Monthly Archive: آوریل 2022

فروش پروژه اجرای FPGA به کمک LUT و ASIC برپایه یادگیری عمیق کانولوشن با MATLAB

کد پروژه: 3087

عنوان پروژه: فروش پروژه اجرای FPGA به کمک LUT و ASIC برپایه یادگیری عمیق کانولوشن با MATLAB

قالب بندی: m – mdl – داکیومنت

دسته: کامپیوتر – MATLAB

قیمت: 100.000 تومان

قابلیت اجرا در نرم افزار: MATLAB

شرح مختصر:

فروش پروژه اجرای FPGA به کمک LUT و ASIC برپایه یادگیری عمیق کانولوشن با MATLAB

FPGA ها عمدتا برای طراحی مدارهای مجتمع ویژه برنامه (ASIC) استفاده می شوند. ابتدا معماری چنین مداری طراحی می شود. سپس، از یک FPGA برای ساخت و بررسی نمونه اولیه آن استفاده می گردد. خطاها قابل اصلاح هستند. هنگامی که نمونه اولیه مطابق انتظار عمل کرد، یک پروژه ASIC بر اساس طراحی FPGA ایجاد و تولید می شود. این امر امکان می دهد تا در زمان صرفه جویی شود، زیرا ساخت یک مدار مجتمع می تواند یک فرآیند بسیار پیچیده و زمان بر باشد. همچنین باعث صرفه جویی در هزینه می شود، زیرا می توان از یک FPGA برای تهیه بسیاری از تکرارهای همان پروژه استفاده کرد. در این زمینه شایان ذکر است که واحدهای پردازش تانسور مدرن (TPU) یا ماینرهای ارزهای دیجیتال ابتدا به عنوان FPGA طراحی شدند و تنها پس از بلوغ تولید شدند. FPGA ها همچنین در سیستم های بلادرنگ استفاده می شوند که زمان پاسخگویی، نقش مهمی د ر آن ها ایفا می کند. در  CPUهای استاندارد، زمان پاسخگویی تنظیم نشده است و دقیقا مشخص نیست پس از ظاهر شدن سیگنال اولیه چه زمانی پاسخ دریافت خواهد شد. برای به حداقل رساندن یا حفظ آن در محدوده معین، از سیستم عامل های بلادرنگ استفاده می شود. با این حال، در سناریوهایی که زمان پاسخ سریع (زیر میلی ثانیه) ضروری است، این زمان کوتاه است. برای حل این مشکل، الگوریتم درخواستی باید با استفاده از منطق ترکیبی یا ترتیبی در FPGA پیاده سازی شود تا زمان پاسخگویی همیشه یکسان و کمتر از میلی ثانیه باشد. چنین سیستم بلادرنگ پیاده‌ سازی شده در FPGA  را می‌ توان تغییر داد و پس از آماده شدن به تولید منتقل کرد. مدار یکپارچه ای که به این روش ایجاد می شود، بسیار سریعتر و کم مصرف تر خواهد بود. جدای از آن، FPGA ها در پروژه‌ هایی استفاده می ‌شوند که پیکربندی سخت ‌افزاری در معرض تغییر است و مداری که می‌ تواند با این تغییرات تنظیم شود، درخواست می‌ گردد. در صورتی که تامین کنندگان سخت افزار تغییر یابد و سخت افزار جدید رابط مورد نیاز را نداشته باشد، FPGA  به یک انتخاب طبیعی تبدیل می شود. در این تحقیق به اجرای FPGA به کمک جمع کننده های خط لوله پرداخته شده است که با در نظر گرفتن مولفه ها و تجهیزات RTL و ورودی های LUT، می توان به این امر در کاهش خطاها، کاهش سنتز، کاهش هزینه و انرژی و بهبود انعطاف پذیری و مقیاس پذیری، کمک نمود. برای همین امر، هدف اصلی که اجرای FPGA به کمک جمع کننده های خط لوله است، به کمک شبکه عصبی عمیق کانولوشن، مدل سازی و یک شبیه سازی در محیط MATLAB به کمک خط فرمان و سیمولینک، انجام شده است و نتایج، حاکی از حالتی نزدیک به بهینه برای رویکرد ارائه شده را نمایش می دهد.

عکس خروجی برنامه

عکس 1

عکس 2

عکس 3

عکس 4

عکس 5

عکس 6

برای خرید این پروژه با شماره 09360703858

یا آدرس ایمیل nn4e@aol.com در تماس باشید.

فروش پروژه تشخیص دایره با تبدیل هاف عمیق با MATLAB

کد پروژه: 3086

عنوان پروژه: فروش پروژه تشخیص دایره با تبدیل هاف عمیق با MATLAB

قالب بندی: m – داکیومنت

دسته: کامپیوتر – MATLAB

قیمت: 100.000 تومان

قابلیت اجرا در نرم افزار: MATLAB

شرح مختصر:

فروش پروژه تشخیص دایره با تبدیل هاف عمیق با MATLAB

در این پژوهش الگوریتم رای گیری دو به دوی احتمالاتی عمیق به منظور تشخیص سریع و مقاوم دایره ارائه شد. الگوریتم رای گیری دو به دوی احتمالاتی در مقابل انسداد، نویز و تغییر حالات شکل مقاوم است و می تواند چندین شی دایره ای را در یک تصویر منفرد پیدا کند. شایان ذکر است که این الگوریتم برپایه رای گیری سخت کار می کند و در داخل خود از الگوریتم تبدیل هاف دایره ای نیز بهره می برد. در واقع نوعی الگوریتم ترکیبی به منظور تشخیص دایره به صورت سریع و مقاوم با صرف حافظه کم است. استفاده از تصاویر طبیعی به منظور تشخیص دایره و تصاویر چهره جهت تشخیص مکان عنبیه چشم حاکی از قدرت بالای این الگوریتم در شناسایی و تشخیص اجسام مدور به صورت سریع و مقاوم دارد. روش ارائه شده با چندین روش پیشین قدرتمند نیز مورد مقایسه واقع شد که نتایج به دست آمده حاکی از قدرت بالای این الگوریتم در مقابل روش های ارائه شده پیشین است.

عکس خروجی برنامه

عکس 1

عکس 2

برای خرید این پروژه با شماره 09360703858

یا آدرس ایمیل nn4e@aol.com در تماس باشید.

فروش پروژه تشخیص بیماری MS با الگوریتم ژنتیک و طبقه بندی KNN با MATLAB

کد پروژه: 3085

عنوان پروژه: فروش پروژه تشخیص بیماری MS با الگوریتم ژنتیک و طبقه بندی KNN با MATLAB

قالب بندی: m – داکیومنت

دسته: کامپیوتر – MATLAB

قیمت: 100.000 تومان

قابلیت اجرا در نرم افزار: MATLAB

شرح مختصر:

فروش پروژه تشخیص بیماری MS با الگوریتم ژنتیک و طبقه بندی KNN با MATLAB

 با توجه به این که سیستم های تشخیص هوشمند پزشکی نیازمند روش های مطئمن و سریع هستند تا پزشکان بتوانند به آن ها اطمینان کنند، نیاز است تا از اصول هوشمندسازی در ساخت این برنامه ها بهره جست. همچنین ساخت سیستم های تشخیص هوشمند پزشکی، خطاهای انسانی را کاهش می دهد و پزشکان را در تشخیص و شناسایی بیماری ها کمک می نماید. این شناسایی و تشخیص زودهنگام منجر به شناخت وضعیت سلامت افراد و همچنین مراقبت بیشتر آن ها تا زمان بهبودی کامل می شود. در زمینه آزمایشات بالینی MS ، متخصصان انسانی هم چنان به دنبال استانداردی مشخص برای تشخیص ضایعات در MRI  بیمار هستند. این یک فرایند پُرهزینه و وقت گیر است که مستعد خطای درون و انسانی است. اگر در عوض یک مدل یادگیری بتواند MRI را تقطیع و طبقه بندی کند و چالش برانگیزترین موارد را برای یک متخصص انسانی براساس عدم اطمینان خودش به تعویق بیندازد، می تواند سرعت قابل توجهی از گردش کار مانند سیستم تشخیص هوشمند پزشکی برای تشخیص بیماری MS را فراهم نماید.

مولتیپل اسکلروزیس یا بیماری MS، یک بیماری التهابی مزمن است که با ضایعات سیستم عصبی مرکزی (CNS)  مشخص می شود و می تواند منجر به ناتوانی جسمی یا شناختی شدید و همچنین نقص عصبی شود. اگرچه علت بیماری MS هنوز ناشناخته است، اما اسناد حاضر نشان می دهد که علت MS  چند کاره است و مستلزم ژنتیکی همراه با عوامل محیطی مانند قرار گرفتن در معرض عوامل عفونی، کمبودهای ویتامین و سیگار کشیدن است. روش های درمانی معمول برای بیماری MS مبتنی بر استفاده از داروهای ضد التهابی و سیستم ایمنی بدن است، اما این روش های درمانی قادر به متوقف کردن تخریب بافت عصبی نیستند. بنابراین، استراتژی های دیگری مانند پیوند سلول های بنیادی برای درمان MS پیشنهاد شده است. به طور کلی، این مهم است که متخصصان مغز و اعصاب از اطلاعات فعلی در مورد پاتوژنز، اتیولوژی، معیارهای تشخیصی و درمان بیماری MS آگاه باشند.

در این تحقیق به ارائه یک روش ترکیبی با هدف تشخیص سطوح بیماری MS و حالات مشکوک پرداخته می شود. در این رویکرد، ابتدا یک پیش پردازش با هدف کاهش نویز در تصاویر MRI و یکسان سازی اندازه تصاویر ارائه شد. سپس عملیات تقطیع و استخراج ویژگی ها با رویکرد الگوریتم ژنتیک و پردازش ریخت شناسانه انجام گرفت. در واقع در ابتدا تقطیع با پردازش ریخت شناسانه و سپس بهبود نواحی تقطیع شده برای استخراج ویژگی ها در سه مرحله کاهش ابعاد، انتخاب ویژگی ها و استخراج ویژگی با الگوریتم ژنتیک ارائه می شود. در ادامه از روش KNN و بهبود آن با الگوریتم ژنتیک برای عملیات طبقه بندی سطوح بیماری MS از تصاویر MRI پرداخته می شود. نتایج تحقیق نشان می دهد که رویکرد پیشنهادی دارای نتایج بهتری از لحاظ دقت نسبت به روش های مشابه پیشین است.

عکس خروجی برنامه

عکس 1

عکس 2

عکس 3

عکس 4

برای خرید این پروژه با شماره 09360703858

یا آدرس ایمیل nn4e@aol.com در تماس باشید.

فروش پروژه تشخیص و طبقه بندی مدولاسیون مبتنی بر شبکه عصبی عمیق کانولوشنال با MATLAB

کد پروژه: 3084

عنوان پروژه: فروش پروژه تشخیص و طبقه بندی مدولاسیون مبتنی بر شبکه عصبی عمیق کانولوشنال با MATLAB

قالب بندی: m – داکیومنت

دسته: کامپیوتر – MATLAB

قیمت: 100.000 تومان

قابلیت اجرا در نرم افزار: MATLAB

شرح مختصر:

فروش پروژه تشخیص و طبقه بندی مدولاسیون مبتنی بر شبکه عصبی عمیق کانولوشنال با MATLAB

تشخیص مدولاسیون سیگنال های دیجیتال به دو حالت تقسیم می شود: شرایط همکاری و شرایط غیر همکاری. در یک محیط غیر همکار، تشخیص مدولاسیون یک فناوری بین تشخیص سیگنال و تغییر شکل سیگنال است. هدف اصلی آن تعیین روش تعدیل سیگنال قابل شناسایی است که همچنین برآورد بعدی پارامترهای سیگنال قابل شناسایی است (فرکانس حامل، نرخ نماد و غیره). تعدیل و شناسایی سیگنال ها در شرایط غیر همکار، کاربردهای گسترده ای در زمینه های غیرنظامی و نظامی دارد. در زمینه غیرنظامی، شناسایی مدولاسیون سیگنال ها به طور عمده برای تایید سیگنال، شناسایی تداخل و تایید تداخل برای مدیریت طیف رادیویی استفاده می شود. در زمینه نظامی، عمدتا برای اقدامات متقابل ارتباط رادیویی در فناوری رادیویی نرم افزار و مقابله الکترونیکی استفاده می شود. بنابراین، شناسایی حالت های مدولاسیون سیگنال دیجیتال در شرایط غیر همکاری دارای اهمیت تحقیقاتی مهمی است. هدف اصلی این کار به دو بخش تقسیم می شود:

  • شناسایی معماری شبکه عصبی عمیق مناسب برای کار شناسایی سیگنال و تشخیص مدولاسیون و پیشنهاد روش هایی برای کاهش زمان آموزش آن ها.
  • تشخیص دقیق مدولاسیون ها و تفکیک آن ها برحسب نسبت سیگنال به نویز یا SNR آن ها.

عکس خروجی برنامه

عکس 1

عکس 2

عکس 3

عکس 4

عکس 5

عکس 6

برای خرید این پروژه با شماره 09360703858

یا آدرس ایمیل nn4e@aol.com در تماس باشید.

فروش پروژه بیوسنسور فیبر نوری فوتونیکی به روش المان محدود با طول موج کاری فیبر با MATLAB

کد پروژه: 3083

عنوان پروژه: فروش پروژه بیوسنسور فیبر نوری فوتونیکی به روش المان محدود با طول موج کاری فیبر با MATLAB

قالب بندی: m – داکیومنت

دسته: کامپیوتر – MATLAB

قیمت: 100.000 تومان

قابلیت اجرا در نرم افزار: MATLAB

شرح مختصر:

فروش پروژه بیوسنسور فیبر نوری فوتونیکی به روش المان محدود با طول موج کاری فیبر با MATLAB

در این پژوهش به مطالعه و بررسی علم فوتونیک و روش های موجود در آن پرداخته شد. یکی از مباحث مهم در این زمینه که به صورت ترکیبی می باشد، استفاده از کریستال فوتونی که فناوری جدید به شمار می رود و در علوم مختلف، قابل اجرا و پیاده سازی علمی و عملی است. لذا، جای کار در این حوزه به دلیل پیشرفت چشمگیر آن در چند سال اخیر، به شدت بالاست و به عنوان یک مبحث داغ در جوامع علمی شناخته می شود، زیرا کاربردهای فراوانی در علوم مهندسی از جمله الکترونیک، شیمی، بیوشیمی، هوافضا و غیره دارد. بنابراین، مطالعه پایه و شناخت روش های موجود در علم فوتونیک، مبحثی مهم در این زمینه به شمار می رود. چشم اندازی که علم فوتونیک دارد، کاملا مشخص است، زیرا به عنوان انقلاب در قرن بیست و یکم معرفی شده است. بنابراین واضح و مبرهن است که افق استفاده از چنین علمی، در پژوهش های مختلف، می تواند منجر به ساخت ابزارها و فناوری های جدید شود. در این پژوهش چند مورد از مسائل که در آن ها به تازگی از علم فوتونیک و کریستال فوتونی استفاده شده است، از جمله تلویزیون دیجیتال، شبکه های حسگر بیسیم و غیره، مورد بررسی موردی واقع شده اند. اما به دلیل عدم دانش کافی و ذکر نشدن نحوه استفاده از کریستال فوتونی در چنین سیستم هایی، هنوز معماهایی برای جوامع علمی در این حوزه باقی مانده است. هدف این پژوهش شناسایی چند سیستم بود که در کارهای آتی، روشی جدید برای آن ها ارائه شود و نیازهای اصلی در آن حوزه را مرتفع سازد.

فیبر کریستالی فوتونی (PCF) با هسته اصلاح شده مورد استفاده برای سنجش کاربردهای محیطی طراحی شده است. سنسور پیشنهادی با استفاده از تکنیک شبیه سازی همه کاره برای آنالیت های مختلف محیطی طراحی، بهینه سازی و آزمایش شده است. ساختار بیوسنسور فیبر کریستالی فوتونی پیشنهادی به دلیل ساختار و کاربردهای آن بی نظیر است ، به ویژه ترتیبهای کانال های حسگر (مناطق) که همزمان امکان سنجش همزمان چند آنالیت های مختلفی را می توان در کانال های مهندسی فیبر کریستالی فوتونی (مناطق 1 ، 2 و 3) فراهم کرد. این سنسور فیبر کریستالی فوتونی بسیار حساس است و می تواند برای برنامه های بالقوه سنجش پزشکی و محیطی با استفاده از آنالیت های گازی و مایع مختلف مستقر شود. منطقه سنجش فیبر کریستالی فوتونی برای افزایش تعامل بین نور و آنالیت بهینه شده است. با توجه به برنامه های پیچیده محیطی / مکانی، خم شدن ساختار فیبر کریستالی فوتونی مورد بررسی قرار می گیرد. نشان داده شده است که بیوسنسور مبتنی بر ساختار خم نسبت به محیط آبی در طول موج کوتاه حساس تر است. مشخص شده است که بیوسنسور پیشنهادی می تواند گونه های گازی و شیمیایی را در طول موج کاری طولانی شناسایی کند. این همچنین ارزش منحصر به فردی از بیوسنسور فیبر کریستالی فوتونی پیشنهادی را نشان می دهد، زیرا می تواند برای کاربردهای سنجش طول موج کوتاه و بلند نیز مستقر شود.

در این تحقیق، مروری کلی بر روی مسئله فیبر کریستال فوتونیک و مسئله بیوسنسوری انجام گرفت و سعی در شبیه سازی و طراحی یک بیوسنسور فیبر کریستال فوتونیک به روش المان محدود مبتنی بر طول موج فیبر کاری، ارائه شد. بر اساس شبیه سازی که در محیط MATLAB انجام گرفت، مشاهده شد که انتقال پالس در بیوسنسور فیبر کریستال فوتونی امکان پذیر است. همین طور پراکندگی در طول موج کاری فیبر در بیوسنسور فیبر کریستال فوتونی و در ادامه آن، در نظر گرفتن بخش موهومی و واقعی جهت انتشار نور براساس پراکندگی نمایش داده شد. در ادامه بخش واقعی و موهومی برای ثابت دی الکتریک نشان داده شدند و مشخص شد که قابلیت رسانای این بیوسنسور فیبر کریستال فوتونیک، دارای افزایش چشمگیری است که نشان از بهبود را نمایش می دهد و می تواند نور را در نقطه ای انتشار بدهد که در ادامه، نمایش انتشار نور نیز نشان داده شد و مشاهده شد که دارای عملکرد مناسبی است.

عکس خروجی برنامه

عکس 1

عکس 2

عکس 3

عکس 4

عکس 5

عکس 6

عکس 7

برای خرید این پروژه با شماره 09360703858

یا آدرس ایمیل nn4e@aol.com در تماس باشید.

فروش پروژه زمان بندی وظایف در محیط رایانش ابری با استفاده از الگوریتم TLBO با MATLAB

کد پروژه: 3082

عنوان پروژه: فروش پروژه زمان بندی وظایف در محیط رایانش ابری با استفاده از الگوریتم TLBO با MATLAB

قالب بندی: m – داکیومنت

دسته: کامپیوتر – MATLAB

قیمت: 100.000 تومان

قابلیت اجرا در نرم افزار: MATLAB

شرح مختصر:

فروش پروژه زمان بندی وظایف در محیط رایانش ابری با استفاده از الگوریتم TLBO با MATLAB

رایانش ابری مدل محاسباتی و کامپیوتری جدیدی می‎باشد که دسترسی کاربران را بر اساس نوع تقاضایی که از منابع اطلاعاتی و محاسباتی دارند مهیا می‎کند. گسترش سریع کاربردهای ابری و رقابت میان تأمین کنندگان برای ارائه سرویس با بهترین سطح کیفی، منجر به ایجاد مراکز داده‌ای بزرگ شده است. بهره‌برداری از این نوع مراکز داده به دلیل مصرف زیاد انرژی، هزینه‌های عملیاتی بسیاری در پی دارد. استفاده ناکارآمد از منابع موجود در مراکز داده ازجمله دلایل اتلاف انرژی است، بنابراین، برای حل مسئله مصرف زیاد انرژی در مراکز داده علاوه بر بهینه‌سازی در سطح سخت‌افزار، روش‌های مدیریت منابع با رویکرد کارآمدی انرژی نیز موردنیاز است که در آنها، زمان‌بندی و تخصیص منابع، بر اساس نیازمندی کیفی سرویس‌ها صورت گیرد. در این زمینه، راه‌کارهایی مانند تغییر پویای ولتاژ و فرکانس پردازنده و تجمیع ماشین‌های مجازی مورداستفاده قرارگرفته‌اند. در این راستا پژوهش حاضر با هدف ارائه یک رویکرد نوین جهت زمان ‌بندی وظیفه آگاه از زمان و انرژی موجود در لایه PaaS  محیط رایانش ابری مورد مطالعه قرار گرفته است. تحقیق حاضر به لحاظ هدف از نوع مطالعات کاربردی و به لحاظ جمع‌آوری اطلاعات و بررسی آن‌ها از نوع مطالعات توصیفی می‌باشد. در تحقیق حاضر به جمع‌آوری مستندات در زمینه‎ موضوع پژوهش و پیشینه‌ مطالعات داخلي و خارجي از طریق مطالعات کتابخانه‌ ای پرداخته می‎شود. همچنین در ادامه به مطالعه مدل‌ های پژوهش و شبیه‌ سازی آن‌ ها پرداخته می‌ شود. درواقع این مطالعه به دنبال ارائه رویکردی نوین جهت زمان‌ بندی وظیفه آگاه از زمان و انرژی موجود در محیط رایانش ابری PaaS می ‎باشد. در این تحقیق جهت بهینه‏ سازی مصرف انرژی، الگوریتم زمانبندی با الگوریتم TLBO ارائه شده است.

 

برای خرید این پروژه با شماره 09360703858

یا آدرس ایمیل nn4e@aol.com در تماس باشید.

فروش پروژه بهینه سازی مدیریت تولید بوستر ترمز برپایه الگوریتم های هوشمند با MATLAB

کد پروژه: 3081

عنوان پروژه: فروش پروژه بهینه سازی مدیریت تولید بوستر ترمز برپایه الگوریتم های هوشمند با MATLAB

قالب بندی: m – داکیومنت

دسته: کامپیوتر – MATLAB

قیمت: 100.000 تومان

قابلیت اجرا در نرم افزار: MATLAB

شرح مختصر:

فروش پروژه بهینه سازی مدیریت تولید بوستر ترمز برپایه الگوریتم های هوشمند با MATLAB

پژوهش حاضر خطوط تولید بافر نامتعادل غیرقابل اعتماد در دنیای واقعی را در نظر می گیرد. همه پارامترهای مبتنی بر زمان شامل زمان بین ورود قطعات، زمان پردازش، زمان بین خرابی و زمان تعمیر احتمالی در نظر گرفته می شوند و از توزیع آماری برای برآورد این پارامترها استفاده می شود. همچنین، زمان راه اندازی غیر قطعی برای همه ماشین ها در همه ایستگاه های کاری در نظر گرفته شده است. بافرها می توانند کارایی، انعطاف پذیری و استفاده از فضا را افزایش دهند. از طرف دیگر، بافرها می توانند هزینه نگهداری سیستم را افزایش دهند (و سودآوری کل سیستم را کاهش دهند. بنابراین، یافتن ظرفیت های بافر بهینه که منجر به خروجی های رضایت بخش سیستم می شود، یک مشکل مهم در تحقیقات سیستم های تولید است. این مشکل را مسئله تخصیص بافر (BAP) می نامند و یک مسئله NP-Hard  است. اگر BAP در یک سیستم تولید نامعتبر تعریف شود، آن را BAP نامعتبر می نامند.

عکس خروجی برنامه

عکس 1

عکس 2

برای خرید این پروژه با شماره 09360703858

یا آدرس ایمیل nn4e@aol.com در تماس باشید.

فروش پروژه کارایی رمزنگاری تصاویر در RSA و ECC با قضیه باقیمانده چینی با MATLAB

کد پروژه: 3080

عنوان پروژه: فروش پروژه کارایی رمزنگاری تصاویر در RSA و ECC با قضیه باقیمانده چینی با MATLAB

قالب بندی: m – داکیومنت

دسته: کامپیوتر – MATLAB

قیمت: 100.000 تومان

قابلیت اجرا در نرم افزار: MATLAB

شرح مختصر:

فروش پروژه کارایی رمزنگاری تصاویر در RSA و ECC با قضیه باقیمانده چینی با MATLAB

با رشد فناوری در زمینه های گوناگون، نیاز مبرم و شدید به سیستم های امنیتی جهت حفظ اطلاعات، امری ضروری است. شبکه های کامپیوتری به دلیل رشد بالایی که داشته اند، مورد هجوم مهاجمان در سالیان اخیر واقع شده اند. همین طور فناوری های هک و نفوذ به سیستم ها روز به روز توسعه می یابد. مبحث امنیت یک سری زمینه های جدید را در دنیای امنیت اطلاعات نمایان می کند که می توان به رمزنگاری، هش گذاری و مسائلی از این دست اشاره نمود. رویکردی که این تحقیق سعی در ارائه آن دارد، استفاده از ساختارهای رمزنگاری جدید برای تصاویر با کیفیت های مختلف است. یک تصویر، حامل رسانه ای است که ممکن است اهمیت بالایی داشته باشد. لذا رمزنگاری آن دارای اهمیت است و البته رمزنگاری، نیاز به رمزگشایی هم دارد. تصاویر با فرمت های مختلف و حالت های رنگی شامل RGB و CMYK و حتی حالت سطح خاکستری و دودویی، قابلیت رمز شدن دارند و خروجی اکثر روش های رمزنگاری تصویر، یک تصویر سطح خاکستری یا دودویی است. این تحقیق سعی در ارائه یک راهکار ترکیبی مبتنی بر ترکیب RSA و ECC را دارد، به طوری که در انتها بعد از رمزنگاری، تصویر بدون اعوعاج و نویز باشد و خروجی به صورت سطح رنگی یا RGB باشد. همین طور مقایسه کی از لحاظ کارایی در رمزنگاری و رمزگشایی با RSA و ECC به صورت جداگانه انجام گرفته است. نتایج معیارهای ارزیابی از جمله اوج نسبت سیگنال به نویز نسبت به مقالات جدید نشان از بهبود رویکرد پیشنهادی در رمزنگاری و فضای حامل رمز در تصویر را با 16 ثانیه زمان اجرا، نشان می دهد.

عکس خروجی برنامه

عکس 1

برای خرید این پروژه با شماره 09360703858

یا آدرس ایمیل nn4e@aol.com در تماس باشید.

فروش پروژه طبقه بندی تومورهای مغزی با شبکه عصبی عمیق کانولوشن برپایه فرکتال با MATLAB

کد پروژه: 3079

عنوان پروژه: فروش پروژه طبقه بندی تومورهای مغزی با شبکه عصبی عمیق کانولوشن برپایه فرکتال با MATLAB

قالب بندی: m – داکیومنت

دسته: کامپیوتر – MATLAB

قیمت: 100.000 تومان

قابلیت اجرا در نرم افزار: MATLAB

شرح مختصر:

فروش پروژه طبقه بندی تومورهای مغزی با شبکه عصبی عمیق کانولوشن برپایه فرکتال با MATLAB

توده های سرطانی در ناحیه مغز، یک مشکل بزرگ در تشخیص زودهنگام هستند که نیاز به سیستم های هوشمند در این زمینه مشاهده می شود. لذا این مقاله یک روش مبتنی بر یادگیری ماشین را در تشخیص ویژگی های توده های سرطانی در ناحیه مغز از تصاویر MRI را مورد نظر قرار می دهد. یکی از مهمترین این ویژگی ها، شناسایی تومورهای گلیوما است که مشخصات خاصی را دارند. لذا به کارگیری مجموعه داده TCGA-GBM به عنوان داده های ورودی مدنظر قرار می گیرد و از شبکه عصبی عمیق کانولوشن برای آموزش و آزمون داده ها جهت تشخیص و طبقه بندی توده های سرطانی استفاده می شود. جهت بهبود فضای جستجو در زمان استخراج ویژگی ها، مدل فرکتال در لایه های آموزش و آزمون شبکه عصبی کانولوشن، فراخوانی می گردد که می تواند ویژگی های اضافی را تا حد ممکن کاهش بدهد تا در عملیات تشخیص و طبقه بندی توده های سرطانی، موثرتر واقع شود. نتایجی که این تحقیق از لحاظ معیارهای ارزیابی به دست می آورد، به خصوص دقت 98.68%، نشان از بهبود رویکرد پیشنهادی نسبت به سایر روش های مشابه است.  فلوچارت رویکرد پیشنهادی در عکس 1 مشخص است.

عکس خروجی برنامه

عکس 1

 

برای خرید این پروژه با شماره 09360703858

یا آدرس ایمیل nn4e@aol.com در تماس باشید.

فروش پروژه پیش بینی تابش خورشید در یک ماه با شبکه عصبی NARX با MATLAB

کد پروژه: 3078

عنوان پروژه: فروش پروژه پیش بینی تابش خورشید در یک ماه با شبکه عصبی NARX با MATLAB

قالب بندی: m – داکیومنت

دسته: کامپیوتر – MATLAB

قیمت: 70.000 تومان

قابلیت اجرا در نرم افزار: MATLAB

شرح مختصر:

فروش پروژه پیش بینی تابش خورشید در یک ماه با شبکه عصبی NARX با MATLAB

عکس خروجی برنامه

عکس 1

عکس 2

برای خرید این پروژه با شماره 09360703858

یا آدرس ایمیل nn4e@aol.com در تماس باشید.