مقايسهي مدلهاي شبكهي عصبي مصنوعي با رگرسيون لجستيك و تحليل مميزي در پيشبيني سندرم متابوليك
|
|
- Ἄρτεμις Λύτρας
- 7 χρόνια πριν
- Προβολές:
Transcript
1 مجلهي غدد درونريز و متابوليسم ايران دانشگاه علوم پزشكي و خدمات بهداشتي درماني شهيد بهشتي دورهي يازدهم شمارهي ۶ صفحههاي ۶۴۶ ۶۳۸ (اسفند ۱۳۸۸) مقايسهي مدلهاي شبكهي عصبي مصنوعي با رگرسيون لجستيك و تحليل مميزي در پيشبيني سندرم متابوليك ۳ ۱ ۲ ۱ مرتضي سدهي دكتر يداله محرابي دكتر انوشيروان كاظمنژاد دكتر فرزاد حداي ق ۱) دانشكدهي پزشكي دانشگاه تربيت مدرس ۲) گروه اپيدميولوژي دانشكدهي بهداشت دانشگاه علوم پزشكي شهيد بهشتي ۳) مركز تحقيقات متابوليسم پژوهشكدهي علوم غدد درونريز و متابوليسم دانشگاه علوم پزشكي و خدمات بهداشتي درماني شهيد بهشتي نشاني مکاتبهي نويسندهي مسي ول: تهران اوين دانشگاه علوم پزشکي شهيد بهشتي دانشکدهي بهداشت گروه اپيدميولوژي دكتر يداله محرابي چكيده مقدمه: شبكههاي عصبي مصنوعي به عنوان يكي از روشهاي نوين مدلسازي در سالهاي اخير مورد توجه ويژه قرار گرفته است. اين مدلها براي پيشبيني و طبقهبندي در مواردي كه روشهاي كلاسيك ا ماري به خاطر محدوديتهايشان قابل استفاده نيستند كاربرد دارند. هدف از اين مطالعه مقايسهي توانايي مدلهاي شبكه عصبي مصنوعي با رگرسيون لجستيك و تحليل مميزي براي پيشبيني سندرم متابوليك در نمونهاي از افراد شركت كننده در مطالعهي قند و ليپيد تهران بود. مواد و روشها: با استفاده از بانك اطلاعاتي مطالعهي قند و ليپيد تهران ۳۴۷ نفر از افراد شركتكننده در ا ن مطالعه كه در ابتداي فاز اول مطالعه بر اساس تعريف ATP ΙΙΙ نبودند به عنوان نمونه انتخاب شدند. اندازهگيري شاخصهاي تنسنجي سابقهي بيماري قلبي عروقي نمايهي تودهي بدن كلسترول LDL و كلسترول HDL کلسترولتام تريگليسريد قندخون ناشتا قند خون دو ساعته مصرف سيگار فشار خون سيستولي و دياستولي و دور کمر در ابتداي مطالعه ثبت و بروز سندرم متابوليک پس از سه سال پيگيري به عنوان متغير پاسخ در نظر گرفته شد. مدلهاي رگرسيون لجستيك تحليل مميزي و شبكهي عصبي مصنوعي پسانتشار (۱۵:۸:۱) و (۱۵:۱۰:۱) بر دادهها برازش داده شد و پيشبيني بر اساس اين مدلها انجام شد. از تحليل راك و ا مارهي كاپا براي مقايسهي قدرت پيشبيني مدلها استفاده شد. نرمافزار MATLAB به اين منظور مورد استفاده قرار گرفت. يافتهها: مساحت زير منحني راك براي (ROC) مدلهاي رگرسيون لجستيك تحليل مميزي و مدلهاي شبكهي عصبي مصنوعي (۱۵:۸:۱) و (۱۵:۱۰:۱) به ترتيب ۰/۷۴۹ ۰/۷۳۹ و ۰/۷۴۸ و ۰/۸۹۰ به دست ا مد. ميزان حساسيت مدلها به ترتيب ۰/۴۳۵ ۰/۶۷۷ ۰/۴۸۳ و ۰/۸۳۶ و ويژگي ا نها به ترتيب ۰/۹۱۰ ۰/۶۶۰ ۰/۸۵۷ و ۰/۸۸۴ برا ورد شد. اندازهي ا مارهي کاپا براي مدلها به ترتيب ۰/۳۶۳ ۰/۳۲۲ ۰/۳۷۲ و ۰/۷۱۲ بهدست ا مد. نتيجهگيري: يافتهها نشان دادند كه مدل شبكهي عصبي مصنوعي پسانتشار (۱۵:۱۰:۱) نسبت به مدل رگرسيون لجستيك و مدل تحليل مميزي از دقت بيشتري براي پيشبيني سندرم متابوليك در افراد مورد بررسي برخوردار است. پژوهشي مقالهي واژگان کليدي: مدلهاي شبكهي عصبي مصنوعي رگرسيون لجستيك تحليل مميزي سندرم متابوليک دريافت مقاله: ۸۸/۳/۳۱ دريافت اصلاحيه: ۸۸/۷/۱۸ پذيرش مقاله: ۸۸/۸/۴
2 دكتر مرتضي سدهي و همكاران مدل پنكهي عصبي در پيشبيني سندرم متابوليك ۶۳۹ مقدمه شناسايي الگو و طبقهبندي يكي از مهمترين كاربردهاي روشهاي ا ماري در علوم مختلف است. يكي از اهداف عمدهي مدلسازي و طبقهبندي در ا مار پيشبيني بر اساس واقعيتها و متغيرهاي موجود و اطلاعات در دسترس از يك موضوع خاص است. اين وظيفه در ا مار به طور عمده بر دوش روشهايي مانند رگرسيون تحليل مميزي سريهاي زماني ردهبندي رگرسيون درختي و روشه يا ۱ است. ديگر ا ماري روشهاي كلاسيك ا ماري براي مدلبندي روابط بين متغيرها داراي تعدادي پيشفرض و محدوديت است. در نظر گرفتن يك توزيع پيشفرض مانند توزيع نرمال براي متغيرهاي پاسخ خطي بودن رابطهي پيشنهادي يكسان بودن واريانس خطاها و غيره از جمله محدوديتهاي روشهاي كلاسيك هستند كه هنگام استفادهي عملي از اين روشها اگر دادههاي واقعي شرايط مفروض مدل را نداشته باشند استفاده از اين روشها امكانپذير نبوده يا با خطاي قابل توجه همراه است. علاوه به قابليت مدلبندي روابط پيچيدهي درجهي بالا را ندارند. هيچيك از غير خطي و اثر حساس بودن بيشتر اين اين روشها متقابل مدلها به مشاهدههاي گم شده و دادههاي پرت از ديگر محدوديتهاي ۱ اين روشها به شمار ميا يد. بنابراين نياز به روشهايي كه با محدوديتهاي كمتري در اين زمينه مواجه باشند احساس ميشود. در اين بين مدلهاي شبكهي عصبي مصنوعي ميتوانند يكي از مناسبترين روشها باشند. شبكهي عصبي هيچ فرض اوليهاي بر توزيع دادهها تحميل نميكند ضمن اين كه هيچ محدوديتي نيز براي شكل تابعي رابطهي بين متغيرهاي مستقل و وابسته اعمال نميكند بلكه شبكهي عصبي خود اين رابطهي تابعي را كشف ميكند كه لزوم ا اين رابطه يك رابطهي خطي نيست. از ديگر مزاياي شبكهي عصبي مصنوعي اين است كه در ا ن اطلاعات به صورت ضمني پردازش ميشوند. بر اين اساس چنانچه بخشي از سلولهاي شبكهي حذف شوند يا عملكرد غلط داشته باشند باز هم احتمال رسيدن به پاسخ صحيح وجود دارد ضمن ا ني كه تعميمپذيري شبكهي عصبي اين امكان را ميدهد كه مدل در ارتباط با يك مشاهدهي جديد ا موزش ۲ داده نشده پاسخ مناسبي ارايه دهد. سندرم متابوليك به مجموعهاي از اختلالهاي متابوليك گفته ميشود كه وقوع همزمان ا نها در هر شخص بيشتر از خطر وقوع احتمالي هر يك به تنهايي است. مطالعهها نشان دادهاند كه مرگ و مير ناشي از بيماريهاي قلبي عروقي به طور مشخصي در مبتلايان به سندرم متابوليك بيشتر است. اين سندرم به علت ارتباط با ديابت و بيماريهاي قلبي عروقي و نيز به خاطر شيوع بالا در بين جمعيتها توجه بسياري از محققان را به خود جلب نموده است. جهاني بهداشت (WHO) پژوهشگران سازمان بينالمللي ديابت (IDF) و پانل درماني بزرگسالان (ATPIII) v معيارهايي را ۴ براي سندرم متابوليك اراي ه كردهاند. در تعريف ATPIII از شاخصهاي دور كمر فشارخون تريگليسريد كلسترول تام كلسترولHDL و قند خون ناشتا استفاده شده است. سندرم متابوليك بر اساس چاقي افزايش فشار خون افزايش سطح تريگليسريد پايين بودن كلسترولHDL و افزايش قند خون ناشتا تشخيص داده ميشود. در تعريف ATP III ۴ وجود سه معيار از پنج معيار فوق الزامي است. اين سندرم %۲۳ ۵ جهان غرب را مبتلا كرده است. در ا مريكا شيوع خام و تطبيق داده شده بر اساس سن به ترتيب %۲۱/۸ و %۲۳/۷ ۵ گزارش شده است. در بزرگسالان شيوع جنوبي كرهي تطبيق داده شده بر اساس سن در مردان %۱۴/۲ و در زنان %۱۷/۷ ۵ گزارش شده است. در ايران در مطالعهي عزيزي و همكاران شيوع سندرم متابوليك در جمعيت مورد بررسي %۳۰/۱ و شيوع استاندارد شده بر اساس سن %۳۳/۷ گزارش ۶ شده است. فخرزاده و همكاران در مطالعه خود شيوع سندرم متابوليك در جمعيت مورد بررسي %۲۹/۹ و شيوع تطبيق داده شده با سن را %۲۷/۵ همكاران در مطالعهي ۵ گزارش كردهاند. حداي ق و خود با استفاده از مدل رگرسيون لجستيك به بررسي عوامل مختلف مرتبط با سندرم متابوليك ۳ در بزرگسالان با وزن طبيعي پرداختند. همكاران در مطالعهي خود ضمن بررسي صدر بافقي و شيوع سندرم متابوليك به بررسي عوامل مو ثر بر ا ن نيز پرداختند. در ا ن مطالعه %۳۲/۱ شيوع سندرم متابوليك در جمعيت مورد بررسي ۷ گزارش شد. دانشپور و همکاران نيز در مطالعه - World Health Organzaton - Internatonal Dabetes Federaton v - Adult Treatment Panel -Artfcal Neural Network
3 دورهي يازدهم, شمارهي ۶ اسفند ۱۳۸۸ مجلهي غدد درون ۶۴۰ ريز و متابوليسم ايران خود عوامل مرتبط با سندرم متابوليك را با استفاده از تحليل عاملي بررسي بيماريها ۸ كردند. با توجه به مرگ و مير ناشي از اين و بار عظيم اقتصادي ناشي از ا نها ارايهي مدلهايي كه با دقت بتواند ابتلا به سندرم متابوليك را در افراد پيشبيني نمايد از اهميت ويژهاي ۳ برخوردار است. هدف از اين مطالعه پيشبيني ابتلا به سندرم متابوليك با استفاده از مدل شبكهي عصبي مصنوعي و مقايسهي دقت با مدل اين پيشبيني روشهاي مرسوم ا ماري مانند رگرسيون لجستيك و تحليل مميزي بود. لازم به ذكر است كه در اين مطالعه هدف اصلي تنها مقايسهي قدرت پيشبيني مدلهاي مختلف مورد بحث بود و از مباحث پيچيده دربارهي اصول كار و طراحي شبكههاي عصبي مصنوعي صرفنظر شده است. k رگرسيون لجستيك: يكي از ابزارهاي ا ماري است كه به منظور مدلسازي و تحليل دادهها از ا ن استفاده ميشود. رگرسيون لجستيك داراي شكل كلي زير است: log π 1 π = α + = 1 β. x احتمال تعلق π مدل اين در فرد به سطح اول متغير وابسته است χ متغير مستقل ام و β ضريب برا ورد شده مدل براي متغير مستقل ام است. از مزاياي استفاده از مدل رگرسيون لجستيك علاوه بر مدلسازي مشاهدهها امكان پيشبيني احتمال تعلق هر فرد به هر يك از سطوح متغير وابسته و همچنين امكان محاسبهي استفاده از ضرايب مدل ۹ است. مستقيم نسبت شانس با تحليل مميزي: تحليل مميزي تكنيك چند متغيره است كه با جدا كردن مجموعههاي متمايز مشاهدهها و با تخصيص مشاهدههاي جديد به دستههاي از پيش تعريف شده سر و كار دارند. مسا لهي ا ماري در وجود ا وردن يك به مورد قانون (تابع تشخيص) بر مبناي اندازههاي حاصل از افراد ميباشد. با استفاده از اين قانون ميتوان افراد جديد را كه معلوم نيست از كدام جمعيت هستند به يكي از جمعيتها منتسب كرد. از معروفترين توابع مورد استفاده در تحليل مميزي ميتوان به تابع مميز فيشر اشاره كرد. ديگر هزينه قاعدهي (ECM) ردهبندي با به دست ميا يد. به حداقل رساندن در روش تابع متوسط براي جامعههاي نرمال با واريانس مساوي از قاعدهي TPM براي ردهبندي استفاده ۹ ميشود. شبكهي عصبي مصنوعي: شبكههاي عصبي مصنوعي براي تشخيص طبقهبندي و پيشبيني كه در ا نها روابط معمو لا ميگيرند. به شكل غيرخطي هستند مورد استفاده قرار مبحث شبكهي عصبي مصنوعي مربوط به شبيهسازي قوهي يادگيري در انسان و پيادهسازي ا ن به صورت الگوريتمهاي كامپيوتري است. شبكههاي عصبي يكي از پوياترين حوزههاي پژوهش در دوران معاصر ميباشد كه افراد متعددي از رشتههاي گوناگون علمي را به خود جلب كرده است. فلسفهي اصلي محاسبههاي شبكههاي عصبي مصنوعي مدلسازي عمدهي ويژگيهاي مغز و نحوه عملكرد ا ن در جهت ساخت مدلهايي است كه بتواند ويژگيهاي مفيد ۱۰ مغز را حتي الامكان از خود بروز دهد. مغز به عنوان يك سيستم پردازش موازي از حدود ۱۰ ۱۱ نورون به هم مرتبط با ۱۰ ۱۶ ارتباط نوروني تشكيل شده- ۵ است. نورونها از سه قسمت اصلي بدنهي سلولي دندريت عناصر v و ا كسون ارتباطي نورون تشكيل ميشوند. هستند. دو قسمت اخير دندريتها سيگنالهاي الكتريكي را به هستهي سلول منتقل ميكنند. بدنهي سلول انرژي لازم را براي فعاليت سلول فراهم نموده بر سيگنال- هاي دريافتي يكسري اعمال انجام ميدهد. ا كسون بر خلاف دندريت از سطحي هموارتر و تعداد شاخههاي برخوردار است. كمتري ا كسون طول بيشتري دارد و سيگنال الكتروشيميايي دريافتي از هستهي سلول را به نورون ديگر منتقل ميكند. مشابه با يك نورون منفرد يك شبكهي عصبي نيز داراي وروديهايي است كه سيگنالهاي ورودي شبكه از اندامهاي حساس شبكهي و يا ديگر شبكهها هستند و عصبي خروجيهايي را توليد منفرد نورون مانند ميكند كه به ساير شبكهها يا اعضا منتقل ميشوند اما خروجي شبكه متفاوت از خروجي يك نورون تنها است زيرا لزوم ا شامل يك تك مقدار نميباشد بلكه ميتواند شامل تعداد زيادي از مقادير خروجي باشد. مانند نورون منفرد شبكهي خروجيهايش را به عنوان تابعي از وروديهايش محاسبه ميكند اما به دليل اين كه قدرت ارتباط بين نورونها در شبكه قابل تغيير است رابطه - Soma - Dendrte v- Axon Odds Rato (OR)
4 دكتر مرتضي سدهي و همكاران مدل شبكهي عصبي در پيشبيني سندرم متابوليك ۶۴۱ بين خروجيهاي شبكه ميتواند بنا به تجربه با وروديهاي ا ن تغيير كند. فرايند را اين ۱۱ عصبي مصنوعي مينامند. در اصطلاح يادگيري شبکهي مسا لهي مدلسازي مغز از روي مدلسازي تك نورون عصبي شروع شد و مدل نورون وارن كلوش و والتر پيتز (۱۹۴۳ ( اولين تلاش براي اين ۱۱ كار بود. در اين مدل هر اتصال داراي وزني است كه سيناپس ناميده ميشود و به W j وسيلهي نشان داده شده و به عنوان ميزاني از قدرت اتصال از واحد j ام به واحد ام در نظر گرفته شده است. ورودي هر واحد مجموع وزن خروجي ديگر متصل به ا ن است. j بنابراين ورودي واحد ام عبارت است از: كه در ا ن W س س پ Net _ nput w output + w = j j مقدار ا ستانهي واحد ام است. تابع محرك بر اين مجموع عمل ميكند كه مقدار اين تابع مقدار محرك ا ن واحد ناميده ميشود. در يك شبكه عصبي نورونها در لايههاي مختلف طبقهبندي ميشوند. لايهي ورودي مشتمل بر نورونهايي است كه ورودي را از محيط خارج دريافت ميكنند. لايهي خروجي نيز مشتمل بر نورونهايي است كه خروجي سيستم را به محيط خارجي يا كاربر يا طراح سيستم ارايه ميدهد. علاوه بر لايههاي ورودي و خروجي ممكن است يك يا چند لايهي نهاني نيز بين اين دو لايه در نظر گرفته شود كه تعداد اين لايهها به ساختار شبكه ساختار دادهها و بستگي دارد. هنگامي كه لايهي شيوهي طراحي شبكه ورودي داده را دريافت ميكند نورونهاي ا ن لايه خروجي را توليد ميکند كه همين خروجي به عنوان ورودي لايهي بعدي در نظر گرفته ميشود. اين مراحل به همين ترتيب ادامه پيدا ميكند تا اين كه شرط معين و مورد نظر براي پايان فرايند يادگيري برقرار گردد. سپس لايهي خروجي نتيجهي شبكه را ارايه ميدهد و فرايند به اتمام ميرسد. نهاني شبكه براي طراحي شبكه بستگي به ميزان بهينهسازي شبكه دارد. تعيين تعداد نورونهاي لايههاي الزامي است و تعداد ا ن در واقع ا نقدر نورون به لايهي نهاني افزوده ميشود تا كارايي شبكه بهينه شود. البته بايد در نظر داشت كه افزايش بيرويهي تعداد نورونهاي لايهي نهاني ممكن است باعث بيشبرازش مدل شود. شبكه بهعبارت ديگر اين به امكان شبكه حتي خطاهاي مستتر در دادهها را نيز فرا وجود ميا يد كه تابع محرك ميتواند خطي يا غير خطي باشد. يك تابع محرك بر اساس نياز خاص حل مسا له انتخاب ميشود. در عمل تعداد محدودي از توابع محرك مورد استفاده قرار ميگيرند كه از بين ا نها ميتوان به تابع ا ستانهاي دو مقدارهي متقارن تابع ا ستانهاي دومقداره تابع هماني تابع خطي مثبت ۱۱ اشاره كرد. تابع سيگموي يدي و تابع تانژانت هايپربوليك مدل ساده تك ورودي: مدل رياضي اين شبكه را ميتوان به صورت b) a = f (WP + نشان داد. اسكالرهاي a و P به ترتيب خروجي و ورودي هستند. a = f (WP + b) شكل ۱- مدل رياضي نورون تا ثير P بر a به وسيلهي مقدار وزن w تعيين ميشود. b را باياس ميگويند و خاصيت ا ن ا ني است كه ورودي نورون همواره برابر يك است. در مقايسهي اين نورون تك ورودي با يك نورون بيولوژيك w معادل شدت سيناپس مجموعهي جمعكننده و تابع محرك معادل هسته و بدنهي سلول و a معادل سيگنال گذرنده از ا كسون است. نكتهي قابل توجه اهميت و تا ثير جملهي باياس است. اين جمله را ميتوان مانند ديگر وزنها در نظر گرفت با اين تصور كه ميزان تا ثير ورودي ثابت ۱ را بر نورون منعكس ميكند. بايد توجه داشت كه متغيرهاي w و b قابل تنظيم هستند و تابع محرك f نيز توسط طراح شبكه عصبي انتخاب ميشود. بر اساس انتخاب f و نوع الگوريتم يادگيري متغيرهاي w و b تنظيم ميشوند. يادگيري به اين معني است كه w و b طوري تغيير ميكنند كه رابطهي ورودي و خروجي نورون با هدف خاصي مطابقت ۱۱ نمايد. ] مدل چند ورودي: به طور عمومي يك شبكه بيش از يك ورودي دارد. در اين حالت شكل ماتريسي ساختار شبكه به صورت زير است : W P W n = WP ' + b = PW = [ W 11 + b,...,. Actvaton Functon R n = 1 W 1R ], 1 f + b a P = [ P,..., 1 P R ۱۰ گيرد.
5 دورهي يازدهم, شمارهي ۶ اسفند ۱۳۸۸ مجلهي غدد درون ۶۴۲ ريز و متابوليسم ايران تعداد عناصر ب ردار ورودي با توجه به بررسي تعيين ميشود. مسا له مورد يادگيري: فرايند يادگيري در واقع مشخص كردن ارتباط بين ورودي و خروجي در طول زمان با تكرار فرايند است. ميدانيم كه تجربهها در طول زمان حاصل ميشوند و به عبارت ديگر هيچكس ا يندهي ميزان يادگيري ما به درجهي خود را تجربه نكرده است. كامل بودن اطلاعات قبلي ۱۲ بستگي دارد. در حالت كلي سه نوع يادگيري در شبكهي عصبي مصنوعي وجود دارد: روش اول يادگيري با ناظر است. در اين روش فرض بر اين است كه در هر مرحله از تكرار الگوريتم جواب مطلوب سامانهي ا ني يادگيرنده از قبل ا ماده است به عبارت ديگر الگوريتم يادگيري به جواب واقعي و مطلوب دسترسي دارد كه ميتوان خروجي شبكه را با ا ن مقايسه نمود. روش دوم يادگيري بدون ناظر يا خودسازمانده است كه در ا ن به جواب مطلوب و مقدار واقعي پاسخ براي بهبود رفتار سامانه يادگيرنده دسترسي نداريم و خود شبكه بايد در بين وروديها اين كار را انجام دهد. يك اشكال يادگيري با ناظر است كه شبكهي عصبي ممكن است بدون معلم نتواند مواضع جديدي را كه توسط مجموعهي دادههاي جديد تجربي پوشانده نشده است ياد بگيرد. روش سوم يادگيري تشديد ي يا تقويتي است كه ميكند. اين محدوديت را برطرف يكي از معماريهاي شبكههاي عصبي مصنوعي كه به طور گستردهاي به كار ميرود و در راستاي يادگيري با ناظر قرار دارد پرسپترون چند لايه v (MLP) است كه از ا ن به ۱۰ v عنوان تقريبزن كلي ياد ميشود. در پرسپترون يادگيري توسط كمينه كردن ميانگين مربعهاي كارگيري به الگوريتم يادگيري پس انتشار ۱۲ قاعدهي دلتاي تعميم يافته حاصل ميشود. خروجي و با به v ( BP) خطا يا براي ا موزش شبكه كه تقريب ا شبيه برا ورد ضرايب در رگرسيون است تعدادي از نمونهها به تصادف انتخاب شده درون شبكه فرستاده ميشوند. در دادههاي ا موزشي وضعيت واقعي طبقهاي كه نمونه به ا ن تعلق دارد مشخص است (يادگيري با ناظر). اعتبار شبكههاي عصبي مصنوعي با استفاده از دادههاي ا زمون و ۱۲ مورد بررسي قرار ميگيرد. در اين مطالعه v روشهاي اعتبار مقطعي از مدلهاي شبکهي عصبي مصنوعي براي پيشبيني سندرم متابوليک استفاده و سپس يافتهها حاصل با دو روش ا ماري مرسوم يعني تحليل مميزي و رگرسيون لجستيک مقايسه شدند. مواد و روشها دادههاي مورد استفاده در اين پژوهش از مطالعهي قند و ليپيد تهران به دست ا مد. مطالعهي قند و ليپيد يك مطالعهي ا يندهنگر بود كه در جمعيت نمايندهاي از ساكنان منطقه ۱۳ تهران با هدف تخمين ميزان شيوع اختلالهاي متابوليك و شناسايي عوامل خطرساز بيماريهاي قلبي عروقي انجام شد. در ا ن مطالعه ۱۵۰۰۵ نفر از جامعهي شهري تهران به صورت تصادفي انتخاب شدند كه از بين ا نها ۱۰۳۶۸ فرد سال ۲۰ بالاي در سال ۱۳۷۹ در فاز اول مطالعه مورد بررسي قرار گرفتند. افراد شركتكننده در پژوهش حاضر شامل از بودند نفر ۳۴۷ كه در ارتباط با ابتلا به سندرم متابوليك بررسي شدند. اين افراد در فاز اول مطالعه (۱۳۸۱-۱۳۷۹) به سندرم متابوليک مبتلا نبوده و پس از حدود سه سال پيگيري در فاز دوم مطالعه مجدد ا بررسي شدند كه ۱۲۲ نفر از ا نها براساس معيارΙΙΙ ATP به سندرم متابوليك مبتلا شدند. متغيرهاي مورد بررسي در اين مطالعه عبارت بودند سن جنس وضعيت تا هل سابقه بيماريهاي قلبي عروقي نمايهي تودهي بدن LDL (BMI) HDL کلسترول تام تريگليسريد قندخون ناشتا قند خون دو ساعته مصرف سيگار (هرگز گاهي هميشه) فشارخون سيستولي فشار خون دياستولي و دور کمر كه اندازهگيري همهي ا نها در فاز ۱ مطالعهي قند و ليپيد تهران انجام شده بود. با توجه به مقايسهي اين كه هدف اصلي ما در اين پژوهش دقت مدلهاي مختلف براي پيشبيني سندرم متابوليك بود بايست با استفاده از معيارهاي ا ماري مناسب مقايسهاي بين مدلهاي مختلف انجام ميشد تا در صورت لزوم بتوان يكي از ا نها را به عنوان مدل بهينه انتخاب نمود و مورد استفاده قرار داد. با توجه به دو سطحي بودن متغير v- Cross Valdaton. Supervsed Learnng - Unsupervsed Learnng - Renforcement Learnng v. Mult Layer Perceptron (MLP) v. Unversal Approxmator v. Back Propogaton
6 دكتر مرتضي سدهي و همكاران مدل شبكهي عصبي در پيشبيني سندرم متابوليك ۶۴۳ پاسخ يك ملاك مناسب براي سنجش كيفيت مدلهاي برازش شده و تعيين توان پيشبيني صحيح ا نها استفاده از سطح زير منحني مشخصهي عملكرد (ROC) است. اين منحني عبارت است از حساسيت برحسب يك منهاي ويژگي و مساحت زير ا ن كه عددي بين ۰ و ۱ است و به عنوان ملاكي براي سنجش توانايي پيشبيني مدلها مورد استفاده قرار ميگيرد. هر چه اين عدد به ۱ نزديكتر باشد نشانهي تواناتر بودن مدل براي پيش ۱۳ بيني است. جدول ۱- مقايسهي مقادير ميانگين متغيرهاي ك مي پايه در مبتلايان و غير مبتلايان به سندرم متابوليك سن (سال) نمايهي تودهي بدن (كيلوگرم بر متر مربع) كلسترول تام (ميليگرم بر دسيليتر) كلسترول LDL (ميليگرم بر دسيليتر) قند خون دو ساعته (ميليگرم بر دسيليتر) فشارخون سيستولي (ميليمتر جيوه) فشارخون دياستولي (ميليمتر جيوه) دور كمر (سانتيمتر) قند خون ناشتا (ميليگرم بر دسيليتر) تريگليسريد (ميليگرم بر دسيليتر) كلسترول HDL (ميليگرم بر دسيليتر) غير مقدار P ۰/۰۲۹ ۰/۰۰۱ ۰/۰۸۷ ۰/۰۹۷ ۰/۹۸ ۰/۰۰۹ ۰/۰۳۸ ۰/۰۰۱ ۰/۰۱ ۰/۰۰۱ ۰/۰۰۲ ۴۶/۱ ± ۱۳/۲۱ ۲۵/۹ ± ۴/۰۲ ۲۰۵/۸ ± ۳۹/۳۳ ۱۳۳/۷ ± ۳۴/۲۵ ۱۳۰/۸ ± ۳۳/۰۳ ۱۱۶/۱ ± ۱۷/۲۶ ۷۵/۳ ± ۹/۸۴ ۸۶/۰ ± ۹/۶۴ ۹۰/۷ ± ۹/۵۶ ۱۲۹/۷ ± ۵۵/۴۴ ۴۶/۱ ± ۲۰/۸۹ ۴۹/۳ ± ۱۲/۸۸ ۲۷/۸ ± ۴/۱۱ ۲۱۳/۵ ± ۴۰/۸۸ ۱۴۰/۲ ± ۳۵/۵۶ ۱۳۰/۷ ± ۳۰/۹۶ ۱۲۱/۳ ± ۱۸/۱۷ ۷۷/۷ ± ۹/۹۰ ۹۰/۶± ۱۰/۱۰ ۹۳/۴ ± ۹/۶۶ ۱۵۵/۴ ± ۷۷/۸ ۴۲/۲ ± ۱۱/۹۸ جدول ۲- مقايسهي شيوع متغيرهاي كيفي در مبتلايان و غير مبتلايان به سندرم متابوليك جنس (مرد) وضعيت تا هل (متا هل) سابقهي بيماري قلبي عروقي (دارد) مصرف سيگار (سيگاري) غير مقدار P ۰/۹۷۲ ۰/۳۴۱ ۰/۷۳۷ ۰/۳۹۵ % ۴۴/۹ % ۹۶/۴ % ۴/۹ % ۱۸/۲ % ۴۵/۱ % ۹۱/۸ % ۴/۱ % ۲۲/۱ ابتدا از نيمي از دادهها (۱۷۳ نفر) براي برازش مدلها و ا موزش شبکهي عصبي مصنوعي و سپس از نيم ديگر (۱۷۴ نفر) براي بررسي دقت پيشبيني استفاده شد. براي برازش مدل رگرسيون لجستيك روش حذف پسرو و براي تحليل مميزي روش لانداي ويلك بهکار رفت. براي طراحي مدل شبكهي عصبي مصنوعي ابتدا يك شبكهي پرسپترون دو لايه (۱ ۱۵) : ۸ : با الگوريتم پسانتشار خطا و نرخ يادگيري هايپربوليك و حداكثر خطاي ۰/۰۰۱ ۰/۱ تابع انتقال تانژانت به وجود ا مد و در مرحلهي بعد با اضافه كردن دو نورون به لايهي مياني يك شبكهي پرسپترون دو لايه (۱ ۱۵) : ۱۰ : با متغيرهاي مشابه برازش داده شد. براي برازش مدل رگرسيون لجستيک و تحليل مميزي از نرمافزارSPSS ۱۶ نسخهي عصبي مصنوعي از نرمافزار استفاده شده از براي شد. مقايسهي سطح زيرمنحني راك حساسيت و ويژگي استفاده شد. و براي برازش مدل شبکهي MATLAB نسخهي ۲۰۰۸ دقت پيشبيني مدلهاي ارايه ا مارهي كاپا و مقادير. Backward -Wlk ' s Lambda
7 دورهي يازدهم, شمارهي ۶ اسفند ۱۳۸۸ مجلهي غدد درون ۶۴۴ ريز و متابوليسم ايران ۲ و ۱ جداول يافتهها اطلاعات توصيفي مربوط به متغيرهاي مورد بررسي را ارايه ميدهند. براساس اطلاعات ارايه شده در جدول ۳ مدل رگرسيون لجستيك وضعيت %۷۲/۴ مدل تحليل مميزي وضعيت %۶۶/۷ مدل شبكهي عصبي (۱: ۱۵) ۸: وضعيت %۷۳/۶ و در نهايت مدل شبكهي عصبي (۱: ۱۵) ۱۰: وضعيت %۸۷/۴ افراد سالم يا را به جدول ۳- طبقهبندي افراد مورد بررسي عصبي مصنوعي پيشبيني مدل رگرسيون لجستيک تحليل مميزي سالم سالم درستي پيشبيني كردهاند. رگرسيون لجستيک و مدل شبکه (۱۵:۸:۱) داراي حساسيت پايين ولي ويژگي به نسبت بالايي هستند. مدل شبکهي عصبي (۱۵:۱۰:۱) داراي بالاترين نسبت درستنمايي مثبت و پايينترين نسبت درستنمايي منفي ميباشد (جدول ۴). بر اساس پيش بيني مدلهاي رگرسيون لجستيك تحليل مميزي و مدلهاي شبكهي سالم ۹۶ (۵۵/۲)* وضعيت واقعي سندرم متابوليك ۳۲ (۱۸/۴) ۳۰ (۱۷/۲) ۲۰ (۱۱/۵) ۴۲ (۲۴/۲) ۱۶ (۹/۲) ۷۴ (۴۲/۵) ۳۸ (۲۱/۸) شبکهي عصبي :۱) (۱۵ : ۸ سالم ۳۵ (۲۰/۱) ۲۷ (۱۵/۵) ۱۰۲ (۵۸/۶) ۱۰ (۵/۷) ۱۰(۵/۷) ۵۲ (۲۹/۹) ۱۰۰ (۵۷/۵) ۱۲ (۶/۹) شبکهي عصبي :۱) (۱۵ : ۱۰ سالم * اعداد داخل پرانتز درصد نسبت به کل را نشان ميدهند. جدول ۴- حساسيت ويژگي, ا مارهي كاپا و سطح زير منحني راك (ROC) براي مدلهاي مختلف مدل رگرسيون لجستيک تحليل مميزي حساسيت ويژگي LR- LR+* ا ماره کاپا سطح زير منحني راك ۰/۷۴۹ ۰/۷۳۹ ۰/۷۴۸ ۰/۸۹۰ ۰/ ۳۲۲ ۰/۳۶۳ ۰/۳۷۲ ۰/۷۱۲ ۰/۶۰ ۰/۴۹ ۰/۶۲ ۰/۱۹ ۳/۳۸ ۱/۹۹ ۴/۸۳ ۷/۲۱ ۰/۸۵۷ ۰/۶۶ ۰/۹۱ ۰/۸۸۴ ۰/۴۸۳ ۰/۶۷۷ ۰/۴۳۵ ۰/۸۳۶ شبکهي عصبي ۱) (۱۵ : ۸ : شبکهي عصبي ۱) (۱۵ : ۱۰ : *نسبت درستنمايي مثبت Rato) (Postve Lkelhood نسبت درستنمايي منفي Rato) (Negatve Lkelhood
8 دكتر مرتضي سدهي و همكاران مدل شبكهي عصبي در پيشبيني سندرم متابوليك ۶۴۵ راك منحني براي مدلهاي مورد بررسي در نمودار ۱ نشان داده شده است. بر اساس اين نمودار سطح زير منحني ROC براي مدلهاي رگرسيون لجستيك تحليل مميزي شبكهي عصبي مصنوعي (۱۵:۸:۱) و بالاخره شبكهي عصبي مصنوعي :۱) (۱۵ :۱۰ به ترتيب ۰/۷۴۸ ۰/۷۳۹ ۰/۷۴۹ و ۰/۸۹۰ بهدست ا مد. نمودار ۱- منحني راك پيشبيني مدلها (ROC) براي مقايسهي قدرت بحث با توجه به اهميت سندرم متابوليك به عنوان يك عامل خطرساز مهم براي بيماريهاي قلبي عروقي و ديابت دسترسي به مدلهايي كه با دقت بالا بتواند اين بيماري را در افراد پيشبيني نمايد مورد توجه است. در اين مطالعه چهار مدل مختلف براي پيشبيني سندرم متابوليك در افراد استفاده و يافتههاي حاصل مقايسه شدند. با توجه به نتايج اراي ه شده مدل شبکه عصبي مصنوعي (۱ ۱۵) ۱۰: : داراي بيشترين حساسيت و در مقابل مدل شبکهي عصبي (۱ : ۸ : ۱۵) داراي کمترين حساسيت بود. به عبارت ديگر با افزايش گرههاي لايهي تعداد مياني شبکه قدرت تشخيص صحيح افراد مبتلا توسط مدل شبکهي عصبي به طور قابل ملاحظهاي افزايش يافت. اين به ا ن معنا است كه تغيير تعداد گرههاي لايهي مياني ميتواند تا ثير زيادي يافتههاي بر حاصل از مدلها داشته باشد. بنابراين در هنگام طراحي مدل شبكهي عصبي مصنوعي بايد در انتخاب تعداد گرههاي لايهي مياني دقت لازم را به عمل ا ورد. از طرفي با بررسي ويژگي در مييابيم بيمار توسط مدل شبکهي عصبي (۱ : ۸ : که قدرت تشخيص صحيح افراد غير ۱۵) بالاتر از قدرت مدل شبکهي عصبي (۱ ۱۵) : ۱۰ : است که مانند رگرسيون لجستيک عمل ميكند. بر اساس ا مارهي کاپا مدل شبکهي عصبي (۱ ۱۵) : ۱۰ : با اختلاف زيادي بهترين عملکرد را بين مدلهاي ارايه شده دارد. مقايسهي دو مدل شبکهي مصنوعي ارايه شده نشان ميدهد که تغيير کردن تعداد نورونهاي لايههاي مياني تا چه اندازه ميتواند در عملکرد مدل تا ثير داشته باشد. ضمن ا ني كه شبكههاي عصبي مصنوعي مفروضات و محدوديتهاي معمول در روشهاي كلاسيك را نيز ندارند كه اين مسا له خود مزيت بسيار بزرگي به حساب ميا يد. با اضافه كردن سلولهاي لايهي تعداد مياني در شبكهي عصبي مصنوعي ميتوان دقت پيشبيني را بالا برد اما در اينجا خطري كه مدل شبكه را تهديد پذيري شبكه مشكل ايجاد ميكند. است كه براي تعميم ميكند بيش برازش مطالعههايي كه تا به حال در ارتباط با مدلسازي ا ماري ۳ ۸ دربارهي سندرم متابوليك انجام شده است به طور عمده با هدف بررسي عوامل مو ثر بر سندرم متابوليك انجام شدهاند اما در مطالعهي حاضر هدف مقايسهي صحت و دقت پيشبيني مدلهاي موجود ا ماري و مقايسهي با ا ن صحت و دقت مدل پيشنهادي شبكهي عصبي بود كه تا پيش از اين مطالعه بررسي نشده بود. تاكنون استنباطهايي براي شبكههاي عصبي مانند ا نچه كه در علم ا مار براي مدلسازي و ارزيابي ا نها وجود دارد ارايه نشدهاست و مدلسازي بيشتر بر اساس الگوريتم ا موزشي مورد نظر انجام ميشود. بنابراين تا حدودي تابع سليقه و انتخابهاي اوليهي پژوهشگر است. در اين زمينه برخي سو الها نيز در ارتباط با چگونگي طراحي معماري مناسب و توپولوژي بهينه براي شبكهي عصبي تشخيص تعداد لايههاي پنهان و تعداد سلولهاي موجود در هر لايه - Overfttng
9 دورهي يازدهم, شمارهي ۶ اسفند ۱۳۸۸ مجلهي غدد درون ۶۴۶ ريز و متابوليسم ايران ذهن پژوهشگران را به خود مشغول داشته كه علاقمندان ۱۴ در ميتوانند در اين عرصه به منابع موجود مراجعه نمايند. برخي مطالعههايي كه از روشهاي رگرسيون لجستيك و تحليل مميزي براي پيشبيني استفاده كردهاند مدل رگرسيون لجستيك يافتههاي دقيقتري نسبت به تحليل ۱۳ مميزي ارايه دادهاست اما در مطالعهي حاضر اين موضوع تا ييد نشد. اگرچه براي بررسي دقيقتر موضوع مطالعههاي جامعتر بهويژه با استفاده از شبيهسازي پيشنهاد ميشود. سپاسگزاري: از پژوهشكدهي علوم غدد درونريز و متابوليسم دانشگاه علوم پزشكي شهيد بهشتي كه دادههاي اين مطالعه را در اختيار پژوهشگران قرار دادند سپاسگزاري مينماييم. همچنين از همكاري صميمانهي ا قاي اكبر بيگلريان دانشجوي دکتراي ا مار زيستي دانشگاه تربيت مدرس و سركار خانم مريم صفرخاني كارشناس ارشد واحد ا مار پژوهشكدهي علوم غدد درونريز و متابوليسم كمال تشكر و قدرداني را به عمل ميا وريم. References 1. Hagan MT, Neural network desgn, PWS, USA; Anderson A, An ntroducton to neural network, Cambrdge, MA: MIT press; Hadaegh F, Zabetan A, Harat H, Azz F. Metabolc syndrome n normal-weght Iranan adults, Ann Saud Med 2007; 27: Hadaegh F, Ghasem A, Padyab M. Assessment of dfferent defntons of metabolc syndrome n ncdence of dabetes n Iranan urban: Tehran Lpd and Glucose Study. Journal of Iranan Dabetes and Lpd 2008; 3: [Fars] 5. Fakhrzadeh H, Ebrahmpour P, Nour M. Survey of prevalence of metabolc syndrome and ts rsk factors n an urban populaton. Journal of Iranan Dabetes and Lpd 2005; 3: [Fars] 6. Azz F, Saleh P, Etemad A, Zahed-Asl S. Prevalence of metabolc syndrome n an urban populaton: Tehran Lpd and Glucose Study. Dabetes Res Cln Pract 2003 Jul;61: Sadr-Bafgh S. M, Salar M, Rafe M, Nemayande S. M. Survey of prevalence of metabolc syndrome and ts factors n an urban populaton. Journal of Medcne Dep, Tehran Unversty Medcal Journal 2007; 64: [Fars] 8. Danesh-Pour M. S, Mehrab Y, Hedayat M., Azz F, Multvarable survey of factors correlated wth metabolc syndrome usng factor analyss. Iranan Journal of Endocrnology and Metabolsm 2006; 30: [Fars] 9. Jobson D.J, Appled multvarate data analyss, Sprnger, USA, Menhaj M.B, Bascs of neural network, Prof Hesab Ins., Tehran, Hagan M.T, Neural networks desgn, PSW, USA, Dayhoff JE, Neural network archtectures, VNR, USA, Sadat Hashem S. M., Ghorban R., Kave B. Analyzng recever operatng characterstc curves to compare medcal dagnostc tests. Koomesh, Journal of Semnan Unversty of Medcal Scences, 2003; 2: [Fars] 14. Tu JV. Advantages and dsadvantages of usng artfcal neural networks versus logstc regresson for predctng medcal outcomes. J Cln Epdemol 1996; 49:
10 731/Iranan Journal of Endocrnology & Metabolsm Vol 11 No. 6 March 2010 Orgnal Artcle Comparson of Artfcal Neural Network, Logstc Regresson and Dscrmnant Analyss Methods n Predcton of Metabolc Syndrome Sedeh M 1, Mehrab Y 2, Kazemnejad A 1, Hadaegh F 3 1 Faculty of Medcne, Tarbat Modares Unversty, 2 Department of Epdemology, School of Publc Health, and 3 Preventon of Metabolc Dsorders Research Center, Research Insttute for Endocrne Scences, Shahd Behesht Unversty of Medcal Scences,Tehran, Iran e-mal:ymehrab@gmal.com Receved: 16/07/2009 Accepted: 26/10/2009 Abstract Introducton: Artfcal neural networks as a modern modelng method have receved consderable attenton n recent years. The models are used n predcton and classfcaton n stuatons where classc statstcal models have restrcted applcaton when some, or all of ther assumptons are met. Ths study s amed to compare the ablty of neural network models to dscrmnant analyss and logstc regresson models n predctng the metabolc syndrome. Materals & Methods: A total of 347 partcpants from the cohort of the Tehran Lpd and Glucose Study (TLGS) were studed. The subjects were free of metabolc syndrome at baselng accordng to the ATPIII crtera. Demographc characterstcs, hstory of coronary artery dsease, body mass ndex, wast, LDL, HDL, total cholesterol, trglycerdes, fastng and 2 hours blood sugar, smokng, systolc and dastolc blood pressure were measured at baselne. Incdence of metabolc syndrome after about 3 years of follow up was consdered a dependent varable. Logstc regresson, dscrmnant analyss and neural network models were ftted to the data. The ablty of the models n predctng metabolc syndrome was compared usng ROC analyss and the Kappa statstc, for whch, MATLAB software was used. Results: The areas under recever operatng characterstc (ROC) curve for logstc regresson, dscrmnant analyss and artfcal neural network models (15: 8: 1) and (15: 10: 10) were estmated as , , and respectvely. Senstvty of models were calculated as , , and and ther specfcty as , , and respectvely. The Kappa statstcs for these models were , , and respectvely. Concluson: Results of ths study ndcate that artfcal neural network models perform better than classc statstcal models n predctng the metabolc syndrome. Keywords: Artfcal Neural Network, Logstc Regresson, Dscrmnant Analyss, Metabolc syndrome
ﻞﻜﺷ V لﺎﺼﺗا ﺎﻳ زﺎﺑ ﺚﻠﺜﻣ لﺎﺼﺗا هﺎﮕﺸﻧاد نﺎﺷﺎﻛ / دﻮﺷ
1 مبحث بيست و چهارم: اتصال مثلث باز (- اتصال اسكات آرايش هاي خاص ترانسفورماتورهاي سه فاز دانشگاه كاشان / دانشكده مهندسي/ گروه مهندسي برق / درس ماشين هاي الكتريكي / 3 اتصال مثلث باز يا اتصال شكل فرض كنيد
1 ﺶﻳﺎﻣزآ ﻢﻫا نﻮﻧﺎﻗ ﻲﺳرﺮﺑ
آزمايش 1 بررسي قانون اهم بررسي تجربي قانون اهم و مطالعه پارامترهاي مو ثر در مقاومت الكتريكي يك سيم فلزي تي وري آزمايش هر و دارند جسم فيزيكي داراي مقاومت الكتريكي است. اجسام فلزي پلاستيك تكه يك بدن انسان
+ Δ o. A g B g A B g H. o 3 ( ) ( ) ( ) ; 436. A B g A g B g HA است. H H برابر
ا نتالپي تشكيل پيوند وا نتالپي تفكيك پيوند: ا نتالپي تشكيل يك پيوندي مانند A B برابر با تغيير ا نتالپي استانداردي است كه در جريان تشكيل ا ن B g حاصل ميشود. ( ), پيوند از گونه هاي (g )A ( ) + ( ) ( ) ;
در اين آزمايش ابتدا راهاندازي موتور القايي روتور سيمپيچي شده سه فاز با مقاومتهاي روتور مختلف صورت گرفته و س سپ مشخصه گشتاور سرعت آن رسم ميشود.
ك ي آزمايش 7 : راهاندازي و مشخصه خروجي موتور القايي روتور سيمپيچيشده آزمايش 7: راهاندازي و مشخصه خروجي موتور القايي با روتور سيمپيچي شده 1-7 هدف آزمايش در اين آزمايش ابتدا راهاندازي موتور القايي روتور
V o. V i. 1 f Z c. ( ) sin ورودي را. i im i = 1. LCω. s s s
گزارش کار ا زمايشگاه اندازهگيري و مدار ا زمايش شمارهي ۵ مدار C سري خروجي خازن ۱۳ ا بانماه ۱۳۸۶ ي م به نام خدا تي وري ا زمايش به هر مداري که در ا ن ترکيب ي از مقاومت خازن و القاگر به کار رفتهشده باشد مدار
هدف:.100 مقاومت: خازن: ترانزيستور: پتانسيومتر:
آزمايش شماره (10) تقويت كننده اميتر مشترك هدف: هدف از اين آزمايش مونتاژ مدار طراحي شده و اندازهگيري مشخصات اين تقويت كننده جهت مقايسه نتايج اندازهگيري با مقادير مطلوب و در ادامه طراحي يك تقويت كننده اميترمشترك
سبد(سرمايهگذار) مربوطه گزارش ميكند در حاليكه موظف است بازدهي سبدگردان را جهت اطلاع عموم در
بسمه تعالي در شركت هاي سبدگردان بر اساس پيوست دستورالعمل تاسيس و فعاليت شركت هاي سبدگردان مصوب هيي ت مديره سازمان بورس بانجام مي رسد. در ادامه به اراي ه اين پيوست مي پردازيم: چگونگي محاسبه ي بازدهي سبد
e r 4πε o m.j /C 2 =
فن( محاسبات بوهر نيروي جاذبه الکتروستاتيکي بين هسته و الکترون در اتم هيدروژن از رابطه زير قابل محاسبه F K است: که در ا ن بار الکترون فاصله الکترون از هسته (يا شعاع مدار مجاز) و K ثابتي است که 4πε مقدار
O 2 C + C + O 2-110/52KJ -393/51KJ -283/0KJ CO 2 ( ) ( ) ( )
به كمك قانون هس: هنري هس شيميدان و فيزيكدان سوي يسي - روسي تبار در سال ۱۸۴۰ از راه تجربه دريافت كه گرماي وابسته به يك واكنش شيمياي مستقل از راهي است كه براي انجام ا ن انتخاب مي شود (در دماي ثابت و همچنين
P = P ex F = A. F = P ex A
محاسبه كار انبساطي: در ترموديناميك اغلب با كار ناشي از انبساط يا تراكم سيستم روبرو هستيم. براي پي بردن به اين نوع كار به شكل زير خوب توجه كنيد. در اين شكل استوانهاي را كه به يك پيستون بدون اصطكاك مجهز
( ) قضايا. ) s تعميم 4) مشتق تعميم 5) انتگرال 7) كانولوشن. f(t) L(tf (t)) F (s) Lf(t ( t)u(t t) ) e F(s) L(f (t)) sf(s) f ( ) f(s) s.
معادلات ديفرانسيل + f() d تبديل لاپلاس تابع f() را در نظر بگيريد. همچنين فرض كنيد ( R() > عدد مختلط با قسمت حقيقي مثبت) در اين صورت صورت وجود لاپلاس f() نامند و با قضايا ) ضرب در (انتقال درحوزه S) F()
yazduni.ac.ir دانشگاه يزد چكيده: است. ١ -مقدمه
كنترل سرعت هوشمند موتورهاي DC sharif_natanz@yahoo.com sedighi@ yazduni.ac.ir دانشگاه يزد دانشگاه يزد حميد رضا شريف خضري عليرضا صديقي اناركي چكيده: دامنه وسيع سرعت موتورهايDC و سهولت كنترل ا نها باعث كاربرد
اراي ه روشي نوين براي حذف مولفه DC ميراشونده در رلههاي ديجيتال
o. F-3-AAA- اراي ه روشي نوين براي حذف مولفه DC ميراشونده در رلههاي ديجيتال جابر پولادي دانشكده فني و مهندسي دانشگاه ا زاد اسلامي واحد علوم و تحقيقات تهران تهران ايران مجتبي خدرزاده مهدي حيدرياقدم دانشكده
(al _ yahoo.co.uk) itrc.ac.ir) چكيده ١- مقدمه
تشخيص جنسيت افراد از روي چهره با استفاده از شبكههاي عصبي پرسپترون چند لايه ای با الگوريتم پس انتشار خطا علي يوسفي کامبيز بديع (عضو هيي ت علمي دانشگاه ا زاد واحد همدان (گروه پژوهشی جامعه اطلاعاتی مرکز تحقيقات
حل J 298 كنيد JK mol جواب: مييابد.
تغيير ا نتروپي در دنياي دور و بر سيستم: هر سيستم داراي يك دنياي دور و بر يا محيط اطراف خود است. براي سادگي دنياي دور و بر يك سيستم را محيط ميناميم. محيط يك سيستم همانند يك منبع بسيار عظيم گرما در نظر گرفته
در اين ا زمايش ابتدا راهاندازي موتور القايي رتور سيمپيچي شده سه فاز با مقاومت مختلف بررسي و س سپ مشخصه گشتاور سرعت ا ن رسم ميشود.
ا زمايش 4: راهاندازي و مشخصه خروجي موتور القايي با رتور سيمپيچي شده 1-4 هدف ا زمايش در اين ا زمايش ابتدا راهاندازي موتور القايي رتور سيمپيچي شده سه فاز با مقاومت مختلف بررسي و س سپ مشخصه گشتاور سرعت ا
مقايسه كارايي مدلهاي شبكه عصبي مصنوعي و رگرسيون خطي در پيش- بيني غلظت روزانه منواكسيدكربن بر اساس پارامترهاي هواشناسي
هدي همايش ملي جريان و ا لودگي هوا صفحه ۱ مقايسه كارايي مدلهاي شبكه عصبي مصنوعي و رگرسيون خطي در پيش- بيني غلظت روزانه منواكسيدكربن بر اساس پارامترهاي هواشناسي AFP-G9-TAGH884 ۳ ۲ ۱ تقوي شهناز دانش ابوالفضل
t a a a = = f f e a a
ا زمايشگاه ماشينه يا ۱ الکتريکي ا زمايش شمارهي ۴-۱ گزارش کار راهاندازي و تنظيم سرعت موتورهايي DC (شنت) استاد درياباد نگارش: اشکان نيوشا ۱۶ ا ذر ۱۳۸۷ ي م به نام خدا تي وري ا زمايش شنت است. در اين ا زمايش
ﻴﻓ ﯽﺗﺎﻘﻴﻘﺤﺗ و ﯽهﺎﮕﺸﻳﺎﻣزﺁ تاﺰﻴﻬﺠﺗ ﻩﺪﻨﻨﮐ
دستوركارآزمايش ميز نيرو هدف آزمايش: تعيين برآيند نيروها و بررسي تعادل نيروها در حالت هاي مختلف وسايل آزمايش: ميز مدرج وستون مربوطه, 4 عدد كفه وزنه آلومينيومي بزرگ و قلاب با نخ 35 سانتي, 4 عدد قرقره و پايه
برخوردها دو دسته اند : 1) كشسان 2) ناكشسان
آزمايش شماره 8 برخورد (بقاي تكانه) وقتي دو يا چند جسم بدون حضور نيروهاي خارجي طوري به هم نزديك شوند كه بين آنها نوعي برهم كنش رخ دهد مي گوييم برخوردي صورت گرفته است. اغلب در برخوردها خواستار اين هستيم
بررسي علل تغيير در مصرف انرژي بخش صنعت ايران با استفاده از روش تجزيه
79 نشريه انرژي ايران / دوره 2 شماره 3 پاييز 388 بررسي علل تغيير در مصرف انرژي بخش صنعت ايران با استفاده از روش تجزيه رضا گودرزي راد تاريخ دريافت مقاله: 89//3 تاريخ پذيرش مقاله: 89/4/5 كلمات كليدي: اثر
( Δ > o) است. ΔH 2. Δ <o ( ) 6 6
تغييرات انرژي ضمن انحلال: اكثر مواد در موادي مشابه خود حل ميشوند و اين پديده را با برهمكنشهاي ميكروسكوپي بررسي كرديم. براي بررسي ماكروسكوپي اين پديده بايد تغييرات انرژي (ا نتالپي) و تغييرات بينظمي (ا نتروپي)
( ) x x. ( k) ( ) ( 1) n n n ( 1) ( 2)( 1) حل سري: حول است. مثال- x اگر. يعني اگر xها از = 1. + x+ x = 1. x = y= C C2 و... و
معادلات ديفرانسيل y C ( ) R mi i كه حل سري يعني جواب دقيق ميخواهيم نه به صورت صريح بلكه به صورت سري. اگر فرض كنيم خطي باشد, اين صورت شعاع همگرايي سري فوق, مينيمم اندازه است جواب معادله ديفرانسيل i نقاط
آزمایش 2: تعيين مشخصات دیود پيوندي PN
آزمایش 2: تعيين مشخصات دیود پيوندي PN هدف در اين آزمايش مشخصات ديود پيوندي PN را بدست آورده و مورد بررسي قرار مي دهيم. وسايل و اجزاي مورد نياز ديودهاي 1N4002 1N4001 1N4148 و يا 1N4004 مقاومتهاي.100KΩ,10KΩ,1KΩ,560Ω,100Ω,10Ω
متلب سایت MatlabSite.com
11-F-REN-1712 بررسي اثر مبدلهاي ماتريسي در كاهش اثر نوسانات باد در توربينهاي بادي مغناطيس داي م چكيده علي رضا ناطقي دانشكده برق و كامپيوتر - دانشگاه شهيد بهشتي حسين كاظمي كارگر دانشكده برق و كامپيوتر -
R = V / i ( Ω.m كربن **
مقاومت مقاومت ويژه و رسانندگي اگر سرهاي هر يك از دو ميله مسي و چوبي را كه از نظر هندسي مشابهند به اختلاف پتانسيل يكساني وصل كنيم جريانهاي حاصل در ا نها بسيار متفاوت خواهد بود. مشخصهاي از رسانا كه در اينجا
Vr ser se = = = Z. r Rr
ا زمايشگاه ماشينه يا ۱ الکتريکي ا زمايش شمارهي ۳-۴ گزارش کار اتصال کوتاه و بارداري موتور ا سنکرون استاد درياباد نگارش: اشکان نيوشا ۱۱ ا بان ۱۳۸۷ ي م به نام خدا تي وري ا زمايش هدف ما در اين ا زمايش به دست
1- مقدمه است.
آموزش بدون نظارت شبكه عصبي RBF به وسيله الگوريتم ژنتيك محمدصادق محمدي دانشكده فني دانشگاه گيلان Email: m.s.mohammadi@gmail.com چكيده - در اين مقاله روشي كار آمد براي آموزش شبكه هاي عصبي RBF به كمك الگوريتم
5 TTGGGG 3 ميگردد ) شكل ).
تكميل انتهاهاي مولكولهاي خطي DNA با توجه به اينكه RNA هاي پرايمر بايد از انتهاي مولكولهاي DNA برداشته شوند سي وال اين است در اين صورت انتهاي DNA هاي خطي چگونه تكميل ميگردد. در هنگام همانندسازي نه تنها
طراحي و شبيه سازي آرايه اي از آنتن هاي ميكرواستريپ دو فركانسي براي يك ميكرو ماهواره كوچك مرتضي كازروني- دكتر احمد چلداوي دانشجوي دكتراي دانشگاه علم و صنعت ايران و هيي ت علمي دانشگاه صنعتي مالك اشتر- دانشيار
چكيده. Keywords: Nash Equilibrium, Game Theory, Cournot Model, Supply Function Model, Social Welfare. 1. مقدمه
اثرات تراكم انتقال بر نقطه تعادل بازار برق در مدل هاي كورنات و Supply Function منصوره پيدايش * اشكان رحيمي كيان* سيد محمدحسين زندهدل * مصطفي صحراي ي اردكاني* *دانشكده مهندسي برق و كامپيوتر- دانشگاه تهران
را بدست آوريد. دوران
تجه: همانطر كه در كلاس بارها تا كيد شد تمرينه يا بيشتر جنبه آمزشي داشت براي يادگيري بيشتر مطالب درسي بده است مشابه اين سه تمرين كه در اينجا حل آنها آمده است در امتحان داده نخاهد شد. m b الف ماتريس تبديل
تلفات کل سيستم کاهش مي يابد. يکي ديگر از مزاياي اين روش بهبود پروفيل ولتاژ ضريب توان و پايداري سيستم مي باشد [-]. يکي ديگر از روش هاي کاهش تلفات سيستم
اراي ه روشي براي کاهش تلفات در سيستم هاي توزيع بر مبناي تغيير محل تغذيه سيستم هاي توزيع احد کاظمي حيدر علي شايانفر حسن فشکي فراهاني سيد مهدي حسيني دانشگاه علم و صنعت ايران- دانشکده مهندسي برق چکيده براي
چكيده مقدمه SS7 گرديد. (UP) گفته ميشود. MTP وظيفه انتقال پيامهاي SS7 را User Part. Part هاي SS7 هستند. LI I FSN I BSN F
ه ب ٨٤١ شماره ۷ نشريه دانشکده فني, دوره ۴۲, شماره ۷, بهمن ماه ۱۳۸۷, از صفحه ۸۴۱ تا ۸۵۰ بهينهسازي تقسيم بار در شبكه سيگنالينگ چكيده ۱ رضا خليلي, ۲* ۱ مهدي شيرازي و احمد صلاحي ۱ شركت مخابرات استان تهران
ˆÃd. ¼TvÃQ (1) (2) داشت: ( )
تغيير ا نتالپي : ΔH بيشتر واكنشها در شيمي در فشار ثابت انجام ميگيرند. سوختن كبريت در هواي ا زاد و همچنين واكنش خنثي شدن سود با سولفوريك اسيد در يك بشر نمونه اي از واكنشهايي هستند كه در فشار ثابت انجام
مربوطند. با قراردادن مقدار i در معادله (1) داريم. dq q
مدارهاي تا بحال به مدارهايي پرداختيم كه در ا نها اجزاي مدار مقاومت بودند و در ا نها جريان با زمان تغيير نميكرد. در اينجا خازن را به عنوان يك عنصر مداري معرفي ميكنيم خازن ما را به مفهوم جريانهاي متغير با
ﻲﻟﻮﻠﺳ ﺮﻴﮔدﺎﻳ يﺎﻫﺎﺗﺎﻣﻮﺗآ زا هدﺎﻔﺘﺳا ﺎﺑ ﻢﻴﺳ ﻲﺑ ﺮﮕﺴﺣ يﺎﻫ ﻪﻜﺒﺷ رد يﺪﻨﺑ ﻪﺷﻮﺧ
خوشه بندي در شبكه هاي حسگر بي سيم با استفاده از آتوماتاهاي يادگير سلولي محمد احمدي نيا دانشگاه آزاد اسلامي واحد كرمان ايران ahmadna@gmal.com محمدرضا ميبدي دانشكده مهندسي كامپيوتر دانشگاه صنعتي اميركبير
- 1 مقدمه كنند[ 1 ]:
مكانيابي منابع توليد پراكنده در شبكه فوق توزيع با استفاده از الگوريتم ژنتيك غيرمسلط( NSGAII ) 2 1 ري وف قادري محمد رضا بسمي 1 دانشگاه شاهد دانشكده فني مهندسي Raof.ghaderi@yahoo.com 2 دانشگاه شاهد دانشكده
D-STATCOM چكيده 1- مقدمه Flexible Alternative Current Transmission System
بهبود شاخصهاي كيفيت توان در سيستمهاي توزيع بوسيله طراحي جبران كننده D- با اراي ه يك روش جديد كنترل مهدي ترابيان اصفهاني مجيد شريعتي شركت توسعه و نوسازي هدايت وابسته به وزارت نيرو Email: Trabian_mehdi@yah.cm
٢٢٢ ٣٩٣ ﻥﺎﺘﺴﺑﺎﺗ ﻭ ﺭﺎﻬﺑ ﻢ / ﻫﺩﺭﺎﻬﭼ ﻩﺭﺎﻤﺷ ﻢ / ﺘ ﺸﻫ ﻝﺎﺳ ﻲﻨﻓ ﺖﺷﺍﺩﺩﺎﻳ ﻱ ﻪﻃ
مجله پژوهش ا ب ايران سال هشتم/ شماره چهاردهم/ بهار و تابستان (٢١٧-٢٢٢) ١٣٩٣ يادداشت فني بررسي ا زمايشگاهي تعيين رابطه عمق جريان غليظ در محل غوطهوري ٢ *١ حسن گليج و مهدي قمشي چکيده جريانهاي غليظ در اثر
(POWER MOSFET) اهداف: اسيلوسكوپ ولوم ديود خازن سلف مقاومت مقاومت POWER MOSFET V(DC)/3A 12V (DC) ± DC/DC PWM Driver & Opto 100K IRF840
منابع تغذيه متغير با مبدل DC به DC (POWER MOSFET) با ترانز يستور اهداف: ( بررسی Transistor) POWER MOSFET (Metal Oxide Semiconductor Field Effect براي كليد زني 2) بررسي مبدل DC به.DC كاهنده. 3) بررسي مبدل
هدف: LED ديودهاي: 4001 LED مقاومت: 1, اسيلوسكوپ:
آزمايش شماره (1) آشنايي با انواع ديود ها و منحني ولت -آمپر LED هدف: هدف از اين آزمايش آشنايي با پايه هاي ديودهاي معمولي مستقيم و معكوس مي باشد. و زنر همراه با رسم منحني مشخصه ولت- آمپر در دو گرايش وسايل
تعيين مدل استاتيكي كولرهاي گازي اينورتري به منظور مطالعات پايداري ولتاژ
تعيين مدل استاتيكي كولرهاي گازي اينورتري به منظور مطالعات پايداري ولتاژ اميرحسين حاجي ولي مقداد تورانداز كناري محمدصادق سپاسيان مهرداد ستايش نظر پرديس فني و مهندسي شهيد عباسپور دانشگاه شهيد بهشتي تهران
دريافت: 1391/03/11 چكيده مقدمه SPI به شمار ميآيد. تغييرپذيري
دو فصلنامه علمي- پژوهشي خشك بوم جلد 3 شماره بهار و تابستان 39 "مقاله كوتاه پژوهشي" بررسي عملكرد شبكه عصبيمصنوعي و سريهاي زماني در مدلسازي شاخص خشكسالي بارش استاندارد (مطالعه موردي: ايستگاههاي منتخب استان
زمستان 1390 چكيده شود. Downloaded from journal.nkums.ac.ir at 11:31 IRDT on Tuesday September 4th 2018 [ DOI: /jnkums.3.4.
مجله دانشگاه علوم پزشكي خراسان شمالي زمستان 1390 دوره سوم شماره 4 صفحات 111-118 چكيده شود. Journal of North Khorasan University of Medical Sciences Winter 2011 Vol 3, Issue 4, Page 111-118 طراحي روشي براي
1. مقدمه بگيرند اما يك طرح دو بعدي براي عايق اصلي ترانسفورماتور كافي ميباشد. با ساده سازي شكل عايق اصلي بين سيم پيچ HV و سيم پيچ LV به
No. F-16-TRN-1277 عيب يابي عايق كاغذ روغن ترانسفورماتور قدرت به روش FDS محمد مرتاضي احمد مرادي دانشگاه آزاد اسلامي واحد تهران جنوب تهران ايران چكيده سنجش حوزه ي فركانس سيستم هاي عايقي كاغذ روغن روش تشخيص
استفاده از رگرسيون منطقي براي شناسايي اثرات متقابل برخي پليمورفيسمهاي ژني و ساير عوامل خطر
مجلهي غدد درنريز متابليسم ايران دانشگاه علم پزشكي خدمات بهداشتي درماني شهيد بهشتي درهي چهاردهم شمارهي صفحههاي ۵۹ ۵۲ (ا بان ۹) از استفاده از رگرسين منطقي براي شناسايي اثرات متقابل برخي پليمرفيسمهاي ژني
10 ﻞﺼﻓ ﺶﺧﺮﭼ : ﺪﻴﻧاﻮﺘﺑ ﺪﻳﺎﺑ ﻞﺼﻓ ﻦﻳا يا ﻪﻌﻟﺎﻄﻣ زا ﺪﻌﺑ
فصل چرخش بعد از مطالعه اي اين فصل بايد بتوانيد : - مكان زاويه اي سرعت وشتاب زاويه اي را توضيح دهيد. - چرخش با شتاب زاويه اي ثابت را مورد بررسي قرار دهيد. 3- رابطه ميان متغيرهاي خطي و زاويه اي را بشناسيد.
مقدمه -1-4 تحليلولتاژگرهمدارهاييبامنابعجريان 4-4- تحليلجريانمشبامنابعولتاژنابسته
مقدمه -1-4 تحليلولتاژگرهمدارهاييبامنابعجريان -2-4 بامنابعجريانوولتاژ تحليلولتاژگرهمدارهايي 3-4- تحليلولتاژگرهبامنابعوابسته 4-4- تحليلجريانمشبامنابعولتاژنابسته 5-4- ژاتلو و 6-4 -تحليلجريانمشبامنابعجريان
چكيده. برنامه نويسي Delphi5 تهيه نمودهايم. مقدمه
مجله علمي دانشگاه علوم پزشكي سمنان- جلد 6 شماره 2 زمستان 383 تحليل منحنيهاي ROC براي مقايسه تستهاي تشخيص پزشكي 2 سيدمهدي ساداتهاشمي (Ph.D) راهب قرباني (Ph.D) بهروز كاوهيي (Ph.D) - دانشگاه علوم پزشكي سمنان
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
قطعات DNA وصل ميشوند فاژT7. pppapcpc/a(pn) 1 2 فاژT4. pppapc (PN) 3. *** (p)ppa /G (PN) 7 pppa / G (Pn)~9 در حدود ۱۰
نواحي تكرشتهاي شده DNA به وسيله پروتي ينهايي كه به ا نها متصل ميشوند پايدار ميگردند نواحي تك رشتهاي كه در اثر فعاليت پروتي ينهاي هليكاز بوجود ميا يند ممكن است دوباره به يكديگر متصل شوند بنابراين نواحي
نيمتوان پرتو مجموع مجموع) منحني
شبيه سازي مقايسه و انتخاب روش بهينه پيادهسازي ردگيري مونوپالس در يك رادار آرايه فازي عباس نيك اختر حسن بولوردي صنايع الكترونيك شيراز Abbas.nikakhtar@Gmail.com صنايع الكترونيك شيراز hasan_bolvardi@yahoo.com
پيشگوييكنندههاي ابتلا به كمبود ويتامين D در سالمندان و ساكنان خانههاي سالمندان شهر تبريز با استفاده از مدل رگرسيون استريوتايپ
2 3 5 و و 3 و 0 3 (مجله سالمندي ايران) سال ششم شماره بيستم تابستان 390 پيشگوييكنندههاي ابتلا به كمبود ويتامين D در سالمندان و ساكنان خانههاي سالمندان شهر تبريز با استفاده از مدل رگرسيون استريوتايپ (مقاله
چكيده 1- مقدمه درخت مشهد ايران فيروزكوه ايران باشد [7]. 5th Iranian Conference on Machine Vision and Image Processing, November 4-6, 2008
پنهاني سازي تصوير با استفاده از تابع آشوب و درخت جستجوي دودويي رسول عنايتي فر دانشكده مهندسي كامپيوتر دانشگاه آزاد اسلامي فيروزكوه ايران r.enayatifar@iaufb.ac.ir مرتضي صابري كمرپشتي دانشكده مهندسي كامپيوتر
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
Aerodynamic Design Algorithm of Liquid Injection Thrust Vector Control
علوم و تحقيقات هوافضا جلد 2 شماره 2 بهار 1388 الگوريتم طراحي آيروديناميكي كنترل بردار تراست به روش پاشش مايع 2 1 مهدي هاشمآبادي و محمدرضا حيدري دانشگاه صنعتي مالك اشتر مجتمع دانشگاهي هوافضا مركز آموزشي
a a VQ It ميانگين τ max =τ y= τ= = =. y A bh مثال) مقدار τ max b( 2b) 3 (b 0/ 06b)( 1/ 8b) 12 12
مقاومت مصالح بارگذاري عرضي: بارگذاري عرضي در تيرها باعث ايجاد تنش برشي ميشود كه مقدار آن از رابطه زير قابل محاسبه است: كه در اين رابطه: - : x h q( x) τ mx τ ( τ ) = Q I برش در مقطع مورد نظر در طول تير
BMA Analysis of Distribution Network Faults
بررسي خطاهاي شبكه توزيع با استفاده از روش آماري i محسن محمدي الموتي چكيده BA روش جديد آماري است كه قادر به در نظر گرفتن عدم قطعيتها در فرايند طراحي و مدلسازي آماري است. انتخاب روش مناسب در تحليل داده هاي
* خلاصه
دانشجوي- ششمين كنگره ملي مهندسي عمران 6 و 7 ارديبهشت 39 دانشگاه سمنان سمنان ايران بررسي و مقايسه همگرايي پايداري و دقت در روشهاي گام به گام انتگرالگيري مستقيم زماني 3 سبحان رستمي * علي معينالديني حامد
(,, ) = mq np داريم: 2 2 »گام : دوم« »گام : چهارم«
3 8 بردارها خارجي ضرب مفروضاند. (,, ) 3 و (,, 3 ) بردار دو تعريف: و ميدهيم نمايش نماد با را آن كه است برداري در خارجي ضرب ( 3 3, 3 3, ) m n mq np p q از: است عبارت ماتريس دترمينان در اينكه به توجه با اما
Downloaded from pajoohande.sbmu.ac.ir at 10: on Tuesday May 1st 2018 چکيده مقدمه
۱ و ٥ ۸۵/۶/۲۵ ٨٦/٣/٧ پژوهنده (مجله پژوهشي دانشگاه علوم پزشکي شهيد بهشتي) سال دوازدهم, شماره ۵, پي در پي ۵۹ صفحات ۴۰۷ تا ۴۱۶ ا ذر و دی ۱۳۸۶ تاريخ دريافت مقاله تاريخ پذيرش مقاله بررسي رابطه بين تعهد سازماني
HMI SERVO STEPPER INVERTER
راهنماي راهاندازي سريع درايوهاي مخصوص ا سانسور كينكو (سري (FV109 سري درايوهاي FV109 كينكو درايوهاي مخصوص ا سانسور كينكو ميباشد كه با توجه به نيازمنديهاي اساسي مورد نياز در ايران به بازار عرضه شدهاند. به
عروق شبكيه چشم با تبديل رادون محلي ا شكارسازي عروق شبكيه چشم با استفاده از تبديل رادون محلي ۳ ۳ ۲ * ۱ رضا پوررضا حميدرضا پوررضا توكا بناي ي رامين دانشور دانشجوي دكتري مهندسي كامپيوتر دانشگاه فردوسي مشهد
: O. CaCO 3 (1 CO (2 / A 11 بوده و مولكولي غيرقطبي ميباشد. خصوصيتهاي
شيمي آلي مدرسان شريف رتبه يك كارشناسي ارشد شيمي آلي شيمي موادي تركيبها را در آزمايشگاه نميتوان فصل اول «مباني شيمي آلي» است كه با موجودات زنده ارتباط دارد. تا اواسط قرن نوزدهم ميلادي اعتقاد بر اين بود
چكيده SPT دارد.
ارايه يك روش چيدمان خلاقانه جديد براي زمانبندي دسترسي به شبكه جهت كاهش انجام درخواستها سهراب خانمحمدي سولماز عبدالهي زاد استاد گروه مهندسي كنترل دانشگاه تبريز تبريز ايران Khamohammadi.sohrab@tabrizu.ac.ir
آزمایش 1 :آشنایی با نحوهی کار اسیلوسکوپ
آزمایش 1 :آشنایی با نحوهی کار اسیلوسکوپ هدف در اين آزمايش با نحوه كار و بخشهاي مختلف اسيلوسكوپ آشنا مي شويم. ابزار مورد نياز منبع تغذيه اسيلوسكوپ Function Generator شرح آزمايش 1-1 اندازه گيري DC با اسيلوسكوپ
Downloaded from ijpr.iut.ac.ir at 10:19 IRDT on Saturday July 14th پست الكترونيكي: چكيده ١. مقدمه
مجلة پژوهش فيزيك ايران جلد ۱۳ شمارة ۳ پاييز ۱۳۹۲ Downloaded from ijpr.iut.ac.ir at 10:19 IRDT on Saturday July 14th 018 چكيده بهينه سازي مدل BCS براي سيستمهاي كوچك و محاسبة خواص ترموديناميكي هستههاي بخش
ﻲﺘﻳﻮﻘﺗ يﺮﻴﮔدﺎﻳ زا هدﺎﻔﺘﺳا ﺎﺑ نآ لﺎﻘﺘﻧا و ﺶﻧاد يزﺎﺳ دﺮﺠﻣ
مجرد سازي دانش و انتقال آن با استفاده از يادگيري تقويتي 1 نرجس زارع 2 مجيد نيلي احمدآبادي 1 احمدرضا ولي 2 مريم سادات ميريان mmirian@ut.ac.ir ar.vali@gmail.com mnili@ut.ac.ir zare.narjes@gmail.com 1- دانشگاه
مريم اسپندار - وحيدحقيقتدوست چكيده 1- مقدمه. ١ Vehicular Anti-Collision Mechanism ٢ Intelligent Vehicular Transportation System
اراي ه الگوريتم اجتناب از برخورد و تشخيص تقدم خودروها در تقاطع با استفاده از شبكه هاي موقتي مريم اسپندار - وحيدحقيقتدوست سازمان تنظيم مقررات و ارتباطات راديويي espandar@cra.ir دانشكده فني و مهندسي دانشگاه
يون. Mg + ا نزيم DNA پليمراز III
مراحل همانندسازي DNA همانندسازي DNA را ميتوان به سه مرحله تقسيم كرد : ۱. مرحله ا غاز phase) :(Initiation شامل شناسايي مبدا همانندسازي تشكيل كمپلكس شروع همانندسازي يا ريپليزوم و اضافه شدن چند نوكلي وتيد
چكيده 1- مقدمه
تشخيص پوست بر اساس يادگيري تقويتي مريم حبيبي پور مهديه پوستچي حميدرضا پوررضا سعيد راحتي قوچاني گروه هوش مصنوعي دانشگاه آزاد اسلامي مشهد گروه هوش مصنوعي دانشگاه علم و صنعت ايران گروه مهندسي كامپيوتر دانشگاه
Distributed Snapshot DISTRIBUTED SNAPSHOT سپس. P i. Advanced Operating Systems Sharif University of Technology. - Distributed Snapshot ادامه
Distributed Snapshot يك روش براي حل GPE اين بود كه پردازهي مبصر P 0 از ديگر پردازهها درخواست كند تا حالت محلي خود را اعلام كنند و سپس آنها را باهم ادغام كند. اين روش را Snapshot گوييم. ولي حالت سراسري
چكيده واژههاي كليدي: منحني L تنظيم تيخونف OTSVD لرزه پايينچاهي مقدمه 1 شده و. x true مو لفه مربوط به نوفههاي تصادفي و ديگري مو لفه مربوط.
مجلة فيزيك زمين و فضا دوره 33 شماره 1386 صفحة 1-3 قطع بهينة تجزيه مقادير تكين در حل مسي لههاي معكوس خطي *1 علي غلامي و عبدالرحيم جواهريان 1 دانشجوي كارشناسي ارشد ژي وفيزيك مو سسة ژي وفيزيك دانشگاه تهران
ﺮﺑﺎﻫ -ﻥﺭﻮﺑ ﻪﺧﺮﭼ ﺯﺍ ﻩﺩﺎﻔﺘﺳﺍ ﺎﺑ ﻱﺭﻮﻠﺑ ﻪﻜﺒﺷ ﻱﮊﺮﻧﺍ ﻦﻴﻴﻌﺗ ﻪﺒـﺳﺎﺤﻣ ﺵﻭﺭ ﺩﺭﺍﺪﻧ ﺩﻮﺟﻭ ﻪ ﻱﺍ ﻜﺒﺷ ﻱﮊﺮﻧﺍ ﻱﺮﻴﮔ ﻩﺯﺍﺪﻧﺍ ﻱﺍﺮﺑ ﻲﻤﻴﻘﺘﺴﻣ ﻲﺑﺮﺠﺗ ﺵﻭﺭ ﹰﻻﻮﻤﻌﻣ ﻥﻮﭼ ﻱﺎ ﻩﺩ
تعيين انرژي بلوري با استفاده از چرخه بورن - هابر چون معمولا روش تجربي مستقيمي براي اندازهگيري انرژي اي وجود ندارد روش محاسبه اين انرژي براي تركيبات يوني اهميت بسياري مييابد. اما مقداري انرژي اي با استفاده
ارائه یک استراتژی نوین کنترلی برای جبرانساز DVR جهت بهرهوری بیشتر از آن در کیفیت توان مصرف کننده
ارائه یک استراتژی نوین کنترلی برای جبرانساز DVR جهت بهرهوری بیشتر از آن در کیفیت توان مصرف کننده 3 2 1 محمدعلی شمسینژاد استادیار محمدرضا خلقانی دانشجوی کارشناسی ارشد محسن فرشاد استادیار 1- گروه مهندسی
JSEE چكيده 1- مقدمه. MATLAB و
سال دهم ويژهنامه فارسي زمستان 87 بررسي عملكرد يك الگوريتم پيشنهادي در كنترل نيمهفعال يك ساختمان جداسازي شده مرجع با جداسازهاي غيرخطي JSEE افشين كلانتري استاديار پژوهشكده سازه پژوهشگاه بينالمللي زلزلهشناسي
ﻚﻳ ﺯﺍ ﻩﺩﺎﻔﺘﺳﺍ ﺎﺑ ﺖﺳﺩ ﺖﮐﺮﺣ ﺭﻮﺼﺗ ﻡﺎﮕﻨﻫ ﺭﺩ EE G ﻱﺎﻫﻮﮕﻟﺍ ﺺﻴﺨﺸﺗ ﻞﻘﺘﺴﻣ ﯼﺎﻫ ﻪﻔﻟﻮﻣ ﺰﻴﻟ ﺎﻧﺁ ﺮﺑ ﻲﻨﺘﺒﻣ ﺓﺪﻨﻨﻛ ﻱﺪﻨﺑ ﻪﻘﺒﻃ
تشخيص الگوهاي EEG در هنگام تصور حرکت دست با استفاده از يك طبقه بندي كنندة مبتني بر ا ناليز مولفه های مستقل عباس عرفانيان اميدوار گروه مهندسي پزشكي دانشكده مهندسی برق دانشگاه علم و صنعت ايران erfanian@iust.ac.ir
چكيده مقدمه. -*) نويسنده مسي ول: ( 5 - Schuylkill 6- Artificial Neural Network (ANN) 7- Neuro-fuzzy
Journal of Water and Sol Vol. 8, No. 6, Jan.-Feb. 0, p. 6-7 نشريه آب و خاك (علوم و صنايع كشاورزي) جلد 8 شماره 6 بهمن اسفند 9 ص 6-7. مقايسه روش هاي برنامه ريزي ژنتيك و ماشين بردار پشتيبان در پيشبيني جريان
3 و 2 و 1. مقدمه. Simultaneous كه EKF در عمل ناسازگار عمل كند.
بررسي سازگاري تخمين در الگوريتم EKF-SLAM و پيشنهاد يك روش جديد با هدف رسيدن به سازگاري بيشتر فيلتر و كاستن هرينه محاسباتي امير حسين تمجيدي حميد رضا تقيراد نينا مرحمتي 3 و و گروه رباتيك ارس دپارتمان كنترل
نقش نيروگاههاي بادي در پايداري گذراي شبكه
No. F-13-AAA-0000 همايون برهمندپور سيما كمانكش سعيد سليمي حميد دانايي محمد جعفريان پژوهشگاه نيرو گروه مطالعات سيستم تهران - ايران Uhberahmandpour@nri.ac.irU2T, Uskamankesh@nri.ac.irU2T, 2T Ussalimi@nri.ac.ir,
آزمايش (٤) موضوع آزمايش: تداخل به وسيلهي دو شكاف يانگ و دو منشور فرنل
آزمايش (٤) موضوع آزمايش: تداخل به وسيلهي دو شكاف يانگ و دو منشور فرنل وسايل مورد نياز: طيف سنج دو شكاف يانگ لامپ سديم و منبع تغذيه ليزر هليوم نئون دو منشور فرنل دو عدد عدسي خط كش چوبي كوليس ريل اپتيكي
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
بررسي ا گاهي و عملكرد مصرفکنندگان در مورد برچسبهاي مواد غذايي
بررسي ا گاهي و عملكرد مصرفکنندگان در مورد برچسبهاي مواد غذايي ١ ٢ ١ مصطفي ميرقطبي مرجان باژن زهره اميري ١. گروه علوم پايه انستيتو تحقيقات تغذيهاي و صنايع غذايي كشور دانشكده علوم تغذيه و صنايع غذايي دانشگاه
17-F-AAA مقدمه تحريك
17-F-AAA-0000 يك روش جديد تشخيص مكان خطاي روتور ارت فالت براي ژنراتور سنكرون مستقل از تغييرات توان راكتيو 3 مجيد عليزاده مقدم 1 محمد باباي يفر 2 فرشيد كاكاوند شركت مديريت توليد برق - نيروگاه شهيد رجايي
آزمايشگاه ديناميك ماشين و ارتعاشات آزمايش چرخ طيار.
` آزمايشگاه ديناميك ماشين و ارتعاشات dynlab@jamilnia.ir www.jamilnia.ir/dynlab ١ تئوري آزمايش چرخ طيار يا چرخ ل نگ (flywheel) صفحه مدوري است كه به دليل جرم و ممان اينرسي زياد خود قابليت بالايي در ذخيرهسازي
Q [Btu/hr] = GPM x 500 x ΔT [F o ]
توصيه هاي فني در خصوص انتخاب پمپ هاي گريز از مركز» نويسنده : فرشاد سرايي / مدير امور مهندسي شركت پتروپالامحور « انتخاب پمپ هاي گريز از مركز (سانتريفوژ) در سيستم هاي تاسيسات مكانيكي و لوله كشي صنعتي بر
تحليل جريان سيال غيرنيوتني در لوله مخروطي همگرا با استفاده از مدل بينگهام
١ پيمان شوبي دانشجوي كارشناسي ارشد ٢ حسين مهبادي دانشيار ٣ آرمن آداميان استاديار تحليل جريان سيال غيرنيوتني در لوله مخروطي همگرا با استفاده از مدل بينگهام در اين مقاله جريان لايه هاي سيال بينگهام در يك
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
- 2 كدهاي LDPC LDPC است. بازنگري شد. چكيده: 1. .( .( .finite length Irregular LDPC Codes
249 نشريه مهندسي برق و مهندسي كامپيوتر ايران سال 5 شماره 4 زمستان 86 روشي جديد براي طراحي كدهاي آزمون توازن كمچگالي در طول كوتاه مهرداد تاكي و محمد باقر نظافتي چكيده: در اين مقاله روشي جديد براي طراحي
ﺪ ﻮﻴﭘ ﻪﻳﻭﺍﺯ ﺯﺍ ﻪﻛ ﺖﺳﺍ ﻂﺧ ﻭﺩ ﻊﻃﺎﻘﺗ ﺯﺍ ﻞﺻﺎﺣ ﻲﻠﺧﺍﺩ ﻪﻳﻭﺍﺯ ﺯﺍ ﺕﺭﺎﺒﻋ ﺪﻧﻮﻴﭘ ﻪﻳﻭﺍﺯ ﻪﻛ ﺪﻫﺩ ﻲﻣ ﻥﺎﺸﻧ ﺮﻳﺯ ﻞﻜﺷ ﻥﺎﺳﻮﻧ ﻝﺎﺣ ﺭﺩ ﹰﺎﻤﺋﺍﺩ ﺎﻬﻤﺗﺍ ﻥﻮﭼ
طول پيوند Bond lengths همواره در مولكولها اتمهاي متشكله داراي حركت نوساني نسبت به يكديگر ميباشند اگرچه در اثر نوسان اتمها فاصله پيوند ا نها هميشه متغير است با وجود اين در همه پيوندها فاصله متوسطي بين هسته
پست الكترونيكي: چكيده. mfp. ۲ تا mfp. MeV ١. مقدمه
مجلة پژوهش فيزيك ايران جلد ۱۳ شمارة ۴ زمستان ۱۳۹۲ استخراج ضريب انباشت تابشهاي گاما به صورت تابع چند جملهاي در حفاظهاي كروي دولايهاي ا ب سرب محمدحسن علامتساز و مريمالسادات محسني دانشكدة فيزيك دانشگاه صنعتي
پايدارسازي سيستم قدرت چندماشينه با استفاده از پايدارساز HBB-BC بهينه شده توسط الگوريتم PSS3B
No. F-13-AAA-0000 پايدارسازي سيستم قدرت چندماشينه با استفاده از پايدارساز HBB-BC بهينه شده توسط الگوريتم PSS3B حسن شكوهنده مصطفي صديقيزاده دانشگاه شهيد بهشتي تهران - ايران Shokouhandeh@mal.sbu.ac.r چكيده
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
Archive of SID مقدمه چكيده. سال چهارم شماره 4 زمستان 81
197 عوامل موثر بر نتايج امتحانات جامع علوم پايه دانشجويان پزشكي زاهدان و پيشگويي نمرات و تعداد آنها * دكتر مسعود رودباري ** دكتر فرهاد دادگر * دانشگاه علوم پزشكي و خدمات بهداشتي درماني زاهدان دانشكده بهداشت
بررسي رابطه ضريب سيمان شدگي و تخلخل بدست ا مده از ا ناليز مغزه و مقايسه ا ن با روابط تجربي Shell و Borai در يكي از مخازن دولوميتي جنوب غرب ايران
ماهنامه اكتشاف و توليد/ شماره / 8 شهريورماه 90 بررسي رابطه ضريب سيمان شدگي و تخلخل بدست ا مده از ا ناليز مغزه و مقايسه ا ن با روابط تجربي Shell و Borai در يكي از مخازن دولوميتي جنوب غرب ايران عليرضا رستمي
است). ازتركيب دو رابطه (1) و (2) داريم: I = a = M R. 2 a. 2 mg
دستوركارآزمايش ماشين آتوود قانون اول نيوتن (قانون لختي يا اصل ماند): جسمي كه تحت تا ثيرنيروي خارجي واقع نباشد حالت سكون يا حركت راست خط يكنواخت خود را حفظ مي كند. قانون دوم نيوتن (اصل اساسي ديناميك): هرگاه
1- مقدمه ماندانا حميدي استفاده از آنها را در طبقهبندي كنندهها آسان كرده است است.
كي طبقه بندي كننده فازي مبتني بر اتوماتاه يا يادگير,3 ماندانا حميدي محمد رضا ميبدي دانشكده مهندسي برق وكامپيوتر و فناوري اطلاعات دانشگاه آزاد اسلامي واحد قزوين قزوين ايران دانشكده مهندسي كامپيوتر و فناوري
شناسايي تجربي مدل ديناميكي توربين و گاورنر مكانيكي نيروگاه بخاري تبريز
No. 13FEPG1360 شناسايي تجربي مدل ديناميكي توربين و گاورنر مكانيكي نيروگاه بخاري تبريز جعفر ا قاياري پژوهشكده توليد نيرو پژوهشگاه نيرو باقر شهبازي پژوهشكده توليد نيرو پژوهشگاه نيرو تهران ايران baghershahbazi@gmail.com
شماره : RFP تاريخ RFP REQUEST FOR RESEARCH PROPOSAL Q # # ساير باشند. F
شماره : RFP 5 : تاريخ RFP 1 از صفحه درخواست پيشنهاد پروژه پژوهشي REQUEST FOR RESEARCH PROPOSAL Q # # w $ @ T A"ç! ¼ $ i " ' Ú % $ A # # T A ç$" A V"j "Ï ' ë $ ³ Ã # w $ Q # ¼ $ i "Ú '% 1 -شماره پروژه :