پروژه اخذ مدرک کارشناسی مهندسي برق - قدرت با عنوان ارزیابی امنیت استاتیکی سیستم قدرت به کمک SUPPORT VECTOR MACHINES یا SVM آماده دریافت می باشد.تعداد صفحه: 109نوع فايل: فايل زيپ حاوي يک فايل pdf به همراه فایلهای نرم افزار مربوطه ( نرم افزار svm ) مي باشد.فهرست مطالبفصل اول - مفهوم امنیت شبکه 1-1- انرژی رسانی و مفهوم امنیت2-1- ارزیابی امنیت 3-1- آنالیزهائی برای ارزیابی امنیت4-1- ارزیابی امنیت استاتیکی1-4-1- روش وقایع قطعی 2-4-1- روش اتفاقات احتمالی فصل دوم - شبکه های عصبیمقدمه1-2- تاریخچه شبکه عصبی2-2- مدل نرون1-2-2- مدل تک ورودی3-2- توابع محرک1-3-2- تابع محرک خطی2-3-2- تابع محرک آستانه دو مقداره حدى3-3-2- تابع محرک زیگموئیدی4-2- مدل چند ورودی5-2- فرم خلاصه شده6-2- شبکه تک لایه7-2- شبکه های چند لایه8-2- شبکه های پسخور یا بر گشتی 9-2- معرفی سه شبکه عصبی1-9-2- پرسپترون تک لایه فصل سوم - svmچکیده1-3- تئوری یادگیری آماری2-3- بعد vc3-3- ابر صفحه جداساز4-3- ابر صفحه جداساز بهینه 5-3- ابر صفحه جداساز بهینه تعمیم یافته6-3- تعمیم به فضای دارای ویژگی ابعادی بالا7-3- بررسی اجمالی8-3- توابع کرنل1-8-3- کرنل خطی 2-8-3- polynomial3-8-3- rbf4-8-3- erbf 5-8-3- MLP6-8-3- سری های فوریه7-8-3- چند جمله ای ها8-8-3- چند جمله ای b9-8-3- کرنل های جمع پذیر10-8-3- کرنل های چند بعدی9-3- سنجش عملکرد 10-3- انتخاب کرنل مناسب11-3- مقایسه بین شبکه های عصبی مصنوعی و svm فصل چهارم - نرم افزار svm1-4- نرم افزار svm2-4- خصوصیات نرم افزار svm فصل پنجم انتخاب حالت مناسب1-5- تعریف حالت2-5- استفاده از PSAT ( روش اول )3-5- نرم افزار PSAT4-5- روش دیگر به دست آوردن حالت از به کمک psat ( روش دوم )5-5- روش به دست آوردن حالت n بعدی به کمک psat ( روش کلی )6-5- به دست آوردن حالت به کمک power world simulatorمنابع
پروژه اخذ مدرک کارشناسی مهندسي برق - قدرت با عنوان ارزیابی امنیت استاتیکی سیستم قدرت به کمک SUPPORT VECTOR MACHINES یا SVM آماده دریافت می باشد.تعداد صفحه: 109نوع فايل: فايل زيپ حاوي يک فايل pdf به همراه فایلهای نرم افزار مربوطه ( نرم افزار svm ) مي باشد.فهرست مطالبفصل اول - مفهوم امنیت شبکه 1-1- انرژی رسانی و مفهوم امنیت2-1- ارزیابی امنیت 3-1- آنالیزهائی برای ارزیابی امنیت4-1- ارزیابی امنیت استاتیکی1-4-1- روش وقایع قطعی 2-4-1- روش اتفاقات احتمالی فصل دوم - شبکه های عصبیمقدمه1-2- تاریخچه شبکه عصبی2-2- مدل نرون1-2-2- مدل تک ورودی3-2- توابع محرک1-3-2- تابع محرک خطی2-3-2- تابع محرک آستانه دو مقداره حدى3-3-2- تابع محرک زیگموئیدی4-2- مدل چند ورودی5-2- فرم خلاصه شده6-2- شبکه تک لایه7-2- شبکه های چند لایه8-2- شبکه های پسخور یا بر گشتی 9-2- معرفی سه شبکه عصبی1-9-2- پرسپترون تک لایه فصل سوم - svmچکیده1-3- تئوری یادگیری آماری2-3- بعد vc3-3- ابر صفحه جداساز4-3- ابر صفحه جداساز بهینه 5-3- ابر صفحه جداساز بهینه تعمیم یافته6-3- تعمیم به فضای دارای ویژگی ابعادی بالا7-3- بررسی اجمالی8-3- توابع کرنل1-8-3- کرنل خطی 2-8-3- polynomial3-8-3- rbf4-8-3- erbf 5-8-3- MLP6-8-3- سری های فوریه7-8-3- چند جمله ای ها8-8-3- چند جمله ای b9-8-3- کرنل های جمع پذیر10-8-3- کرنل های چند بعدی9-3- سنجش عملکرد 10-3- انتخاب کرنل مناسب11-3- مقایسه بین شبکه های عصبی مصنوعی و svm فصل چهارم - نرم افزار svm1-4- نرم افزار svm2-4- خصوصیات نرم افزار svm فصل پنجم انتخاب حالت مناسب1-5- تعریف حالت2-5- استفاده از PSAT ( روش اول )3-5- نرم افزار PSAT4-5- روش دیگر به دست آوردن حالت از به کمک psat ( روش دوم )5-5- روش به دست آوردن حالت n بعدی به کمک psat ( روش کلی )6-5- به دست آوردن حالت به کمک power world simulatorمنابع