مسئله تصمیم گیری و استفاده از سیستم های کامپیوتری برای کمک و پشتیبانی‏تصمیم در سازمانهای آموزشی، مسئله جدیدی نیست و لیکن همواره یک مسئله پیچیده و حساس می باشد. آموزش به عنوان یک هدف تجاری هم می بایستی تصمیم های مناسب و موثّر و سریع اتخاذ نماید. استفاده از نگرش های جدید، از جمله استفاده از یک سیستم تولید مداوم هوش بر اساس اطلاعات داخل سازمانی و خارج سازمانی، برای کمک به مدیران اینگونه سیستم های آموزشی بسیار حیاتی است. در سیستم‏های هوش سازمانی که تاکنون طراحی شده‏اند، امکان استفاده از داده‏های خارجی آن هم به صورت جریانی از داده‏ها، ضمن استفاده از داده‏های داخلی، فراهم نشده است. البته استفاده از داده‏های خارجی و جریانی در یک سیستم هوش سازمانی، چالشهایی را به همراه دارد. تشخیص داده‏های مرتبط با اهداف سازمان و استخراج دانش نهفته در داده‏های جریانی از مهمترین این چالشها می‏باشند. از آنجا که در طراحی سیستم‏های هوش سازمانی متداول، این مسائل در نظر گرفته نشده‏اند، ارائه یک طراحی جدید در این خصوص ضروری می‏باشد. در این رساله طراحی یک سیستم تولید مداوم هوش برای سازمان‏های آموزشی ارائه شده است. آنتولوژی سازمان و کاوش داده‏های جریانی، مهمترین اجزا در طراحی این سیستم می‏باشند. در این تحقیق، سیستم پیشنهادی به صورت محدود پیاده‏سازی شده و مورد ارزیابی قرار گرفته است. در این سیستم کاوش داده‏های جریانی با پیاده‏سازی یکی از الگوریتمهای کاوش اقلام تکراری روی داده‏های جریانی، انجام شده و نحوه اجرای آن در کنار داده‏کاوی داده‏های داخلی نشان داده شده است.

هدف از این پروژه بررسی روشهای مختلف نگهداری سیستم خبره و طراحی یک سیستم هوشمند برای نگهداری سیستم های خبره می باشد.

هدف از این پروژه بررسی روشهای رایج داده کاوی تجاری و اعمال آنها در یک سیستم کتابخانه تحقیقاتی و دانشگاهی است . داده کاوی به هر نوع کشف دانش و یا الگوی پنهان در پایگاه داده ها اطلاق می شود.

این پروژه، طراحی و پیاده سازی یک سیستم داده کاوی بر روی شبکه راهها و شهرها را ارائه می دهد که از طریق آن می توان بهترین راههای بین دو شهر را پیدا نمود.

در این رساله مسئله طراحی مکانیزم های استنتاج سیستمهای خبره مولکولی بررسی شده است. سیستم خبره بررسی شده مدلی از سیستمهای خبره مبتنی بر قوانین می باشد. در این مدل برای تمام فرض ها و نتیجه های موجود در قوانین پایگاه دانش، یک رشته ‏‎dna‎‏ با طول خاص در نظر گرفته می شود و رشته ‏‎dna‎‏ متناظر با هر قانون پایگاه دانش از اتصال رشته های متناظر با فرضها و نتیجه های موجود در آن قانون ساخته می شود. در کدگذاری فرض ها و نتیجه های تشکیل دهنده قوانین پایگاه دانش با رشته های ‏‎dna‎‏ برای کاهش خطا در عملیات، از الگوریتم ژنتیک استفاده شده است. واکنشهای بیوشیمیایی روی رشته های ‏‎dna‎‏ عمل مکانیزم استنتاچ روی پایگاه دانش را شبیه سازی می کنند. با این روش سه مکانیزم استنتاچ رو به جلو و یک مکانیزم استنتاج رو به عقب طراحی شده است. مکانیزم های استنتاج طراحی شده با استفاده از خصیصه بسیار بالای پردازش موازی محاسبات مولکولی، می توانند عملی استنتاج را بصورت کارآیی انجام دهند. تفاوت روشهای استنتاج طراحی شده، در عملیات مولکولی است که استفاده می کنند. بطور کلی در این مدلهای از عملیات ساخت رشته های ‏‎dna‎‏، هیپرید شدن، واسرشت شدن، عمل برش رشته ها، تمایز از طریق توالی، ژل الکتروفورز، کروماتوگرافی استفاده شده است. این عملیات همگی از عملیات مجازمولکولی می باشند.پس از بررسی روشهای استنتاج، این روشها با یکدیگر مقایسه شده اند. در سه روش مکانیزم استنتاج رو به جلو، مدل اول و دوم دارای محدودیتهایی بر روی پایگاه دانش می باشند ولی مدل سوم بدون محدودیت است. این محدودیتها ازکلیت پایگاه دانش هیچ نمی کاهد. با این محدودیتها عملیات استفاده شده در این مدلها از مدل سوم ساده تر است ولی مدل سوم کلی تر می باشد. مدل استناج رو به عقب نیز دارای محدودیت خاصی نمی باشد و در عین حال ساده است.

درخت تصمیم یکی از روشهای نمایش دانش بوسیله یادگیرنده های استقرایی می باشد که طی بیست سال گذشته مورد توجه بوده است. استقرا درخت تصمیم در محیط های مغشوش شامل دو مرحله توسعه درخت و هرس آن می باشد که ره کدام نقش به سزایی در افزایش دقت درخت تصمیم نهایی ایفا می کند. اخیرا استفاده از ضردازش موازی به منظور توسعه درخت تصمیم مطرح شده است که زمان یادگیری بر روی مجموعه هایآموزشی بزرگ را کاهش می دهد. در این پایان نامه یک روش جدید موازی سازی در سطح گره جهت توسعه درخت پیشنهاد شده است ک با استفاده از ترکیب چندین روش یادگیری بصورت موازی سعی در بهبود دقت درخت حاصله دارد. در این روش ابتدا مجموعه آموزشی به صورت تصادفی به چند قسمت همپوشان تسیم شده و هر قسمت در اختیار یک پردازنده قرار میگیرد. پردازنده ها پس از انجام عمل یادگیری در هر گره، نتایج را در اختیار پردازنده دیگری (ناظر) قرار میدهد، این پردازنده با استفاده از دو مدل فازی و کرامر، درخت نهایی را تولید می کند. در صورتیکه تعداد نمونه های مجموعه آموزشی کم نبوده و توزیع کلاسها و خصیصه ها در آن یکنواخت باشد، دقت درخت مورد نظر بهبود می یابد.

گزارش حاضر نتایج حاصل از بررسی، طراحی و پیاده سازی یک نمایه ساز برای شبیه ساز پرواز بر روی سه مانیتور می باشد. این نمایه ساز با هدف انطباق بر روی شبیه سازهای پرواز موجود در کشور که فاقد سیستم نمایش می باشند و یا دارای سیستم نمایه سازی ضعیفی هستند طراحی شده است. این سیستم قادر به نمایه سازی صحنه های مربوط به پرواز درارتفاع پائین می باشد. با توجه به اینکه در چنین پروازهایی تولید تصاویر مناظر و پستی و بلندیها، بصورت بلادرنگ و با نرخ فریم فعل و انفعالی از اهمیت ویژه ای برخوردار است، توجه اصلی این پروژه بر روی تولید تصاویر هر چه سریعتر مناظر زمینه، با سطح جزئیات متغیر پیوسته می باشد. قسمت اول پایان نامه ، ابتدا ساختار کلی شبیه سازهای پرواز بررسی شده است.سپس ساختار و ویژگیهای کلی تولید کننده های تصاویر در شبیه سازهای پرواز مورد بررسی قرار گرفته است. در قسمت دوم پس از مروری بر گرافیک کامپیوتری، الگوریتمهای مختلف نمایه سازی مناظر مورد بررسی قرار گرفته اند. و الگوریتمهای تولید تصاویر مناظر با سطح جزئیات متغیر دسته بندی شده اند.