یارا فایل

مرجع دانلود انواع فایل

یارا فایل

مرجع دانلود انواع فایل

کتاب Network+

اختصاصی از یارا فایل کتاب Network+ دانلود با لینک مستقیم و پر سرعت .
کتاب Network+

آموزش جامع و کامل نت ورک پلاس به زبان فارسی روان 

Network+


دانلود با لینک مستقیم


کتاب Network+

مجموعه کتب Network Protocol

اختصاصی از یارا فایل مجموعه کتب Network Protocol دانلود با لینک مستقیم و پرسرعت .

مجموعه کتب Network Protocol


مجموعه کتب  Network Protocol

 

  1. pdf

Hart protocol.pdf

Industrial Ethernet maher Full.pdf

MODBUS-APPLICATION-PROTOCOL-SPECIFICATION-V1.pdf

MODBUS-TCP-Fieldbus-manual-Schneider-Electric.pdf

Modbus-TCP-IP-Ethernet-Driver-Help-Kepware.pdf

  1. pdf

mpi siemens.pdf

  1. pdf

Profibus Spec by PNO.pdf

Profibus Maher.pdf

RS232(www.bargh20.com).pdf

S7 300 ProfiBus-net.pdf

SCADA-Protocol-BOOK.pdf

حجم فایل : 36   مگابایت


دانلود با لینک مستقیم

شبکه‌های عصبی مصنوعی (Artificial Neural Network - ANN)

اختصاصی از یارا فایل شبکه‌های عصبی مصنوعی (Artificial Neural Network - ANN) دانلود با لینک مستقیم و پرسرعت .

شبکه‌های عصبی مصنوعی (Artificial Neural Network - ANN)


شبکه‌های عصبی مصنوعی (Artificial Neural Network - ANN)

شبکه‌های عصبی مصنوعی (Artificial Neural Network - ANN) یا به زبان ساده‌تر شبکه‌های عصبی سیستم‌ها و روش‌های محاسباتی نوینی هستند برای یادگیری ماشینی، نمایش دانش، و در انتها اعمال دانش به دست آمده در جهت بیش‌بینی پاسخ‌های خروجی از سامانه‌های پیچیده. ایده اصلی این گونه شبکه‌ها (تا حدودی) الهام‌گرفته از شیوه کارکرد سیستم عصبی زیستی، برای پردازش داده‌ها، و اطلاعات به منظور یادگیری و ایجاد دانش قرار دارد. عنصر کلیدی این ایده، ایجاد ساختارهایی جدید برای سامانه پردازش اطلاعات است. این سیستم از شمار زیادی عناصر پردازشی فوق العاده بهم‌پیوسته با نام نورون تشکیل شده که برای حل یک مسأله با هم هماهنگ عمل می‌کنند و توسط سیناپسها(ارتباطات الکترومغناطیسی) اطلاعات را منتقل میکنند. در این شبکه‌ها اگر یک سلول آسیب ببیند بقیه سلولها می‌توانند نبود آنرا جبران کرده، و نیز در بازسازی آن سهیم باشند. این شبکه‌ها قادر به یادگیریاند. مثلا با اعمال سوزش به سلولهای عصبی لامسه، سلولها یاد می‌گیرند که به طرف جسم داغ نروند و با این الگوریتم سیستم می‌آموزد که خطای خود را اصلاح کند. یادگیری در این سیستمها به صورت تطبیقی صورت می‌گیرد، یعنی با استفاده ازمثالها وزن سیناپسها به گونه‌ای تغییر می‌کند که در صورت دادن ورودیهای جدید، سیستم پاسخ درستی تولید کند.

توافق دقیقی بر تعریف شبکه عصبی در میان محققان وجود ندارد؛ اما اغلب آنها موافقند که شبکه عصبی شامل شبکهای از عناصر پردازش ساده (نورونها) است، که می‌تواند رفتار پیچیده کلی تعیین شدهای از ارتباط بین عناصر پردازش و پارامترهای عنصر را نمایش دهد. منبع اصلی و الهام بخش برای این تکنیک، از آزمایش سیستم مرکزی عصبی و نورونها (آکسونها، شاخه‌های متعدد سلولهای عصبی و محلهای تماس دو عصب)نشأت گرفته‌است، که یکی از قابل توجهترین عناصر پردازش اطلاعات سیستم عصبی را تشکیل میدهد. در یک مدل شبکه عصبی، گرههای ساده (بطور گسترده نورون، نئورونها، "PE" ها (عناصر پردازش) یا واحدها) برای تشکیل شبکهای از گرهها، به هم متصل شده اند،به همین دلیل به آن، اصطلاح"شبکههای عصبی" اطلاق میشود. در حالی که یک شبکه عصبی نباید به خودی خود سازگارپذیر باشد، استفاده عملی از آن بواسطه الگوریتمهایی امکان پذیر است، که جهت تغییر وزن ارتباطات در شبکه (به منظور تولید سیگنال موردنظر) طراحی شده باشد.

با استفاده از دانش برنامه‌نویسی رایانه می‌توان ساختار داده‌ای طراحی کرد که همانند یک نرون عمل نماید. سپس با ایجاد شبکه‌ای از این نورون‌های مصنوعی به هم پیوسته، ایجاد یک الگوریتم آموزشی برای شبکه و اعمال این الگوریتم به شبکه آن را آموزش داد.

این شبکه‌ها برای تخمین (Estimation) و تقریب (Approximation)کارایی بسیار بالایی از خود نشان داده‌اند. گستره کاربرد این مدل‌های ریاضی بر گرفته از عملکرد مغز انسان، بسیار وسیع می‌باشد که به عنوان چند نمونه کوچک می‌توان استفاده از این ابزار ریاضی در پردازش سیگنال‌های بیولوییکی، مخابراتی و الکترونیکی تا کمک در نجوم و فضا نوردی را نام برد.
اگر یک شبکه را هم‌ارز با یک
 گراف بدانیم، فرآیند آموزش شبکه تعیین نمودن وزن هر یال و bias اولیه خواهد بود.

64 صفحه در قالب word


دانلود با لینک مستقیم

شبکه های عصبی Neural Network

اختصاصی از یارا فایل شبکه های عصبی Neural Network دانلود با لینک مستقیم و پرسرعت .

شبکه های عصبی Neural Network


شبکه های عصبی Neural Network

16ص

شبکه‌های عصبی مصنوعی
Artificial Neural Network

چکیده:
شبکه‌های عصبی مصنوعی از مباحث جدیدی است که دانشمندان علوم کامپیوتر به آن علاقمند شده‌اند و برای پیشرفت هرچه بیشتر علوم کامپیوتر وقت و هزینه بسیاری را صرف آن کرده و می‌کنند. این موضوع با ایده گرفتن از سیستم عصبی بدن انسان و با هدف شبیه‌سازی هرچه بیشتر کامپیوتر به انسان شکل گرفت و تا حال به خوبی پیشرفته است. از جمله کاربردهای این بحث می‌توان از شناسایی الگوها, پردازش تصویر و رویت, هوش مصنوعی, کنترل رباتها و موارد بسیار دیگر نام برد. ما در این مقاله پس از مقدمه به مسائل در خور شبکه‌های عصبی مصنوعی و نیز کاربردهای آن خواهیم پرداخت, در ادامه Perceptron ها را که یکی از مهمترین الگوریتم‌های شبکه‌های عصبی مصنوعی می‌باشد معرفی می‌کنیم.


1-
مقدمه
1-1-
ایده پیدایش شبکه‌های عصبی مصنوعی
آیا کامپیوتر میتواند همان نوع از محاسباتی را که یک فرد هوشمند انجام میدهد به کار گیرد؟
بسیاری از دانشمندان عقیده داشته ودارند که این بحث باید مورد توجه قرار گیرد. شبکه‌های عصبی در حل مسائل یک جهت جدید و متمایز نسبت به کامپیترهای عمومی می‌گشود. کامپیوترهای عمومی از یک الگوریتم استفاده می‌کنند یعنی برای حل مسائل از یک سری دستورات از پیش تعیین شده پیروی می‌کنند مگر در مواقع ویژه‌ای که کامپیوتر نیاز به یک‌سری اطلاعات برای حل مسئله دارد. و همین مسئله توانایی پردازش را از کامپیوترهای عمومی به مسائلی که ما قبلا فهمیده‌ایم و روش حل آنها را شناخته‌ایم محدود می‌کند و تنها سرعت عمل و قدرت در حل نمونه‌های بزرگتر را به همراه دارند. اما کامپیوترها باید به قدری مفید باشند که بتوانند کارهایی را انجام دهند که واقعا ما نمی‌دانیم چگونه باید آنها را انجام دهیم.

1-2-
بررسی سلولهای مغزی افراد
تحقیق درباره سلولهای مغزی افراد و همچنین شناخت ‌‌Neuron ها یا رشته‌های مغزی وبیان یک راه نسبتا متفاوت که یک سیستم هوشمند را بنا می‌کند شروع شد. مغز بشر متشکل از میلیونها نرون عصبی منحصر بفرد است واین رشته‌های عصبی به اشکال و اندازه‌های مختلف تغییر می‌کنند.. هر نرون عموما یک هسته دارد و یک‌سری سلولهای عصبی Axon (آکسون)ـ که علائم خروجی را به سلولهای عصبی نرون دیگر حمل می‌کنندـ و Dendrite ها (شاخه‌های سلولهای عصبی). علائم در سلولهای عصبی میان شاخه‌های سلولهای عصبی ونواحی خروجی جریان دارند.
در اینجا برای حالت برانگیزش باید آشفتگی از یک حدی تجاوز کند که آستانه یا سرحد نامیده می‌شود و پس از برانگیزش نرون‌ها پیامهایی برای نرون‌های دیگر می‌فرستند و خود را برای دریافت و پاسخ به اطلاعات عمومی آماده می‌کنند.


دانلود با لینک مستقیم

پایان نامه کارشناسی رشته کامپیوتر - Next Generation Network (شبکه نسل آینده)

اختصاصی از یارا فایل پایان نامه کارشناسی رشته کامپیوتر - Next Generation Network (شبکه نسل آینده) دانلود با لینک مستقیم و پرسرعت .

پایان نامه کارشناسی رشته کامپیوتر - Next Generation Network (شبکه نسل آینده)


پایان نامه کارشناسی رشته کامپیوتر - Next Generation Network (شبکه نسل آینده)

این فایل در قالب ورد و قابل ویرایش در 200 صفحه می باشد.

 

فهرست 

چکیده

مقدمه

Next Generation Networkفصل اول- شبکه نسل آینده() -> شامل 78 صفحه میباشد.

1.1) انواع روشهای Modulation

1.2)اصول PCM

1.3)تبدیل دیجیتال به آنالوگ

1.4) مزایای PCM

1.5) سیگنالینگ (Signaling)

1.6) بخش های سیگنالینگ در شبکه

1.7) روشهای سوئیچ

1.8) لایه بخش کاربر (User Port Layer)

1.9) Packet Switched Technology

1.10) پروتکل کنترل انتقال

1.11) روترها (Routers) و گذرگاهها

1.12) پروتکل انتقال (کنترل) real-time

1.13) هوشیاری اینترنت

1.14) پروتکل‌های‌ کنترل گذرگاه رسانه media gateway control protocol

1.15) پروتکل انتقال کنترل جریان

1.16) JAIN

1.17) The mobile dimension

1.18) ساختمان Next Generation Network

1.19) The next Generation Network architecture

 

1.20) OSIچیست

------------------------------

فصل دوم IPV4 و IPV6 -> شامل 26 صفحه می باشد.

2.1) آشنایی با IPV6و IPV4

2.2) خصوصیات IPV6و IPV4

2.3) فضای آدرسی بزرگتر      

2.4) پیکربندی خودکار هاستهای بدون تابعیت

2.5) مولتی کاست (Multicast)

2.6) وضعیت گسترش

2.7) آدرس دهی

2.8) فواید IPv6

 

2.9) مزایای استفاده از IPv6

--------------------------------------------

فصل سوم آشنایی با  استاندارد سازی در NGN و معماری NGN -> شامل 11 صفحه می باشد.

3.1) استانداردهای NGN

3.2) تقسیم بندی اولیه در NGN

3.3) کلیاتی دربارهNGN

3.4) معماری NGN

 

3.5) اصول طراحی درNGN

---------------------------------------

فصل چهارم گذر از TDM به NGN -> شامل 15 صفحه می باشد

4.1) سناریوهای گذر بهNGN

4.2) پیاده سازی NGN

4.3) گذر از شبکه فعلی  TDM Basedبه NGN

4.4) استراتژی گذر از TDMبه NGN

4.5) انواع لایه های شبکه NGN

--------------------------------------------

نتیجه گیری

منابع و مآخذ

 

به نام خدا

Next Generation Network (NGN)

در این پروژه از زوایای بسیار متفاوت، هوش شبکه را در نظر گرفته ایم. ما پروتکل ها، روشها و ابزار خدمات رسانی در شبکه های telephony (تلفنی)، mobile (شبکه متحرک) و اینترنت را بررسی کرده ایم. بعضی از استانداردها مناسب هستند و سایر استانداردها پیشنهادهای صنعتی جدید  هستند.

به طور کلی موضوع اصلی که در این پروژه دنبال می شود تقارب یا اصطلاحاً همگرایی سرویسهای Voice (صدا) و Data (دیتا) به سمت یک دنیای جدید از درخواستهای پیشرفته که یک راهی برای ارتباط برقرار کردن بین افراد به وجود می آورند، می باشد. در واقع نیاز به یکی کردن حالت انتقال مداری و انتقال بسته ای (Packet) به یک شبکه باند پهن جهانی بود که اتحادیه مخابرات بین المللی را برای ایجاد شبکه های Next Generation تحریک کرد.

چند دهه پیش واژه ارتباط از راه دور (مخابرات) مترادف واژه telephony شد. شبکه تلفنی هنوز هم یک زیربنای ارتباطی بسیار مهمی را نشان می دهد. اما این شبکه به یک منبع خدمات دارای ارزش اضافی تبدیل شده است. شبکه mobile  , telephony و اینترنت حال وسایل ارتباطی مناسبی در بسیاری از خانواده ها هستند.

امروزه، شبکه های telephony، اینترنت و شبکه های سلولی mobile مراحل مختلفی را می گذرانند. همانطوری که در اینجا بحث کردیم هر یک از این شبکه ها دارای پروتکل ها و خدمات مخصوص به خود هستند. هر یک از آنها به جواز مخصوص خود نیاز دارند و اغلب توسط اپراتورهای رقیب و متفاوتی کنترل می شوند.

البته ارتباطی بین شبکه های اینترنت، ثابت و mobile (متحرک) وجود دارد. امکان انجام مکالمه تلفنی از شبکه ثابت تا شبکه متحرک، جستجوی صفحات وب از طریق پایانه متحرک یا connect شدن به اینترنت از طریق تلفن وجود دارد.

هنوز، اتصال داخلی میان شبکه های mobile، telephony و اینترنت بر مبنای نقطه به نقطه است. شما برای connect شدن به اینترنت از طریق تلفن نیاز دارید از میان یک مرکز سوئیچ ارتباطی عبور کنید (GMSC). شما برای جستجوی صفحات وب از طریق یک پایانه متحرک نیاز دارید از مودم (اگر شبکه GSM است) یا از یک gateway router (مسیریاب گذرگاه) (اگر شبکه GPRS است) استفاده کنید. شکل زیر واقعیت فعلی را نشان می دهد.


     

 Telephony, The Internet, And Mobile Networks today

 

پیش بینی اینکه این شبکه ها از همین لحظه تا 15-10 سال به بعد شبیه چه چیزی می شوند مشکل است. واژه شبکه نسل آینده لغت رایجی است که امروزه بسیاری از مردم در صنعت ارتباطات از آن استفاده می کنند. به نظر می رسد این واژه به هرآنچه که یک شبکه ممکن است در حاشیه قرار  دهد اشاره می کند اما این واژه تعریف خوبی ندارد.

هنوز چندین نکته کلی وجود دارد که به نظر می رسد در اکثر دیدگاههای مردم نسبت به اینکه شبکه های نسل آینده چه چیزی هستند مشترک باشد. یک نکته این است که IP در نهایت برای انتقال صدا، و مولتی مدیا به یک تکنولوژی تبدیل شود. شبکه های IP ارزان هستند و در مقایسه با سوئیچینگ مدار تلفنی یا موبایل راحت تر به یکدیگر متصل و کنترل می شوند.

IP مشکلات خاصی هم دارد. شبکه های IP همیشه راحت تنظیم نمی شوند و برای فراهم کردن QOS و امنیت دچار مشکل می شوند. انتظار می رود IPV6 ورژن جدید IP فاقد اکثر این مشکلات باشد. در بسیاری از موارد در صنعت فرض می شود که شبکه های نسل آینده دارای شبکه انتقال با هستة اصلی IPV6 باشند.

شبکه های امروزی داده، mobile و telephony در این زمینه نیستند اما مثل شبکه های access که به شبکه های هسته ای IP منتقل می شوند، زیاد دیده می شوند. البته این مورد به نوعی وسیله مناسب نیاز دارد تا با این واحدهای getway یا interworking تماس برقرار کند. شکل مقابل این دید سطح بالا نسبت به شبکه های نسل آینده را نشان می دهد. همانطوری که شکل نشان می‌دهد، احتمالاً IP در شبکه به یک تکنولوژی مجتمع تبدیل می شود.


 

 Next Generation Networks Scenario

 

همانطوری که در زیر لیست شده است، حداقل سه موضوع کلیدی در سناریوی شبکه های نسل آینده شکل بعد وجود دارد:

  • تهیه end to end-QOS تضمین QOS برای ارتباط بین دو مشترک در دسترسی شبکه های مختلف ممکن است بین تکنولوژیهای مختلف برای مثال شبکه GRPS، شبکه هسته ای IP و شبکه تلفنی به مذاکره QOS نیاز داشته باشد.
  • فدراسیون بین مسئولین سرویس دهی: با افزایش رقابت و قانون زدایی این احتمال وجود دارد که ارتباطات فراتر از قلمرو یک اپراتور یا مسئول سرویس دهی باشد. شبکه های نسل آینده باید توانایی به توافق رسیدن بر سر ارتباطات و خدمات در حوزه فرد دهنده خدمات را داشته باشد. گشت زدن در شبکه های mobile می تواند به عنوان یک مورد خاص فدراسیون دیده شود.
  • کنترل هوش مختل شده:شبکه های نسل آینده در داخل شبکه (مثل IN) و بیرون شبکه (مثل کاربردهای PCS، SAT و MEXE هوشمند هستند. آنها وسایلی برای سطح مشترک میان هوش بخشهای مختلف شبکه را تهیه می کنند.

شکل مقابل در مورد این سه مشکل توضیح می دهد.


دانلود با لینک مستقیم