کیانی, کورش
[ 1 ] - تأثیر جو دانشگاه و نظام ارزشی بر گرایش دانشجویان به مهاجرت از کشور (مورد مطالعه: دانشجویان دانشگاه سمنان)
پژوهش حاضر با هدف بررسی ارتباط بین جو دانشگاه و نظام ارزشی با گرایش به مهاجرت دانشجویان دانشگاه سمنان انجام شد. روش پژوهش از نوع توصیفی‌ـ‌هم‌بستگی بود. جامعه آماری شامل دانشجویان دانشگاه سمنان (13089 نفر) که با استفاده از روش نمونه‌گیری تصادفی طبقه‌ای و جدول کرجسی و مورگان، تعداد 384 نفر از آن‌ها به‌عنوان نمونه پژوهش انتخاب شدند. ابزارهای اندازه‌گیری شامل سه پرسشنامه استاندارد، گرایش به مهاجرت...
[ 2 ] - Locating of Series FACTS Devices for Multi-Objective Congestion Management Using Components of Nodal Prices
Congestion and overloading for lines are the main problems in the exploitation of power grids. The consequences of these problems in deregulated systems can be mentioned as sudden jumps in prices in some parts of the power system, lead to an increase in market power and reduction of competition in it. FACTS devices are efficient, powerful and economical tools in controlling power flows through ...
[ 3 ] - مدل‌سازی ساختاری عوامل مؤثر بر گرایش به مهاجرت دانشجویان نخبه از کشور (مطالعه موردی: دانشگاه سمنان)
پژوهش حاضر باهدف ارائه مدل ساختاری از عوامل مؤثر بر گرایش به مهاجرت دانشجویان نخبه در دانشگاه سمنان اجرا شد. روش پژوهش، توصیفی - همبستگی و مبتنی بر معادلات ساختاری بود. جامعه و نمونه آماری، شامل دانشجویان (دختر و پسر) استعداد درخشان دانشگاه سمنان (114 نفر) در نیمسال دوم تحصیلی 96-95 بود. ابزارهای اندازه‌گیری شامل پرسشنامه محقق‌ساخته (1396) و پرسشنامه گرایش به مهاجرت (جانعلی‌زاده و همکاران، 1393...
[ 4 ] - شناسایی چهره بااستفاده از تنطیم دقیق شبکه های کانولوشنی عمیق و رویکرد یادگیری انتقالی
یادگیری عمیق، یکی از رویکردهای مورد توجه در یادگیری ماشین می باشد که شامل معماری های مهمی می باشد. شبکه کانولوشنی عمیق، یکی از معماری های مورد توجه در یادگیری عمیق می باشد که در پردازش های مربوط به تصاویر دیجیتالی کاربرد فراوانی پیدا کرده است. در این پژوهش، شبکه کانولوشنی Alexnet، به منظور شناسایی چهره در عکس های ورودی، مورد استفاده قرار گرفته است. تنظیم دقیق مدل از قبل تعلیم داده شده ی Alexnet...
[ 5 ] - A Deep Model for Super-resolution Enhancement from a Single Image
This study presents a method to reconstruct a high-resolution image using a deep convolution neural network. We propose a deep model, entitled Deep Block Super Resolution (DBSR), by fusing the output features of a deep convolutional network and a shallow convolutional network. In this way, our model benefits from high frequency and low frequency features extracted from deep and shallow networks...
Co-Authors