دانلود مقاله بررسی راهکارهای بهبود سیستم های پیشنهادگر مبتنی بر Collaborative Filtering در تجارت الکترونیکی

اختصاصی از فایلکو دانلود مقاله بررسی راهکارهای بهبود سیستم های پیشنهادگر مبتنی بر Collaborative Filtering در تجارت الکترونیکی دانلود با لینک مستقیم و پر سرعت .

 دانلود مقاله بررسی راهکارهای بهبود سیستم های پیشنهادگر مبتنی بر Collaborative Filtering در تجارت الکترونیکی

نوع فایل : Word 

تعداد صفحات : 14

چکیده: اگرچه کاربردهای CF به عنوان یک سیستم پیشنهادگر در حوزه های تجارت الکترونیکی امری نسبتاً جدید است، ولی در عین حال این تکنیک از قدمت زیادی برخوردار است[7]. در این مقاله با اشاره به پدیدة سرریز شدن اطلاعات، نیاز شدید به سیستم های پیشنهادگر مبتنی بر رایانه را در حوزة تجارت الکترونیکی بیان می‌کنیم و به بررسی توانمندی ها و چالش های پیش روی سیستم های CF به عنوان یکی از متدهای اصلی در سیستم های پیشنهادگر می‌پردازیم . در انتها به بررسی راهکارهای بهبود سیستم های پیشنهادگر مبتنی بر CF در تجارت الکترونیکی می پردازیم.

کلید واژه : Collaborative Filtering ، پالایش اجتماعی، سیستم‌های پیشنهادگر، پالایش اطلاعات در تجارت الکترونیکی

1 – مقدمه
هر روزه به تعداد مقالات، فایل های موسیقی، فیلم‌ها، کتاب‌ها و صفحات وب موجود در اینترنت افزوده می شود. بدون شک پدیدة سرریز شده اطلاعات که Dening [3] در سال 1982 به آن اشاره کرده بود، بطور بارز در جامعة اطلاعاتی امروزه بروز پیدا کرده است. در چنین محیطی افراد نمی دانند با این حجم عظیم اطلاعات چه کنند، آنها اغلب از فرصت های موجود به دلیل این حجم بالای داده ای بی اطلاع می مانند و در پاره ای از موارد بطوری کلی از تصمیم گیری در آن زمینه صرف نظر می‌کنند. فرض کنید به دنبال خرید یک دستگاه اتومبیل هستید ، احتمالاً برای انجام این کار با گزینه های مختلفی روبه رو می شوید و شاید دچار سردرگمی شوید .سابق بر این، برای غلبه بر این نوع مشکلات احتمالاً از نظرات دوستان، همکلاسی ها و یا همکاران خود کمک می-گرفتید ولی امروزه هیچ انسانی نمی تواند ادعا کند که با توجه به تمامی اطلاعات موجود به شما پیشنهادات مختلف را ارائه می دهد. امروزه استفاده از سیستم های پیشنهادگر مبتنی بر رایانه به عنوان یک ضرورت در آمده است و بسیاری از سایت های اینترنتی برای خدمت رسانی شایسته به مشتریان خود از سیستم های پیشنهادگر استفاده می کنند. از جملیة بارز ترین آنها می توان به Amazon، CDNOW، Barnes And Noble و IMDb [4] اشاره نمود. البته این تنها مصرف کنندگان و افراد حقیقی نیستند که از این نوع سیستم های پیشنهادگر استفاده می‌کنند…
2-انواع مختلف دسته بندی CF
3-الگوریتم های متداول CF
الگوریتم تصادفی (Random Algorithm):
الگوریتم میانگین (Mean Algorithm):
الگوریتم های بر پایه ی همسایگی (Neighborhood-Based Algorithms):
کاربر به کاربر (User-to-User):
کالا به کالا (Item-to-Item):

4-مشکلات CF
1. کالاهای جدید (Cold Start):
2. کمبود نظرها (Scarcity):
3. مقیاس پذیری (Scalability):
4. حریم خصوصی (Privacy):
5. اعتبار داده ها (Recency):
6. اعتماد به سیستم های پیشنهاد دهنده:
7. اعتماد به داده های موجود در سیستم های پیشنهاد دهنده :
5-راه حل ها
6- جمع‌بندی
منابع

(A General Schema on Trading Agent Competition in Supply Chain Management (TAC-SCM

Abstract 
TAC SCM is a new interdisciplinary challenge which aims to promote dynamic supply chain practices among trading agents in Trading Agents Competition (TAC). Previous studies conducted in this area focus on limited sets of parameters such as price prediction, production scheduling algorithm and offer acceptor predictor. In this paper we intend to develop a general schema which depicts the relation among the most influential parameters in Supply Chain Management (SCM).
Keywords—SCM, TAC, E-commerce, AI.
8. INTRODUCTION
9. THE TAC SUPPLY CHAIN MANAGEMENT SCENARIO
a. Component Procurement
b. Computer Sales
c. Production and Delivery
10. PROBLEM ANALYSIS
11. CONCLUSION
REFERENCES

گزارش تخصصی چگونه به کمک آموزش دانش آموز مبتنی بر نیاز دانش آموزان را به درس زیست شناسی و مفاهیم آن علاقه مند نمایم

اختصاصی از فایلکو گزارش تخصصی چگونه به کمک آموزش دانش آموز مبتنی بر نیاز دانش آموزان را به درس زیست شناسی و مفاهیم آن علاقه مند نمایم دانلود با لینک مستقیم و پر سرعت .

این فایل در 18 صفحه به صورت وورد و قابل ویرایش می باشد

مقدمه

در آموزش زیست شناسی  چالش جدی قرن حاضر تغییر رویه از الگوهای تدریس منسوخ به الگوهای یادگیری موثر است . تاکید بر یادگیری ( و نه تدریس )بر پایه اصول ساخت گرایی استوار است. این روش  دانش آموز محور است و هدفش ارتقا بخشیدن به عمق یادگیری است .  مرحله گذار  از تدریس زیست شناسی به یادگیری زیست شناسی چندان هم سهل و آسان نخواهد بود , چرا که مستلزم کسب برخی مهارت ها از سوی شاگردان و مربیان است . از  جمله مشکلات  مهم، آماده کردن فراگیران  با ساختارهای جدید آموزشی به منظور ارتقای پردازش و تحلیل  اطلاعات زیست شناختی است . دیدگاههای دانش آموز محور با مقاومت شاگردان، دانشجویان، اساتید و مدیران آموزشگاهها و داشکده ها مواجه خواهد شد  . در ثانی بدون داشتن محتوای درسی قوی برای دانش زیست شناسی , حتی با آگاهی از الگوهایی مناسب و موثر ، شاگردان یادگیری عمیقی نخواهد داشت . دانشمندان پیشنهاد می کنند که آموزش  مبتنی برنیازها و بنیانهای اجتماعی ، در صورتی که در برنامه  آموزشی دانش آموزان گنجانده شود ، راهی موثر برای  ایجاد انگیزه های لازم در بکار گیری روش های جدید  آموزش زیست شناسی است . مسائل و فعالیت های  جامعه نگر به شاگردان فرصت می دهد تا تنوع حیاتی پیرامون خود را ثبت کنند و خصوصیات گیاهان ، جانوران و میکروبها را  در محیط مدرسه یا خانه مشاهده و اندازه گیری نمایند . ذیلا بخشهایی  د رخصوص تغیر رویه از تدریس زیست شناسی به یادگیری زیست شناسی تقدیم می کنم . این مطالب عمدتا ترجمه شده است .

پاور پوینت7 نظریه در تبیین توسعه فناوری در اقتصاد مبتنی بر دانائی

اختصاصی از فایلکو پاور پوینت7 نظریه در تبیین توسعه فناوری در اقتصاد مبتنی بر دانائی دانلود با لینک مستقیم و پر سرعت .

پاور پوینت7 نظریه در تبیین توسعه فناوری در اقتصاد مبتنی بر دانائی

نظریه نئوکلاسیک

نظریه اقتصاد تحولی

نظریه نظام ملی (منطقه ای) نوآوری

نظریه شبکه صنعتی

نظریه ساختارگرائی اجتماعی

نظریه شبه تحولی اقتصاد

نظریه نظام های بزرگ فناوری

تعداد اسلاید:16

جزوه-مدل سازی مبتنی بر عامل-در قالب word- در 40 ص

اختصاصی از فایلکو جزوه-مدل سازی مبتنی بر عامل-در قالب word- در 40 ص دانلود با لینک مستقیم و پر سرعت .

شبیه‌سازی مبتنی بر عامل روشی است که طی سال‌های گذشته در حوزه علوم اجتماعی مورد توجه قرار گرفته است. در این کاربرد، عامل‌ها افراد موجود در یک جامعه با ویژگی‌های مورد نظر را مدل‌سازی می‌کنند. سپس فاکتورهایی وارد سیستم شده و تاثیر آنها در رفتارهای عامل‌ها و یا رفتار سطح کلان جامعه بررسی می‌شود.

امروزه عامل های هوشمند بطور وسیعی در پروژه های عملیاتی و تحقیقاتی مورد استفاده قرار می گیرند. موسسات و شرکت هایی مانند IBM، دایملر کراسلر، وزارت دفاع آمریکا و ناسا بطور موفقیت آمیزی از سیستم های مبتنی بر عامل استفاده می کنند و بکارگیری عامل ها رفته رفته به یک موضوع حیاتی در فرآیندهای توزیع شده و غیر متمرکز تبدیل شده است. تمامی این تلاش ها را می توان به ۴ گروه زیر طبقه بندی کرد.

1. حل گروهی مسائل و هوش مصنوعی توزیع شده(Distributed Artificial Intelligent):

هوش مصنوعی توزیع شده بیشتر بر جنبه اجتماعی عامل ها متمرکز است و علاقمند است تا بتواند از طریق همکای مؤثر گروهی از عامل ها مسائل را حل کند و فعالیت های آنها را با یکدیگر هماهنگ نماید. برخی از این کاربرد ها عبارتند از: کنترل ترافیک هوایی، مدیریت شبکه های ارتباطی، سفینه های فضایی، مدیریت حمل و نقل و کنترل خط تولید.

1. واسط کاربر(User Interface):

عامل ها به عنوان برنامه های کامپیوتری که از تکنیک های هوش مصنوعی استفاده می کنند، به کاربران در برقراری ارتباط با برنامه های کاربردی کمک کرده و این ارتباط را تسهیل می کند. به عبارت دیگر واسط کاربر حالت شهودی و ادراکی خواهد داشت و به دور از هر گونه پیچیدگی قابلیت های خود را به روشنی به کار بر معرفی می کند و همچنین به راحتی روش استفاده از خود را به کاربر برنامه نمایان می کند.

1. عامل های اطلاعاتی و سیستم های اطلاعاتی جمعی(Cooperative Information System):

عامل اطلاعاتی به یک یا چند منبع اطلاعاتی دسترسی دارد و می توانداطلاعات موجود در این منابع را جهت پاسخگویی به سؤالات دیگر کاربران و یا عامل های اطلاعاتی دیگر، جمع آوری و دست کاری نماید. یک شبکه اطلاعاتی جمعی، از منابع سنتی مانند فایل و پایگاه داده و یا سایر عامل های اطلاعاتی تشکیل می شود.

1. عامل های واقع نما(Believable Agent):

میتوان از عامل ها در سینما، بازیهای کامپیوتری،واقعیت مجازی و شبیه سازی واقعی استفاده کرد. بدین منظور عامل باید دارای حس باشد و بصورت مسطح و بدون شخصیت توصیف نشود، بلکه به گونه ای عمل کند که با درک ما مطابقت داشته وبتواند رفتارهای انسانی را درک کند. عامل ها همچنین در اواسطدهه ۱۹۹۰ واردصنعت و تجارتشدند. مثل: بهینه سازی زنجیره تولید، مدیریت منابع،مدل کردن رفتار مصرف کننده، پردازش توزیع شده، مدیریت نیرو، مدیریت سرمایه گذاری تحلیل پیامدها، تأثیرات مخرب سلاح های میکروبی و سیستم ایمنی.

تعریف عامل(Agent):

یک Agent نوع سادۀ دیگری ازانتزاع (Abstraction) نرم افزاریست. یک شیئ یک انتزاع سطح بالاست که متد ها و شناسه هایی از یک جزء نرم افزاری را توصیف می کند.

به هر حال یک Agent یک انتزاع نرم افزاری بسیار بالا تر است که روشی قوی و راحت برای توصیف یک موجودیت نرم افزاری پیچیده را فراهم می کند. Agent یک سیستم کامپیوتری مبتنی بر نرم افزار است که در یک محیط قرار گرفته (Situated) و قادر به فعالیت های خود مختار (Autonomous) در آن محیط برای رسیدن به اهدافش است.

واقع شده (Situated): یعنی عامل ها کاملاً درون محیط خاصی موجود هستند، آنرا درک می کنند و بر روی محیط اثر گذاشته و محیط نیز بر روی آنها اثر میگذارد.

خود مختاری (Autonomy): یعنی توانایی عمل کردن بدون مداخله انسان یا سیستم های دیگر. به عبارت دیگر خود بر روی رفتارهایشان تصمیم میگیرند.

سایر خصوصیات عامل ها:

کنش گرایی (Proactive): یعنی عامل می تواند بدون هیچ تحریک خارجی عمل نماید.

واکنش پذیری ( Reactive): یعنی عامل قادر است به تغییرات محیط پاسخ دهد.

توانایی جمعی(Social Ability): یعنی عامل ها می توانند در یک سیستم MAS با دیگر عامل ها ارتباط بر قرار کرده و مذاکره کنند.

یادگیری (Learning): یعنی عامل ها قادر به یادگیری اند.

با این تعاریف می توان گفت که یک عامل یک ربات نرم افزاریست که دردنیای کامپیوتر زندگی و فعالیت می کند.

محتویات

  [نهفتن] 

• ۱مفاهیم
  • ۱.۱سیستم‌های چندعاملی چیست؟
  • ۱.۲سیستم‌های مبتنی بر عامل
  • ۱.۳تعریف سیستم چندعاملی
  • ۱.۴سیستم چندعاملی
  • ۱.۵دو مسئله کلیدی در طراحی سیستم چندعاملی

مفاهیم[ویرایش]

سیستم‌های چندعاملی چیست؟[ویرایش]

سیستم چندعاملی (Multi Agent Systems) یا به اختصار MAS روش نوینی برای حل مسائل و پیاده‌سازی پروژه‌های نرم‌افزاری رایانه‌ای است.

سیستم‌های مبتنی بر عامل[ویرایش]

سیستم‌های مبتنی بر عامل، پردازش موازی را آسان کرده و به راحتی موازی می‌شوند. منظور از پردازش موازی این است که به جای انجام یک پروژه با محاسبات زیاد و پردازش‌های سنگین توسط یک پردازشگر، همان پروژه را به پردازش‌‌های کوچکتر با حجم محاسبات کمتر شکسته و آن را توسط چندین عامل انجام دهیم. مثلاً میزی را تصور کنید که برای بلند کردنش به 100 نیوتن نیرو احتیاج داریم، حال می‌توانیم آن را توسط یک نفر که توانایی اعمال 100 نیوتن نیرو را دارد، بلند کنیم و هم میتوانیم این کار را به کمک چهار نفر که هر کدام 25 نیوتن نیرو به اشتراک می‌گذارند، انجام دهیم. در نتیجه، هزینه‌ها در چنین سیستمی پایین می‌آید و نیازی به صرف هزینه های کلان جهت ایجاد امکان پردازش سنگین برای یک عامل نیست. در این صورت، چندین عامل با قدرت پردازشی کمتر همان کار را حتی سریع‌تر انجام می‌دهند.

البته این نوع سیستم‌ها به نوبه خود معایبی نیز دارند که استفاده از آنها را محدود می‌کند. مهمترین عیب این سیستم‌ها، کندی در کار طراحی و موازی‌سازی آنهااست که به نتیجه رساندن پروژه را به تعویق می‌اندازد.

تعریف سیستم چندعاملی[ویرایش]

قبل از تعریف سیستم مبتنی بر چندعامل، لازم است ابتدا خود عامل را معرفی کنیم. عامل یا agent یک سیستم کامپیوتری‌ است که قادر به انجام اعمال مستقل و خودکار از طرف کاربر یا صاحب خود است. نکته اصلی در مورد عامل‌ها، خودمختاری آنهاست، به این معنا که عامل‌ها قادرند به طور مستقل عمل کنند و کنترلی روی حالات داخلی خود داشته باشند.

بدین ترتیب تعریف دیگری که برای عامل می‌توان داشت این است که یک عامل یک برنامه کامپیوتری‌ است که در بعضی محیط‌ها قادر به انجام کارهای خودمختار یا به اصطلاح autonomous است.

در دسته‌بندی ساده‌ای از عامل‌ها می‌توان به دو نوع عامل اشاره کرد، یکی عامل‌های ساده و کم‌اهمیت‌ تر (Trivial Agents) که مثال ساده آن، ترموستات‌ است و دوم عامل‌ هوشمند (Intelligent Agents ) که در واقع همان برنامه کامپیوتری‌ است که در بعضی محیط‌ها قادر به انجام اعمال خودمختار و انعطاف‌پذیر است.

تعریف (Etzioni and Wel

بررسی کد های گستراننده در شبکه های مبتنی بر CDMA و ساخت یک خانواده از Gold کدهای مشخص به همراه فایل سیمولینک مطلب

اختصاصی از فایلکو بررسی کد های گستراننده در شبکه های مبتنی بر CDMA و ساخت یک خانواده از Gold کدهای مشخص به همراه فایل سیمولینک مطلب دانلود با لینک مستقیم و پر سرعت .

این فایل شامل 3 فایل pdf و 1 فایل m فایل و یک فایل simulink می باشد و یک فایل که تصاویر شبیه سازی شده می باشد.

یک فایل pdf با نام paper.spreading.codes مقاله اصلی می باشد و دو فایل pdf دیگر یکی

بررسی کد های گستراننده در شبکه های مبتنی بر CDMA

و

ساخت یک خانواده از Gold کدهای مشخص با سیمولینک مطلب و شبیه سازی و نتایج کامل آن که این فایل 28 صفحه است.

و pdf سوم ترسیم تابع همبستگی می باشد.

مقدمه

همانطور که می دانیم عامل اصلی خطا در سیستم های مبتنی بر CDMA تداخل فرکانسی ناشی از کاربران دیگر میباشد .که ان هم رابطه ی مستقیم با همبستگی بین کدهای به کار گرفته شده برای کاربران مختلف بوسیله سیستم می باشد. لذا ما علاقه ی زیادی به کدهایی داریم که تابع همبستگی کم و مشخص دارند .از جمله ی این کد ها PN کد ها و Gold کد ها می باشند که در زیر معرفی خواهند شد.

M رشته ها

m رشته ها چونکه همبستگی میان شیفت های مختلف از یک m رشته ای تقریبا صفر می باشد ،آنها می توانند به عنوان یک ویژگی عالی همبستگی بیان شوند.در همزمانی شبکه ها تمامی ایستگاه ها و کاربران با استفاده از یک زمان مرجع مشخص برای GPS بکار می گیرند و پیلوت توسط ایستگاههای مرجع فرستاده می شود.سپس هر ایستگاه مرجع یا موبایل توسط یک آفست منحصر بفرد از دنبا له های باینری PN در کانال های آینده و قبل قابل شناسایی می باشد.

دنباله های GOLD

یکی از هدف های طراحان سیستم های طیف گسترده برای یک سیستم دستیابی چند گانه پیداکردن یک مجموعه از کد های گسترش دهنده یا شکل موج هایی به منظور حداکثر امکان استفاده کاربر ها از یک پهنای باند فرکانسی با کمترین تداخل مشترک ممکن می باشد.

دنباله های GOLDبه دلیل تعداد زیاد کد هایی که تهیه میکنند ،مفید هستند .تابع همبستگی متقابل بین کدها برابر ومحدود است.

در این قسمت نحوه تولید دنباله های GOLDبیا ن می شود. یک m -sequence ارائه شده با بردار باینری a به طول N و دنباله دومa’ که با نمونه برداری از هرسمبل qام به دست

آمده است. دنباله دوم به منظوره معرفی تلفات دنباله اول تعریف شده است.نماد a’=a[q] را برای نشان دادن اینکه a’ توسط نمونه برداری از هر q نمونه a به دست آمده استفاده می کنیم .

a’=a[q]دارای پریود  N است اگر و تنها اگر (N,q)=1 باشد که بزرگترین مقسوم علیه مشترک را نمایش می دهد.هر جفت mدنباله ای ها برای بعضی از q ها همان دوره تناوب N را دارد که می تواند مرتبت با a’=a[q] باشد.

دو m -sequence a & a’ زوج برگزیده نامیده می شوند اگر:

طیف همبستگی متقابل بین یک زوج برگزیده سه مقداری است ،که آن سه مقدارعبارتنداز

–t(n),-1,t(n)-2که اینجا

پیدا کردن یک زوج برگزیده از m -sequence در تعریف کردن مجموعه های کد های GOLD ضروری است.اکنون  a&a’یک زوج برگزیده m -sequence با پریود-1 = Nرا نمایش می دهد.

خانواده کد ها توسط {a,a’,a+a’,a+Da’,a+ a’+…+ a’} تعریف شده اند که D عنصر تاخیراست که که مجموعه ی دنباله GOLD برای این زوج برگزیده ی

m -sequence نامیده می شود.

می توان اثبات کرد که N+1 عنصر از یک مجموعه کد های GOLD این خاصیت را دارند که زوج کد ها مجموعه بیشتر از سه مقدار طیف همبستگی متقابل دارند. ،به استثنا دنباله های a & a’، مجموعه دنباله های GOLD ،دنباله بیشینه نیستند.

از این رو تابع خود همبستگی آنها ، دو مقداری نیست و این نیز همان سه مقدار همبستگی را میگیرد . مقایسه حد اکثر مقدار همبستگی دنباله ی GOLD با محدوده پایین تر شناخته شده ،توسعه یافته توسط Welch جالب است. برای N های بزرگ Weltch Bound کمتر از برای n های فرد و با 2 برای nهای زوج.

راجع به چند جمله ای مشخصه زوج برگزیده ،α را به عنوان هر عنصر اولیه (پیشین)  GF( )قرار می دهیم .f1(D) یک چند جمله ای ساده نشدنی با درجه n ، ریشه α قرار میدهیم . f1(D) کمینه چند جمله ای α نامیده می شود و . ft(D)را به عنوان چند جمله ای کمینه که هر دوی f1(D) و ft(D) با درجه ی n هستند.پس دنباله های تولید شده توسط f1(D) و ft(D) دو m -sequence برگزیده هستند.این نکته می تواند بیان شود که چند جمله ای مشخصه جمع این دو دنباله ft(D) و f1(D)است.

این تئوری بیان می کند چگونه اتصال شیفت رجیستر راانجام دهیم ،که دنباله خطی بیشینه با یک باند شناخته شده روی تابع همبستگی تولید گردد.

شکل (6) تولید ۳۳ GOLD کد با طول ۳۱ توسط اضافه کردن خروجی مولد دنباله ی LSFR را نشان می دهد .