کوچکترین شکل حیات را به شکل مناسب پیاده سازی نمایند، در حالیکه سیستم های زیستی در طول زمان متکامل شده تا در محیط های گوناگون و در مقابل هجومهای مختلف، زنده بمانند و تکثیر شوند. در این پایان نامه سعی شده است تا با الهام گرفتن از سازوکار هومئوستازیس مشابه موجودات زنده راه حل نوینی برای سیستم های تشخیص نفوذ هوشمند ارایه شود. در این روش, نفوذ به عنوان رفتار غیرعادی برنامه ها شناسایی می شود و کامپیوترها - مانند سیستم های زیستی- بدون نیاز به ابزارهایی از قبیل ضدویروسها، دیواره های آتش و غیره می توانند از خودشان دفاع کنند. این سیستم ها چون قابلیت یادگیری و تشخیص حملات جدید را دارا هستند, نیازمند به روزآوری نمی باشند. سیستم ارایه شده، یک سیستم متمرکز تشخیص نابهنجاری نفوذ مبتنی بر میزبان و تحت سیستم عامل لینوکس است. الگوی رفتاری برنامه را بصورت دنباله ای پنجاه تایی از امضاهای ارایه شده برای توابع فراخوان سیستم تعریف کرده ایم بگونه ای که هر امضاء شامل هشت فیلد شماره فراخوانی سیستمی، نتیجه فراخوانی سیستمی، شناسه کاربری، شناسه گروه، euid، egid، suid، sgid است. داده های مربوط به الگوهای رفتاری، از گزارش های حاصل از زیر سیستم ممیزی سیستم عامل لینوکس استخراج شده اند. در سیستم پیشنهادی ابتدا با استفاده از شبکه عصبی المن، برنامه ها با رفتار غیرعادی، از برنامه های عادی تفکیک شده و سپس الگوی رفتاری برنامه غیرعادی به شبکه عصبی کوهنن داده می شود تا نوع نفوذ را تشخیص دهد.

در سالهای اخیر شناسایی نوری نویسه به عنوان یکی از حوزه های فعال در مبحث شناسایی الگو است. اگرچه تحقیقات بر روی کلمات دستنویس فارسی (عربی) در سالهای گذشته پیشرفت بسزایی کرده است، اما در مقایسه با کلمات لاتین جای پیشرفت دارد. البته کارهای انجام شده در این زمینه حاوی اطلاعات مفید برای بالا بردن ضریب اطمینان است. در این پایان نامه سعی بر این است که در حوزه شناسایی نوری نویسه و به خصوص کلمات دستنویس بتوان روشی برای بهبود دقت در شناسایی و بازیابی کلمات ارائه کرد. با توجه به این حقیقت که شناسایی یک تصویر به وسیله انسان ها بر اساس مشاهده صورت می گیرد، تمایز تصاویر گوناگون وابسته به قدرت بینایی انسان است. تحقیقات نشان داده است که درصد تشخیص و شناسایی یک شی در کامپیوتر با استفاده از تبدیل آن به فرکانس، برتر از شناسایی بر اساس ویژگی های ساختاری و ظاهری تصویر شئ می باشد. به همین منظور و در راستای شناسایی و بازیابی تصاویر دستنویس، از تبدیل موجک گسسته استفاده کرده و ویژگی های بدست آمده از این تبدیل را به عنوان معیار شناسایی و در نهایت بازیابی قرار داده ایم. سیستم شناسایی بر اساس شبکه های عصبی برنامه ریزی شده است. علت استفاده از شبکه عصبی، داشتن قابلیت دسته بندی کردن و تفکیک الگوها بر اساس ویژگی های مدنظر می باشد. مجموعه داده ها شامل 42 کلمه می باشد که توسط 100 نفر با درجه تحصیلات متفاوت جمع آوری شده است. نیمی از داده ها را به عنوان داده های آموزش و نیمی دیگر را به عنوان داده های آزمایشی در نظر گرفته ایم. سیستم شناسایی، داده های آموزشی را با دقت 95.71% و داد های آزمایشی را با دقت 72.85% شناسایی می کند. در بخش بازیابی تصاویر در مجموعه داده ها، سیستم پیشنهادی بطور متوسط برای 42 کلمه مفروض با دقت 97.80% به بازیابی می پردازد. به علت اینکه در داده های جمع آوری شده یک کلمه را به صورت پیوسته در نظر گرفته ایم و به شناسایی حروف به طور مجزا پرداخته نشده است، نتایج بدست آمده از آزمایش سیستم پیشنهادی نشان دهنده توانایی سیستم در بازیابی و همچنین شناسایی برون خط کلمات دستنویس فارسی دارد.

چکیده ندارد.