دانلود پایان نامه کارشناسی کامپیوتر آتاماتون سلولی، آتاماتون یادگیر، و کاربرد آنها با فرمت ورد و قابل ویرایش تعداد صفحات 140
دانلود پایان نامه آماده
چکیده
در این پایان نامه سعی بر این است که آتاماتون سلولی، آتاماتون یادگیر و نیز چند نمونه از کاربرد آنها مورد بررسی قرار گیرد. هر آتاماتون سلولی عبارت است از یک سیستم گسسته که بصورت شبکه ای منظم از سلولها بوده و هر سلول آن در بازه های زمانی گسسته برطبق رفتار همسایگانش، تغییر حالت می دهد. آتاماتون یادگیر نیز آتاماتونی است که طبق یک الگورتیم یادگیری و نیز تعامل با محیط، می تواند برداشتهای خود را از محیط بروز کند. در این پروژه سعی شده با معرفی مدل مخفی مارکوف، نوعی از الگوریتمهای تناظر بین دو گراف و نیز ارائه کد منبع تعدادی از برنامه های شبیه سازی، نمونه هایی از کاربردهای گوناگون این دو مفهوم (آتاماتون سلولی و آتاماتون یادگیر) معرفی شود.
فهرست مطالب
عنوان صفحه
1- مقدمه
1-1-مقدمه
2- آتاماتون سلولی
2-1- مقدمه
2-2- تاریخچه آتاماتون سلولی
2-3- ساده ترین آتاماتون سلولی
2-4- آتاماتون سلولی معکوس پذیر
2-5- آتاماتون سلولی Totalistic
2-6- استفاده از آتاماتون سلولی در علوم پنهان شناسی
2-7- آتاماتونهای وابسته
2-8- آتاماتون سلولی در طبیعت
2-9- خلاصه
3-آتاماتون یادگیر
3-1- مقدمه
3-2-محیط
3-2-1-تعریف محیط از دیدگاه منطقی
3-2-1-1- موجودیتهای محیط منطقی
3-2-2- رده بندی محیط از دیدگاه خروجی آن
3-3- آتاماتون
3-3-1- چگونگی عملکرد آتاماتون
3-3-2- رده بندی آتاماتون بر اساس تابع گذار و تابع خروجی
3-3-2-1- آتاماتون قطعی
3-3-2-2- آتاماتون تصادفی
3-3-2-3- مثالی از آتاماتون قطعی
3-4- اتصال بازخوردی بین محیط و آتاماتون
3-5- آتاماتون با ساختار ثابت و آتاماتون باساختار متغیر
3-5-1- آتاماتون یادگیر با ساختار ثابت
3-5-1-1- آتاماتون یادگیر دو حالته (L2,2)
3-5-1-2- آتاماتون حافظه دار – با دو عمل Testline))
3-5-1-3- آتاماتون حافظه دار-با بیش از دو عمل Testline))
3-6- خلاصه
4-تعریف مدل مخفی مارکوف
4-1- مقدمه
4-2- تعریف مدل مخفی مارکوف
4-3- فرضیات در تئوری HMM
4-4- سه مسأله مبنایی در HMM:
4-4-1 مساله تخمین و الگوریتم مورد استفاده
4-4-2- مسأله رمزگشایی و الگوریتم Viterbi:
4-4-3- مسأله یادگیری
4-5- معیار Maximum Likelihood (ML):
4-5-1- روش Baum-Welch
4-5-2- روش Gradient base
4-5-2-1- گذارهای احتمالاتی در Gradient
4-6- احتمال مشاهدات در Gradient
4-6-1- معیار Maximum Mutual Information (MMI)
4-7- خلاصه
5- حل مسائل تناظر گرافها و آتاماتون های یادگیر
5-1- مقدمه
5-2- استفاده از آتاماتون یادگیر برای تناظر بین دو گراف
5-2-1- ساختن گرافهای تصادفی
5-2-2- آتاماتون یادگیر و تناظر دو گراف
5-2-2-1- استفاده از اتصالهای مشابه Tsetline
به عنوان آتاماتون مهاجرت اشیاء
5-3- نتایج شبیهسازیهای مختلف برای آتاماتون Tsetline
5-4- خلاصه
6- نمونه برنامه های کاربردی شبیه ساز آتاماتون های سلولی
6-1- مقدمه
6-2- برنامه pattern matching
6-2-1- ارائه source code برای برنامه pattern matching
6-3- برنامه پیاده سازی game of life توسط conway
6-3-1- ارائه source code برای برنامه conway
6-4- برنامه شبیه سازی آتاماتون سلولی
6-4-1- ارائه source code برای برنامه midi sampler
6-5- پیاده سازی conway بصورت trap door
6-5-1- ارائه source code برای trap door
6-6- پیاده سازی conway بصورت population
6-6-1- ارائه source code برنامه population
6-7- پیاده سازی یک نمونه آتاماتون سلولی خاص یک بعدی و دو حالته
6-7-1- ارائه source code برای آتاماتونی یک بعدی و دو حالته
6-8- برنامه تجسم و creatur sampler
6-8-1- ارائه source code برای برنامه creatur sampler
6-9- پیاده سازی دو بعدی Conway
6-9-1- ارائه source code
6-10- پیاده سازی یک آتاماتون سلولی دو حالته و دو بعدی عمومی
6-10-1 ارائه source code
6-11- برنامه شکار رنگهای Dave
6-11-1 ارائه source code برنامه dave
6-12 خلاصه
ضمیمه
قسمت اول
قسمت دوم
قسمت سوم
قسمت چهارم
منابع