سامانهه یا بازیابی تصویر

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "سامانهه یا بازیابی تصویر"

Transcript

1 مجله ماشینبینایی و پردازشتصویر سال یکم شماره یک تابستان ۱۳۹۲ یک روش بهبود یافته یادگیریکوتاه مدت مبتنی بر گرادیان نزولی در سامانهه یا بازیابی تصویر عصمت راشدی حسین نظام آبادی پور و سعید سریزدی چکیده ه یا معنایی تصویر از مباحث مورد توجه در بازشناسی الگو یکی از روشه یا متداول جهت نزدیکتر شدن سامانه به محتوای معنایی تصاویر استفاده از بازخورد ربط در این مقاله رویکردی جهت یادگیریکوتاه مدت به روش بهبود تابع شباهت اراي ه شدهکه استفاده از گرادیان نزولی در یادگیری وزنهای تابع شباهت را بهبود داده در این روش علاوه بر وزن- هر مولفه وزنه یا نوع نیز بهینهسازی میشوند. همچنین یک تابع هزینه مناسب تعریف شدهکه نسبت به روشهای مشابه دقت و سرعت بازیابی را بالا میبرد. روش پیشنهادی در یک پایگاه تصویر با ۱۰۰۰۰ تصویر آزموده شده و نتایج آن با چند روش متداول در یادگیریکوتاه مدت اراي ه و مقایسه شده نتایج آزمایشها کارامدی روش پیشنهادی را در بهبود دقت و کاهش زمان كلید واژهها نشان میدهد. تصویر بازخورد ربط یادگیریکوتاه مدت تابع شباهت گرادیان نزولی. ۱ مقدمه تعداد تصاویر در پایگاهه یا داده روز به روز در حال رشد هستند به طوری که برچسب زنی و دستهبندی آنها برای انسان وقت گیر معنایی تصاویر به دلیل حجمگسترده تصاویر و لزوم ایجاد سامانهه یا خودکار برای افزایش سرعت و دقت از بحث - ه یا مورد توجه در پردازش سیگنال و پردازش تصویر است [۱ ۱۳ ۱۴ ۱۵ ۲۰] از كاربردهای تصویر میتوان به آرشیوهای تصویری آرشیو موزهها طراحی مهندسی و معماری سنجش از دور مدیریت منابع طبیعی سامانهه یا اطلاعات جغرافیایی پایگاهه یا داده علمی تصاویر پزشکی پیش بینی هوا طراحی مد و بایگانیه یا پلیس در کشف مجرم و جرم بایگانی - ه یا مجلات تصاویر لوگوهای تجاری و پایگاهه یا بزرگ مبتنی بر شبکه جهانی اشارهکرد. از اوایل دهه ۹۰ تصویر بر اساس محتوی یك زمینه فعال برای تحقیقات قلمداد میشود و تاکنون سامانهه یا فراوانی طراحی شده در همه این سامانهها ه یا سطح پایین تصاویر بطور خودکار استخراج شده و تصاویر را نمایهسازی میکنند. مهمترین ها برای بافت و شکل هستند. پایین هستند. ه یا سطح دیگری تصویر در سطح معنا که زمینهه یا اراي ه تصویر ه یا دیداری از نوع ه یا ۱ از محتوی سطح معنا رنگ سطح اراي ه سطح بالا نامیده میشود از فعال تحقیقاتی به حساب میآید. كاربران هنگام پرس - وجوی تصویر بدنبال معناه یا سطح بالا ۲ یا همان هایمعنایی Semantic Level Semantic eature این مقاله در شهریورماه ۱۳۹۱ دریافت در اردیبهشتماه ۱۳۹۲ بازنگری و در تیرماه ۱۳۹۲ پذیرفته شد. عصمت راشدی دانشگاه شهید باهنر کرمان دانشکده مهندسی برق rashedi_es@yahoo.com حسین نظام آبادی پور دانشگاه شهید باهنر کرمان دانشکده مهندسی برق. nazem@u.ac.ir سعید سریزدی دانشگاه شهید باهنر کرمان دانشکده مهندسی برق saryazdi@u.ac.ir

2 ی ۱ یک روش بهبود یافته یادگیری کوتاه مدت مبتنی بر گرادیان نزولی در سامانههای بازیابی تصویر ۲۰ هستند. در این موارد اغلب سامانهه یا ضعیفی دارند چراكه بین ه یا معنایی سطح بالا فاصله زیادی مشهور برای طبقهبندی بین کم کردن شکاف معنایی تصویر عملکرد دیداری سطح پایین و مفاهیم ۱ وجود دارد كه به شکاف معنایی رویکردهای چون متنوعی معنایی تصاویر یادگیری کوتاه مدت و یادگیری بلند اراي ه شده است که اغلب مبتنی بر بازخورد ربط هستند. بازخورد ربط در بازیابی تصویر بر اساس محتوا اولین بار توسط Rui در سال [۱۸] ۱۹۹۸ به کار گرفته شد و پس از آن محبوبت زیادی محققان پیداکرد. در بازخورد ربط کاربر و کامپیوتر تا رسیدن به تصاویر دلخواه کاربر با یکدیگر تعامل دارند. این تعامل به سامانه کمک میکند تاارتباط معنی داری بین های سطح پایین و های سطح بالا برقرار کرده و شکلف معنایی راکاهش داد. یادگیری با استفاده از بازخورد ربط به دو صورت یادگیری کوتاه مدت و بلند مدت انجام می یادگیری کوتاه مدت شود. ۲ (STL در ارتباط با یک جستجوی کاربر و با هدف هدایت سامانه به سمت خواسته مطلوب کاربر انجام میشود و طی آن یادگیری در خلال یک پرس و جوی ۳ خاص صورت میگیرد. در تعامل هر کاربر با سامانه سامانه به کمک یادگیری کوتاه مدت سعی در کشف معنای مورد نظر کاربر میکند. روشه یا روشه یا یادگیری كوتاه مدت به چهار دسته مبتنی بر یادگیری و طبقهبندی [۲ ۷] روشه یا بر بهبود بردار پرس و جو [۱۷ ۲۲] روشه یا شباهت [۲۳ ۲۴ ۹ ۶ ۵] و روشه یا [۸ ۱۰ ۱۱ ۱۹] قابل تقسیم هستند. مبتنی مبتنی بر بهبود تابع چند پرسشی در این مقاله یک روش جدید براییادگیری کوتاه مدت اراي ه میشود که از کمینه کردن یک تابع هزینه مناسب به روش گرادیان نزولی سود میبرد. در تابع هزینه پیشنهادی سرعت محاسبات حجم حافظه و نیز کیفیت نتایج بهبود داده شده نوآوریه یا از دیگر این تحقیق تنظیم وزن نوع ها به کمک گرادیان نزولی است که در سایر مقالات مرتبط به آن پرداخته نشده روش فوق با چند روش مطرح در زمینه بهبود تابع شباهت مقایسه شده ۲ در ادامه این مقاله بخش بعد به مرور روشه یا یادگیری کوتاه مدت میپردازد. پس از آن در بخش سوم روش پیشنهادی و در بخش چهارم نتایج و مقایسه با سایر روشها اراي ه میشود. نهایت در بخش پنجم مقاله جمعبندی میشود. مروری بر روشهای یادگیریکوتاهمدت در همانگونه که ذکر شد روشهاییادگیری كوتاه مدت به چهار دسته روشه یا مبتنی بر یادگیری و طبقهبندی روشه یا مبتنی بر بهبود تابع شباهت روشه یا مبتنی بر بهبود بردار پرسوجو و روشه یا چند پرسشی قابل تقسیم هستند. در روشه یا با استفاده از بردار مبتنی بر یادگیری تصاویر مرتبط و نامرتبطی که توسط کاربر در بازخورد ربط مشخص شدهاند یک طبقهبند برای دسته بندی تصاویر به دو گروه مرتبط و نامرتبط ساخته میشود [۲ ۷]. در روشه یا مبتنی بر بهبود بردار پرس و جو این بردار از تصاویر نامرتبط دور و به تصاویر مرتبط نزدیک میشود روشه یا مبتنی بر بهبود تابع شباهت وزن ه یا در [۱۷ ۲۲]. سطح پایین تصویر پرسوجو در خلال بازخورد ارتباط به منظور رسیدن به هدف کاربر تغییر میکند پرسشی از روشه یا.[۲۳ ۲۴ ۹ ۶ ۵] در روشه یا چند مختلف برای تهیه بردارهای پرس و جوی بیشتر استفاده میشود [۸ ۱۰ ۱۱ ۱۹]. تعدادی از روشها نیز از چند روش یادگیری کوتاه مدت به صورت موازی با هم استفاده میکنند [۳ ۲۱]. در ادامه هر کدام از روشه یا فوق با اراي ه چند کار مطرح توضیح داده شده ضمن اینکه روش پیشنهادی این تحقیق با دسته روشه یا -۲ ادگیری و طبقهبندی مبتنی بر بهبود تابع شباهت مرتبط در این دسته روشها با استفاده از تصاویر مرتبط و نامرتبط دریافت شده از کاربر یک طبقهبند با یادگیری این تصاویر طراحی شده و نتایج طبقهبندی به سایر تصاویر پایگاه تعمیم داده میشود. از طبقهبندهاییکه به وفور در این زمینه استفاده میشود طبقهبندی ماشین بردار پشتیبان یا SVM میباشد. به عنوان مثال در [۲] یادگیری کوتاه مدت با روش تقسیم تصویر به چند ناحیه و سپس یادگیری نواحی در تصاویر مرتبط و غیر مرتبط با استفاده از یادگیری ماشین بردار پشتیبان انجام شده در [۷] در ابتدا تمام تصاویر به بلوكهایی سطح پایین برای با ابعاد كوچك بریده شده و ه یا این بلوكها استخراج میشود. سپس بلوكها خوشه بندی میشوند و تعدادی نماینده برای هر تصویر به دست میآید. پس از دریافت بازخورد ربط از كاربر از تصاویر مرتبط و غیر مرتبط برای دستهبندی بهكمك SVM استفاده میشوند. ۲-۲ بهبود بردار پرس و جو در روشه یا مبتنی بر بهبود تابع شباهت از حرکت دادن بردار پرس و جو یا بهبود آن استفاده میشود. این روش اولین بار در سامانه [۱۷] MARS در سال ۱۹۹۷ پیشنهاد شد. در این روش میانگین همه تصاویر مرتبط حساب شده و به عنوان بردار پرسو- جوی جدید در نظر گرفته میشوند. در تحقیق [۱۷] از تصاویر مرتبط و نامرتبط برای بهبود بردار پرس و جو استفاده شده به این صورت که نزدیکتر و از تصاویر در هر مرحله بردار پرس و جو به تصاویر مرتبط نامرتبط دور میشود. این روش به روش روچیو معروف است و در رابطه (۱ آمده Semantic Gap Short Term Learning 3 Intra-query

3 عصمت راشدی حسین نظام آبادی پور و سعید سریزدی ۲۱ q = q q q q q (۱ که q بردار پرس و جوی جدید مجموعه تصاویر مرتبط تصاویر مرتبط انتخاب شده توسط کاربرو انتخاب شده توسط کاربرمیباشند. q بردار پرس و جو در مرحله قبل مجموعه تصاویر نامرتبط q q تصاویر نامرتبط نیز تعداد تصاویر مرتبط در روش دیگری در این دسته در تحقیق [۲۲] دو روش تبدیل بردار پرس و جو به یک بردار دیگرو تي وری مجموعه راف با هم ترکیب شدهاند. ۳-۲ بهبود تابع شباهت در روش بهبود تابع شباهت سعی میشود تابع شباهتی که پایگاه ه یا ارتباط برای دیداری با اتكا به آن جستجو میشود در خلال بازخورد شباهت وزن ه یا رسیدن به هدف کاربر تنظیم شود. در بهبود تابع سطح پایین تصویر پرسوجو در خلال بازخورد ارتباط به منظور رسیدن به هدف کاربر تغییر میکند. در غالب این روشها تابع شباهت به صورت رابطه تعریف (۲ میشود. شباهت بین دو تصویر و با D نشان داده میشود. در این رابطه میباشد. f ام از بردار m به طول w نیز وزن مرتبط با ام در تابع شباهت می- باشد. تابع شباهت فوق تعداد m وزن دارد که به صورت بردار ] m W = [ w,..., w نمایش داده میشود لذا تابع شباهت به بردار وزن W وابسته فاصله ه یا ام در دو بردار d( q, f میباشد. m D ( W = w d( q =, f (۲ در تعدادی از روشه یا تصاویر مرتبط و غیر مرتبط برای استفاده میشود. به عنوان مثال در این دسته از واریانس ها در تنظیم وزنه یا [۱۸] تابع شباهت پس از هر مرحله از بازخورد ربط و تعیین تصاویر مرتبط و غیر مرتبط توسط کاربر وزن هر مولفه از بردار به صورت عکس انحراف معیار آن مولفه روی مجموعه تصاویر مرتبط در نظر گرفته میشود و وزن - ه یا هر نوع نیز با توجه به رتبهبندی تصاویر تعیین می - شوند. در [۲۳ ۲۴] تابع شباهت رابطه (۳ مورد استفاده قرار گرفته در این تحقیق وزن هر نوع با توجه به رتبه تصاویر مرتبط در بر اساس آن نوع تنظیم میشود و برای تصحیح وزن هر مولفه از میانگین و انحراف معیار آن مولفه روی تصاویر مرتبط و نامرتبط استفاده میشود. رنگ بافت لبه f, مولفه نوع میتواند یا هر نوع دیگری باشد. در رابطه (۳ ام از نوع وزن متناظر با آن میباشد. ام تصویر و ( 0 w, w,0 نیز وزن نوع ام L تعداد مولفهه یا کل نوع ها برابر K (۲ در مورد نوع m ام تعداد D ( W = w d( q =, f (۳ D ( W w w... w w یا در کنار روشه مبتنی بر انحراف معیار ها روشه یا ابتکاری دیگری نیز اراي ه شده است به عنوان مثال در تحقیق [۵] در هر مرحله از بازخورد ربط کاربر رتبه تصاویر را مشخص می - کند. سپس سامانه رتبه همان تصاویر را بر حسب ه یا مختلف به صورت جداگانه بدست آورده و از روی دورتبهبندی (رتبهبندی خاص وزنه یا کاربر ورتبهبندی سامانه بر حسب شباهت یک مربوط به آن را تصحیح میکند. در دسته دیگری از رویکردها از یادگیری فاصله با استفاده از روش- ه یا بهینهسازی استفاده میشود[ ۹ ].در این مرجع یک تابع بهینه- سازی تعریف و به روش لاپلاس وزن ها برای خوشهبندی تصاویر تعیین میشود[ ۹ ]. در این روش از دادهه یا و موجود در حافظه سامانه در مورد تصاویر برای بهینه سازی استفاده شده در دستهای از روشه یا مبتنی بر بهبود تابع شباهت با تعریف یک تابع هزینه از روش گرادیان نزولی برای تنظیم وزنها استفاده [۶]. میشود در این نوع روشها میتوان با تعریف تابع هزینه مناسب و با بهرهگیری از محسنات روش گرادیان نزولی وزنها را به نحو مناسبی تنظیم کرد. ایده روشه یا این دسته از بحث یادگیری فاصله به روش با نظارت در طبقهبندی دادهها گرفته شده است [۱۶]. در تحقیق [۱۶] جهت بهبود وزن ها در طبقه- بندی برای هر دسته از دادهها یک بردار وزن یادگیری میشود. یادگیری وزنها در جهت کمینهسازی خطای طبقهبند همسایه نزدیکتر انجام میشود. در تحقیق [۱۶] فاصله بین هر دو بردار طبق رابطه (۴ و تابع کمینه شونده مطابق رابطه (۵ به صورت مجموع تابع پله نسبت فاصله هر داده مرتبط با آن به فاصله با دادهه یا با دادهه یا غیر مرتبط با آن تعریف شده این رابطه روی مجموعه دادهه یا ( آموزشی T کمینه میشود. این رابطه طبق تي وری حداکثر کردن حاشیه بین هر داده مرتبط با دادهه یا رابطه step تابع پله (۴ نامرتبط در نظر گرفته شده در این ( q f D ( W w J = T = m step( W W (۵ در تحقیق [۶] (روش (Deselaers ایده فوق در تصویر مورد استفاده قرار گرفته در [۶] شباهت بین دو تصویر

4 یک روش بهبود یافته یادگیری کوتاه مدت مبتنی بر گرادیان نزولی در سامانههای بازیابی تصویر ۲۲ و به صورت رابطه (۶ تعریف شده وزنه یا این تابع در هر مرحله از بازخورد ربط به روش کمینه کردن تابع هزین یه رابطه (۷ محاسبه میگردند. در این تحقیق تابع هزینه به صورت مجموع نسبته یا فاصله هر تصویر مرتبط با سایر تصاویر مرتبط به فاصله آن با تصاویر نامرتبط در نظر گرفته میشود. کردن این تابع تصاویر مرتبط به نامرتبط دور میشوند. با کمینه یکدیگر نزدیک و از تصاویر تابع هزینه فوق با بهینهسازی گرادیان نزولی کمینهسازی شده و وزنه یا (۶ به روش مناسب به دست آمده D ( W w q f J = = m (۷ ۴-۲ روشه یا در روشه یا چند پرسشی چند پرسشی با چند بردار پرس و جو انجام میشود. در این روشها از ابزارهای مختلفی برای تهیه بردارهای پرس و جوی چندگانه استفاده میشود. در متداول ترین انواع این روشها بردارهای شده و مراکز خوشهها به عنوان بردارهای مربوط به تصاویر مرتبط خوشهبندی جدید جوی پرسو انتخاب میشوند. در نهایت پایگاه داده با هر کدام از بردارهای فوق جستجو شده و نتایج حاصل از آنها با هم ترکیب میشوند. تعداد ایدهال خوشهها در تحقیق [۱۹] به طور خودکار تخمین زده شدهاند و مراکز خوشهها به عنوان بردارهای پرسوجوی جدید انتخاب میشوند. تحقیق [۱۰] از الگوریتم خوشه- برای تبدیل بردار پرسوجو به چند بردار استفاده میکند. در این الگوریتم ابتدا یک تصویر پرسوجو از سوی کاربر به سامانه داده میشود. سپس سامانه تصویر که فاصله کمتری از تصویر پرسوجو دارند را به کاربر نشان میدهد. کاربر مرتبط بودن یا نبودن آنها را مشخص میکند. در مرحله اول بازخورد تصاویر مرتبط طبقهبندی و در سایر مراحل در دستهه یا از پیش تعیین شده قرار گرفته یا در یک دسته جدید قرار داده میشوند. سامانه برای طبقه بندی از تابع طبقه بندی بیز استفاده میکند و بعضی از دستهها شبیه به هم را با هم ادغام میکند سپس مرکز دستهه یا باقیمانده به عنوان بردارهای پرس و جو نسل بعد مشخص میشوند. در [۱۱] در هر جستجو کاربر تصاویر مرتبط را علامت میزند. تصاویر مرتبط با استفاده از روش سلسله مراتبی خوشه بندی میشود. در ادامه تعامل با کاربر تصاویر مرتبط جدید یا در خوشهه یا موجود قرار میگیرند یا یک خوشه جدید میسازند و خوشهای نزدیک به هم نیز با یکدیگر یکی میشوند. در روش اراي ه شده در [۸] از عملگرهای الگوریتم وراثتی برای تولید بردارهای پرس و جوی جدید از یك بردار پرس و جو استفاده میشود. به اینصورت که در تعامل با کاربر تصاویر مثبت از کاربر دریافت شده فرزندان با اعمال عملگرهای الگوریتم وراثتی روی تصاویر مثبت تولید میشوند. مجموعه تصاویر جدید با نگاشت هر فرزند به مجموعه تصاویر ایجاد می- شوند. در روش ترکیب طبقهبندها [۱۲] در تصویر پس از آنکه تصاویر مرتبط و نامرتبط تعیین شد از تمام تصاویر مرتبط و نامرتبط برای تعیین رتبهبندی سایر تصاویر تا تصویر پرس و جو استفاده میشود [۶]. در این روش احتمال مرتبط بودن تصویر با تصویر تصویر ( p ( R با تصویر ( و همچنین احتمال نامرتبط بودن p ( N مطابق رابطه با (۸ فاصله بین آنها متناسب میباشند. لذا با داشتن مجموعه تصاویر مرتبط هر تصویر و مجموعه تصاویر نامرتبط قابل محاسبه استفاده شده و وزنه یا در احتمال مرتبط بودن با تصویر پرس و جوی به صورت رابطه (۹ داده شده α پارامتری نامرتبط را کنترل میکند. [۶] در رابطه (۸ (۸ از فاصله وزندار تابع فاصله به روش گرادیان نزولی آموزش است که تاثیر تصاویر مرتبط و p ( R, p ( N exp( (۹ p ( R {, } = α α p ( R q ( p ( N q q q ۵-۲ روشه یا ترکیبی در بعضی تحقیقات از یک روش کوتاه مدت ترکیبی با استفاده از چند رویکرد استفاده شده به عنوان مثال در [۲۱] از سه روش بهبود با وزندهی ها بهبود بردار پرسوجو و روش چند پرسشی استفاده شده در مرحله تغییر وزن چنانچه یک به صورت متناوب در تصاویر مثبت دیده شود وزن بیشتریمیگیرد. در مرحله بهبود تصویر پرس و جو بردار پرس و جو به سمت تصاویر مثبت و مطلوب کاربر نزدیک میشود. در توسعه جستجو با روش چند پرسشی تصاویر مرتبط به چند خوشه تقسیم میشوند. در [۳] برای یادگیری کوتاه مدت از دو روش وزن دهی ها و جابجایی پرسوجو استفاده شده ۳-۳ مرحلهی بازیابی در مرحلهی بازیابی تصاویر را با مقایسه بین بردارهای متناظرشان بازیابی میکنیم. برای این کار بردار برای تصویر جستار و تصاویر مدل محاسبه شده و با استفاده از یک اندازهی شباهت فاصلهی بین آنها بدست میآید. در نهایت M تصویر که کمترین فاصله را داشته باشند به عنوان تصاویر مرتبط بازیابی میشوند. ١ ما از فاصلهی اقلیدسی برای بدست آوردن فاصلهی بین بردارهای استفاده میکنیم. جستار و تصویر مدل را به ترتیب به صورت زیر تعریف میشود. اگر بردار برای تصویر و بنامیم فاصلهی اقلیدسی Euclidean distance

5 عصمت راشدی حسین نظام آبادی پور و سعید سریزدی ۲۳ (۱۰ D ( W w w... w w J R N = ' = ' (۱۱ (۱۲ ۳ یادگیری کوتاه مدت پیشنهادی در این بخش یادگیری کوتاه مدت پیشنهادی شرح داده میشود. در روش پیشنهادی هدف اصلی بهبود نتایج به کمک بهبود تابع شباهت به روش گرادیان نزولی در این روش یک تابع هزینه مناسب معرفی شده سامانه پیاده سازی شده مطابق میباشد. ۱ شکل دریافت و ه یا در این سامانه تصویر پرس و جو از کاربر آن استخراج میشود. بردار تصویر پرس و جو( با استفاده از یک تابع شباهت با تمام تصاویر پایگاه مقایسه شده و تصاویر مشابه برگردانده میشود. پس از آن تصاویر مرتبط و نامرتبط در بازخورد ربط از کاربر اخذ میشود. با استفاده از این اطلاعات تابع شباهت با اصلاح وزن ها بهبود مییابد. فرایند بازخورد ربط و بهبود تابع شباهت برای هر تصویر پرس و جو چند مرحله تکرار میشود. شکل ۱- سامانه کوتاه مدت. تابع تصویر مبتنی بر محتوا با استفاده از یادگیری شباهت استفاده شده در این تحقیق به صورت رابطه (۱۰ میباشد. در این رابطه (مشابه رابطه (۳ از [۲۳] علاوه بر اینکه برای هر مولفه یک وزن تعریف شده برای هر نوع (رنگ بافت یا لبه نیز یک وزن تعریف شده جهت یادگیری تابع فاصله و تنظیم وزنها از یک تابع هزینه پیشنهادی استفاده شده و وزنها به روش گرادیان نزولی جهت کمینه کردن این تابع به دست آمدهاند. تابع فاصله پیشنهادی مطابق رابطه (۱۰ میباشد. استفاده از وزنها با توان دوم الهامگرفته از [۱۶] برای یادگیری این تابع فاصله در طول بازخورد ربط از روش کمینه کردن یک تابع هزینه استفاده شده است که مطابق [۱۶] با تخمین احتمال خطای طبقهبندی در روش نزدیکترین همسایه با ارزیابییکی را کنار بگذار یا LOO-NNدر ١ ارتباط اگر W مجموعه وزنها باشد تابع هزینه پیشنهادی این تحقیق به صورت (۱۱ رابطه میباشد. در این رابطه مرتبط به تصویر پرسوجوی و دورترین بردار نزدیکترین بردار نامرتبط به آن هستند. بردار پرس وجو در هر مرحله طبق رابطه (۱۲ به صورت میانگین بردار های مجموعه تصاویر مرتبط در نظر گرفته شده است [۱۴ ۲۳]. در رابطه (۱۱ تابع هزینه بردار نامرتبط از مجموعه J R N مرتبط از مجموعه به صورت نسبت فاصله دورترین به نزدیکترین بردار تا بردار پرسوجوی تعریف شده کمینه کردن این تابع متناظر با حداکثر کردن حاشیه طبقه- بندی در دو دسته تصاویر مرتبط و نامرتبط میباشد. نسبت به تابع هزینه (۷ که سعی در نزدیککردن بردارهای این تابع مرتبط به یکدیگر و دورتر کردن آنها از بردارهای نامرتبط دارد تنها با در نظر گرفتن دو بردار و با حداکثر کردن حاشیه طبقهبندی بهینهسازی را به صورت کارامدتر و با محاسبات کمتر انجام میدهد. در تابع هزینه J R N, D کمتر و هر چه فاصله W, D بیشتر باشد حاشیه طبقهبندی بزرگتر شده و W خط یا تعیین بردارهای مرتبط و نامرتبط کمتر میشود. این تابع هزینه بطور مستقیم با بردار وزن W در ارتباط لذا حداقل کردن آن در ارتباط با بردار وزن منجر به افزایش دقت تعیین تصاویر مرتبط و نامرتبط و در نتیجه افزایش دقت میشود. جهت حداقلکردن این تابع از روشکمینه سازی به روش گرادیان نزولی استفاده شده در نتیجه لازم است مشتقه یا این تابع نسبت به متغیر ه یا حداقل کردن تابع W محاسبه شود. J R N به روش گرادیان نزولی یک روش تکرار شونده در هر نشست در ابتدا وزنها مطابق رابطه- (۱۳ و (۱۴ مقدار دهی اولیه میشوند. پس از آن در طی چند مرحله وزنه یا w, به روزرسانی µ میشوند. طبق رابطه (۱۵ با یک مقدار کوچک این به روزرسانی در خلاف جهت گرادیان تابع هزینه طبق روابط (۱۶ تا (۱۹ انجام میشود. وزن- ها پس از هر مرحله بهروز رسانی طبق روابط (۲۰ و (۲۱ با تقسیم شدن به مجموع وزنها نرمالیزه میشوند. با محاسبه مشتق تابع هزینه توابع به روز رسانی مطابق رابطه (۱۶ انجام میشوند. در روابط (۱۵ و (۱۶ وزن مربوط به هر نوع با = 0 و وزن مولفههای نوع ام با = L,..., مشخص میشود. با الهام از [۱۶] برای محاسبه مشتق تابع هزینه از توابع کمکی مقادیر مولفهه یا r و R, و استفاده شده مقادیر R, r R,0 (۱۷ تا (۱۹ محاسبه میشوند. پايگاه تصوير ويژگیهای ديداری تابع شباهت پردازش پرس و جو بازخورد ربط واسط کار مربوط به مربوط به هر نوع با استفاده از در رابطه (۱۷ تابعکمکی r به صورت نسبت فواصل تصویر پرس و جو با دورترین تصویر مرتبط و نزدیکترین تصویر نامرتبط Leaving one out nearest neighbor

6 یک روش بهبود یافته یادگیری کوتاه مدت مبتنی بر گرادیان نزولی در سامانههای بازیابی تصویر ۲۴ تعریف شده در رابطههای (۱۸ و (۱۹ مقدار تابع مقادیر ۴ R, برای بردار دورترین تصویر مرتبط به صورت و R, برای بردار نزدیکترین تصویر نامرتبط به صورت R, نمایش داده شده در محاسبه این تابع برای مولفههای 0, ( R از فاصله مقادیر مربوط به همان استفاده میشود (رابطه (۱۸ و در محاسبه آن برای هر نوع مجموع فواصل برای تمام مولفههای مربوط به آن نوع استفاده میشود (رابطه (۱۹. w, 0 (0 = K w, (0 = L, J = w, µ w, =,.., K (۱۳ =,.., K =,.., L (۱۴ =,.., K = 0,.., L (۱۵ w w = w µ w r [ R R ] R R,,,,, r = q f, w,0 q f,,,, = {, } D ( W L q f,,, w q f = {, } D ( W =,,,0 w w,, 0 w, = L w i=, i w,0 = K w i= i,0 =,.., K = 0,.., L (۱۶ (۱۷ =,.., K =,.., L (۱۸ =,.., K (۱۹ =,.., K =,.., L (۲۰ =,.., K (۲۱ باید توجه شود که روش گرادیان نزولی پیدا کردن بهینه فرامحلی را تضمین نمیکند. اما وزنه یا وزنه یا به دست آمده نسبت به اولیه مقدار کمتری برای تابع هزینه به دست میدهند. لذا با تعریف تابع هزینه مناسب میتوان دقت را با کمینه- سازی به روش گرادیان نزولی بالا برد. تابع هزینه معرفی شده در این تحقیق با حداکثر کردن حاشیه بین تصاویر مرتبط و نامرتبط دقت طبقهبندی را بالا میبرد. در این تحقیق از این روش جهت تنظیم وزنه یا هر مولفه و همچنین وزنه یا استفاده شده نتایج شده هر نوع به روش فوق در بخش بعد اراي ه پیاده سازی آزمایشها و نتایج در این بخش در ابتدا سامانه پایه و پایگاه تصویر و سپس نتایج آزمایشها آورده میشود. پیشنهادی بر نتایج به منظور ارزیا یب تاثیر یادگیری کوتاه دو نمونه آزمایش انجام شده در آزمایش اول روش پیشنهادی فوق با سه روش دیگر در زمینه بهبود تابع شباهت مقایسه شده است و در آزمایش دوم روش آموزش وزنها جهت نتایج در ادامه آورده شده ۱-۴ سامانه پایه و پایگاه تصویر به روش ترکیب طبقهبندها انجام شده در این تحقیق در پیاده سازی سامانه از سه نوع استفاده شده نمایندگی ه یا از پیاده سازی شده عبارتند از: هیستوگرام رنگ به رنگ شکل و گابور به نمایندگی هیستوگرام لبه به نمایندگی از از بافت. بنابراین تعداد نوع ها در این تحقیق برابر سه میباشد یا به عبارتی = 3 در این تحقیق رنگ. K ١ بازه ۲۵۶ با SCD ( L = 56 ٢ هیستوگرام لبه EHD با ۸۰ 80 = ( L و - با ۶۲ L ( مطابق استاندارد ٣ 3 = 6 ه یا گابور HTD MPEG-7 [۴] از تصاویر استخراج شده و تمام پایگاه تصویر بر این مبنا نمایه سازی شده است.در مجموع هر یک از تصاویر با برداری به اندازه ۳۹۸ بعد نمایه سازی شده برای نمایهسازی رنگ در تصاویر از هیستوگرام رنگ در فضایHSV با ۲۵۶ سطح (۱۶ سطح برای مولفه H ۴ سطح برای مولفه S و ۴ سطح برای V مولفه تقسیم تصویر به هیستوگرام لبه در استفاده شده ۱۶ ۵ در استخراج لبه پس از زیر تصویر از هر کدام از زیر تصویرها جهت لبه افقی عمودی درجه و بدون جهت استخراج شده ۱۳۵ درجه ۴۵ در استخراج بافت تصویر با ۳۰ فیلتر گابور در ۶ جهت و ۵ مقیاس فیلتر شده میانگین و انحراف معیار هر تصویر فیلتر شده و تصویر اصلی محاسبه میشود. سامانه تصویر مطابق شکل ۱ روی پایگاه داده ۱۰۰۰۰ تصویری کورل با ۸۰ گروه معنایی پیاده سازی شده تمام تصاویر رنگی و درحوزه فشرده JPEG هستند. از میان این تصاویر ۱۰۰۰ تصویر پرس و جو به صورت تصادفی برای انجام آزمایش- ها انتخاب شدهاند. بازخورد ربط برای مرحله تکرار شده و در هر تکرار از شده ارزیا یب برای روشها از معیار هر تصویر پرسوجو ۴ ۲۵ تصویر برگردانده دقت استفاده شده اطلاعات این معیار به شکل یك گراف که نشان دهنده دقت در هر مرحله از بازخورد ربط است اراي ه میشود. معیار دقت بیانگر نسبت تعداد تصاویر مرتبط شده به تعداد تصاویر Scaled Color Descriptor Homogeneous Texture Descriptor 3 Edge Histogram Descriptor

7 عصمت راشدی حسین نظام آبادی پور و سعید سریزدی ۲۵ ۲-۴ مقایسه روش یادگیری کوتاه مدت پیشنهادی با سایر روشها در این قسمت نتایج به روش پیشنهادی با سه روش در زمینه یادگیری کوتاه مدت به روش بهبود تابع شباهت مقایسه شده روش اول روش [۱۸] Rui است که در بسیار متداول روش دوم روش شمسی تصویر [۲۳] (Shamsi است که از یک تابع شباهت تقریبا مشابه با روش پیشنهادی این تحقیق استفاده کرده و هر دو نوع وزنه یا و وزنه یا مربوط به مولفه مربوط به نوع را تنظیم میکند. روش سوم روش [۶] Deselaers است که آموزش وزنها را به روش تعریف یک تابع هزینه وکمینهسازی به روشگرادیان نزولی انجام میدهد. در پیاده سازی روش Deselaers از تابع فاصله رابطه (۲۲ استفاده شده است.تابع فاصله در روش شمسی و روش Rui مطابق رابطه (۳ و در روش پیشنهادی مطابق رابطه (۱۰ استفاده شده بهینهسازی گرادیان نزولی در هر تکرار در ۱۰ قدم انجام شده برای مولفهه یا همچنین پارامتر = µ تنظیم شده (۲۲ در انجام آزمایشها انتخاب و یادگیری برابر = 0.00 µ و برای تصاویر پایگاه انجام شده در روش پیشنهادی نوع برابر = m q f D ( W w q f ۱۰۰۰ تصویر به صورت تصادفی به روش نزدیکترین همسایه یکی راکنار بگذار در جهت مقایسه روشها گراف دقت در هر تکرار از بازخورد ربط در شکل ۲ آورده شده همچنین یک مثال از تصاویر برگردانده شده در هر روش برای یک تصویر پرس و جوی نمونه در شکل ۳ آورده شده زمان کل در یک نشست برای هر روش در جدول ۱ ذکر شده در شکل ۲ مشخص است که روش پیشنهادی دقت بالاتری نسبت به سایر روشها دارد. روش فوق از یک تابع هزینه مناسب استفاده میکند که حاشیه بین تصاویر مرتبط و نامرتبط را زیاد میکند و با بهرهگیری از مزایای بهینهسازی به روشگرادیان نزولی وزنها را با دقت خوبی روش نسبت به سایر روشه یا شمسی و روش تنظیم میکند. همچنین محاسبات این مورد مقایسه کمتر در روش Rui جهت تعیین وزن مربوط به هر نوع با هر نوع به صورت جداگانه انجام میشود لذا در یک پایگاه با ۱۰۰۰۰ تصویر لازم است حجم محاسبات زیادی انجام شود. گرادیان نزولی اما در روش فوق وزن نوع ها نیز به روش تنظیم شده همچنین در روش Deselaers تابع هزینه روی کل تصاویر مرتبط و نامرتبط تعریف شده است در صورتی که در روش پیشنهادی فقط یک تصویر مرتبط و یک تصویر نامرتبط در نظر گرفته شده مشتقه یا بنابراین در محاسبه مربوط به بهینه سازی به روشگرادیان نزولی محاسبات روش Deselaers بیشتر این مساله در مقایسه زمان روشها که در جدول جدول زمان خودکار ۱ ۱۰۰۰ CPU P4, 3GHz آورده شده است مشهود هر نشست با میانگینگیری نشست محاسبه شده با RAM GB میباشد. روی در این مشخصات سیستم همانطور که در جدول فوق قابل مشاهده است روش فوق با داشتن محاسبات کمتر نسبت به سایر روشها میدهد. شکل ۲ گراف دقت در روشه یا ب ت را در زمان کوتاهتری انجام مختلف یادگیری کوتاه مدت. نتایج روی ۱۰۰۰ تصویر پرس و جو میانگینگرفته شده الف پ ث شکل ۳ تعداد ۲۵ تصویر برگردانده شده در تکرار آخر در هر روش یادگیری کوتاه مدت. الف تصویر پرس و جو ب نتایج روش Rui پ نتایج روش Deselaer پیشنهادی میباشند. ت ( نتایج روش شمسی و ث نتایج روش

8 یک روش بهبود یافته یادگیری کوتاه مدت مبتنی بر گرادیان نزولی در سامانههای بازیابی تصویر ۲۶ جدول ۱ زمان مدت. روش یادگیریکوتاه مدت روش Rui در یک نشست برای هر روش یادگیری کوتاه میانگین زمان (بر حسب ثانیه ۱۱/۴۷ ۱۳/۷۹ روش Deslear روش شمسی روش پیشنهادی ۱۱/۴۷ ۶/۵۰ ۲-۴ ارزیا یب برای هر نشست یادگیری کوتاه مدت پیشنهادی در با استفاده از ترکیب طبقهبندها در این قسمت آموزش تابع شباهت در به روش ترکیب طبقهبندها با روش پیشنهادی و با روش آموزش تابع شباهت با رابطه Deselaers مورد مقایسه قرار گرفته در روش ترکیب طبقهبندها برای تصاویر از تابع احتمال مرتبط بودن هر تصویر به تصویر پرسوجو استفاده میشود که پس از محاسبه آن برای تمام تصاویر تصاویر با بالاترین میزان احتمال مرتبط بودن برگردانده میشوند. تابع احتمال فوق مطابق (۸ به تابع شباهت وزندار شده هر تصویر با تصویر پرسوجو وابسته در رابطه (۹ در روش ترکیب طبقهبندها پارامتر α برابر ۰/۵ در نظر گرفته شده نتایج روی ۱۰۰۰ تصویر پرس و جو که به صورت تصادفی انتخاب شدهاند محاسبه و میانگینگراف دقت هر روش در شکل ۴ آورده شده در این گراف مشخص است که روش پیشنهادی نسبت به روش [۶] در یادگیری تابع فاصله در به روش ترکیب طبقهبندها نتایج بهتری به دست میدهد. در دستهای از این روشها با استفاده از تعریف یک تابع هزینه مناسب از روشهای گرادیان نزولی جهت بهین سه ازی وزن- های تابع شباهت در جهت بهبود دقت سامانه بازیابی استفاده می- شود. در این تحقیق یک روش یادگیریکوتاه مدت مبتنی بر بهبود تابع شباهت معرفی مناسب وزنه یا شده است که با تعریف میکند. در روش پیشنهادی وزنه یا وزنه یا یک تابع هزینه تابع شباهت را به روش گرادیان نزولی تنظیم هر مولفه و همچنین هر نوع در جهت کم کردن فاصله تصویر پرس و جو از تصاویر مرتبط و زیاد کردن فاصله آن از تصاویر نامرتبط بهینه سازی شدهاند. تابع هزینه پیشنهادی در این تحقیق سرعت و دقت بازیابی را بهبود میدهد. نتایج با چند روش مرتبط با بهبود تابع شباهت در یادگیریکوتاه مدت مقایسه شده نتایج نشان میدهد روش پیشنهادی کمتر انجام میدهد. سپاسگزاری این تحقیق از پشتیبانی اطلاعات با شماره قرارداد برخوردار بوده مراجع تصویر را با دقت بیشتر و در زمان موسسه تحقیقات ارتباطات و فن آوری ۵۰۰/۱۹۲۴۵ /ت مورخ ۹۰/۱۲/۲۸ [] Antani, S., Kasturi, R., Jain, R., 00, A survey on the use of pattern recognition methods for abstraction, indexing and retrieval of images and video, Pattern Recognition, vol. 35, pp [] Barrett, S., 007, Content-based image retrieval: a short term and long-term learning approach, Teaching/ REU07/ Website/ Samuel/ SaminalPaper.pdf. [3] Broilo, M., Natale,., 00, A Stochastic Approach to Image Retrieval Using Relevance eedbac and Particle Swarm Optimization, IEEE transactions on multimedia, vol., no. 4, pp [4] Chang, S.., Siora, T., Puri, A., 00, Overview of the MPEG-7 Standard, IEEE Transactions on circuits and systems for video technology, vol. (6, pp [5] Cheng, P.C., Chien, B.C., Ke, H.R., Yang, W.P., 008, A two-level relevance feedbac mechanism for image retrieval, Expert Systems with Applications, vol. 34, pp [6] Deselaers, T., Paredes, R., Vidal, E., Ney, H., 008, Learning Weighted Distances for Relevance eedbac in Image Retrieval, 9th International Conference on Pattern Recognition (ICPR. [7] Dordevic, D., Izquierdo, E., 007, An Obect- and User-Driven System for Semantic-Based Image شکل ۴ گراف دقت در روشه یا تصویر به روش ترکیب طبقهبندها. ۵ دههه یا جمعبندی و نتیجهگیری سامانه مختلف یادگیری فاصله در معنایی تصویر از مباحث مورد توجه در بازشناسی الگو در اخیر میباشد. در این سامانهها جهت نزدیکتر کردن به محتوای معنایی تصاویر از روشه یا بازخورد ربط استفاده میشود. از روشه یا روش یادگیری کوتاه مدت میباشد که در دههه یا زیادی قرار گرفته است و رویکردهایی مرتبط با مرتبط با بازخورد ربط اخیر مورد توجه در این زمینه اراي ه شده

9 عصمت راشدی حسین نظام آبادی پور و سعید سریزدی ۲۷ of the early years, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol., pp [] Su, J.H., Huang, W.J., Yu, P.S., Tseng, V.S., 0, Efficient Relevance eedbac for Content-Based Image Retrieval by Mining User Navigation Patterns, IEEE Transactions on nowledge and data engineering, vol. 3, no. 3, pp [] Wang, Y., Ding, M., Zhou, C., Hu, Y., 006, Interactive relevance feedbac mechanism for image retrieval using rough set, Knowledge-Based Systems, vol. 9, pp شمسی گوشکی ۱. نظام آبادی پور ح. سریزدی س. کبیرف ا. اسفند ۸۸ "روش جدید در بزخورد ربط برای بازیابی تصویر بر اساس محتوا" کامپیوتر ایران. پانزدهمین کنفرانس ملی سالانه انجمن شمسی گوشکی ا بهار ۱۳۸۹ "بازیابی تصاویر رنگی بر پایه محتوا با استفاده از روشهای چند پرسشی و بازخورد ربط" پایان نامه کارشناسی ارشد دانشگاه شهید باهنر کرمان بخش مهندسی برق. [۲۳] [۲٤] عصمت راشدی مدرک کارشناسی ارشد و دکتری خود را در رشته برق مخابرات از دانشگاه شهید باهنر کرمان به ترتیب در ساله یا ۱۳۸۶ و ۱۳۹۲ دریافت کرد. زمینهه یا تحقیقاتی مورد علاقهی او پردازشتصویر بازشناسی الگو الگوریتمه یا تکاملی ورایانش نرم حسین نظام آبادی پور مدرک کارشناسی ارشد و دکتری دانشگاه تربیت خود را در رشته برق الکترونیک مدرس به ترتیب ساله یا در از ۱۳۷۹ و ۱۳۸۳ دریافت کرد. وی تاکنون استاد بخش مهندسی برق دانشگاه شهید باهنر کرمان زمینههای پژوهشی مورد علاقهی او پردازش تصویر بازشناسی الگو کاربرد رایانش نرم در پردازش تصویر و روشهای بهینه سازی ابتکاری به ترتیب در ساله یا بخش دانشیار مهندسی سعید سریزدی مدرک کارشناسی ارشد خود را در رشته برق مخابرات در سال ۱۳۶۶ از دانشگاه صنعتی اصفهان و مدارک D.E.A در رشته پردازش سیگنال و دکتری در رشته پردازش تصویر را از دانشگاه Rennes فرانسه ۱۳۷۳ و ۱۳۷۶ برق دانشگاه شهید دریافت کرد. باهنر وی کرمان تاکنون زمینهه یا پژوهشی مورد علاقهی او پردازش تصویر و بازشناسی الگو Annotation and Retrieval, IEEE transactions on circuits and systems for technology, vol. 7, no. 3, pp [8] Herraez, M.A., erri,.j., Picot, S.M., 0, Distancebased relevance feedbac using a hybrid interactive genetic algorithm for image retrieval, Applied Soft Computing, vol., pp [9] Hoi, S.C.H., Liu, W., Chang, S.., 00, Semi- Supervised Distance Metric Learning for Collaborative Image Retrieval, ACM Transactions on Multimedia Computing, Communications and Applications (ACM TOMCCAP, Vol. 6, No. 3, pp. -6. [0] Kim, D.H., Chung, C.W., 003, cluster: Relevance eedbac Using Adaptive Clustering for Content-Based Image Retrieval, Proc. ACM SIGMOD, pp [] Kim, D.H., Chung, C.W., Barnard, K., 005, Relevance feedbac using adaptive clustering for image similarity retrieval, The Journal of Systems and Software, vol. 78, pp [] Kittler, J, 998, On combining classifiers, PAMI, vol. 0(3, pp [3] Liu, Y., Zhang, D., Lu, G., Ma, W.Y., 007, A survey of content-based image retrieval with high-level semantics, Pattern Recognition, vol. 40, pp [4] Nezamabadi-pour, H., Kabir, E., 004, Image retrieval using histograms of uni-color and bi-color blocs and directional changes in intensity gradient, Pattern Recognition Letters, vol. 5, pp [5] Nezamabadi-pour, H., Kabir, E., 009, Concept learning by fuzzy -NN classification and relevance feedbac for efficient image retrieval, Expert System with Application, vol. 36, Issues 3, part, pp [6] Paredes, R., Vidal, E., 006, Learning weighted metrics to minimize nearest neighbor classification error, PAMI, vol. 8(7, pp [7] Rocchio, J.J., 97, Relevance feedbac in information retrieval, In: Salton, G. (Ed., The SMART Retrieval System: Experiments in Automatic Document Processing, Prentice Hall, pp [8] Rui, Y., Huang, S., Ortega, M., Mehrotra, S., 998, Relevance feedbac: a power tool for interactive content-based image retrieval, IEEE Transactions on Circuits and Video Technology, vol. 8 no. 5, pp [9] Salvador, S., Chan, P., 003, Determining the number of clusters/segments in hierarchical clustering/segmentation algorithms, Technical Report CS-003-8, lorida Institute of Technology. [0] Smeulders, A.W.M., Worring, M., Santini, S., Gupta, A., Jain, R., 000, Content-based image retrieval at the end

محاسبه ی برآیند بردارها به روش تحلیلی

محاسبه ی برآیند بردارها به روش تحلیلی محاسبه ی برآیند بردارها به روش تحلیلی برای محاسبه ی برآیند بردارها به روش تحلیلی باید توانایی تجزیه ی یک بردار در دو راستا ( محور x ها و محور y ها ) را داشته باشیم. به بردارهای تجزیه شده در راستای محور

Διαβάστε περισσότερα

تصاویر استریوگرافی.

تصاویر استریوگرافی. هب انم خدا تصاویر استریوگرافی تصویر استریوگرافی یک روش ترسیمی است که به وسیله آن ارتباط زاویه ای بین جهات و صفحات بلوری یک کریستال را در یک فضای دو بعدی )صفحه کاغذ( تعیین میکنند. کاربردها بررسی ناهمسانگردی

Διαβάστε περισσότερα

آزمایش 8: تقویت کننده عملیاتی 2

آزمایش 8: تقویت کننده عملیاتی 2 آزمایش 8: تقویت کننده عملیاتی 2 1-8 -مقدمه 1 تقویت کننده عملیاتی (OpAmp) داراي دو یا چند طبقه تقویت کننده تفاضلی است که خروجی- هاي هر طبقه به وروديهاي طبقه دیگر متصل شده است. در انتهاي این تقویت کننده

Διαβάστε περισσότερα

روش محاسبه ی توان منابع جریان و منابع ولتاژ

روش محاسبه ی توان منابع جریان و منابع ولتاژ روش محاسبه ی توان منابع جریان و منابع ولتاژ ابتدا شرح کامل محاسبه ی توان منابع جریان: برای محاسبه ی توان منابع جریان نخست باید ولتاژ این عناصر را بدست آوریم و سپس با استفاده از رابطه ی p = v. i توان این

Διαβάστε περισσότερα

ﯽﺳﻮﻃ ﺮﯿﺼﻧ ﻪﺟاﻮﺧ ﯽﺘﻌﻨﺻ هﺎﮕﺸﻧاد

ﯽﺳﻮﻃ ﺮﯿﺼﻧ ﻪﺟاﻮﺧ ﯽﺘﻌﻨﺻ هﺎﮕﺸﻧاد دانشگاه صنعتی خواجه نصیر طوسی دانشکده برق - گروه کنترل آزمایشگاه کنترل سیستمهای خطی گزارش کار نمونه تابستان 383 به نام خدا گزارش کار آزمایش اول عنوان آزمایش: آشنایی با نحوه پیاده سازی الکترونیکی فرایندها

Διαβάστε περισσότερα

آزمایش 1: پاسخ فرکانسی تقویتکننده امیتر مشترك

آزمایش 1: پاسخ فرکانسی تقویتکننده امیتر مشترك آزمایش : پاسخ فرکانسی تقویتکننده امیتر مشترك -- مقدمه هدف از این آزمایش بدست آوردن فرکانس قطع بالاي تقویتکننده امیتر مشترك بررسی عوامل تاثیرگذار و محدودکننده این پارامتر است. شکل - : مفهوم پهناي باند تقویت

Διαβάστε περισσότερα

شاخصهای پراکندگی دامنهی تغییرات:

شاخصهای پراکندگی دامنهی تغییرات: شاخصهای پراکندگی شاخصهای پراکندگی بیانگر میزان پراکندگی دادههای آماری میباشند. مهمترین شاخصهای پراکندگی عبارتند از: دامنهی تغییرات واریانس انحراف معیار و ضریب تغییرات. دامنهی تغییرات: اختالف بزرگترین و

Διαβάστε περισσότερα

جلسه ی ۱۰: الگوریتم مرتب سازی سریع

جلسه ی ۱۰: الگوریتم مرتب سازی سریع دانشکده ی علوم ریاضی داده ساختارها و الگوریتم ها ۸ مهر ۹ جلسه ی ۱۰: الگوریتم مرتب سازی سریع مدر س: دکتر شهرام خزاي ی نگارنده: محمد امین ادر یسی و سینا منصور لکورج ۱ شرح الگور یتم الگوریتم مرتب سازی سریع

Διαβάστε περισσότερα

پروژه یازدهم: ماشین هاي بردار پشتیبان

پروژه یازدهم: ماشین هاي بردار پشتیبان پروژه یازدهم: ماشین هاي بردار پشتیبان 1 عموما براي مسایلی که در آنها دو دسته وجود دارد استفاده میشوند اما ماشین هاي بردار پشتیبان روشهاي متفاوتی براي ترکیب چند SVM و ایجاد یک الگوریتم دستهبندي چند کلاس

Διαβάστε περισσότερα

آزمون مقایسه میانگین های دو جامعه )نمونه های بزرگ(

آزمون مقایسه میانگین های دو جامعه )نمونه های بزرگ( آزمون مقایسه میانگین های دو جامعه )نمونه های بزرگ( فرض کنید جمعیت یک دارای میانگین و انحراف معیار اندازه µ و انحراف معیار σ باشد و جمعیت 2 دارای میانگین µ2 σ2 باشند نمونه های تصادفی مستقل از این دو جامعه

Διαβάστε περισσότερα

بسم اهلل الرحمن الرحیم آزمایشگاه فیزیک )2( shimiomd

بسم اهلل الرحمن الرحیم آزمایشگاه فیزیک )2( shimiomd بسم اهلل الرحمن الرحیم آزمایشگاه فیزیک )( shimiomd خواندن مقاومت ها. بررسی قانون اهم برای مدارهای متوالی. 3. بررسی قانون اهم برای مدارهای موازی بدست آوردن مقاومت مجهول توسط پل وتسون 4. بدست آوردن مقاومت

Διαβάστε περισσότερα

مفاهیم ولتاژ افت ولتاژ و اختالف پتانسیل

مفاهیم ولتاژ افت ولتاژ و اختالف پتانسیل مفاهیم ولتاژ افت ولتاژ و اختالف پتانسیل شما باید بعد از مطالعه ی این جزوه با مفاهیم ولتاژ افت ولتاژ و اختالف پتانسیل کامال آشنا شوید. VA R VB به نظر شما افت ولتاژ مقاومت R چیست جواب: به مقدار عددی V A

Διαβάστε περισσότερα

جلسه 3 ابتدا نکته اي در مورد عمل توابع بر روي ماتریس ها گفته می شود و در ادامه ي این جلسه اصول مکانیک کوانتمی بیان. d 1. i=0. i=0. λ 2 i v i v i.

جلسه 3 ابتدا نکته اي در مورد عمل توابع بر روي ماتریس ها گفته می شود و در ادامه ي این جلسه اصول مکانیک کوانتمی بیان. d 1. i=0. i=0. λ 2 i v i v i. محاسبات کوانتمی (671) ترم بهار 1390-1391 مدرس: سلمان ابوالفتح بیگی نویسنده: محمد جواد داوري جلسه 3 می شود. ابتدا نکته اي در مورد عمل توابع بر روي ماتریس ها گفته می شود و در ادامه ي این جلسه اصول مکانیک

Διαβάστε περισσότερα

مارکوف 1.مقدمه: سید مهدی صفوی محمد میکاییلی محمد پویان چکیده ما با مطالعه مدل مخفی میدان تصادفی مارکوف از الگوریتم EM

مارکوف 1.مقدمه: سید مهدی صفوی محمد میکاییلی محمد پویان چکیده ما با مطالعه مدل مخفی میدان تصادفی مارکوف از الگوریتم EM و بخش بندی تصاویر براساس مارکوف مدل میدان تصادفی مخفی 3 سید مهدی صفوی محمد میکاییلی محمد پویان -دانشجو گروه مهندسی پزشکی دانشکده فنی مهندسی دانشگاه شاهد 3- عضوهیات علمی دانشیار گروه مهندسی پزشکی دانشکده

Διαβάστε περισσότερα

دانشکده ی علوم ریاضی جلسه ی ۵: چند مثال

دانشکده ی علوم ریاضی جلسه ی ۵: چند مثال دانشکده ی علوم ریاضی احتمال و کاربردا ن ۴ اسفند ۹۲ جلسه ی : چند مثال مدر س: دکتر شهرام خزاي ی نگارنده: مهدی پاک طینت (تصحیح: قره داغی گیوه چی تفاق در این جلسه به بررسی و حل چند مثال از مطالب جلسات گذشته

Διαβάστε περισσότερα

تحلیل مدار به روش جریان حلقه

تحلیل مدار به روش جریان حلقه تحلیل مدار به روش جریان حلقه برای حل مدار به روش جریان حلقه باید مراحل زیر را طی کنیم: مرحله ی 1: مدار را تا حد امکان ساده می کنیم)مراقب باشید شاخه هایی را که ترکیب می کنید مورد سوال مسئله نباشد که در

Διαβάστε περισσότερα

1- مقدمه. 2 Action. 1 Heuristic

1- مقدمه. 2 Action. 1 Heuristic یک الگوریتم نوین جهت رنگ آمیزی گراف با استفاده از آتوماتای یادگیر حبیب مطیع قادر دانشگاه آزاد اسلامی واحد تبریز باشگاه پژوهشگران جوان Habib_moti@yahoo.com عباس میرزایی ثمرین بورسیه هیات علمی دانشگاه آزاد

Διαβάστε περισσότερα

هو الحق دانشکده ي مهندسی کامپیوتر جلسه هفتم

هو الحق دانشکده ي مهندسی کامپیوتر جلسه هفتم هو الحق دانشکده ي مهندسی کامپیوتر کدگذاري شبکه Coding) (Network شنبه 2 اسفند 1393 جلسه هفتم استاد: مهدي جعفري نگارنده: سید محمدرضا تاجزاد تعریف 1 بهینه سازي محدب : هدف پیدا کردن مقدار بهینه یک تابع ) min

Διαβάστε περισσότερα

جلسه ی ۳: نزدیک ترین زوج نقاط

جلسه ی ۳: نزدیک ترین زوج نقاط دانشکده ی علوم ریاضی ا نالیز الگوریتم ها ۴ بهمن ۱۳۹۱ جلسه ی ۳: نزدیک ترین زوج نقاط مدر س: دکتر شهرام خزاي ی نگارنده: امیر سیوانی اصل ۱ پیدا کردن نزدیک ترین زوج نقطه فرض می کنیم n نقطه داریم و می خواهیم

Διαβάστε περισσότερα

تمرینات درس ریاض عموم ٢. r(t) = (a cos t, b sin t), ٠ t ٢π. cos ٢ t sin tdt = ka۴. x = ١ ka ۴. m ٣ = ٢a. κds باشد. حاصل x٢

تمرینات درس ریاض عموم ٢. r(t) = (a cos t, b sin t), ٠ t ٢π. cos ٢ t sin tdt = ka۴. x = ١ ka ۴. m ٣ = ٢a. κds باشد. حاصل x٢ دانش اه صنعت شریف دانش ده ی علوم ریاض تمرینات درس ریاض عموم سری دهم. ١ سیم نازک داریم که روی دایره ی a + y x و در ربع اول نقطه ی,a را به نقطه ی a, وصل م کند. اگر چ ال سیم در نقطه ی y,x برابر kxy باشد جرم

Διαβάστε περισσότερα

تلفات خط انتقال ابررسی یک شبکة قدرت با 2 به شبکة شکل زیر توجه کنید. ژنراتور فرضیات شبکه: میباشد. تلفات خط انتقال با مربع توان انتقالی متناسب

تلفات خط انتقال ابررسی یک شبکة قدرت با 2 به شبکة شکل زیر توجه کنید. ژنراتور فرضیات شبکه: میباشد. تلفات خط انتقال با مربع توان انتقالی متناسب تلفات خط انتقال ابررسی یک شبکة قدرت با 2 به شبکة شکل زیر توجه کنید. ژنراتور فرضیات شبکه: این شبکه دارای دو واحد کامال یکسان آنها 400 MW میباشد. است تلفات خط انتقال با مربع توان انتقالی متناسب و حداکثر

Διαβάστε περισσότερα

مثال( مساله الپالس در ناحیه داده شده را حل کنید. u(x,0)=f(x) f(x) حل: به کمک جداسازی متغیرها: ثابت = k. u(x,y)=x(x)y(y) X"Y=-XY" X" X" kx = 0

مثال( مساله الپالس در ناحیه داده شده را حل کنید. u(x,0)=f(x) f(x) حل: به کمک جداسازی متغیرها: ثابت = k. u(x,y)=x(x)y(y) XY=-XY X X kx = 0 مثال( مساله الپالس در ناحیه داده شده را حل کنید. (,)=() > > < π () حل: به کمک جداسازی متغیرها: + = (,)=X()Y() X"Y=-XY" X" = Y" ثابت = k X Y X" kx = { Y" + ky = X() =, X(π) = X" kx = { X() = X(π) = معادله

Διαβάστε περισσότερα

جلسه ی ۲۴: ماشین تورینگ

جلسه ی ۲۴: ماشین تورینگ دانشکده ی علوم ریاضی نظریه ی زبان ها و اتوماتا ۲۶ ا ذرماه ۱۳۹۱ جلسه ی ۲۴: ماشین تورینگ مدر س: دکتر شهرام خزاي ی نگارندگان: حمید ملک و امین خسر وشاهی ۱ ماشین تور ینگ تعریف ۱ (تعریف غیررسمی ماشین تورینگ)

Διαβάστε περισσότερα

مدار معادل تونن و نورتن

مدار معادل تونن و نورتن مدار معادل تونن و نورتن در تمامی دستگاه های صوتی و تصویری اگرچه قطعات الکتریکی زیادی استفاده می شود ( مانند مقاومت سلف خازن دیود ترانزیستور IC ترانس و دهها قطعه ی دیگر...( اما هدف از طراحی چنین مداراتی

Διαβάστε περισσότερα

شبکه های عصبی در کنترل

شبکه های عصبی در کنترل شبکه های عصبی در کنترل دانشگاه نجف آباد درس: کنترل هوشمند در فضای سایبرنتیک مدرس: حمید محمودیان مدل ریاضی نرون مدل ریاضی یک نرون ساده به صورت روبرو است P: مقدار کمیت ورودی b: مقدار بایاس )عرض از مبدا تابع

Διαβάστε περισσότερα

همبستگی و رگرسیون در این مبحث هدف بررسی وجود یک رابطه بین دو یا چند متغیر می باشد لذا هدف اصلی این است که آیا بین

همبستگی و رگرسیون در این مبحث هدف بررسی وجود یک رابطه بین دو یا چند متغیر می باشد لذا هدف اصلی این است که آیا بین همبستگی و رگرسیون در این مبحث هدف بررسی وجود یک رابطه بین دو یا چند متغیر می باشد لذا هدف اصلی این است که آیا بین دو صفت متغیر x و y رابطه و همبستگی وجود دارد یا خیر و آیا می توان یک مدل ریاضی و یک رابطه

Διαβάστε περισσότερα

هدف از این آزمایش آشنایی با رفتار فرکانسی مدارهاي مرتبه اول نحوه تأثیر مقادیر عناصر در این رفتار مشاهده پاسخ دامنه

هدف از این آزمایش آشنایی با رفتار فرکانسی مدارهاي مرتبه اول نحوه تأثیر مقادیر عناصر در این رفتار مشاهده پاسخ دامنه آزما ی ش شش م: پا س خ فرکا نس ی مدا رات مرتبه اول هدف از این آزمایش آشنایی با رفتار فرکانسی مدارهاي مرتبه اول نحوه تأثیر مقادیر عناصر در این رفتار مشاهده پاسخ دامنه و پاسخ فاز بررسی رفتار فیلتري آنها بدست

Διαβάστε περισσότερα

فعالیت = ) ( )10 6 ( 8 = )-4( 3 * )-5( 3 = ) ( ) ( )-36( = m n m+ m n. m m m. m n mn

فعالیت = ) ( )10 6 ( 8 = )-4( 3 * )-5( 3 = ) ( ) ( )-36( = m n m+ m n. m m m. m n mn درس»ریشه ام و توان گویا«تاکنون با مفهوم توان های صحیح اعداد و چگونگی کاربرد آنها در ریشه گیری دوم و سوم اعداد آشنا شده اید. فعالیت زیر به شما کمک می کند تا ضمن مرور آنچه تاکنون در خصوص اعداد توان دار و

Διαβάστε περισσότερα

Angle Resolved Photoemission Spectroscopy (ARPES)

Angle Resolved Photoemission Spectroscopy (ARPES) Angle Resolved Photoemission Spectroscopy (ARPES) روش ARPES روشی است تجربی که برای تعیین ساختار الکترونی مواد به کار می رود. این روش بر پایه اثر فوتوالکتریک است که توسط هرتز کشف شد: الکترونها می توانند

Διαβάστε περισσότερα

جلسه 12 به صورت دنباله اي از,0 1 نمایش داده شده اند در حین محاسبه ممکن است با خطا مواجه شده و یکی از بیت هاي آن. p 1

جلسه 12 به صورت دنباله اي از,0 1 نمایش داده شده اند در حین محاسبه ممکن است با خطا مواجه شده و یکی از بیت هاي آن. p 1 محاسبات کوانتمی (67) ترم بهار 390-39 مدرس: سلمان ابوالفتح بیگی نویسنده: سلمان ابوالفتح بیگی جلسه ذخیره پردازش و انتقال اطلاعات در دنیاي واقعی همواره در حضور خطا انجام می شود. مثلا اطلاعات کلاسیکی که به

Διαβάστε περισσότερα

قاعده زنجیره ای برای مشتقات جزي ی (حالت اول) :

قاعده زنجیره ای برای مشتقات جزي ی (حالت اول) : ۱ گرادیان تابع (y :f(x, اگر f یک تابع دومتغیره باشد ا نگاه گرادیان f برداری است که به صورت زیر تعریف می شود f(x, y) = D ۱ f(x, y), D ۲ f(x, y) اگر رویه S نمایش تابع (y Z = f(x, باشد ا نگاه f در هر نقطه

Διαβάστε περισσότερα

مسائل. 2 = (20)2 (1.96) 2 (5) 2 = 61.5 بنابراین اندازه ی نمونه الزم باید حداقل 62=n باشد.

مسائل. 2 = (20)2 (1.96) 2 (5) 2 = 61.5 بنابراین اندازه ی نمونه الزم باید حداقل 62=n باشد. ) مسائل مدیریت کارخانه پوشاک تصمیم دارد مطالعه ای به منظور تعیین میانگین پیشرفت کارگران کارخانه انجام دهد. اگر او در این مطالعه دقت برآورد را 5 نمره در نظر بگیرد و فرض کند مقدار انحراف معیار پیشرفت کاری

Διαβάστε περισσότερα

تئوری جامع ماشین بخش سوم جهت سادگی بحث یک ماشین سنکرون دو قطبی از نوع قطب برجسته مطالعه میشود.

تئوری جامع ماشین بخش سوم جهت سادگی بحث یک ماشین سنکرون دو قطبی از نوع قطب برجسته مطالعه میشود. مفاهیم اصلی جهت آنالیز ماشین های الکتریکی سه فاز محاسبه اندوکتانس سیمپیچیها و معادالت ولتاژ ماشین الف ) ماشین سنکرون جهت سادگی بحث یک ماشین سنکرون دو قطبی از نوع قطب برجسته مطالعه میشود. در حال حاضر از

Διαβάστε περισσότερα

چکیده مقدمه کلید واژه ها:

چکیده مقدمه کلید واژه ها: چکیده طی دهه های گذشته سازمان های بسیاری در اقسا نقاط جهان سیستم برنامه ریزی منابع سازمانی ERP را اتخاذ کرده اند. در باره ی منافع حسابداری اتخاذ سیستم های سازمانی تحقیقات کمی در مقیاس جهانی انجام شده است.

Διαβάστε περισσότερα

تمرین اول درس کامپایلر

تمرین اول درس کامپایلر 1 تمرین اول درس 1. در زبان مربوط به عبارت منظم زیر چند رشته یکتا وجود دارد (0+1+ϵ)(0+1+ϵ)(0+1+ϵ)(0+1+ϵ) جواب 11 رشته کنند abbbaacc را در نظر بگیرید. کدامیک از عبارتهای منظم زیر توکنهای ab bb a acc را ایجاد

Διαβάστε περισσότερα

طراحی و تعیین استراتژی بهره برداری از سیستم ترکیبی توربین بادی-فتوولتاییک بر مبنای کنترل اولیه و ثانویه به منظور بهبود مشخصههای پایداری ریزشبکه

طراحی و تعیین استراتژی بهره برداری از سیستم ترکیبی توربین بادی-فتوولتاییک بر مبنای کنترل اولیه و ثانویه به منظور بهبود مشخصههای پایداری ریزشبکه طراحی و تعیین استراتژی بهره برداری از سیستم ترکیبی توربین بادی-فتوولتاییک بر مبنای کنترل اولیه و ثانویه به منظور بهبود مشخصههای پایداری ریزشبکه 2 1* فرانک معتمدی فرید شیخ االسالم 1 -دانشجوی دانشکده برق

Διαβάστε περισσότερα

جلسه 14 را نیز تعریف کرد. عملگري که به دنبال آن هستیم باید ماتریس چگالی مربوط به یک توزیع را به ماتریس چگالی مربوط به توزیع حاشیه اي آن ببرد.

جلسه 14 را نیز تعریف کرد. عملگري که به دنبال آن هستیم باید ماتریس چگالی مربوط به یک توزیع را به ماتریس چگالی مربوط به توزیع حاشیه اي آن ببرد. تي وري اطلاعات کوانتمی ترم پاییز 39-39 مدرس: ابوالفتح بیگی و امین زاده گوهري نویسنده: کامران کیخسروي جلسه فرض کنید حالت سیستم ترکیبی AB را داشته باشیم. حالت سیستم B به تنهایی چیست در ابتداي درس که حالات

Διαβάστε περισσότερα

تابع هزینه حداقل میانگین مربعات توأم با حداقل واریانس خطا

تابع هزینه حداقل میانگین مربعات توأم با حداقل واریانس خطا تابع هزینه حداقل میانگین مربعات توأم با حداقل واریانس خطا فریبا پاکیزه حاجی یار هادی صدوقی یزدی دانشجوی کارشناسی ارشدگروه کامپیوتر دانشکده مهندسی دانشگاه فردوسی مشهد ایران f.pazehhajyar@stu.um.ac.r دانشیار

Διαβάστε περισσότερα

آموزش SPSS مقدماتی و پیشرفته مدیریت آمار و فناوری اطالعات -

آموزش SPSS مقدماتی و پیشرفته مدیریت آمار و فناوری اطالعات - آموزش SPSS مقدماتی و پیشرفته تهیه و تنظیم: فرزانه صانعی مدیریت آمار و فناوری اطالعات - مهرماه 96 بخش سوم: مراحل تحلیل آماری تحلیل داده ها به روش پارامتری بررسی نرمال بودن توزیع داده ها قضیه حد مرکزی جدول

Διαβάστε περισσότερα

مکانيک جامدات ارائه و تحليل روش مناسب جهت افزایش استحکام اتصاالت چسبي در حالت حجم چسب یکسان

مکانيک جامدات ارائه و تحليل روش مناسب جهت افزایش استحکام اتصاالت چسبي در حالت حجم چسب یکسان پائیز 2931/ سال ششم/ شماره ویژه دوم فصلنامه علمي پژوهشي مهندسي مکانيک جامدات فصلنامه علمي پژوهشي مهندسي مکانيک جامدات www.jsme.ir ارائه و تحليل روش مناسب جهت افزایش استحکام اتصاالت چسبي در حالت حجم چسب

Διαβάστε περισσότερα

تعیین محل قرار گیری رله ها در شبکه های سلولی چندگانه تقسیم کد

تعیین محل قرار گیری رله ها در شبکه های سلولی چندگانه تقسیم کد تعیین محل قرار گیری رله ها در شبکه های سلولی چندگانه تقسیم کد مبتنی بر روش دسترسی زلیخا سپهوند دانشکده مهندسى برق واحد نجف آباد دانشگاه آزاد اسلامى نجف آباد ایر ان zolekhasepahvand@yahoo.com روح االله

Διαβάστε περισσότερα

جلسه 9 1 مدل جعبه-سیاه یا جستاري. 2 الگوریتم جستجوي Grover 1.2 مسا له 2.2 مقدمات محاسبات کوانتمی (22671) ترم بهار

جلسه 9 1 مدل جعبه-سیاه یا جستاري. 2 الگوریتم جستجوي Grover 1.2 مسا له 2.2 مقدمات محاسبات کوانتمی (22671) ترم بهار محاسبات کوانتمی (22671) ترم بهار 1390-1391 مدرس: سلمان ابوالفتح بیگی نویسنده: هیربد کمالی نیا جلسه 9 1 مدل جعبه-سیاه یا جستاري مدل هایی که در جلسه ي پیش براي استفاده از توابع در الگوریتم هاي کوانتمی بیان

Διαβάστε περισσότερα

6- روش های گرادیان مبنا< سر فصل مطالب

6- روش های گرادیان مبنا< سر فصل مطالب 1 بنام خدا بهینه سازی شبیه سازی Simulation Optimization Lecture 6 روش های بهینه سازی شبیه سازی گرادیان مبنا Gradient-based Simulation Optimization methods 6- روش های گرادیان مبنا< سر فصل مطالب 2 شماره

Διαβάστε περισσότερα

1) { } 6) {, } {{, }} 2) {{ }} 7 ) { } 3) { } { } 8) { } 4) {{, }} 9) { } { }

1) { } 6) {, } {{, }} 2) {{ }} 7 ) { } 3) { } { } 8) { } 4) {{, }} 9) { } { } هرگاه دسته اي از اشیاء حروف و اعداد و... که کاملا"مشخص هستند با هم در نظر گرفته شوند یک مجموعه را به وجود می آورند. عناصر تشکیل دهنده ي یک مجموعه باید دو شرط اساسی را داشته باشند. نام گذاري مجموعه : الف

Διαβάστε περισσότερα

عنوان: رمزگذاري جستجوپذیر متقارن پویا

عنوان: رمزگذاري جستجوپذیر متقارن پویا دانشگاه صنعتی شریف دانشکده مهندسی برق گزارش درس ریاضیات رمزنگاري عنوان: رمزگذاري جستجوپذیر متقارن پویا استاد درس: مهندس نگارنده: ز 94 دي ماه 1394 1 5 نماد گذاري و تعریف مسي له 1 6 رمزگذاري جستجوپذیر متقارن

Διαβάστε περισσότερα

جلسه ی ۵: حل روابط بازگشتی

جلسه ی ۵: حل روابط بازگشتی دانشکده ی علوم ریاضی ساختمان داده ها ۶ مهر ۲ جلسه ی ۵: حل روابط بازگشتی مدر س: دکتر شهرام خزاي ی نگارنده: ا رمیتا ثابتی اشرف و علی رضا علی ا بادیان ۱ مقدمه پیدا کردن کران مجانبی توابع معمولا با پیچیدگی

Διαβάστε περισσότερα

فصل چهارم تعیین موقعیت و امتدادهای مبنا

فصل چهارم تعیین موقعیت و امتدادهای مبنا فصل چهارم تعیین موقعیت و امتدادهای مبنا هدف های رفتاری پس از آموزش و مطالعه این فصل از فراگیرنده انتظار می رود بتواند: 1 راهکار کلی مربوط به ترسیم یک امتداد در یک سیستم مختصات دو بعدی و اندازه گیری ژیزمان

Διαβάστε περισσότερα

جلسه ی ۱۸: درهم سازی سرتاسری - درخت جست و جوی دودویی

جلسه ی ۱۸: درهم سازی سرتاسری - درخت جست و جوی دودویی دانشکده ی علوم ریاضی ساختمان داده ۱۰ ا ذر ۹۲ جلسه ی ۱۸: درهم سازی سرتاسری - درخت جست و جوی دودویی مدر س: دکتر شهرام خزاي ی نگارنده: معین زمانی و ا رمیتا اردشیری ۱ یادا وری همان طور که درجلسات پیش مطرح

Διαβάστε περισσότερα

جلسه ی ۴: تحلیل مجانبی الگوریتم ها

جلسه ی ۴: تحلیل مجانبی الگوریتم ها دانشکده ی علوم ریاضی ساختمان داده ها ۲ مهر ۱۳۹۲ جلسه ی ۴: تحلیل مجانبی الگوریتم ها مدر س: دکتر شهرام خزاي ی نگارنده: شراره عز ت نژاد ا رمیتا ثابتی اشرف ۱ مقدمه الگوریتم ابزاری است که از ا ن برای حل مسا

Διαβάστε περισσότερα

هندسه تحلیلی بردارها در فضای R

هندسه تحلیلی بردارها در فضای R هندسه تحلیلی بردارها در فضای R فصل اول-بردارها دستگاه مختصات سه بعدی از سه محور ozوoyوox عمود بر هم تشکیل شده که در نقطه ای به نام o یکدیگر را قطع می کنند. قرارداد: دستگاه مختصات سه بعدی راستگرد می باشد

Διαβάστε περισσότερα

هادي ويسي. دانشگاه تهران - دانشکده علوم و فنون نوين نیم سال اول

هادي ويسي. دانشگاه تهران - دانشکده علوم و فنون نوين نیم سال اول هادي ويسي h.veisi@ut.ac.ir دانشگاه تهران - دانشکده علوم و فنون نوين نیم سال اول 1392-1393 مقدمه انتخاب ويژگي ها روش پوشه )Wrapper( روش فیلتر )Filter( معیارهای انتخاب ویژگی )میزان اهمیت ویژگی( آزمون آماری

Διαβάστε περισσότερα

2-Sink 3-Single-hop 4-Multi-hop

2-Sink 3-Single-hop 4-Multi-hop 96/01/10 مقاله: دریافت تاریخ 96/05/07 مقاله: پذیرش تاریخ حسگر شبکههای در سرخوشهها انتخاب برای ژنتیک الگوریتم از استفاده بیسیم * بهلولی علی ايران - اصفهان اصفهان دانشگاه کامپیوتر مهندسی دانشکده bohlooli@eng.ui.ac.ir

Διαβάστε περισσότερα

تخمین با معیار مربع خطا: حالت صفر: X: مکان هواپیما بدون مشاهده X را تخمین بزنیم. بهترین تخمین مقداری است که متوسط مربع خطا مینیمم باشد:

تخمین با معیار مربع خطا: حالت صفر: X: مکان هواپیما بدون مشاهده X را تخمین بزنیم. بهترین تخمین مقداری است که متوسط مربع خطا مینیمم باشد: تخمین با معیار مربع خطا: هدف: با مشاهده X Y را حدس بزنیم. :y X: مکان هواپیما مثال: مشاهده نقطه ( مجموعه نقاط کنارهم ) روی رادار - فرض کنیم می دانیم توزیع احتمال X به چه صورت است. حالت صفر: بدون مشاهده

Διαβάστε περισσότερα

سايت ويژه رياضيات درسنامه ها و جزوه هاي دروس رياضيات

سايت ويژه رياضيات   درسنامه ها و جزوه هاي دروس رياضيات سايت ويژه رياضيات درسنامه ها و جزوه هاي دروس رياضيات دانلود نمونه سوالات امتحانات رياضي نمونه سوالات و پاسخنامه كنكور دانلود نرم افزارهاي رياضيات و... کانال سایت ریاضی سرا در تلگرام: https://telegram.me/riazisara

Διαβάστε περισσότερα

تحليل امواج خطی در محيط دریایی با استفاده از روش بدون شبكه حداقل مربعات گسسته مختلط

تحليل امواج خطی در محيط دریایی با استفاده از روش بدون شبكه حداقل مربعات گسسته مختلط فصلنامه علمی - سال چهارم زمستان 69 تحليل امواج خطی در محيط دریایی با استفاده از روش بدون شبكه حداقل مربعات گسسته مختلط پرویز قدیمی 1 مرتضی کالهدوزان 2 صائب فرجی 3 pghadimi@aut.ac.ir 1- استاد دانشکده مهندسی

Διαβάστε περισσότερα

ویرایشسال 95 شیمیمعدنی تقارن رضافالحتی

ویرایشسال 95 شیمیمعدنی تقارن رضافالحتی ویرایشسال 95 شیمیمعدنی تقارن رضافالحتی از ابتدای مبحث تقارن تا ابتدای مبحث جداول کاراکتر مربوط به کنکور ارشد می باشد افرادی که این قسمت ها را تسلط دارند می توانند از ابتدای مبحث جداول کاراکتر به مطالعه

Διαβάστε περισσότερα

فصل دهم: همبستگی و رگرسیون

فصل دهم: همبستگی و رگرسیون فصل دهم: همبستگی و رگرسیون مطالب این فصل: )r ( کوواریانس ضریب همبستگی رگرسیون ضریب تعیین یا ضریب تشخیص خطای معیار برآور ( )S XY انواع ضرایب همبستگی برای بررسی رابطه بین متغیرهای کمی و کیفی 8 در بسیاری

Διαβάστε περισσότερα

Spacecraft thermal control handbook. Space mission analysis and design. Cubesat, Thermal control system

Spacecraft thermal control handbook. Space mission analysis and design. Cubesat, Thermal control system سیستم زیر حرارتی ماهواره سرفصل های مهم 1- منابع مطالعاتی 2- مقدمه ای بر انتقال حرارت و مکانیزم های آن 3- موازنه انرژی 4 -سیستم های کنترل دما در فضا 5- مدل سازی عددی حرارتی ماهواره 6- تست های مورد نیاز

Διαβάστε περισσότερα

به نام خدا. الف( توضیح دهید چرا از این تکنیک استفاده میشود چرا تحلیل را روی کل سیگنال x[n] انجام نمیدهیم

به نام خدا. الف( توضیح دهید چرا از این تکنیک استفاده میشود چرا تحلیل را روی کل سیگنال x[n] انجام نمیدهیم پردازش گفتار به نام خدا نیمسال اول 59-59 دکتر صامتی تمرین سری سوم پیشبینی خطی و کدینگ شکلموج دانشکده مهندسی کامپیوتر زمان تحویل: 32 آبان 4259 تمرینهای تئوری: سوال 1. می دانیم که قبل از انجام تحلیل پیشبینی

Διαβάστε περισσότερα

تخمین نقطه تغییر در ماتریس کواریانس فرآیند نرمال چند متغیره با استفاده از شبکه عصبی

تخمین نقطه تغییر در ماتریس کواریانس فرآیند نرمال چند متغیره با استفاده از شبکه عصبی تخمین نقطه تغییر در ماتریس کواریانس فرآیند نرمال چند متغیره با استفاده از شبکه عصبی امیرحسین امیری نویسنده مسئول( دانشیار گروه مهندسی صنایع دانشکده فنی و مهندسی دانشگاه شاهد تهران محمدرضا ملکی دانشجوی

Διαβάστε περισσότερα

یونیزاسیون اشعهX مقدار مو ثر یونی را = تعریف میکنیم و ظرفیت مو ثر یونی نسبت مقدار مو ثر یونی به زمان تابش هدف آزمایش: مقدمه:

یونیزاسیون اشعهX مقدار مو ثر یونی را = تعریف میکنیم و ظرفیت مو ثر یونی نسبت مقدار مو ثر یونی به زمان تابش هدف آزمایش: مقدمه: ر 1 یونیزاسیون اشعهX هدف آزمایش: تعیین مقدار ظرفیت مو ثر یونی هوا تحقیق بستگی جریان یونیزاسیون به جریان فیلامان و ولتاژ آند لامپ اشعه x مقدمه: اشعه x موج الکترومغناطیسی پر قدرت با محدوده انرژي چند تا چند

Διαβάστε περισσότερα

Nonparametric Shewhart-Type Signed-Rank Control Chart with Variable Sampling Interval

Nonparametric Shewhart-Type Signed-Rank Control Chart with Variable Sampling Interval International Journal of Industrial Engineering & Production Management 2013) ugust 2013, Volume 24, Number 2 pp. 183-189 http://ijiepm.iust.ac.ir/ Nonparametric Shewhart-Type Signed-Rank Control Chart

Διαβάστε περισσότερα

http://econometrics.blog.ir/ متغيرهای وابسته نماد متغيرهای وابسته مدت زمان وصول حساب های دريافتني rcp چرخه تبدیل وجه نقد ccc متغیرهای کنترلی نماد متغيرهای کنترلي رشد فروش اندازه شرکت عملکرد شرکت GROW SIZE

Διαβάστε περισσότερα

جلسه 22 1 نامساویهایی در مورد اثر ماتریس ها تي وري اطلاعات کوانتومی ترم پاییز

جلسه 22 1 نامساویهایی در مورد اثر ماتریس ها تي وري اطلاعات کوانتومی ترم پاییز تي وري اطلاعات کوانتومی ترم پاییز 1391-1392 مدرس: ابوالفتح بیگی و امین زاده گوهري نویسنده: محمد مهدي مجاهدیان جلسه 22 تا اینجا خواص مربوط به آنتروپی را بیان کردیم. جهت اثبات این خواص نیاز به ابزارهایی

Διαβάστε περισσότερα

یدنب هشوخ یاه متیروگلا

یدنب هشوخ یاه متیروگلا تحلیل خوشه ای مقدمه در این قسمت ابتدا چند تعریف بیان می کنیم و در ادامه به جزئیات این تعاریف و کاربردهای تحلیل خوشه ای در علوم مختلف می پردازیم و نیز با مشکالتی که در تحلیل خوشه ای مواجه هستیم اشاره ای

Διαβάστε περισσότερα

طرح یافتن مکان خطا در خطوط انتقال چندترمینالی با استفاده از اندازه گیریهای ناهمگام )آسنکرون(

طرح یافتن مکان خطا در خطوط انتقال چندترمینالی با استفاده از اندازه گیریهای ناهمگام )آسنکرون( طرح یافتن مکان خطا در خطوط انتقال چندترمینالی با استفاده از اندازه گیریهای ناهمگام )آسنکرون( چکیده در این مقاله یک روش ساده با استفاده از اندازه گیری ناهمگام برای تعیین مکان خطا در خطوط انتقال چند-ترمینالی

Διαβάστε περισσότερα

به نام خدا. Sparse Coding ستاره فرامرزپور

به نام خدا. Sparse Coding ستاره فرامرزپور به نام خدا Sparse Coding ستاره فرامرزپور 120728399 1 فهرست مطالب مقدمه... 0 برخی کاربردها... 0 4... تنک: کدگذاری مبانی تجزیه معادله تنک:... 5 6...:α Sparse پیدا ه یا الگوریتم کردن ضریب یادگیری ه یا روش

Διαβάστε περισσότερα

2/13/2015 حمیدرضا پوررضا H.R. POURREZA 2 آخرین گام در ساخت یک سیستم ارزیابی آن است

2/13/2015 حمیدرضا پوررضا H.R. POURREZA 2 آخرین گام در ساخت یک سیستم ارزیابی آن است 1 ارزیا ی م حمیدرضا پوررضا قد 2 آخرین گام در ساخت یک سیستم ارزیابی آن است 1 ف ی ا ط لاحات 3 :Degrees of Freedom (DOF) این اصطلاح در سیستمهاي ردیاب استفاده میشود و بنابه تعریف عبارتست از آزادي حرکت انتقالی

Διαβάστε περισσότερα

جلسه 2 1 فضاي برداري محاسبات کوانتمی (22671) ترم بهار

جلسه 2 1 فضاي برداري محاسبات کوانتمی (22671) ترم بهار محاسبات کوانتمی (22671) ترم بهار 1390-1391 مدرس: سلمان ابوالفتح بیگی نویسنده: نادر قاسمی جلسه 2 در این درسنامه به مروري کلی از جبر خطی می پردازیم که هدف اصلی آن آشنایی با نماد گذاري دیراك 1 و مباحثی از

Διαβάστε περισσότερα

معادلهی مشخصه(کمکی) آن است. در اینجا سه وضعیت متفاوت برای ریشههای معادله مشخصه رخ میدهد:

معادلهی مشخصه(کمکی) آن است. در اینجا سه وضعیت متفاوت برای ریشههای معادله مشخصه رخ میدهد: شکل کلی معادلات همگن خطی مرتبه دوم با ضرایب ثابت = ٠ cy ay + by + و معادله درجه دوم = ٠ c + br + ar را معادلهی مشخصه(کمکی) آن است. در اینجا سه وضعیت متفاوت برای ریشههای معادله مشخصه رخ میدهد: c ١ e r١x

Διαβάστε περισσότερα

حفاظت مقایسه فاز خطوط انتقال جبرانشده سري.

حفاظت مقایسه فاز خطوط انتقال جبرانشده سري. حفاظت مقایسه فاز در خطوط انتقال جبران شده سري همراه با MOV 2 1 محمد رضا پویان فر جواد ساده 1 دانشگاه آزاد اسلامی واحد گناباد reza.pooyanfar@gmail.com 2 دانشکده فنی مهندسی دانشگاه فردوسی مشهد sadeh@um.ac.ir

Διαβάστε περισσότερα

ارزیابی نسبت حداکثرتغییر مکان غیرالاستیک به الاستیک در رابطه تغییر مکان هدف در تحت شتاب نگاشتهاي ایران و شتاب نگاشت هاي مصنوعی

ارزیابی نسبت حداکثرتغییر مکان غیرالاستیک به الاستیک در رابطه تغییر مکان هدف در تحت شتاب نگاشتهاي ایران و شتاب نگاشت هاي مصنوعی ارزیابی نسبت حداکثرتغییر مکان غیرالاستیک به الاستیک در رابطه تغییر مکان هدف در دستورالعمل بهسازي لرزه اي(نشریه 360 ( تحت شتاب نگاشتهاي ایران و شتاب نگاشت هاي مصنوعی 2 1 محمدعلی برخورداري ایمان باحشمت دانشکده

Διαβάστε περισσότερα

راهنمای کاربری موتور بنزینی )سیکل اتو(

راهنمای کاربری موتور بنزینی )سیکل اتو( راهنمای کاربری موتور بنزینی )سیکل اتو( هدف آزمایش : شناخت و بررسی عملکرد موتور بنزینی تئوری آزمایش: موتورهای احتراق داخلی امروزه به طور وسیع برای ایجاد قدرت بکار می روند. ژنراتورهای کوچک پمپ های مخلوط

Διαβάστε περισσότερα

5- مروری بر روش های جستجوی تصادفی > سر فصل مطالب

5- مروری بر روش های جستجوی تصادفی > سر فصل مطالب 1 بنام خدا بهینه سازی شبیه سازی Simulation Optimization Lecture 5 مروری بر روش های جستجوی تصادفی A review of random search methods 5- مروری بر روش های جستجوی تصادفی > سر فصل مطالب 2 شماره عنوان فصل 1-5

Διαβάστε περισσότερα

بسمه تعالی «تمرین شماره یک»

بسمه تعالی «تمرین شماره یک» بسمه تعالی «تمرین شماره یک» شماره دانشجویی : نام و نام خانوادگی : نام استاد: دکتر آزاده شهیدیان ترمودینامیک 1 نام درس : ردیف 0.15 m 3 میباشد. در این حالت یک فنر یک دستگاه سیلندر-پیستون در ابتدا حاوي 0.17kg

Διαβάστε περισσότερα

بررسی خرابی در سازه ها با استفاده از نمودارهاي تابع پاسخ فرکانس مجتبی خمسه

بررسی خرابی در سازه ها با استفاده از نمودارهاي تابع پاسخ فرکانس مجتبی خمسه بررسی خرابی در سازه ها با استفاده از نمودارهاي تابع پاسخ فرکانس پیمان ترکزاده مجتبی خمسه یونس گودرزي - استادیار بخش مهندسی عمران دانشگاه شهید باهنر کرمان - دانشجوي کارشناسی ارشد سازه دانشگاه تحصیلات تکمیلی

Διαβάστε περισσότερα

مقایسه کارایی آنالیز مولفه های اصلی و تبدیل کسینوسی گسسته در شناسایی چهره با استفاده از تبدیل موجک و ماشین بردار پشتیبان

مقایسه کارایی آنالیز مولفه های اصلی و تبدیل کسینوسی گسسته در شناسایی چهره با استفاده از تبدیل موجک و ماشین بردار پشتیبان مقایسه کارایی آنالیز مولفه های اصلی و تبدیل کسینوسی گسسته در شناسایی چهره با استفاده از تبدیل موجک و ماشین بردار پشتیبان 2 1 مژده الهی جلیل شیرازی 1- دانشجوی کارشناسی ارشد کنترل دانشگاه آزاد اسالمی واحد

Διαβάστε περισσότερα

دبیرستان غیر دولتی موحد

دبیرستان غیر دولتی موحد دبیرستان غیر دلتی محد هندسه تحلیلی فصل دم معادله های خط صفحه ابتدا باید بدانیم که از یک نقطه به مازات یک بردار تنها یک خط می گذرد. با تجه به این مطلب برای نشتن معادله یک خط احتیاج به داشتن یک نقطه از خط

Διαβάστε περισσότερα

فصل پنجم زبان های فارغ از متن

فصل پنجم زبان های فارغ از متن فصل پنجم زبان های فارغ از متن خانواده زبان های فارغ از متن: ( free )context تعریف: گرامر G=(V,T,,P) کلیه قوانین آن به فرم زیر باشد : یک گرامر فارغ از متن گفته می شود در صورتی که A x A Є V, x Є (V U T)*

Διαβάστε περισσότερα

زمین شناسی ساختاری.فصل پنجم.محاسبه ضخامت و عمق الیه

زمین شناسی ساختاری.فصل پنجم.محاسبه ضخامت و عمق الیه پن ج م فص ل محاسبه ضخامت و عم ق الهی زمین شناسی ساختاری.کارشناسی زمین شناسی.بخش زمین شناسی دانشکده علوم.دانشگاه شهید باهنر کرمان.استاد درس:دکتر شهرام شفیعی بافتی 1 تعاریف ضخامت - فاصله عمودی بین دو صفحه

Διαβάστε περισσότερα

جلسه دوم سوم چهارم: مقدمه اي بر نظریه میدان

جلسه دوم سوم چهارم: مقدمه اي بر نظریه میدان هو الحق دانشکده ي مهندسی کامپیوتر کدگذاري شبکه Coding) (Network سه شنبه 21 اسفند 1393 جلسه دوم سوم چهارم: مقدمه اي بر نظریه میدان استاد: مهدي جعفري نگارنده: علیرضا حیدري خزاي ی در این نوشته مقدمه اي بر

Διαβάστε περισσότερα

جلسه 15 1 اثر و اثر جزي ی نظریه ي اطلاعات کوانتومی 1 ترم پاي یز جدایی پذیر باشد یعنی:

جلسه 15 1 اثر و اثر جزي ی نظریه ي اطلاعات کوانتومی 1 ترم پاي یز جدایی پذیر باشد یعنی: نظریه ي اطلاعات کوانتومی 1 ترم پاي یز 1391-1391 مدرس: دکتر ابوالفتح بیگی ودکتر امین زاده گوهري نویسنده: محمدرضا صنم زاده جلسه 15 فرض کنیم ماتریس چگالی سیستم ترکیبی شامل زیر سیستم هايB و A را داشته باشیم.

Διαβάστε περισσότερα

طراحی و تجزیه و تحلیل کنترل کننده منطق فازي براي کنترل فرکانس بار در سیستم هاي قدرت

طراحی و تجزیه و تحلیل کنترل کننده منطق فازي براي کنترل فرکانس بار در سیستم هاي قدرت طراحی و تجزیه و تحلیل کنترل کننده منطق فازي براي کنترل فرکانس بار در سیستم هاي قدرت 2 1 مهرداد احمدي کمرپشتی هدي کاظمی موسسه آموزش عالی روزبهان ساري گروه برق ساري ایران Mehrdad.ahmadi.k@gmail.com hoda.kazemi.aski@gmail.com

Διαβάστε περισσότερα

E_mail: چکیده فرکتال تشخیص دهد. مقدمه متحرک[ 2 ].

E_mail: چکیده فرکتال تشخیص دهد. مقدمه متحرک[ 2 ]. آنالیز کامپیوتری مسیر حرکت اسپرم و استخراج بعد فرکتال نویسندگان : ٣ ٢ ١ مریم پنجه فولادگران محمدحسن مرادی وحیدرضا نفیسی ٤ روشنک ابوترابی تهران دانشگاه آزاد اسلامی واحد علوم و تحقیقات دانشکده مهندسی پزشکی

Διαβάστε περισσότερα

OFDM ﻢﺘﺴﯿﺳ ﯽﻫدزﺎﺑ ﺮﺑ لﺎﻧﺎﮐﺮﯿﺧﺎﺗ هﺮﺘﺴﮔ ﺮﯿﺛﺎﺗ

OFDM ﻢﺘﺴﯿﺳ ﯽﻫدزﺎﺑ ﺮﺑ لﺎﻧﺎﮐﺮﯿﺧﺎﺗ هﺮﺘﺴﮔ ﺮﯿﺛﺎﺗ و 2 چکیده تاثیر گستره تاخیرکانال بر بازدهی سیستم OFDM علیرضا محمودی دکتر سید محمود مدرس هاشمی modarres@cc.iut.ac.ir Alireza@mahmoodi.ir دانشکده برق وکامپیوتر دانشگاه صنعتی اصفهان انتشار چند مسیره از مهمترین

Διαβάστε περισσότερα

آشنایی با پدیده ماره (moiré)

آشنایی با پدیده ماره (moiré) فلا) ب) آشنایی با پدیده ماره (moiré) توری جذبی- هرگاه روی ورقه شفافی چون طلق تعداد زیادی نوارهای خطی کدر هم پهنا به موازات یکدیگر و به فاصله های مساوی از هم رسم کنیم یک توری خطی جذبی به وجود می آید شکل

Διαβάστε περισσότερα

Top Down Parsing LL(1) Narges S. Bathaeian

Top Down Parsing LL(1) Narges S. Bathaeian طراحی کامپایلر Top Down Parsing LL1) تعریف top down parsing Parse tree را از ریشه به سمت برگها می سازد. دو نوع LL1), LLk) Recursive descent مثال G = {S},{, ) }, P, S) S S S ) S ε ))$ مثال S S ) S ε ))$

Διαβάστε περισσότερα

Answers to Problem Set 5

Answers to Problem Set 5 Answers to Problem Set 5 Principle of Economics Graduate School of Management and Economics, Sharif University of Technology Fall 94 5. Suppose a competitive firm has the following cost function c(y) =

Διαβάστε περισσότερα

الگوریتم مسيریابی جدید مبتنی بر فاصله برای کاهش مصرف انرژی در شبکه های حسگر بی سيم

الگوریتم مسيریابی جدید مبتنی بر فاصله برای کاهش مصرف انرژی در شبکه های حسگر بی سيم الگوریتم مسيریابی جدید مبتنی بر فاصله برای کاهش مصرف انرژی در شبکه های حسگر بی سيم 2 1 فرهاد مصری نژاد ناصر محمد رحیم پناه 1 دانشگاه آزاد اسالمی واحد شهر مجلسی دانشکده مهندسی برق و کامپیوتر اصفهان ایرانnaserrahimpanah@gmail.com

Διαβάστε περισσότερα

مسئله مکانیابی رقابتی تسهیالت در بازار با استفاده از خوشهبندی مشتریان

مسئله مکانیابی رقابتی تسهیالت در بازار با استفاده از خوشهبندی مشتریان مسئله مکانیابی رقابتی تسهیالت در بازار با استفاده از خوشهبندی مشتریان شهابالدین یزدانی * محمدعلی فرقانی 2 مسعود رشیدینژاد 3 دانشگاه شهید باهنر کرمان تاریخ دریافت مقاله: 303/90/ تاریخ پذیرش مقاله: 303//22

Διαβάστε περισσότερα

روش ابداعی کنترل بهینه غیرخطی در توربین بادی با حداقل سازی نوسانات توان و گشتاور

روش ابداعی کنترل بهینه غیرخطی در توربین بادی با حداقل سازی نوسانات توان و گشتاور روش ابداعی کنترل بهینه غیرخطی در توربین بادی با حداقل سازی نوسانات توان و گشتاور فرانک معتمدی * دکترفرید شیخ االسالم 2 -دانشجوی رشته برق دانشگاه آزاد واحد نجفآباد Fa_motamedi@yahoo.com 2 -استاد گروه برق

Διαβάστε περισσότερα

بهینه سازي تقطیع تصویر مبتنی بر گراف با استفاده از الگوریتم رقابت استعماري

بهینه سازي تقطیع تصویر مبتنی بر گراف با استفاده از الگوریتم رقابت استعماري بهینه سازي تقطیع تصویر مبتنی بر گراف با استفاده از الگوریتم رقابت استعماري 3 2 3 2 1 حدیث سلطان پور مجید وفایی جهان مهرداد جلالی 1 دانشگاه آزاد اسلامی دانشکده فنی و مهندسی hodais_soltanpoor@yahoo.com دانشگاه

Διαβάστε περισσότερα

( )= ( ) ( ) ( 1) ( d) d w و ( ) =

( )= ( ) ( ) ( 1) ( d) d w و ( ) = اراي ه روش جدید بدون شبکه نیمه ضمنی ذرات متحرك (MPS) با ضریب پنالتی براي حل معادلات دیفرانسیلی بیضوي خلاصه در این تحقیق روش جدید بدون شبکه نیمه ضمنی ذرات متحرك (MPS) با ضریب پنالتی براي حل معادلاتدیفرانسیلی

Διαβάστε περισσότερα

تحلیل فرسایش ابزار در ماشینکاري فولاد

تحلیل فرسایش ابزار در ماشینکاري فولاد 77 ST-37 نشریه تخصصی مکانیک کاربردي دوره شماره 1 اسفندماه 1390 از صفحه 77 تا 85 تحلیل فرسایش ابزار در ماشینکاري فولاد 2 چکیده 3 2 1* رمضانعلی مهدوي نژاد محمد خواجه افضلی و عنایت االله دزیانی 1 دانشیار

Διαβάστε περισσότερα

پایان نامه کارشناسی ارشد دانشگاه خوارزمی تهران بهینه سازی روش ادغام تصاویر با استفاده از فیلتر هدایتی تابستان 94 استاد راهنما : دکتر جمشید شنبه زاده

پایان نامه کارشناسی ارشد دانشگاه خوارزمی تهران بهینه سازی روش ادغام تصاویر با استفاده از فیلتر هدایتی تابستان 94 استاد راهنما : دکتر جمشید شنبه زاده پایان نامه کارشناسی ارشد دانشگاه خوارزمی تهران بهینه سازی روش ادغام تصاویر با استفاده از فیلتر هدایتی تابستان 94 استاد راهنما : دکتر جمشید شنبه زاده گردآورنده : حمید عدل دوست شماره دانشجویی 913821520 :

Διαβάστε περισσότερα

هد ف های هفته ششم: 1- اجسام متحرک و ساکن را از هم تشخیص دهد. 2- اندازه مسافت و جا به جایی اجسام متحرک را محاسبه و آن ها را مقایسه کند 3- تندی متوسط

هد ف های هفته ششم: 1- اجسام متحرک و ساکن را از هم تشخیص دهد. 2- اندازه مسافت و جا به جایی اجسام متحرک را محاسبه و آن ها را مقایسه کند 3- تندی متوسط هد ف های هفته ششم: 1- اجسام متحرک و ساکن را از هم تشخیص دهد. - اندازه مسافت و جا به جایی اجسام متحرک را محاسبه و آن ها را مقایسه کند 3- تندی متوسط اجسام متحرک را محاسبه کند. 4- تندی متوسط و لحظه ای را

Διαβάστε περισσότερα

ارزیابی بهره وری متقاطع DEA بر پایه بهبود پارتو

ارزیابی بهره وری متقاطع DEA بر پایه بهبود پارتو چکیده ارزیابی بهره وری متقاطع DEA بر پایه بهبود پارتو جی.وو جونفی.چو جیاس ن سان کینگ یوآن ژو ارزیابی بهره وری متقاطع به عنوان یک ابزار گسترده برای تحلیل پوششی داده ها (DEA) دارای کاربرد گسترده ای در ارزیابی

Διαβάστε περισσότερα

Archive of SID - 1 مقدمه ژنراتورها پایداری بیشتر دیزل ژنراتورهای موازی در مقایسه با یک دیزل ژنراتور دیزل ژنراتور سیستم. (

Archive of SID - 1 مقدمه ژنراتورها پایداری بیشتر دیزل ژنراتورهای موازی در مقایسه با یک دیزل ژنراتور دیزل ژنراتور سیستم. ( 2 3 4 69 نشریه مهندسی برق و مهندسی کامپیوتر ایران سال شماره 2 پاییز و زمستان 382 روشی نو در طراحی و ساخت سنکرونایزر الکترونیکی بر اساس قفل کردن فاز جهت موازی کردن سریع دیزل ژنراتورها مصطفی پرنیانی و رضا

Διαβάστε περισσότερα

SanatiSharif.ir مقطع مخروطی: دایره: از دوران خط متقاطع d با L حول آن یک مخروط نامحدود بدست میآید که سطح مقطع آن با یک

SanatiSharif.ir مقطع مخروطی: دایره: از دوران خط متقاطع d با L حول آن یک مخروط نامحدود بدست میآید که سطح مقطع آن با یک مقطع مخروطی: از دوران خط متقاطع d با L حول آن یک مخروط نامحدود بدست میآید که سطح مقطع آن با یک صفحه میتواند دایره بیضی سهمی هذلولی یا نقطه خط و دو خط متقاطع باشد. دایره: مکان هندسی نقاطی است که فاصلهی

Διαβάστε περισσότερα

یک سیستم تخصیص منابع هوشمند بر مبنای OFDMA در یک سیستم بیسیم توزیع شده با استفاده از تئوری بازیها

یک سیستم تخصیص منابع هوشمند بر مبنای OFDMA در یک سیستم بیسیم توزیع شده با استفاده از تئوری بازیها یک سیستم تخصیص منابع هوشمند بر مبنای OFDMA در یک سیستم بیسیم توزیع شده با استفاده از تئوری بازیها حامد رشیدی 1 و سیامک طالبی 2 1 -دانشگاه شهید باهنر كرمان 2 -دانشگاه شهید باهنر كرمان Hamed.hrt@gmail.com

Διαβάστε περισσότερα