PDF

دانلود پایان نامه : بررسی حل مشکلات حمل و نقل توسط GPS و یادگیری ماشینی

اگر دانشجو و یا محقق هستید با پایان نامه های انگلیسی و جدید سایت پروجکت دانلود می توانید سریع , راحت و حرفه ای تر مقالات و پروژه های خود را تالیف کنید ! پروجکت دانلود , جدیدترین پروژه ها , مقالات , پایان نامه ها و تز های مقاطع مختلف تحصیلی از بهترین دانشگاههای جهان را برای شما فراهم می کند . در این مطلب با دانلود متن کامل پایان نامه انگلیسی : بررسی حل مشکلات حمل و نقل توسط GPS و یادگیری ماشینی    همراه شما هستیم .
.

موضوع : متن کامل پایان نامه انگلیسی : بررسی حل مشکلات حمل و نقل توسط GPS و یادگیری ماشینی

رشته :  کامپیوتر و برنامه نویسی – نرم افزار و سخت افزار  – برق الکترونیک  مخابرات- هوش مصنوعی – فناوری اطلاعات

سال انتشار : 2021

زبان : انگلیسی

مقطع :  کارشناسی ارشد

چکیده  (ترجمه ماشینی ) :

داده های مبتنی بر GPS منبع مهمی برای محققان و شرکت های ناوگان تجاری برای مطالعه و ساخت مدل های حمل و نقل بوده است ، زیرا GPS با استفاده از جمع آوری اطلاعات غیر فعال بدون درگیر کردن بیش از حد مشارکت انسانی ، امکان جمع آوری مقدار زیادی داده را فراهم می کند. تحقیقات اخیر نشان می دهد که از داده های GPS می توان برای حل انواع مشکلات مربوط به حمل و نقل با استفاده از الگوریتم های یادگیری ماشین استفاده کرد. یکی از این مشکلات درک هدف مکان توقف است که می تواند برای بهبود حمل و نقل روزانه استفاده شود. این پایان نامه بررسی می کند که آیا استفاده از روش های یادگیری نیمه نظارت شده در شناسایی و طبقه بندی مکان های توقف می تواند نتایج را بهبود بخشد زیرا جمع آوری داده های دارای برچسب گران است. داده های متوقف شده از توقف های منفرد را که حاوی مکان ، مدت زمان و اطلاعات مربوط به وسایل نقلیه است ، جمع می کند تا ویژگی های آموزش را استخراج کرده و داده های خوشه را ایجاد کند. داده های خوشه توسط جعبه های محدود کننده چند ضلعی دستی برچسب گذاری شده بر روی نقشه در چهار کلاس بارگذاری ، تخلیه ، کارگاه و سایر موارد برچسب گذاری شده است. شبکه های عصبی عمیق با آموزش خصمانه مجازی (مالیات بر ارزش افزوده) به عنوان روش منظم سازی ، روی داده های خوشه ای برای آموزش مدل های یادگیری تحت نظارت و نیمه نظارت اعمال می شود. فقط داده های دارای برچسب در یادگیری تحت نظارت استفاده می شوند ، در حالی که تمام داده های دارای برچسب و غیر برچسب در یادگیری نیمه نظارت شده استفاده می شوند. دقت حاصله برای یادگیری تحت نظارت و یادگیری نیمه نظارت شده هنگام استفاده از مجموعه آموزش نامتعادل 16/90٪ و 21/89٪ و هنگام استفاده از مجموعه آموزش متعادل 36/88٪ و 31/87٪ است. مقدار P 18/0 (18٪) است که براساس توزیع دقت در چندین بار اجرا محاسبه می شود ، به این معنی که اختلاف از نظر آماری معنی دار نیست. در نتیجه ، برای کاربردهای دنیای واقعی در این پایان نامه ، ما از نظر آماری تفاوت معناداری بین رویکردهای نظارت شده و نیمه نظارت نشده پیدا نکردیم و داده های دارای برچسب هنوز برای این کاربرد در دنیای واقعی حیاتی است.
دانلود پایان نامه : بررسی حل مشکلات حمل و نقل توسط GPS و یادگیری ماشینی
لینک دانلود پس از خرید نمایش داده خواهد شد
30,000 تومان – خرید

دیدگاهتان را بنویسید