پروژه بررسی صنعت بیمه به صورت عمیق 51 صفحه ای ارائه شده است .
فهرست مطالب تحقیق :
کلیات بیمه - تاریخچه بیمه در جهان وایران - تعریف بیمه و اوصاف عقد بیمه - انواع بیمه - بیمه از نظر فقه اسلامی - بیمه عمر - بیمه عمر و فایده ی عملی آن - انواع بیمه عمر- حقوق ممتاز بیمه گذار در بیمه عمر - بیمه عمر و سرمایه گذاری در شرکت بیمه کارآفرین - قانون بیمه مصوب 1316 - نتیجه گیری - منابع و مآخذ
فرمت فایل : PDF
تعداد صفحات : 6
طراحی شمع ها هم جنبه های هنری دارد و هم جنبه های علمی. هنر طراحی در انتخاب مناسب ترین نوع شمع و روش نصب آن با توجه به شرایط بار گذاری و ساختگاهی است. جنبه های علمی طراحی شمع به پیش بینی و تخمین درست عملکرد شمع مستقر در خاک در حین نصب و بار گذاری دوران بهره برداری کمک می کند. این عملکرد بطور مؤثر بستگی به روش نصب شمع بستگی داشته و به تنهایی نمی تواند توسط خصوصیات فیزیکی شمع و مشخصات خاک دست نخورده پیش بینی شود. دانستن انواع شمع ها و روش های ساخت و نصب شالوده های شمعی مستلزم فهم علمی رفتار آنهاست.
2-1- مقدمه
2-2- راهکارهای عملی طراحی شمع ها
3-3-2-کیسون ها(Caissons)
4-3-2-شالوده های پوسته ای کوبشی و پر شده با بتن
2-4-آسیب پذیری شمع ها در حین نصب
شامل 16 صفحه فایل word
فرمت فایل : word (قابل ویرایش) تعداد صفحات : 51 صفحه
چکیده:
با افزایش سیستمهای کامپیوتر و گسترش تکنولوژی اطلاعات , بحث اصلی در علم کامپیوتر از چگونگی جمع آوری اطلاعات به نحوه استفاده از اطلاعات منتقل شده است . سیستمهای داده کاوی ,این امکان را به کاربر می دهند که بتواند انبوه داده های جمع آوری شده را تفسیر کنند و دانش نهفته در آن را استخراج نمایند .
داده کاوی به هر نوع کشف دانش و یا الگوی پنهان در پایگاه داده ها اطلاق می شود . امروزه داده کاوی به عنوان یکی از مهمترین مسائل هوش مصنوعی و پایگاه داده ، محققان بسیاری را به خود جذب کرده است . در این تحقیق ابتدا نگاه کلی بر داده کاوی ، استراتژیهای داده کاوی و... داریم ، سپس مسأله کشف قوانین وابستگی در پایگاه داده را به تفضیل بررسی کردیم و نگاهی به الگوریتمهای موجود برای آن داشتیم . سپس مسأله کشف قوانین وابستگی در پایگاه داده های پویا را مورد بحث قرار دادیم و الگوریتم های ارائه شده مربوطه را مطرح کردیم
مقدمه :
هدف از این اراِئه و تحقیق بررسی روشهای مطرح داده کاوی است .داده کاوی هر نوع استخراج دانش و یا الگواز داده های موجود در پایگاه داده است که این دانشها و الگوها ضمنی و مستتر در داده ها هستند ,از داده کاوی می توان جهت امور رده بندی (Classification ) و تخمین (Estimation) ,پیش بینی (Prediction) و خوشه بندی (Clustering)استفاده کرد .داده کاوی دارای محاسن فراوانی است . از مهمترین آن محاسن کشف کردن دانش نهفته در سیستم است که به شناخت بهتر سیستم کمک می کند .به عنوان مثال می توان به استفاده ترکیبی از روش خوشه بندی جهت تخصیص بودجه به دسته های مختلف از کتب اشاره کرد .
سیستمهای داده کاوی تقریبا از اوایل دهه 1990 مورد توجه قرار گرفتند . علت این امر نیز آن بود که تا آن زمان سازمانها بیشتر در پی ایجاد سیستمهای عملیاتی کامپیوتری بودند که به وسیله آنها بتوانند داده های موجود در سازمان خود را سازماندهی کنند . پس از ایجاد این سیستمها ,روزانه حجم زیادی از اطلاعات جمع آوری میشد که تفسیر کردن آنها از عهده انسان خارج بود . به همین دلیل , نیاز به تکنیکی بود که از میان انبوه داده معنی استخراج کند و داده کاوی به همین منظور ایجاد و رشد یافت .
بنابر این هدف اصلی از داده کاوی ,کشف دانش نهفته در محیط مورد بررسی است که این دانش می تواند شکلهای گوناگونی داسته باشد . دانش استخراج شده می تواند به فرم الگوهای موجود در داده ها باشد که کشف این الگوها منجر به شناخت بهتر سیستم نیز می شود . الگوهای استخراجی عموما بیانگر روابط بین ویژگیهای سیستم هستند بعنوان مثال در سیستم تجاری یک الگو می تواند بیانگر رابطه بین نوع کالا و میزان تقاضای آن باشد .
در این تحقیق داده کاوی مورد بحث قرار می گیرد . علل استفاده از داده کاوی و منابعی که داده کاوی بر روی آنها اعمال می شود ,علاوه بر این خلاصه ای از روشهای رایج داده کاوی ارائه شده است . تکنیکهای داده کاوی و قوانین وابستگی و الگوریتمهای موجود (Apriori , Aprior TID, Partition, Eclat ,Max Eclat , Vector ) و الگوریتم با ساختار Trie وfp grow و الگوریتمهای کاهشی مورد بررسی قرار می گیرند و در هر مورد مثالها , موارد کاربرد ,تکنیکها و نقاط قوت و ضعف مورد بررسی قرار گرفته اند .
ادامه...
فرمت فایل : PDF
تعداد صفحات : 18