پایان نامه كامپیوتر -آتاماتون سلولی، آتاماتون یادگیر، و کاربرد آنها 140 ص

پایان نامه كامپیوتر -آتاماتون سلولی، آتاماتون یادگیر، و کاربرد آنها 140 ص

تحقیق كامپیوتر -آتاماتون سلولی، آتاماتون یادگیر، و کاربرد آنها 140 ص

دانشكده برق و کامپیوتر

چکیده

در این تحقیق 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 تحقیق 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.

کلمات کلیدی

1- آتاماتون سلولی 2- آتاماتون یادگیر 3- تناظر گراف

4- مدل مخفی مارکوف 5- آتاماتون قطعی 6- آتاماتون تصادفی

عنوان

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 (L_{2 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 ماركوف

4-1- مقدمه

4-2- تعریف مدل مخفی ماركوف

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- استفاده‌از 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- استفاده‌از 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 یك نمونه آتاماتون سلولی خاص یك بعدی و دو حالته

6-7-1- ارائه source code برای آتاماتونی یك 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 یك آتاماتون سلولی دو حالته و دو بعدی عمومی

6-10-1 ارائه source code

6-11- برنامه شكار رنگهای Dave

6-11-1 ارائه source code برنامه dave

6-12 خلاصه

ضمیمه

قسمت اول

قسمت دوم

قسمت سوم

قسمت چهارم

منابع