مکان یابی منبع سیگنال صوت، یکی از مهمترین مسائل مطرح در زمینه های مربوط به پردازش آرایه ای است. الگوریتم های دو مرحله ای به خاطر سرعت انجام و بروزرسانی، از جمله ی رایج ترین روش های پیشنهادی در این زمینه می باشند. در این الگوریتم ها، ابتدا تأخیر بین سیگنال های دریافتی در جفت میکروفون های آرایه محاسبه شده و در مرحله ی بعد با استفاده از این تأخیرها، معادلاتی تشکیل شده و مکان منبع تخمین زده می شود. متداول ترین روش جهت محاسبه ی تأخیر بین سیگنال های دریافتی روش همبستگی متقابل می باشد. این روش به دلیل تأثیرپذیری زیاد از نویز و انعکاسات محیطی به وسیله ی پیش فیلترهایی بهینه می گردد. روش حاصل همبستگی متقابل تعمیم یافته نامیده می شود. یکی از فیلتر هایی که جواب های مناسبی را دربردارد فیلتر طیف فاز می باشد که استفاده از آن منجر به ارائه روش cpsp می گردد. مناسب ترین روش برای حل معادلات حاصل از بکارگیری تأخیرهای محاسبه شده در مرحله ی اول، روش chan می باشد. این روش راه حلی تقریبی بر مبنای تخمین گر ml ارائه داده است. در این تحقیق روش های تعیین مکان منبع سیگنال صوت در فضای سه بعدی و به صورت خاص روش های cpsp برای مرحله ی اول و روش chan برای مرحله ی دوم بررسی گردیده اند. دو روش مذکور یه صورت نرم افزاری و سخت افزاری پیاده سازی شده و ادوات و تجهیزات مورد نیاز آن طراحی شده اند. درنهایت آزمایش هایی جهت سنجش صحت کارهای انجام شده صورت گرفته است. آزمایش های انجام شده برای منابع ثابت و متحرک، آرایه هایی با چیدمان های مختلف، نسبت های سیگنال به نویز متفاوت، فریم هایی با تعداد متفاوت نمونه ها و تعداد میکروفون های متفاوت انجام شده است. نتایج، در جداول و نمودارهای مربوطه نمایش داده شده و با یکدیگر مقایسه شده اند. با توجه به نتایج حاصله، چیدمانی خاص که بهترین نتایج را دربرداشته، پیشنهاد گردیده است. در حالت منبع ثابت نیز، موقعیتی به عنوان موقعیتی مناسب جهت مکان یابی معرفی گردیده است. همچنین اثر تغییر طول قاب های مورد پردازش جهت محاسبه ی تأخیر و اثر افزایش تعداد میکروفون های آرایه مورد بررسی قرار گرفته است. درنهایت نتایج کلی حاصل از انجام آزمایش ها و پیاده سازی الگوریتم ها ذکر شده و روش هایی پیشنهادی جهت انجام آزمایشات آینده ذکر شده اند.

ماشین بردار پشتیبان یکی از الگوریتمهای مورد اعتماد و با کارآیی فوق العاده بالا در تشخیص الگو است که در سالهای اخیر به طور وسیعی در مسائل کلاسه بندی و رگرسیون خطی و غیرخطی مورد استفاده قرار گرفته است. از آنجا که یکی از روشهای حل مسائل چند کلاس، استفاده از کلاسه بندهای دوتایی است، پیاده سازی همزمان کلاسه بندهای دوتایی ماشین بردار پشتیبان بر روی fpga به صورت موازی، می تواند کاربرد خوبی مخصوصاً در کاربردهای بلادرنگ داشته باشد. در این پایان نامه یک ساختار سخت افزاری ساده برای پیاده سازی کلاسه بندهای دوتایی ماشین بردار پشتیبان بر روی fpga ارائه می شود. از بخش آموزش ماشین بردار پشتیبان که به صورت نرم افزاری اجرا می گردد، پارامترهای لازم استخراج شده و برای اجرای بخش تست بر روی سخت افزار به کار گرفته می شود. در ساختار سخت افزاری طراحی شده، عملیات ضرب برداری و همچنین کل عملیات کلاسه بندی دوتایی چند کلاس به صورت موازی و به طور همزمان انجام می شود. به منظور واقعی کردن طرح، از داده های مربوط به سیستم تشخیص ارقام دستنوشته فارسی در سه کلاس مختلف، برای آموزش و تست ماشین بردار پشتیبان استفاده شده است. شبیه ساز گرافیکی system generator برای شبیه سازی طرح سخت افزاری مورد نظر مورد استفاده قرار گرفته است. پیاده سازی کلاسه بند ماشین بردار پشتیبان خطی و غیرخطی با توابع و بلوکهای ساده، امکان افزایش ابعاد بردارهای ویژگی، امکان تعمیم به چندین کلاسه بند دوتایی همزمان، عدم پیچیدگی در طراحی سخت افزاری و ساده بودن سایر بلوک ها و عملیات استفاده شده در طرح مورد نظر، از خصوصیات بارز این تحقیق به شمار می رود. طبق نتایج شبیه سازی بر روی fpga، ماکزیمم فرکانس کاری mhz840/202 برای کلاسه بند خطی، و نرخ بازشناسی %67/98 برای کلاسه بند غیرخطی به دست آمده است. این نتایج نشان از عملکرد فوق العاده سیستم طراحی شده دارد. کلید واژه: fpga، پردازش بلادرنگ، ماشین بردار پشتیبان، system generator.

امضای افراد یکی از روشهای تأیید هویت فرد در مناسبات مختلف بویژه در حوزه اقتصادی است. وظیفه یک سیستم تأیید امضاء پذیرفتن امضاء اصلی و رد امضاء جعلی می باشد. امضاهای برخط امضاهایی هستند که توسط ابزارهای الکترونیکی از قبیل صفحه رقومی کننده ثبت می شوند و امضاء به صورت رشته زمانی در رایانه ذخیره می شود. در این نوع امضاء علاوه بر اطلاعات مکانی، اطلاعات زمانی از قبیل سرعت، شتاب و ... نیز حفظ می شود.در این پایان نامه روی امضاهای اصلی و جعلی موجود در پایگاه داده svc2004 پیش پردازش هایی مانند نرمالیزه کردن امضا، حذف چرخش، هموارسازی و ... صورت گرفته و 72 ویژگی از هر امضا استخراج می شود. سپس با استفاده از الگوریتم بهینه سازی pso به تشخیص امضاء اصلی از جعلی می پردازیم. ابتدا با اعمال 72 ویژگی نرخ خطای یکسان سیستم تأیید برابر با 5/11% (5/11%=eer) بدست می آید. با حذف ویژگی های کم اهمیت توسط الگوریتم pso و استفاده از ویژگی های با اهمیت تر که تعداد آنها به 48 تا می رسد، 25/10%=eer دست می یابیم. قابل ذکر است که نتایج فوق با نتایج مربوط به تیم های شرکت کننده در اولین مسابقه بین المللی تایید امضاء مقایسه شده که در بهترین حالت حائز رتبه 5 شده است. ویژگی های با اهمیت بیشتر تعیین می گردد.

امروزه تشخیص و درمان زودهنگام سرطان سینه یکی از دغدغه های اساسی پزشکان و رادیولوژیست ها می باشد. تشخیص سرطان سینه در مراحل ابتدایی بیماری باعث افزایش امید به زندگی شده و بیمار را برای مراجعه بعدی درمان آماده می کند. 95% کسانی که سرطان آن ها در مراحل ابتدایی (یعنی زمانی که سرطان فقط در بافت سینه و یا بافت های زیرین آن قرار داشته باشد) تشخیص داده شده است، بیش از 5 سال از زمان تشخیص زنده مانده اند. در حال حاضر ماموگرافی تنها روش تصویربرداریِ مورد استفاده و موثر برای تشخیص سرطان سینه می باشد. micro-calcification ها یا به طور مخفف، mcها، رسوب های کوچک کلسیم هستند که به صورت نقاط روشن کوچکی در تصاویر ماموگرافی دیده می شوند و نشانه ای از بیماری سرطان سینه می باشند. در این تحقیق هدف طراحی، شبیه سازی، بررسی و مقایسه سیستم های cad می باشد که قادر به تشخیص mc ها در تصاویر ماموگرافی با دقت بالایی باشند. هدف یک سیستم cad تشخیص و پیدا کردن ناهنجاری ها و ناحیه های مشکوک در ماموگرام های دیجیتال با استفاده از کامپیوتر و کمک به رادیولوژیست هاست. هدف از این تحقیق، بررسی چند سیستم cad و معرفی روش های تشخیص mc است که در این سیستم ها پیشنهاد، پیاده سازی ودر نهایت تحلیل و مقایسه شده است. تفاوت اصلی سیستم-های cad طراحی شده و شبیه سازی شده در این تحقیق در مرحله استخراج ویژگی از تصاویر ماموگرافی و همچنین کلاسه بند استفاده شده جهت تشخیص mc ها می باشد. استفاده از ویژگی های آماری و فرکانسی به جای ویژگی های روشنایی تصویر و مقایسه نتایج آن ها با استفاده از کلاسه بند های svm و nn عمده کار انجام شده در این تحقیق می-باشد. در نهایت با آزمایشات انجام شده نتیجه شده است که سیستمِ cad با استفاده از ویژگی های آماری و فرکانسی و svm بهترین نتیجه ی خروجی را در تشخیص مناطق mc، در تصاویر ماموگرافی دارد. در این رابطه همچنین راهکارهایی جهت بهبود کیفیت تصویر ماموگرافی و بهبود تشخیص mcها داده شده و در آخر روشی برای جداسازی هر mc از بافت های مجاور ارائه گردیده است.

چاه نمودارهای تصویری، ابزارهایی مقاومتی، صوتی، نوری و ... هستند که برای آشکارسازی ویژگی های سنگ در مخازن کربناته از آن ها استفاده می شود. یکی از ویژگی های مهم سنگ، شکستگی است که می تواند به وسیله چاه نمودارهای تصویری تشخیص داده شود. شکستگی ها نقش بسیار مهمی را در حرکت سیال و پایداری دیواره چاه دارند. در این پایان نامه به کمک الگوریتم های هوشمند پردازش تصویر و شناسایی الگو، تکنیکهایی برای شناسایی و ردیابی شکستگی ها در چاه نمودارهای تصویری ارایه می شود. پیاده سازی الگوریتم پیشنهادی بر روی چاه نمودارهای تصویری نمونه نتایج قابل قبولی را نشان داد. بخش بندی چاه نمودارهای تصویری موجود با دلیل تکیه بر اطلاعات رنگ به وسیله شبکه عصبی خودسازمانده به دقت 5/94% حاصل شد. الگوریتمهای پیشنهادی بر چاه نمودارهای تصویری الکتریکی و برای آشکارسازی و ردیابی شکستگی های طبیعی باز متمرکز شده اند.

تقریب توابع، از جمله مسائلی می باشد که از دیر باز مورد علاقه علوم مختلف، از ریاضیات کاربردی گرفته تا علوم کامپیوتر قرار دارد. همواره روش های متعددی برای تقریب توابع وجود داشته اند و با گذر زمان این روش ها مورد بهبود قرار گرفتند، و یا روش های جدیدی برای تقریب توابع معرفی شدند. یکی از روش های تقریب توابع، استفاده از شبکه های عصبی می باشد. آموزش شبکه های عصبی در واقع خود نوعی از تقریب توابع می باشد، چون در آن باید روابط حاکم بر لایه های مختلف شبکه را تقریب زد تا به خروجی مطلوب دست یابیم. آموزش شبکه عصبی عمدتاً به روش پس انتشار خطا یا گرادیان نزولی صورت می گیرد، اما گاهی از الگوریتم های ابتکاری نیز برای آموزش شبکه عصبی استفاده می شود که می تواند مزایا یا معایبی را به همراه داشته باشد. با توجه به کارهایی که تا کنون توسط پژوهشگران در این زمینه انجام شده، استفاده از الگوریتم های بهینه سازی به عنوان یک ابزار برای آموزش شبکه های عصبی می تواند زمان آموزش را کاهش دهد و میزان همگرایی را افزایش دهد و در نتیجه خطای کمتری را در پی داشته باشد. از زمان معرفی الگوریتم های بهینه سازی همواره تلاش در ایجاد تغییرات و انجام ترکیب های مختلف در این الگوریتم ها به منظور بهبود پاسخ آن ها وجود داشته است، که باعث افزایش بازدهی، کاهش زمان جستجو و کاهش حجم محاسبات می شود، این تغییرات گاهی روی ساختار اصلی خود الگوریتم بهینه سازی صورت می پذیرد و گاهی با ترکیب این الگوریتم ها با سایر روش ها و الگوریتم های بهینه سازی انجام می گیرد. در پایان نامه پیش رو، به منظور تقریب توابع از شبکه های عصبی توابع پایه شعاعی و برای آموزش آن از ترکیب الگوریتم بهینه سازی توده ذرات و الگوریتم جستجوی ممنوع استفاده کردیم، در واقع با استفاده از ترکیب این دو الگوریتم از مزایای دو الگوریتم استفاده کرده و معایب آن ها را کاهش می دهیم تا به پاسخ بهتر و دقت بالاتری دست یابیم. برای این منظور، انتخاب برخی پارامتر های الگوریتم بهینه سازی توده ذرات، را توسط الگوریتم جستجوی ممنوع انجام دادیم و تاثیر این کار را بر روی بازده آموزش شبکه عصبی توابع پایه شعاعی بررسی کردیم و با آموزش شبکه عصبی با روش گرادیان نزولی و آموزش با استفاده از الگوریتم بهینه سازی توده ذرات کلاسیک مورد مقایسه قرار دادیم.

شبکه های عصبی فازی min-max، روش های نسبتاً جدیدی در حوزه کاربردی طبقه بندی و خوشه یابی می باشند. این شبکه ها، ویژگی های برتری مانند الگوریتم آموزش برخط یکبارگذر دارند که آنها را برای پیاده سازی سخت افزاری و استفاده در کاربردهای بلادرنگ، ایده آل می سازد. در این پایان نامه یک روش جدید برای طراحی شبکه های عصبی فازی بر پایه ابرجعبه های فازی min-max ارائه شده است. همانند شبکه fmnn، این شبکه از تجمیع ابرجعبه های فازی برای تعیین مرزهای کلاس ها استفاده می کند، با این تفاوت که تست همپوشانی و انقباض ابرجعبه ها از مراحل آموزش حذف شده است. که منجر به الگوریتم آموزش ساده تر و سرعت آموزش بیشتر شده است. شبکه ارائه شده از دو دسته ابرجعبه با ضریب انبساط متفاوت، به منظور استفاده از ابرجعبه های کوچک تر در مرز کلاس ها، استفاده می کند. شبکه با یک بار ارائه داده های آموزش، آموزش می بیند. نتایج حاصل از شبیه سازی های رایانه ای، بیانگر کارایی خوب این شبکه می باشد. روش پیشنهادی در اکثر موارد، نتایج بهتری را، نسبت به بهترین روش های قبلی، با تعداد نرون های کمتر بدست می دهد. در پایان نامه حاضر، یک طرح سخت افزاری، برای پیاده سازی شبکه معرفی شده روی fpga، ارائه شده است. در این طرح تابع عضویت ابرجعبه ها، به منظور صرفه جویی در ناحیه مصرفی fpga، ساده شده است، به طوری که طرح حاصله، از ضرب کننده استفاده نمی کند. همچنین طرح سخت افزاری ارائه شده، به طور موثری از تکنیک خط لوله و موازی کاری، برای افزایش سرعت محاسبات، استفاده می کند.

ابتدا برای پیش پردازش، فضای سفید اضافی تصویر اسکن شده ی امضا ء، حذف می شود و سپس با ایجاد ناحیه بندی خاص بر روی تصاویر، ویژگی های محلی جدیدی را بر مبنای تقسیم بندی شبکه ای استخراج می نماییم. در ادامه زیر مجموعه ای بهینه از این ویژگی ها به کمک الگوریتم رقابت استعماری (ica) انتخاب می شود. در مرحله طبقه بندی برای هر کاربر از یک شبکه عصبی مصنوعی (ann) مجزا استفاده می شود که برای فاز آموزش 27 امضای آن کاربر را در نظر می گیریم. برای ارزیابی 27 امضای باقیمانده هر فرد به شبکه عصبی آموزش دیده متناظر با آن کاربر داده می شود و تصمیم گیری در مورد تأیید یا رد امضا ء انجام می گردد. در انتها نیز نتایج به دست آمده با کارهای مشابه مقایسه می شود. ما در این پایان نامه از پایگاه داده gpds300gray برای ارزیابی الگوریتم پیشنهادی استفاده می کنیم. نرخ خطای برابر (eer) الگوریتم پیشنهادی برای این پایگاه داده 6.96 می باشد. نتایج تجربی نشان می دهد که الگوریتم پیشنهادی در مقایسه با روش های ارائه شده از دقت قابل قبولی برخوردار است .

در این پایان نامه وزن های شبکه عصبی با استفاده از الگوریتم بهینه سازی رقابت استعماری بهینه شده و برای تشخیص رگ انگشت استفاده شده است. شبکه عصبی ابزاری محاسباتی برای کاربرد هایی مانند تشخیص الگو و پیش بینی و... می باشد و از سیستم عصبی انسان الهام می گیرد. الگوریتم رقابت استعماری یکی از الگوریتم های بهینه سازی است و از پدیده اجتماعی رقابت بین کشور های استعمارگر وکشور های تحت سلطه آنها الهام می گیرد. از الگوریتم های بهینه سازی در شبکه عصبی برای بهبود وزن ها و هم چنین توپولوژی شبکه استفاده می شود. در این پایان نامه بهبود وزن های شبکه مورد نظر ما بوده است. در سال های اخیر نیاز به سیستم های تشخیص افراد از روی ویژگی های بیومتریک افزایش و پیشرفت زیادی داشته است. در جوامع مدرن این سیستم ها جایگزین سیستم های شناسایی سنتی شده ودر کار های تجاری, اداری و خانگی و ... مورد استفاده قرار گرفته اند. سیستم های تشخیص بیومتریک از امنیت بالایی نسبت به سیستم شناسایی سنتی برخوردار می باشند. یکی از این سیستم ها تشخیص افراد از روی اثر انگشت است که سابقه طولانی در این کار دارد و یکی از سیستم های بیومتریک رایج در جهان می باشد. سیستم های بیومتریک بر اساس ویژگی های رفتاری و فیزیولوژی انسان کار می کنند. ویژگی های فیزیولوژی مانند اثر انگشت از لحاظ کاربرد و دقت از ویژگی های رفتاری مانند صوت بهتر عمل می کنند. در بعضی مواقع از ترکیب چند روش بیومتریک برای شناسایی استفاده می شود. تکنولوژی بیومتریک پیشرفت روز افزونی دارد به طوری که روش های جدید ارایه می شود و ویژگی های بیومتریک دیگری از انسان کشف می شود. در این پایان نامه از الگوریتم رقابت استعماری برای بهبود وزن های شبکه عصبی برای تشخیص افراد از روی رگ انگشتشان استفاده شده است. در واقع الگوریتم رقابت استعماری با انجام یک سری مراحل, وزن های شبکه عصبی را مقدار دهی اولیه می کند و شبکه با این وزن ها شروع به کار می کند. در این پایان نامه از دو پایگاه داده pku و ush-fvp استفاده شده است.

عصر امروزه، عصر ارتباطات می¬باشد و اطلاعات از اهمیت بسیار زیادی برخوردار است در نتیجه پاسخ به نیاز اطلاعاتی کاربر بسیار مشکل شده است. یکی از مهم¬ترین گام¬ها در این عرصه، بررسی روش¬های بازیابی اطلاعات برای ارائه پاسخ مناسب به نیاز کاربر است. هدف این پایان¬نامه این است تا مشکلات و موانع موجود بر سر راه طراحی و پیاده¬سازی موتورهای جستجوی هوشمند شناسایی شوند و راه¬حل بهینه¬ای ارائه شود. در این پایان¬نامه تمرکز بیشتر در ارائه¬ی موتور جستجوی ژورنال¬یاب می¬باشد که خصوصیات ژورنال¬های مناسب مطابق با کلمات کلیدی ارائه شده¬ی کاربر را معرفی کند. در این پژوهش از الگوریتم پس¬پرش برای بررسی لینک های قابل دستیابی که در نظر داریم کلمات کلیدی کاربر را در آن جستجو کنیم، می¬توان استفاده کرد. یکی از پرکاربردترین متدها در حوزه بازیابی اطلاعات روشtf-idf می¬باشد که از حاصل ضرب فراوانی کلمه در فراوانی معکوس می¬باشد. این روش یک روش مبتنی بر سند می¬باشد، که در آن منظور از فراوانی کلمه، فقط تعداد تکرار کلمه در یک سند خاص است. همچنین منظور از فراوانی معکوس سند، تعداد سندهایی است که کلمه خاص در آن سندها تکرار شده است. از این روش به دلیل مقبولیت و محاسبات و نتایج قابل قبول، در این پژوهش به کار رفته است البته برای سهولت کار و به حداقل رساندن زمان پردازش، کلمات بی-تاثیر و یا کلماتی که تکرار آن¬ها در متن بیش از حد می¬باشند و مواردی از این قبیل، از مستندات مستخرج حذف می¬شوند. از الگوریتم jaro winkler نیز برای مقایسه فازی رشته¬ها استفاده شده است. نتیجه نهایی این پژوهش موتور¬ ژورنال¬یابی می¬باشد که با استفاده از روش¬های فازی و آماری نتایج دقیق¬ و مرتبط با کلمه¬ی کلیدی کاربر را ارائه می¬دهد و لینک¬های نامرتبط (که در رابطه با ژورنال نمی¬باشد) بررسی نمی¬شوند و نمایش داده نمی¬شوند.

در دنیای امروز تصمیم¬گیری نقش مهمی را در زندگی بشر ایفا می¬کند. سیستم¬های پشتیبان تصمیم در این زمینه بسیاری از نیازهای بشر را مرتفع می¬سازد. یک نوع سیستم پشتیبان تصمیم که امروزه مورد نیاز است، سیستمی است که بتوان مجله (مجلات) مناسبی را برای مقالات پیشنهاد دهد. محققان و پژوهشگران که دارای مقالات گوناگونی در زمینه¬های مختلف علمی هستند، به دنبال راهکاری برای یافتن مجلات مناسب جهت ارسال مقالات خود به آنها می¬باشند. داده¬ها و اطلاعات بسیار زیاد موجود و نیز وجود مجلات متعدد در رشته¬های مختلف علمی، باعث سردرگمی پژوهشگران در انتخاب مجله مناسب شده است. بنابراین ارائه یک موتور استنباط هوشمند و دقیق جهت معرفی مجله مناسب برای محققان امری اجتناب ناپذیر بوده و طراحی و پیاده سازی آن که شامل یک بانک اطلاعات مناسب و روش¬های تصمیم¬گیری نوین مبتنی بر متن¬کاوی و علم فازی است، روش مفیدی برای کمک به کاربران و محققان جهت یافتن مجله (مجلات) مناسب است. روش پیشنهادی ارائه شده در این پژوهش، طراحی و پیاده¬سازی موتور استنباطی مبتنی بر متن¬کاوی با استفاده از الگوریتم¬های آماری و استدلال فازی است. تکنینک آماری استفاده شده در موتور استنباط معرفی شده در این پژوهش آزمون خی¬دوی پیرسون می¬باشد که آن را توزیع co-occurrence می¬نامیم. استدلال فازی این موتور استنتاج نیز برگرفته از الگوریتم dice می¬باشد. موتور استنباط مذکور از سه قسمت اصلی تشکیل شده است: نخست بانک اطلاعات ما که شامل اطلاعات وسیعی از مجلات مناسب در زمینه برق و کامپیوتر با مشخصات دقیق است که این بانک اطلاعات می¬تواند مبتنی بر هر نوع تکنولوژی مانند xml، sql server و یا قواعد clips باشد. قسمت دوم، الگوریتم¬های تصمیم¬گیری نرم¬افزار می¬باشد که با استفاده از آماری و متن¬کاوی و نتیجه¬گیری فازی طراحی شده است و نتایج مورد نیاز را استخراج و به کاربران نشان می¬دهد. قسمت سوم نیز رابط کاربر است که بصورت مبتنی بر وب طراحی شده و قابل انتشار بر روی وب می¬باشد.

‏در این پایان نامه‏، شبیه سازی و پیاده سازی مرحله ی آزمایش ماشین بردار پشتیبان مواز‎‏ی ‎(psvm)‎‏ را ارائه می دهیم. مرحله ی آموزش به صورت جدا و از پیش توسط نرم افزار ‎matlab‎‏ صورت گرفته است و از نتایج آن در مرحله ی آزمایش استفاده گردیده است. در این پایان نامه‏ از قطعه ‎fpga‎‏ ساخت شرکت ‎xilinx‎‏ به نام ‎‎‎‎‎spartan3e‎‎‎‏ استفاده شده که از طبقه ی ‎fpga‎‏ های ارزان قیمت و دارای منابع محدود می باشد. به دلیل وجود منابع محدود در این قطعه از کرنل سخت افزار پسند استفاده شده است که با توجه به عدم نیاز آن به ضرب کننده ها باعث صرفه جویی در مصرف منابع می گردد. برای اجرای الگوریتم ماشین بردار پشتیبان موازی ‎(psvm)‎‏ در معماری برخی بلوک های محاسباتی تغییراتی را ایجاد کرده ایم و نشان داده ایم که با پیاده سازی معماری پیشنهاد شده علی رغم کمی پیچیده تر شدن الگوریتم‏، تغییر محسوسی در عملکرد کلی سیستم از لحاظ سرعت انجام محاسبات‏، نسبت به سایر مراجع را شاهد خواهیم بود. ماشین بردار پشتیبان موازی با سرعت کلاک کمتر از ‏‎‎100mhz و با مصرف بخش بسیار کوچکی از منابع‏، بدون استفاده ی محسوس از ضرب کننده ها و تنها حدود ‎‎2% از منابع میکروپروسسور‏، نسبت به سایر مراجع ذکر شده بسیار سریعتر بوده و می تواند تعداد بسیار بیشتری فرایند را بصورت موازی در زمان بسیار کمتری انجام دهد.

هدف از این پایان نامه ارئه روشی جدید برای تأیید امضاء بر خط با استفاده از بانک فیلتری طراحی شده برای استخراج ویژگی و استفاده از شبکه عصبی و ماشین بردار پشتیبان برای طبقه بندی است. وظیفه یک سیستم تأیید امضاء، پذیرفتن امضاء اصلی و رد امضاء جعلی می¬باشد. با توجه به اینکه تأیید امضاء برخط از امضاءهایی در ورودی استفاده می کند که توسط صفحه-های حساس به فشار بدست می آیند، این نوع صفحه ها ویژگی های پویای امضاء را بعلاوه شکل آن استخراج می کنند که باعث می¬شوند جعل امضاء مشکل تر شود و در نتیجه، تأیید امضاء بر خط قابل اعتماد تر از تأیید امضاء برون خط می¬باشد. از هر امضاء مختصات x(t)و y(t) آن استخراج می شود، سپس عملیات پیش پردازش از قبیل: هم طول کردن مختصات x(t) و y(t)، نرمالیزه کردن اندازه و مکان قرار گیری روی هر یک از امضاء ها انجام می گیرد. در مرحله یادگیری، با استفاده از بانک فیلتری طراحی شده، که مختص سیگنال های امضاء می باشد، ویژگی های مهم سیگنال امضاء استخراج، بردار ویژگی هر امضاء ایجاد می¬شود. از میان امضاءهای اصلی هر شخص، تعداد 10 امضاء بصورت تصادفی به عنوان مجموعه مرجع و یک امضاء که کمترین فاصله با بقیه دارد به عنوان امضاء الگو انتخاب می شود. سپس برای هر امضاء تست مقادیر ماکزیمم فاصله و مینیمم فاصله تا مجموعه امضاهای مرجع و فاصله تا امضاء الگو مربوطه محاسبه می شود. این سه مقدار نرمالیزه شده و در یک بردار ذخیره می شود. به این سه مقدار یک ویژگی دیگر که زمان انجام هر امضاء است اضافه می کنیم. این بردار را به ورودی طبقه بند مورد استفاده اعمال شده و در مورد اصلی یا جعلی بودن امضاء تست تصمیم گیری می شود. از دو طبقه بند ماشین بردار پشتیبان و شبکه عصبی استفاده کرده و نتایج را با هم مقایسه می کنیم. در انتها، نرخ درستی الگوریتم پیشنهادی برای هر مجموعه امضاء تست ارزیابی می شود. ما در این پایان نامه از دو پایگاه داده svc2004 و یک پایگاه داده ایرانی برای ارزیابی الگوریتم پیشنهادی استفاده می کنیم. نرخ درستی الگوریتم پیشنهادی برای پایگاه داده svc2004 و پایگاه داده ایرانی، به ترتیب، 97% و 97.2% می باشد.

یکی از مهمترین راه های ارتباطی انسان از طریق چهره و حالات آن است. حالات چهره در انتقال منظور و ارتقاء کیفیت ارتباطات انسانی نقشی اساسی بازی می کند. در دنیای صنعتی امروز تشخیص خودکار احساسات چهره در طیف وسیعی از زمینه ها از قبیل مطالعات روان شناسی و حقوقی، انیمیشن سازی، روباتیک، لب خوانی، درک تصاویر و ویدئو کنفرانس ها، مخابرات و ارتباطات تلفنی، تشخیص موارد مشکوک در محافظت های امنیتی و ضد تروریستی، شناسایی افراد و هم چنین تقابل انسان و ماشین کاربرد دارد. دانشمندان از سی سال گذشته تا کنون فعالیت های زیادی در این زمینه انجام داده اند و موفقیت های چشمگیری در رشد و توسعه این سیستم ها به دست آورده اند، به طوری که چه در زمینه ی تشخیص حالات هفت گانه در تصاویر ویدئویی و زنده و چه در زمینه ی بررسی تصاویر استاتیک و ضبط شده به سیستم هایی با بازده ی بالای 80% رسیده اند. تمامی این سیستم ها مبتنی بر سه بخش انتخاب ویژگی، استخراج ویژگی و کلاسه بندی آن ها هستند و از یک نقطه نظر، روش ها ی استخراج ویژگی به دو دسته ی روش های هالستیک و روش های آنالیتیک تقسیم بندی می شوند. از جنبه ی دیگر این روش ها در سه گروه روش های تصویر پایه، مدل پایه و ویژگی پایه قابل تفکیک اند. در این پایان نامه پس از بررسی های بسیار این نکته آشکار شد که عموم روشهای موجود یا دارای پیچیدگی های محاسباتی بالا و یا راندمان پایین هسستند و بزرگترین مشکل در این گونه مسائل ایجاد مصالحه ای بین این دو عامل است. لذا به دنبال الگوریتم های موجود چندین پیشنهاد برای تکمیل و بهینه کردن آنها ارائه شد و نهایتا الگوریتمی با نرخ تشخیص 99% در تشخیص احساسات شادی و غم به دست آمد. در ابتدا برای استخراج نقاط اصلی چهره از الگوریتم بهبود یافته ی لوپیاس استفاده شد. استخراج ویژگی به کمک آنالیز مولفه های اساسی و تلفیق آن با فیلترهای گابر صورت گرفت و برای کلاس بندی روش های معیار فاصله، شبکه عصبی و تلفیق آن با شبکه آماری به کار رفت. بازده 99% حاصل پیاده سازی فیلترهای گابر و آنالیز مولفه های اساسی روی چشم و دهان استخراج شده از طریق الگوریتم نقاط برجسته ی لوپیاس و کلاس بندی به کمک شبکه عصبی پرسپترون است. روش پیشنهادی شبکه آماری زمینه ی بازی را برای بررسی بیشتر در کارهای آینده ارائه می دهد.

استفاده از شبکه های عصبی و عصبی فازی که اساس طراحی کنترل کننده در این پروژه می باشد یکی از راه حلهای مناسبی است که تاکنون ارائه شده است . اشکال این شبکه ها در شناسایی و کنترل سیستمهای چند ورودی چند خروجی بالا بودن حجم محاسبات ، طولانی بودن دوره آموزش و اثر مخرب گذاشتن ورودیهای غیر ضروری است . برای فائق آمدن بر این اشکالات ، یک شبکه عصبی فازی محلی مدولار خاص که جهت شناسایی و کنترل سیستمها تنها از اطلاعات ورودی خروجی استفاده می کند پیشنهاد شده است . این شبکه بصورت ریاضی، بلوک دیاگرام، ساختار داخلی و روابط فازی تشریح شده است . مشخصات آن، از جمله ساختار مدولها و تعداد آنها، پارامترها و حافظه لازم، محاسبات لازم جهت آموزش و استخراج نتیجه، تعیین شده و راه حلهایی جهت تعیین پارامترهای شبکه از جمله مقدار دهی اولیه به ضرایب ، شکل توابع عضویتها و ضریب آموزش ارائه می گردد. الگوریتم یادگیری و روابط مربوطه بیان شده و همگرایی آن در شناسایی و کنترل سیستمها اثبات می گردد و ثابت می شود شبکه فوق به شرط آنکه مناطق و ساختار ارتباطی مدولها درست انتخاب شده باشد یک تقریب زن جامع بوده و با آن می توان هر تابعی از جمله سیگنال کنترل را در سیستمهای غیرخطی تقریب زد. علاوه بر بحث تئوری، به همراه مثالهایی مشخصات شبکه در شناسایی سیستمها مورد نقد و بررسی قرار گرفته و مزایای آن از جمله کمی حجم محاسبات ، سادگی و سرعت آموزش ، نیاز کم به داده های آموزشی، مقدار دهی اولیه به پارامترها و حذف ورودی غیرضروری نشان داده است . پس از طراحی شبکه، با استفاده از آن، کنترل کننده مورد نظر طراحی شده و ساختارهایی به همراه الگوریتم های مناسب جهت بکارگیری آن در کنترل سیستمهای غیرخطی چند ورودی چند خروجی ارائه شده است و محدوده ها و سیستمهایی که روش ارائه شده در مورد آنها قابل اعمال است مشخص شده است ، سپس عملکرد کنترل کننده در کنترل سیستمهای یک ورودی یک خروجی، چند ورودی چند خروجی مورد بررسی قرار گرفته و نشان داده است که کنترل کننده فوق از سرعت آموزش مناسب ، محاسبات لحظه ای کم، تعقیب خوب و سرعت تطبیق مناسبی برخوردار است .