پردازش ویدئو، ردیابی دسته جمعی اسپرم ها، هیستوگرام رنگی، فیلترهای ذره ای، فیلتر کالمن، الگوریتم c-means.

در این پایان نامه، برآورد تابع رگرسیون یک یا چندین متغیر توضیحی را در نظر می گیریم به طوری که تابع رگرسیون به-صورت ترکیب خطی از خانواده ای از توابع پایه مدل سازی می شود. با توجه به این که شبکه عصبی تابع پایه شعاعی می تواند به صورت یک الگوی رگرسیون غیرخطی در نظر گرفته شود، آن را به عنوان برآورد تابع رگرسیون به کار می بریم. در واقع می خواهیم رگرسیون غیرخطی را برای داده هایی با ساختار پیچیده و نویزی بر اساس یک شبکه عصبی تابع پایه شعاعی الگوسازی نماییم. برای کار نخست توابع پایه شعاعی با فوق پارامتر معرفی می شوند. به منظور تعیین توابع غیرخطی که در مدل حضور می یابند و همچنین برآورد پارامترهای وزن، از شبکه عصبی تابع پایه شعاعی و روش منظم سازی استفاده می شود. همچنین برای برآورد پارامترهای مجهول مدل، ملاک اطلاع تعمیم یافته به کار برده می شود. در این پایان نامه، برآورد تابع رگرسیون یک یا چندین متغیر توضیحی را در نظر می گیریم به طوری که تابع رگرسیون به-صورت ترکیب خطی از خانواده ای از توابع پایه مدل سازی می شود. با توجه به این که شبکه عصبی تابع پایه شعاعی می تواند به صورت یک الگوی رگرسیون غیرخطی در نظر گرفته شود، آن را به عنوان برآورد تابع رگرسیون به کار می بریم. در واقع می خواهیم رگرسیون غیرخطی را برای داده هایی با ساختار پیچیده و نویزی بر اساس یک شبکه عصبی تابع پایه شعاعی الگوسازی نماییم. برای کار نخست توابع پایه شعاعی با فوق پارامتر معرفی می شوند. به منظور تعیین توابع غیرخطی که در مدل حضور می یابند و همچنین برآورد پارامترهای وزن، از شبکه عصبی تابع پایه شعاعی و روش منظم سازی استفاده می شود. از آن جایی که تابع خط رگرسیون مجهول است، انواعی از مدل های رگرسیون غیرخطی بر اساس شبکه های تابع پایه شعاعی را در زمینه مدل های خطی تعمیم یافته، در نظر می گیریم. به طوری که سه حالت خاص از توابع متعلق به این خانواده یعنی: نرمال، لجستیک و پواسن در نظر گرفته می شود. فصل 4 روند الگوسازی غیرخطی بر اساس شبکه تابع پایه شعاعی را برای تحلیل پاسخ های دودویی، داده ی گروه بندی شده و داده هایی با تعداد فراوانی، ارائه می دهد. در این فصل الگوسازی غیرخطی با استفاده از شبکه تابه پایه شعاعی و ملاک ارزیابی مدل در زمینه مدل های خطی تعمیم یافته معرفی می شود. نکته اصلی در الگوسازی غیرخطی، انتخاب پارامتر هموارسازی، تعیین تعداد توابع پایه در واحدهای میانی شبکه ی عصبی و فوق پارامتر است. انتخاب این پارامترها در روندهای الگوسازی را می توان به عنوان انتخاب مدل و مساُله ارزیابی در نظر گرفت. بدین منظور ملاک اطلاع را برای ارزیابی و ساخت الگوهای رگرسیون غیرخطی شبکه ی تابع پایه شعاعی که به وسیله منظم سازی برآورد شده است، استفاده می کنیم. سپس برای برآورد پارامترهای مجهول مدل، ملاک اطلاع تعمیم یافته به-کار برده می شود. مقادیر پارامتر منظم سازی، فوق پارامتر و تعداد توابع پایه با مینیمم سازی ملاک اطلاع تعمیم یافته تعیین می-شوند. در این پایان نامه عملکرد الگوسازی شبکه تابع پایه شعاعی از طریق شبیه سازی مونت کارلو مورد بررسی قرار می گیرد. در واقع با استفاده از داده هایی واقعی و شبیه سازی شده، عملکرد الگوسازی رگرسیون غیرخطی شبکه عصبی تابع پایه شعاعی با دیگر روش های آماری مورد مقایسه قرار می گیرد. این روش در مقایسه با برخی روش های ناپارامتری عملکرد بهتری دارد (در حالت دومتغیره). همچنین نتایج شبیه سازی، عملکرد خوب الگوسازی غیرخطی با استفاه از شبکه تابع پایه شعاعی را نشان می دهد. استفاده از فوق پارامتر در مجموعه توابع پایه، بهبودی در عملکرد این توابع پایه است. فوق پارامتر مقدار هم-پوشانی میان توابع پایه در واحدهای میانی شبکه ی عصبی را تصحیح می کند به طوری که تابع رگرسیون برآورد شده ساختار درست داده را اختیار کرده و اطلاعات مقادیر پاسخ را استخراج می کند. نتیجه دیگر در چنین توابع پایه ای، عملکرد یکسان روش های یادگیری در تعیین مجموعه توابع پایه در واحدهای میانی شبکه تابع پایه شعاعی است. مدل های رگرسیونی شبکه عصبی تابع پایه شعاعی را می توان برای تحلیل داده های پیوسته و گسسته با بعد بالا به کار برد. ما همچنین می توانیم در موقعیت هایی با خطای واریانس نابرابر و نیز زمانی که واریانس خطا متغیر است، مدل رگرسیون غیرخطی را به دست آوریم.

سکته ی مغزی نوع ایسکمی یکی از مهم ترین عوامل مرگ و میر جهانی و عامل اصلی معلولیت در بسیاری از کشور های دنیاست. تشخیص زود هنگام سکته ی مغزی اهمیت بسیاری دارد چرا که اگر جریان خون رسانی به بافت آسیب دیده برقرار نگردد، آن قسمت از بافت مغز دچار آسیب برگشت ناپذیر شده و در نتیجه فرد بیمار دچار معلولیت های دائمی و حتی مرگ می گردد. با این حال اگر بیمار، واجد شرایط درمان های مربوط به ایسکمی نباشد (مثلاً سکته مغزی نوع همورجیک رخ داده باشد)، استفاده از دارو های ترومبولیتیک (بر طرف کننده ی لخته های خونی) می تواند منجر به خون ریزی مغزی و در بسیاری از موارد مرگ بیمار شود. تشخیص سکته مغزی عمدتاً توسط تصویر برداری امکان پذیر است. مهم ترین روش های تصویر برداری بمنظور تشخیص سکته مغزی، سی تی اسکن و ام آرآی می باشند. در اکثر موارد اولین اقدام برای بیمار مشکوک به ایسکمی، تصویر برداری سی تی مغز می باشد. با این وجود نشانه های ایسکمی در تصویر سی تی اسکن در ساعات اولیه بسیار ناچیز است و درک آن ها نیاز به دقت بسیار بالا، تخصص و تجربه ی زیادی دارد. در این پایان نامه تلاش شده تا کنتراست تصویر سی تی بنحوی بهبود یابد که جزئیات مربوط به تشخیص سکته ی مغزی بهتر دیده شوند. در حقیقت کنتراست تصویر نقش بسیار مهمی در درک جزئیات تصویر توسط بیننده دارد. برای این منظور روش های مختلف بهبود کنتراست مورد بررسی قرار گرفته اند. در پردازش تصاویر پزشکی تبدیل های چند مقیاسی برای مقاصد مختلفی مورد استفاده قرار می گیرند. این روش ها می توانند جزئیات و لبه های تصویر را در مقیاس ها و ابعاد مختلفی آشکار سازی نمایند، از این رو بستر منعطفی جهت بررسی و ایجاد تغییرات در تصویر ارائه می کنند. بعنوان مثال با تقویت ضرائب زیر باند های خاص بنحو مناسب با استفاده از توابع نگاشت خطی و یا غیر خطی می توان جزئیات تصویر که دارای اندازه ی مشخصی هستند را تقویت نمود. در اینجا ما از این روش برای ارتقاء تصاویر سی تی مغز استفاده می کنیم. این گونه تبدیل ها با استفاده از مجموعه توابع پایه شان کاملاً مشخص می گردند. این مجموعه ی توابع پایه می توانند دارای اقزونگی باشند. استفاده از افزونگی این امکان را بوجود می آورد تا بتوان مجموعه توابع پایه را غنی تر نمود بنحوی که برخی از رفتار ها و ویژگی های سیگنال بطرز موثر تری توسط تبدیل مورد استفاده اخذ شده و به نمایش در آید. این گونه تبدیل ها معمولا دارای انعطاف بیشتری بوده و طراحی آن ها آسان تر می باشد. همچنین معمولاً تبدیل های دارای افزونگی نسبت به جابجایی و شیفت سیگنال ورودی پایدار بوده و تغییری نمی کنند. این ویژگی در پردازش تصاویر اهمیت بسیاری دارد. در این پایان نامه بمنظور ارتقاء تصاویر سی تی مغز، چهار تبدیل چند مقیاسی دارای افزونگی مورد بررسی قرار می گیرند. از میان این چهار تبدیل سه تای آن ها ویژگی تغییر ناپذیری نسبت به جابجایی را هم دارا می باشند. در انتها نشان می دهیم که با استفاده از این تبدیل ها و انتخاب زیر باند ها و توابع نگاشت مناسب می توان تصویر سی تی مغز را بنحوی بهبود بخشید که بخش های حساس به ایسکمی یعنی ماده ی خاکستری مغز، چین خوردگی ها و lentiform nucleus بهتر مشاهده شوند.

بیماری های قلبی از شایع ترین عوامل مرگ و میر در دنیاست. انسداد شریان یک بیماری دیواره ی رگ است که در آئورت، شاهرگ، کرونر و عروق جانبی می تواند رخ دهد.آنژیوگرافی با اشعه ایکس سالهای متمادی بعنوان روشی استاندارد برای تشخیص انسداد یا گرفتگی های کرونری بکار گرفته شده است. در تصاویر آنژیوگرافی علاوه بر رگ های خونی، ساختارها و بافت های دیگر موجود در ناحیه تابش اشعه نیز در پس زمینه مشاهده می شود. هرچند از تکنیکی بنام آنژیوگرافی تفریق دیجیتالی برای حذف عناصر پس زمینه استفاده می شود، ولی این تکنیک موفق به حذف همه ی ساختارهای اضافی نمی شود. لذا نیاز به الگوریتم هایی مطرح می شود که بتوانند بصورت اتوماتیک رگ های موجود در تصاویر آنژیوگرافی را ارتقاء داده و عناصر موجود در پس زمینه را حذف کنند. از این رو جداسازی اتوماتیک عروق کرونری در تصاویر پزشکی همیشه یکی از مسائل مهم بوده و چالش های فراوانی بر سر آن وجود داشته است. از دلایلی که باعث عدم عملکرد بهینه الگوریتم های آشکارسازی می شود، مات بودن ذاتی تصویر، رفتار شبه گوسی پروفایل رگ و وجود نویز و ساختارهای زائد در تصویر می باشد. در این تصاویر رگ ها لبه های مشخص ندارند، لذا تعریف دقیق از دقت آشکارسازی کار ساده ای نیست. با مرور بر کارهای انجام شده، در این تحقیق برخی ازالگوریتم های کارآمد اخیر انتخاب و پیاده سازی می شوند. از جمله این الگوریتم ها، ارتقاء رگ مبتنی بر ddfb نرم شده است که در مقابل نویز مقاوم بوده و در نقاط تلاقی رگ ها باعث گسستگی نمی شود. گسستگی در زمانی که رگ ها به کمک ماتریس هِسیَن و مقادیر ویژه ی آن، بدون تجزیه جهتی، آشکار می شوند، کاملاً مشهود است. الگوریتم دوم که مبتنی بر اطلاعات جهتی است، از فیلترهای جهتی گابور برای ارتقاء رگ استفاده می کند. سومین الگوریتمی که در این تحقیق مطالعه و بررسی می شود، آشکارسازی رگ با افزودن ضریب شاخص لبه نام گذاری شده است. این الگوریتم بدون استفاده از اطلاعات جهتی، تنها با اضافه کردن ضریبی در تابع آشکارسازی رگ و با تنظیم پارامترها و استفاده از مقیاس بهینه به آشکارسازی رگ می پردازد. الگوریتم مبتنی بر ddfb، به علت عملکرد بهتر نسبت به سایر الگوریتم ها، انتخاب و با جزئیات بیشتری بررسی و مطالعه می شود. در این تحقیق برای برخی از نقاط ضعف این الگوریتم راه کاری پیشنهاد می شود. همچنین الگوریتمی پیشنهاد می شود که با تجزیه جهتی به کمک بانک فیلتر fdfb و تعریف دو فوق پارامتر جدید، پارامترهای حساسیت تابع آشکارسازی رگ را که از اهمیّت ویژه ای برخوردار هستند، بصورت محلی و با استفاده از مشخصات آماری تصویر مانند واریانس تنظیم می کند. از سیستم استنتاج فازی در تعیین فوق پارامترها استفاده می شود. نتایج بدست آمده با استفاده از معیار رسم منحنی roc و hdm عملکرد بهتر الگوریتم پیشنهادی را نسبت به دو روش قبل نشان می دهند. در معیار sensitivity روش پیشنهادی به ترتیب 19/8 و 2/13 درصد بهبود نسبت به الگوریتم مبتنی بر ddfb و افزودن ضریب شاخص لبه داشت. با معیار specificity این بهبود به ترتیب 72/7 و 67/13 درصد می باشد. ماکزیمم اختلاف بین مرز رگ آشکار شده با مرز حقیقی، در روش پیشنهادی بطور متوسط 24/7 پیکسل بوده که این مقدار در دو الگوریتم سابق به ترتیب 04/15 و 65/22 می باشد. رسم پروفایل قطر رگ ها نیز می تواند حاوی اطلاعات ارزشمندی جهت تخمین نقاط گرفتگی رگ باشد. از این رو در این تحقیق الگوریتمی برای رسم پروفایل رگ ها نیز ارائه می شود. این الگوریتم قابلیت آن را دارد که پس از رسم پروفایل تمام شاخه های رگ و نرم کردن پروفایل رسم شده به کمک فیلتر غیرخطی پخشی، نقطه احتمالی گرفتگی را از روی افت شدید پروفایل هر شاخه تعیین و در تصویر اصلی مشخص کند. از مزایای این الگوریتم پیشنهادی تشخیص اتوماتیک محل گرفتگی درخت رگ و مشخص کردن آن در تصویر برای بررسی دقیق تر پزشک می باشد. کلمات کلیدی: 1- آنژیوگرافی تفریق دیجیتال، 2-ارتقاء و آشکارسازی عروق کرونر، 3- بانک فیلترهای جهتی، 4-تجزیه جهتی تصویر، 5-پروفایل قطر رگ و 6- تخمین محل گرفتگی.

ناباروری یکی از بیماری های قابل توجه در زندگی افراد در سال های اخیر بوده است. به طور متوسط 40 تا 60 درصد علت ناباروری مربوط به مردان است. عوامل و بیماری های زیادی می توانند در ناباروری مردان تاثیر گذار باشند. اولین و غیر تهاجمی ترین قدم در تشخیص میزان باروری فرد بررسی میکروسکوپی مایع منی یا اسپرم نگار است. از حدود 15 سال پیش برای استاندارد سازی و کاهش عوامل انسانی بر نتایج اسپرم نگار، سیستم های کامپیوتری تحلیل اسپرم معرفی شدند. ارزیابی سلامت اسپرم یکی از پارامترهای ضروری در تعیین میزان باروری مردان است. از مشخصات میکروسکوپی که عموما جهت تعیین سلامت اسپرم استفاده می شود می توان به چگالی اسپرم ها، قابلیت تحرک آن ها، میزان حرکت پیش رونده، مورفولوژی اسپرم ها و وجود سلول های نامناسب در مایع منی اشاره کرد. سازمان جهانی بهداشت (who) محدوده سلامت یک اسپرم را برای هریک از این تست ها به صورت کمی مشخص کرده است. یکی از پر کاربردترین این ویژگی ها، تحرک اسپرم ها است. بدست آوردن ویژگی های حرکتی اسپرم ها نیازمند ردیابی دقیق آنها است. اما تاکنون پژوهش های اندک شماری در زمینه اتوماتیک نمودن ردیابی اسپرم ها از روی تصاویر ویدئویی میکروسکوپی انجام شده است. در این پژوهش در بخش اول به بررسی روش های حذف پس زمینه، که یکی از پرکاربردترین روش های آشکارسازی اشیاء متحرک است می پردازیم و ساده ترین و سریع ترین روش از میان آن ها یعنی تفاضل فریم های متوالی را به عنوان پایه اصلی روش آشکارسازی در نظر گرفته و با استفاده از الگوریتم فیلترینگ انتشار غیر خطی که یک الگوریتم هموار سازی تصویر برای حذف نویز بدون از بین بردن لبه ها است، وابستگی روش حذف پس زمینه به آستانه انتخابی را از بین خواهیم برد. در بخش دوم به بررسی روش های ردیابی می پردازیم و آن ها را به سه دسته ردیابی نقطه، ردیابی کرنل و ردیابی کانتور دسته بندی نموده و با بیان معایب و مزایای هر دسته، عملکرد آن ها را در موضوع این پایان نامه به طور کیفی ارزیابی می نماییم با توجه به این ارزیابی در مرحله ردیابی از میان روش های ردیابی روش ردیابی براساس مطابقت قطعی نقاط انتخاب شده است. مرکز هر اسپرم به عنوان نقطه مورد ردیابی درنظر گرفته شده است و با توجه به ماهیت این روش تابع هزینه ای برای مطابقت مرکز اسپرم ها بر اساس محدودیت سرعت آن ها در فریم های متوالی معرفی می نمائیم و با استفاده از الگوریتم جستجوی مجارستانی، بهترین مطابقت را از میان تمام مطابقت های ممکن انتخاب می کنیم. در نهایت روش ارائه شده را در دو بخش ارزیابی نموده ایم. در بخش اول، برای ردیابی یک اسپرم به طور میانگین با استفاده از دو معیار mse و خطا بر اساس فریم به ترتیب مقادیر 62/2 با انحراف استاندارد 27/1 و 52/2 % با انحراف استاندارد 74/1 بدست آمده اند که به ترتیب معادل دقت های 38/97 و 48/97 هستند. در بخش دوم برای ردیابی چند اسپرم با استفاده از معیاری مشابه خطا براساس فریم به طور میانگین برای تصاویری با تعداد اسپرم کمتر از 10 خطای 24/3 با واریانس 24/0 بدست آمده است.

در تعدادی از الگوریتم های پنهان نگاری موجود، ظرفیت جاسازی هر پیکسل از تصویر ثابت و مستقل از محتوای تصویر است. در این روش ها توزیع داده در تصویر معمولا به صورت تصادفی و بدون توجه به نوع ناحیه انتخاب شده انجام می شود. اما با توجه به ویژگی های سیستم بینایی انسان، نواحی لبه تصویر قابلیت تحمل تغییرات بیشتری را دارند و برای جاسازی داده مناسب تر هستند. از طرف دیگر، نمی توان در نواحی یکنواخت تصویر تغییرات زیادی ایجاد کرد و باید تا حدامکان از جاسازی داده در آنها اجتناب شود. روش هایی که براساس این ویژگی، داده موردنظر را در تصویر جاسازی می کنند، روش های تطبیقی نامیده می شوند. روش های تطبیقی بسیاری تا به حال معرفی شده است. اگرچه به ظاهر هر کدام از آنها الگوریتم های خاص متفاوتی برای جاسازی داده استفاده می کردند، اما ما قصد داریم ساختار یکسانی برای تمام آنها ارائه کنیم . مزیت اصلی تعریف این ساختار، امکان استفاده از آن برای طراحی یک روش تطبیقی جدید است. هدف اصلی در این رساله پنهان شناسی روش های تطبیقی است، به عبارت دیگر در هر دو حوزه پنهان نگاری و پنهان شکنی به بررسی روش های تطبیقی می پردازیم. بنابراین در گام اول به بررسی روش های تطبیقی موجود پرداخته شده است و ساختاری جامع برای آنها ارائه شده است. بعلاوه براساس این ساختار، پارامترهای موثر در امنیت روشهای تطبیقی شناسایی شده است و مدل کلی برای اندازه گیری سطح امنیت یک روش تطبیقی پیشنهاد می گردد. اکثر روش های تطبیقی موجود از روش lsb-f به عنوان روش جاسازی استفاده کرده اند. زیرا حداکثر تعداد بیت هایی از بستر انتخاب شده که با استفاده از این روش تغییر می کنند، از پیش مشخص است و بدین ترتیب طراحی یک روش تطبیقی ساده تر می باشد. اما با توجه به شکننده بودن روش lsb-f، روش های تطبیقی که از آن استفاده می کنند امنیت کمتری دارند. برای اثبات این ادعا یکی از روشهای تطبیقی مطرح که تا کنون حمله موفقی برای آن طراحی نشده است انتخاب گردید. گام دوم این رساله، کشف نقاط ضعف روش تطبیقی مذکور و پیشنهاد الگوریتمی برای شکست این روش است. علاوه بر کشف تصاویر استگو حاصل از این روش، قصد داریم درصد جاسازی انجام شده در هر تصویر را نیز تخمین بزنیم. روش های تطبیقی موجود نقاط ضعف دیگری نیز دارند. برای اطمینان از صحت فرضیات پنهان شناسی ارائه شده در این رساله با توجه به اشکالات روش های تطبیقی موجود، در ادامه روش تطبیقی جدیدی برمبنای lsb-m ارائه می شود که در آن این نقاط ضعف برطرف شده باشد. در این روش پیشنهادی مفهوم همسایگی به صورت کامل رعایت شده است و در مورد یک پیکسل با توجه به نواحی اطراف آن تصمیم گیری می شود. در مراحل تست نشان می دهیم که روش مذکور، بهبودهایی نسبت به قویترین روش های مبتنی بر lsb-m موجود و بهترین روش های تطبیقی موجود دارد.

در این تحقیق ما یک سیستم بازشناسی و تخمین موقعیت شیء را بیان می کنیم که از تصاویر استریو استفاده می کند و کاربرد فراوانی برای ربات های متحرک دارد. سیستم استریو با استفاده از اطلاعات نقاط متناظر در تصویر چپ و راست مکان یابی شیء را با دقت بیشتری نسبت به سیستم تک دوربین انجام می دهد. در این سیستم ما از ویژگی های محلی با نام sift استفاده می کنیم. ویژگی sift به دلیل تغییرناپذیری نسبت به تبدیلات تصویر مانند چرخش، انتقال و تغییر مقیاس ابزار مناسبی جهت بازشناسی شیء در موقعیت های متفاوت می باشد. همچنین این ویژگی نسبت به تغییرات روشنایی و هم پوشانی اشیاء موجود در تصویر مقاوم می باشد که برای بازشناسی شیء در شرایط نوری مختلف و همچنین بازشناسی در محیط های دارای هم پوشانی مناسب می باشد. یکی از مراحل مهم در این سیستم ها انطباق بردار توصیفگر با مجموعه ی بردار های موجود در پایگاه داده به منظور پیدا کردن بردارهای معادل و یا بردار های نزدیک به هم می باشد. در این جا با اضافه کردن پارامترهایی به ویژگی به دنبال این هستیم که بدون از دست دادن دقت، سرعت این مرحله را که در کاربردهای بلادرنگ اهمیت بسیاری دارد افزایش دهیم. این کار با اضافه کردن پارامترهایی به ویژگی اولیه صورت می گیرد و سرعت مرحله ی تطبیق به طور متوسط دو برابر سریع ترین روش موجود افزایش پیدا می کند. سیستم بازشناسی شیء شامل دو مرحله ی ساخت مدل و بازشناسی می باشد که در هر دو مرحله برای افزایش سرعت از روش ارائه شده استفاده می شود و ضمن افزایش سرعت دقت مناسبی در بازشناسی شیء دارد. این سیستم در حالت های مختلف آزمایش شده و دقت سیستم برای هر حالت محاسبه شده است. این روش مکان یابی شیء را با خطای چند میلی متری انجام می دهد. کلمات کلیدی: 1- بازشناسی شیء 2-تخمین موقعیت شیء 3-ویژگی های محلی 4-تصاویر استریو 5-تطبیق ویژگی

بافت را می توان به صورت یک تابع از تغییرات مکانی شدت روشنایی پیکسل ها تعریف نمود. بافت، اندازه گیری میزان تغییرات هر سطح است که خصوصیاتی مانند همواری، نرمی، زبری، منظم بودن هر سطح جهت و تفاوت های منظم را اندازه گیری می کند. تشخیص بافت برای انسان کار ساده و آسانی است اما در سیستم بینایی ماشین و پردازش تصویر پیچیدگی های خاص خود را دارد. روش های شناسایی بافت وکلاس بندی آن ها، موضوع تحقیق بسیاری از محققین بوده است. اکثر سیستم های طراحی شده بر اساس ساختار تصاویر با پیکسل مربعی است. به همین دلیل، بسیاری از الگوریتم های ارائه شده همواره با مسائلی از جمله پیچیدگی، حجم بالای محاسبات، ناکافی بودن اطلاعات به دست آمده از بردار ویژگی های استخراج شده از تصویر به دلیل محدودیت های ساختار مربعی مواجه است. حدود 40 سال پیش ساختار جدیدی در ارائه تصاویر به صورت شش ضلعی ارائه گردید. به علت مزایای فراوانی که این ساختار در مقایسه با ساختار مربعی دارد، خیلی زود توجه بسیاری از محققین را به سوی خود جلب نمود. از جمله مزیت های ساختار شش ضلعی می توان به یکسان بودن فاصله هر پیکسل تا پیکسل های همسایه (همسانی) و کیفیت بالای آن ها در استخراج لبه ها و گوشه ها اشاره نمود. در این پایان نامه روشی نوین جهت استخراج بافت تصاویر در ساختار شش ضلعی تصاویر ارائه می شود. برای استخراج اطلاعات از بافت، پس از تبدیل تصاویر از ساختار مربعی به شش ضلعی، از الگوی دودویی محلی کامل طراحی شده در ساختار شش ضلعی استفاده می شود. در این روش اطلاعات بافت هر پیکسل از تصویر با کمک سه پارامتر اندازه اختلاف روشنایی پیکسل های همسایه با پیکسل مرکزی، علامت اختلاف روشنایی پیکسل های همسایه با پیکسل مرکزی و روشنایی پیکسل مرکزی در هر الگو به دست می آید. با اعمال توصیف گر مورد نظر، برای هر تصویر یک بردار ویژگی بدست می آید و با دسته بندی بردارهای ویژگی داده های آموزشی یک فرهنگ لغت ایجاد می گردد. سپس با استفاده از این فرهنگ لغت، مدل آموزشی برای مجموعه بافت تصاویر با کلاس های متفاوت مشخص می شود. الگوریتم گفته شده بر روی دو مجموعه تصاویر outex و brodatz اجرا شد. نتایج آزمایشگاهی نشان می دهد که دقت کلاس بندی بافت تصاویر در ساختار شش ضلعی در مقایسه با ساختار مربعی حدود 7 درصد بهبود پیدا می کند.

در تحقیق اخیر موضوع تغییرات در فرایند ریسندگی الیاف کوتاه مورد بررسی قرار گرفته است .یکی از مسایل مهم در خطوط ریسندگی تنظیم فلصله ،فشار غلتک ها و مقدار کشش در ناحیه کشش عقب break draft ونسبت آن در کشش اصلی main draft است در این تحقیق کشش نواحی فلایر 16 حالتو رینگ در 7 حالت تغییر داده شده است و با استفاده از آنالیز واریانس یک طرفه وچند طرفه بهترین وضعیت مورد بررسی قرار گرفت که فاصله غلتک ها بیشترین تاثیر را بر مقدار نا یکنواختی فرایند داشته است

در این پروژه تلاش می شود تا با بررسی نیاز های موجود در بحث کنترل کیفیت تولیدات نساجی،برنامه ای جهت استفاده کلیه دست اندرکاران تولید در کارخانجات و کارگاه های تولیدی ارائه شود.این پروژه به صورت یک نرم افزار طذاحی شده است و نهایتا می تواند در محیط وب مورد استفاده قرار گیرد. در وب سایت های مختلف از آنالیزهای نساجی بهره گرفته شده است اما به طور جامع نمی توان یک مجموعه کاربردی را معرفی نمود.زیرا در سطح پایین و بالایی قرار دارند که متاسفانه برای اکثر کاربران قابل استفاده نخواهد بود. تاکنون وب سایت رسمی برای کنترل کیفیت در نساجی وجود نداشته است. در این پروژه روش کار در مراحل زیر دنبال شده است: • مطالعات اولیه • بررسی ساختار تولید ریسندگی و شناخت عوامل بیرونی و درونی • طرح ریزی مدل ساختاری اولیه وب سایت • استفاده از روش های آماری در وب سایت • آزمایش و تست • تنظیم و اجرایی کردن وب سایت

سامانه فرود خودکار یکی از نیازهای اساسی برای فرود مطمئن هواپیماهای بدون سرنشین است چرا که بیشتر حوادث هواپیماهای بدون سرنشین در قسمت فرود آن ها اتفاق می افتد که علت آن کم تجربگی خلبان و یا تغییرات ناگهانی شرایط جوی مانند باد و باران می باشد. یک سامانه فرود خودکار موفق نیازمند اطلاعات دقیق و پیوسته از موقعیت شی پرنده می باشد، بنابراین سامانه موقعیت یاب یکی از بخش های اصلی این سامانه است. سه نوع سنسور موقعیت یاب شی پرنده وجود دارد که سنسورهای gps، رادار و لیزر می باشند. دوربین های مادون قرمز نمونه دیگری از این سنسورها می باشند که علاوه بر کم هزینه بودن غیر فعال هستند و در برابر اختلال ها مقاوم می باشند. اساس کار این سیستم ها ردیابی اشیا پرنده بدون سرنشین با استفاده از تکنیک های پردازش تصویر می باشد. در این مقاله ساخت یک سیستم فرود خودکار با دقت کمتر از یک متر محقق شده است که بسیاری از معایب روش های دیگر را پوشش داده است و دارای هزینه بسیار پایینی نسبت به روش های دیگر دارد. سیستم فرود خوکار نوری شامل یک موقعیت یاب می باشد که دوربین مادون قرمز و فاصله یاب لیزری بر روی آن نصب شده اند و شی پرنده را ردیابی می کند. اطلاعات ردیابی به سیستم آنالیز خط سیر فرستاده می شود و مسیر حرکت شی پرنده به صورت بلادرنگ محاسبه می گردد. الگوریتم ردیابی ارائه شده در این مقاله به گونه ای می باشد که علاوه بر بهبود بخشیدن به خطاهای روش های دیگر دارای قابلیت پیاده سازی آسان می باشد و از سرعت خوبی برخوردار می باشد. آزمایشات نشان می دهد که این الگوریتم در بدترین حالت حدود 5 درصد از فریم ها را از دست می دهد که بسیار ناچیز می باشد. این آزمایشات بر روی داده های واقعی انجام شده و نشان می دهد این الگوریتم دارای عملکرد دقیقی در شرایط ابری و پس زمینه نویزی دارد.

بازشناسی برخط نوشتار یکی از دشوارترین زمینه های شناسایی الگو و هوش مصنوعی بوده و همواره مورد توجه خاص محققان قرار گرفته است. پیچیدگی این زمینه, هنگام برخورد با زبان هایی مثل فارسی و عربی که حروف آن ها باتوجه به موقعیت شان در کلمه, شکل های متفاوتی به خود می گیرند, دوچندان می شود. تحلیل دست نوشته ی فارسی یا عربی در مقایسه با زبان های لاتین، به علت حضور اجزای کوچکی ("نقطه", "دونقطه" و ...) بالا یا پایین حروف آن ها دشوارتر است. ورودی یک سیستم بازشناسی دست نوشته برخط, یک قلم و صفحه حساس مانند صفحات کامپیوترهای جیبی است. در زمینه بازشناسی برخط نوشتار عربی یا فارسی تحقیقات چندانی صورت نگرفته است. تعدادی از کارهای گزارش شده در این زمینه, محدود به بازشناسی حروف منفصل بوده و یا در زمینه بازشناسی لغات, شیوه نوشتاری خاصی برای کاربران, از پیش تعریف شده و بازشناسی انجام شده محدود به تعداد لغات موجود در یک فرهنگ لغت از پیش تعیین شده, بوده است. در این پروژه, نرم افزاری طراحی و پیاده سازی شده است که به صورت برخط, عمل بازشناسی کلمات دست نوشته فارسی که هر ترکیبی از حروف فارسی می توانند باشند را, انجام می دهد. علت اصلی درنظر گرفتن لغت نامه برای یک سیستم بازشناسی, کاهش فضای جستجو در مرحله رده بندی و در نتیجه, افزایش درصد موفقیت بازشناسی است. این دو مسیله به گونه ایی دیگر در سیستم پیشنهادی محقق شده اند. در مرحله طراحی سیستم, مشخصات مسیر حروف فارسی به همراه جزء کوچک مخصوص هر یک, ثبت می شوند. برای هریک از حروف و اجزای کوچک, یک نمونه از مدل مخفی مارکوف چپ به راست نیز در نظر گرفته می شود (به جز نقطه). در مرحله بکارگیری سیستم, بازشناسی برای هر کدام از زیرکلمات یک کلمه، مستقلاً انجام می شود. ابتدا پس از دریافت دنباله نقاط نوشته شده توسط کاربر, زیرکلمات به همراه اجزای کوچک شان بر اساس یک سیستم تصمیم گیری فازی، مرتب می شوند. سپس بازشناسی اجزای کوچک, انجام شده و رشته ای از اسامی آن ها ساخته می شود. ایده ی اصلی سیستم پیشنهادی, انجام یک مرحله تولید نامزدهای معتبر زیرکلمه, براساس رمز مسیرهای حروف و انطباق هم زمان رشته اجزای کوچک با اجزای کوچک حروف نامزد است. مرحله تولید نامزد, بر اساس یک الگوریتم پیشنهادی بیش بخش بندی بر مبنای خواص ساختاری حروف فارسی, عمل می کند. بعد از بیش بخش بندی بدنه ی یک زیرکلمه، گرافی از نقاط پیشنهادی آن ساخته و در ریوس آن اطلاعات مفیدی از جمله رمز مسیر و بردار ویژگی تا ریوس بعدی متصل نگهداری می شوند. رده بندی نهایی نیز با انتخاب ترکیب حروفی که احتمال عادی شده نسبی آن بر اساس ویژگی های استخراج شده, بیشینه باشد صورت می گیرد. احتمال عادی شده ی نسبی یک زیرکلمه برابر با مجموع احتمال های حروف آن تقسیم به تعداد حروف مذکور می باشد. احتمال یک حرف نیز بر پایه ی بردار وی‍ژگی آن و مدل مخفی مارکوف آن حرف است. به علت فقدان یک مجموعه آموزشی استاندارد در زمینه بازشناسی برخط کلمات فارسی, مجموعه ای برای ارزیابی سیستم که شامل 200 لغت است و توسط 9 نفر نوشته شده اند, تهیه شده است. نتایج عملکرد سیستم بازشناسی بر اساس نرخ بازشناسی کلمات و زیرکلمات ارایه شده و حاکی از دقت مطلوب آن در هر دو نوع آزمایش وابسته به نویسنده و مستقل از نویسنده می باشد.

سرطان سینه شایعترین سرطان و اولین عامل مرگ و میر ناشی از سرطان در میان زنان جهان است. در حال حاضر ماموگرافی مناسبترین روش تشخیص سرطان سینه محسوب می گردد. اما به علت نوع بافت سینه و استفاده از تابش اشعه ایکس با تراکم پایین در تهیه ماموگرام ها، تصاویر از تباین پایینی برخوردارند. در ضمن تومورها دارای اندازه ها و شکل های متفاوتی هستند به همین دلیل تشخیص ضایعات به خصوص در مراحل اولی? تشکیل کار بسیار دشوار و خسته کننده ای است. آمار نشان می دهد تشخیص زودهنگام ضایعات در کاهش مرگ و میر ناشی از سرطان نقش چشمگیری دارد. در این تحقیق هدف یافتن تومورها در تصاویر ماموگرام می باشد. تصاویر ماموگرام دارای ابعاد بزرگی هستند و پردازش کل تصویر برای یافتن تومور بسیار زمانبر می باشد به منظور کاهش نواحی مورد پردازش تصویر روشهایی برای جداسازی پس زمینه از بافت سینه و شناسایی مرز ماهیچه پکتورال پیشنهاد شده-اند. برای کاهش بیشتر نواحی که مورد پردازش قرار می گیرد الگوریتمی برای شناسایی نواحی مشکوک پیشنهاد شده است تا الگوریتم بازشناسایی تنها بر تصاویر خروجی از این الگوریتم اعمال شود. برای بازشناسی تومورها تعدادی ویژگی از تصاویر مربوط به نواحی مشکوک استخراج می شود. برای به دست آوردن بهترین ویژگی های ممکن ابتدا چندین روش استخراج داده بررسی شده-اند سپس یک روش ترکیبی با استفاده از ویژگی های به دست آمده از ماتریس همرخداد و تبدیل pca پیشنهاد شده است که دارای کارایی بسیار مناسبی می باشد. برای کاهش تعداد ویژگی های مورد استفاده و همچنین افزایش بازدهی الگوریتم، یک روش برای انتخاب ویژگی های موثر با استفاده از الگوریتم ژنتیک پیشنهاد شده است. برای دسته بندی نهایی نیز از بین ابزارهای مختلف موجود، svm پس از ارزیابی تعدادی از ابزارهای کلاس بندی به عنوان یکی از مطمین ترین روش های کلاس بندی در این کاربرد انتخاب شده و مورد استفاده قرار گرفته است. در انتها نیز برای شناسایی نوع تومور (خوش یا بد خیمی تومور) یک روش بر اساس یافتن مرز تومور و باز کردن این مرز حول مرکز جرم و استخراج ویژگی های توصیف کننده شکل مانند بعد فرکتالی، پیشنهاد شده است. الگوریتم نهایی پیشنهاد شده به صورت ترکیب ویژگی های ماتریس همرخداد و pca و انتخاب ویژگی ها توسط الگوریتم ژنتیک به سطح زیر منحنی 97/0 رسیده است. درصد تشخیص مثبت صحیح به دست آمده توسط svm برابر 3/97% و درصد تشخیص مثبت کاذب برابر 65/16% می باشد.

آشکارسازی هدف متحرک یکی از مباحث مطرح در چند ساله اخیر در مسائل بینایی کامپیوتر بوده است. دقت و درجه اطمینان الگوریتم های آشکارسازی اهداف متحرک تأثیر مستقیم در مسائلی از جمله ردیابی و موقعیت یابی اهداف متحرک دارد. یکی از مسائلی که مشکلات مختلفی را در آشکارسازی و ردیابی جسم متحرک ایجاد می کند، حرکت دوربین می باشد. در اصطلاح علمی به حرکت دوربین خود حرکتی می گویند و به معنای ایجاد تغییرات دو بعدی در دنباله تصاویر بر اثر حرکت سه بعدی دوربین می باشد. برای تشخیص اشیاء متحرک در این تصاویر باید بتوانیم خود حرکتی و حرکتی که در اثر حرکت شی به وجود آمده است را از یکدیگر متمایز کنیم. در اکثر روش های موجود ابتدا خود حرکتی موجود در دنباله تصاویر را تخمین می زنند، سپس خود حرکتی را از دنباله تصاویر حذف می کنند. آنگاه با استفاده از روش هایی مانند تفاضل زمانی و یا تفریق پس زمینه که برای تشخیص شی متحرک در تصاویر دوربین ثابت توسعه داده شده اند، اشیاء متحرک شناسایی می شوند. در این پژوهش ابتدا مدل ریاضی خود حرکتی را معرفی می کنیم سپس با استفاده از این اطلاعات دسته بندی روش ها را عنوان می نماییم. از بین روش های معرفی شده رویکرد تطبیق ویژگی به دلیل پایین بودن هزینه زمانی و محاسباتی و همچنین عدم وابستگی اش به سخت افزار نسبت به روش های دیگر مورد توجه قرار گرفته است. در رویکرد تطبیق ویژگی، از ویژگی های متفاوتی جهت تخمین خود حرکتی استفاده می شود. در بین این ویژگی ها، ویژگی های یک بعدی به جهت پایین بودن هزینه زمانی و محاسباتی نسبت به سایر ویژگی ها، مورد توجه قرار گرفته اند. در این پژوهش معیاری را معرفی می کنیم که نیاز و یا عدم نیاز به بخش بندی تصویر به نوارهای عمودی و افقی به جهت استخراج ویژگی های یک بعدی را مشخص می کند و با استفاده از این معیار نشان می دهیم نیازی نیست که تصاویر هوایی را به نوارهای افقی و عمودی برای استخراج ویژگی یک بعدی بخش بندی نماییم. از این رو روشی موثر برای تشخیص اشیاء متحرک در تصاویر هوایی توسعه داده ایم که نسبت به سایر روش های موجود، هزینه زمانی و محاسباتی بسیار پایین تری دارد و می تواند به تشخیص شی متحرک در صحنه هایی بپردازد که پس زمینه یکنواختی دارند و همچنین اشیاء متحرک دارای حرکت اندک هستند. با پیاده سازی روش پیشنهادی توسط نرم افزار matlab در سیستمی با پردازشگر core i3 با فرکانس 2.53 گیگا هرتز و حافظه اصلی چهار گیگابایت با سیستم عامل ویندوز 7 و اعمال آن بر تصاویری با دقت (رزولوشن) 640×480 در مدت زمان 6/0 ثانیه اشیاء متحرک شناسایی می شوند.

هدف از پژوهش حاضر بررسی مقایسه ای ابعاد رفتاری، احساسی و شناختی برندهای هاکوپیان و گراد در شهر یزد است. با استفاده از متغیر های شکل برند، عملکرد برند و آگاهی برند به عنوان متغیر مستقل، و رزونانس برند مشتری، احساسات مشتری و قضاوت مشتری به عنوان متغیرهای وابسته، مدل تحقیق شکل گرفته است. روش تحقیق حاضر، از نظر هدف، کاربردی بوده و بر حسب روش تحقیقی همبستگی است که با بکارگیری ابزار پرسشنامه و روش پیمایشی داده های مورد نیاز جمع آوری شده است. جامعه آماری این پژوهش، مشتریان فروشگاه های هاکوپیان و گراد می باشد و از روش نمونه گیری به روش تصادفی استفاده گردیده و تعداد 300 نمونه قابل قبول جمع آوری گردید. تجزیه و تحلیل داده ها با استفاده از نرم افزار spss و لیزرل انجام شده و نتایج پژوهش نشان می دهد که شکل برند، عملکرد برند، آگاهی برند گراد بر احساسات مشتری تاثیر مثبت دارد. شکل برند، عملکرد برند گراد بر قضاوت مشتری تاثیر مثبت دارد اما آگاهی برند گراد بر قضاوت مشتری تاثیر مثبت ندارد.احساسات مشتری برند گراد بر رزونانس برند مشتری تاثیر مثبت دارد اما قضاوت مشتری برند گراد بر رزونانس مشتری تاثیر مثبت ندارد.شکل برند وعملکرد برند هاکوپیان بر احساسات مشتری تاثیر مثبت دارد. اما آگاهی برند هاکوپیان بر احساسات مشتری تاثیر مثبت ندارد.شکل برند و عملکرد برند هاکوپیان بر قضاوت مشتری تاثیر مثبت دارد اما آگاهی برند هاکوپیان بر قضاوت مشتری تاثیر مثبت ندارد.احساسات مشتری برند هاکوپیان بر رزونانس برند مشتری تاثیر مثبت دارد اما قضاوت مشتری برند هاکوپیان بر رزونانس مشتری تاثیر مثبت ندارد

هدف از پژوهش حاضر بررسی وظایف مدیریت خوشه های صنعتی می باشد که در نهایت به ارایه مدل مدیریتی برای خوشههای صنعتی دست یافته ایم. مولفه های وظایف مدیریت خوشه های صنعتی (?مورد) به عنوان متغیر مستقل و بخش های موجود در مولفه های مدیریتی متغیرهای تحقیق بوده و روش تحقیق حاضر از نظر هدف کاربردی و بر حسب روش تحقیق توصیفی می باشد که با به کارگیری ابزار پرسشنامه و مصاحبه و روش پیمایشی داده های مورد نیاز جمع آوری شده است. جامعه آماری این پژوهش را اعضای خوشه های صنعتی در شهر یزد تشکیل داده و نمونه مورد بررسی مدیران فعال عضو خوشه نساجی یزد با استفاده از روش نمونه گیری گزینشی و تعداد ?? نفر در نظر گرفته شدند. تجزیه و تحلیل داده ها با استفاده از نرم افزار اس پی اس اس انجام شده و نتایج پژوهش مدل نهایی مدیریت خوشه های صنعتی را در برداشته است.

یکی از مشکلاتی که در سیستم های نظارتی و از جمله سیستم های نظامی با آن مواجه هستیم، کیفیت پایین تصویر مرئی است که به دلیل شرایط نامساعد تصویربرداری پدید می آید. این مشکل هنگامی که ملزم به استفاده از تصاویر حرارتی در شرایط نامساعد آب و هوایی و تصویر¬¬برداری در نورپردازی¬های ضعیف شب باشیم بیشتر خود را نشان می دهد. در واقع، اغلب یک سنسور به تنهایی نمی تواند نمایش کاملی از یک منظره را ایجاد کند. ادغام دو نوع تصویر مرئی و حرارتی گرفته شده از یک میدان دید یکسان به عنوان یک راه ¬حل غلبه بر این مشکل تلقی می گردد که جهت بهبود کیفیت این تصاویر بکار می رود. تکنیکی که این امر را محقق می سازد به عنوان ترکیب تصویر شناخته می شود. در دو دهه ی اخیر روش های متنوعی جهت ارتقاء کیفیت فرایند ترکیب تصویر مطرح شده است که بعضاً کارایی خوبی هم دارند. اغلب این الگوریتم¬ها مبتنی بر تبدیل هستند. تبدیل کانتورلت در استخراج منحنی¬های تصویر که در نواحی بافت بیشتر مشهود هستند موفق عمل کرده است. در این تبدیل با استفاده از بانک فیلتر جهت¬دار، منحنی¬ها و ساختارهای بافت که به صورت کامل توسط تبدیل¬های دیگر همچون موجک قابل دسترسی نیستند، استخراج می¬گردند. مسئله¬ای که در این تبدیل با آن روبرو هستیم وجود افزونگی در آن است که باعث کاهش کارائی این تبدیل در ترکیب تصویر می¬گردد. به همین دلیل اخیراً یک نوع تبدیل کانتورلت مبتنی بر موجک ارائه شده ¬است که به نوعی کانتورلت بدون افزونگی را فراهم می¬سازد؛ اما در تبدیل کانتورلت مبتنی بر موجک¬ جدایی¬پذیر نیز نقایصی وجود دارد از جمله می¬توان به ایجاد مصنوعات در فرایند ترکیب تصویر اشاره نمود. در این پایان¬نامه سعی شده است با ارائه روش تبدیل کانتورلت مبتنی بر موجک جدایی¬ناپذیر تا حدی این نقایص مرتفع شود. در روش مذکور ابتدا از تصویر تبدیل موجک جدایی¬ناپذیر اخذشده و سپس تبدیل کانتورلت آن اخذ می¬گردد. این روش با دارا بودن نتایج ارزیابی بهتر کارائی قابل قبولی در ترکیب تصویر به دست می¬دهد. در واقع روش ارائه شده نه تنها مسئله افزونگی در تبدیل کانتورلت را ندارد بلکه اختلالات و مصنوعات ایجادشده در ترکیب تصویر توسط تبدیل کانتورلت مبتنی بر موجک را تا حد زیادی کاهش می¬دهد.

چکیده: فناوری اطلاعات طی چنددهه گذشته ، همانگونه که بسیاری ازمحورهای زندگی را متحول نموده، آموزش عالی را نیز با تغییرات شگرفی روبرو کرده است.رویکرد گستــــرده به سوی آموزش الکترونیکی خودگواه این است که سیستم نوین آموزش الکترونیکی فوایدو مزایای منحصر به فردی برای افراد سازمان ها و مراکز آموزش به همراه دارد.هدف از پژوهش حاضر طراحی و اثر بخشی سیستم های مدیریت یادگیـری الکترونیکی در برنامه ریزی درسی دانشجویان کارشناسی ارشدتکنولوژی آموزشی دانشگاه آزاد اسلامی واحد یزدمی باشد.دراین پژوهش بعدازمطالعه و بررسی سامانه آموزش الکترونیکی طراحی و پیاده سازی گردید. دانشجویان پس از شرکت درکارگاه هـای آموزشی دروس خود را به شیــــوه الکترونیکی ترکیبی آماده واجرا نمودند.جهت جمع آوری داده هااز پرسشنامه ?? سوالی ? گزینه ای در ?? مولفه محتــــوا ، فعالیتهای یاددهی-یادگیــری،طراحی صفحات ، مواد آموزشی، بازخورد، انعطاف پذیری،میزان حجم کاری،کمک رسانی ، انگیــــزه و ارزشیابی بر روی ?? نفر ازدانشجویان تحصیـــلات تکمیلی دانشگاه آزاداسلامی یزد درارتباط باسیستم آموزش الکترونیکی مورد بررسی قرار گرفت. تحلیل داده ها با استفاده از آمار توصیـــفی و استنباط و روش spssانجام شد و نتایج بدست آمده نشان داد که آموزش با استفاده از فناوری الکترونیکی نقش بسزایی در فرایند یاددهی-یادگیری دانش آموختگان داشته است و کاربران نیز به کارگیری روش های آموزش الکترونیکی را مثبت می دانند.از این رو پیشنهاد می گردد به عنوان یک روش موثر در دانشگاه های کشورمورد توجه قرارگیــرد. کلید واژهها: آموزش الکترونیکی، آموزش عالی،اثربخشی،

امروزه ثبت اهداف و اشیاء و دنبال کردن آن ها در دنباله تصاویر در زمینه های مختلف و از جمله صنعت نظامی و به خصوص در سیستم های هوایی از اهمیت ویژه ای برخوردار است. اهداف در این کاربردها می¬توانند ثابت و یا متحرک باشند. الگوریتم ثبت اهداف بایستی علی رغم تغییر نوع دوربین، تغییر زاویه دید، تغییر فاصله، تغییر شرایط محیطی و تغییر پارامترهای دوربین مانند رزولوشن، نسبت به تصاویر مرجع قابلیت جستجوی هدف مورد نظر (هدف مرجع) را در دنباله ی تصویر داشته باشد. الگوریتم ثبت هدف را می توان به دو بخش تقسیم کرد، بخش اول شامل پیدا کردن ویژگی ها در تصاویر مرجع و دریافتی و بخش دوم توصیف و تطبیق ویژگی های دو تصویر بر روی هم می باشد. در بخش اول از فضای مقیاس استفاده می شود تا ویژگی های آشکارشده نسبت به تغییرات مقیاس مقاوم باشد. در بخش دوم برای هر نقطه ویژگی ای که در قسمت اول بدست آمده است، یک توصیف با استفاده از مقادیر روشنایی اطراف ویژگی به کار می بریم. در این پایان نامه مسئله شناسایی هدف با استفاده از ویژگی مورد بررسی قرار گرفته است. در ابتدا الگوریتم های brisk و sift را به عنوان دو الگوریتم مطرح مورد بررسی قرار می دهیم و با الهام از این دو الگوریتم، الگوریتم جدیدی را پیشنهاد می کنیم. این الگوریتم از الگوی جهتی برای توصیف ویژگی استفاده می کند. جهت این الگو در جهت عمود بر زاویه ویژگی قرار می گیرد که این امر باعث می شود که اطلاعات مفیدتری از روشنایی های اطراف ویژگی در ساخت بردار توصیفگر استفاده شود. همچنین در الگوریتم پیشنهادی در بردار خروجی به جای استفاده از مقادیر باینری از مقادیر چند سطحی استفاده شده است. سطوح بردارهای خروجی را می توان با استفاده از یک پارامتر تنظیم کرد به طوری که برای پردازنده با حجم پردازشی کم میتوان بردار خروجی را به یک بردار چهار سطحی تبدیل کرد. در نهایت این دو الگوریتم را با الگوریتم brisk مقایسه و ارزیابی می کنیم. نتایج این پایان نامه نشان می دهد که قدرت تمایز و استواری الگوریتم های پیشنهادی نسبت به الگوریتم brisk قوی تر شده است و از نظر کارآمدی الگوریتم تا حدود زیادی با الگوریتم brisk برابر است.

با توجه به این که صنعت نساجی و به خصوص رنگرزی، یکی از بزرگترین صنایع مصرف کننده آب در جهان می باشند، همین امر باعث شده که به یکی از بزرگترین آلوده کنندگان آب های جهان نیز تبدیل شوند. به علت تنوع روش های تولید، رنگ و مواد شیمیایی مصرفی، فاضلاب هایی با کمیت و کیفیت بسیار متفاوت در این صنعت تولید می شود. در این صنایع مقادیر زیادی از فاضلاب های رنگی تولید شده که معمولاً سمی، مقاوم به تجزیه بیولوژیک و پایدار در محیط زیست می باشند. هدف از این پژوهش بررسی نوع آلاینده های موجود در پساب کارخانه های نساجی شهرستان یزد، میزان آلایندگی آن ها و اندازه گیری این آلاینده ها به خصوص عناصر فلزی موجود در پساب و تهیه نقشه پراکندگی آن ها می باشد. پس از شناسایی شرکت های فعال در زمینه رنگرزی کالای نساجی با رنگ های زمینه فلزی، نمونه هایی از پساب آن ها تهیه شد. با بررسی اولیه، نوع رنگینه ها و آلاینده ها مشخص شد. به منظور بررسی های میزان آلاینده های رنگی از دستگاه اسپکتروفتومترuv-vis و اندازه گیری میزان آلاینده های فلزی از دستگاه طیف سنج نشر اتمی استفاده گردید و نتایج آن گزارش شد.

یکی از چالشهای بزرگ صنعت نساجی کشور عدم انطباق برخی تولیدات با نیاز بازار است و برای این موضوع باید برنامه ریزی و تدبیری اساسی شود متاسفانه شرکت ها و سازمان ها فعال در صنعت نساجی در کشورما براساس نیاز و خواسته مشتری و اصول مشتری مداری مدیریت نمی شوند و این یکی از بزرگترین ضعفهای این صنعت در کشور محسوب می شود. در این پژوهش سعی می شود روشها و تکنیک¬های جدیدی برای بهبود و رقابتی ساختن این صنعت در عرصه ملی و فرامنطقه ای مطرح شود بدین منظور ما ابعاد این روش و تکنیک را برای درک عمیق تر و بهتر مدیران در این صنعت می شکافیم. سپس به صورت مطالعه موردی در شرکت فرش کبیر یزد، این تکنیک جهت بهبود بهره وری در این شرکت اجرا شده است.

موفقیت شرکت های امروزی در گرو بهبود مستمر فرآیند ها و رفع عارضه های سیستم تولید آنهاست. امروزه شرکت ها با استفاده از مدل های عملکرد عارضه یابی به دنبال کشف، رتبه بندی و رفع عارضه ای وارد بر فرآیند تولید خود هستند تا ضمن باقی ماندن در عرصه رقابت بتوانند به اهداف عالیه خود دست پیدا کنند. در همین راستا این تحقیق به دنبال عارضه یابی فرآیند تولید پارچه می باشد. بدین منظور چارچوب تحلیل شکست و آثار آن بکار رفته شد.در ابتدا عارضه های این سیستم با استفاده از ادبیات تحقیق و مصاحبه با کارشناسان شناسایی شدند. پس از آن با کمک شاخص های 3 گانه آن چارچوب مورد اولویت گذاری قرار گرفتند. امتیازات هر عارضه در هر کدام از شاخص ها مورد ارزیابی قرار گرفتند. پس از آن با کمک تکنیک تاپسیس عارضه ای رتبه بندی شدند. نتایج نشان داد عارضه یک پودی، طراحی اشتباه و اشتباه نخ کشی از مهمترین عارضه های رایج سیستم تولید نخ در شرکت مورد ارزیابی می باشند. این نتایج می توانند هدایت کننده فعالیت بهبود شرکت در کوتاه مدت و میان مدت باشند.

امروزه بازشناسی رادار ساطع کننده یک قسمت مهم از سیستم های هوشمند الکترونیک و سیستم های اقدامات پشتیبانی الکترونیک می باشد. وظیفه اصلی سیستم های پشتیبان الکترونیک بررسی محیط اطراف به منظور تعیین و تشخیص رادارهای موجود در محیط و آشکار کردن تهدیدهای احتمالی است. بخش شنود در سیستم های پشتیبان الکترونیک وظیفه دریافت سیگنال ها و استخراج ویژگی های پایه سیگنال را به عهده دارد. این مجموعه ویژگی ها در یک ساختار با نام کلمه توصیف گر پالس یا pdw قرار می گیرند. ویژگی های پایه عموماً شامل فرکانس رادیویی، پهنای پالس، زاویه ورود، بازه تکرار پالس، زمان ورود و دامنه پالس می باشند. پس از استخراج این ویژگی ها می توان به مساله تعیین رادار ساطع کننده پرداخت. در تعیین رادارهای موجود در محیط اطراف دو هدف اصلی وجود دارد. هدف اول تعیین تعداد ساطع کننده ها در محیط اطراف است و هدف دوم بازشناسی این رادارها بر اساس بانک اطلاعاتی موجود می باشد. در این پایان نامه از داده های راداری که از یک منطقه خاص ذخیره شده¬اند برای این اهداف استفاده شده است. در این پایان نامه یک مدل کامل که شامل سه لایه اصلی می¬باشد برای تعیین و بازشناسی رادار ساطع کننده ارائه شده است. در این مدل برای تشخیص تعداد رادارها و حذف ویژگی های مازاد روش بهینه سازی چندهدفه ازدحام ذرات به همراه معیار اعتبارسنجی خوشه بندی آمارگان فضای خالی پیشنهاد و استفاده شده است. همچنین به منظور برچسب زنی داده های موجود روش خوشه بندی rough k-means به همراه روش بهینه سازی رقابت استعماری ترکیب شده اند. سپس با استفاده از شبکه های عصبی این داده ها طبقه بندی شده اند. در قسمت طبقه بندی به منظور جلوگیری از گیر افتادن الگوریتم آموزش شبکه عصبی در مینیمم های محلی از روش های ترکیبی آموزش پس انتشار به همراه الگوریتم های بهینه سازی ژنتیک، ازدحام ذرات و رقابت استعماری استفاده شده است که نتایج خوبی را به همراه داشته است. مقایسه مدل پیشنهادی با سایر روش های موجود در این زمینه نشان می دهد که نتایج حاصل شده از مدل پیشنهادی روی داده های عملیاتی موجود بسیار رضایت بخش می باشند.

ظهور تکنولوژی اینترنت و موبایل، افزایش علاقه به سرویس های چند رسانه ای در شبکه های سیمی و بی سیم و نیز در دسترس قرار گرفتن حجم وسیعی از تصاویر و ویدئوهای کدشده و فشرده شده، ارزیابی کیفیت تصویر و ویدئو را به یک چالش تبدیل کرده است. با توجه به اینکه گیرنده نهایی در کاربردهای مختلف تصاویر و ویدئوها انسان ها هستند، نظرات بینندگان در مورد کیفیت ویدئو بسیار حائز اهمیت است. ارزیابی کیفیت ویدئو از مسائل اساسی در بهبود نظارت و کنترل، بهبود روش های پردازش تصویر و ویدئو، پنهان سازی خطا و بسیاری از کاربردهای دیگر است. ارزیابی کیفیت ویدئو به صورت ذهنی با مشکلات زیادی از جمله زمانبر بودن و پر هزینه بودن و در برخی مواقع ناممکن بودن همراه است. به همین دلیل در سالهای اخیر توسعه روش های ارزیابی عینی کیفیت ویدئو بیش از پیش مورد توجه قرار گرفته است. محققان، ارزیابی کیفیت تصویر و ویدئو را در سه حوزه ی مرجع کامل، مرجع کاهش یافته و بدون مرجع انجام می دهند. در این پایان نامه یک روش جدید ارزیابی کیفیت ویدئو در حوزه مرجع کاهش یافته ارائه شده است، که از اختلاف آنتروپی های زمانی و مکانی و نیز مقایسه پارامترهای آماری صحنه های طبیعی استفاده می کند. در این روش ترکیبی از مدل های آماری و اصول ادراکی، برای طراحی الگوریتم های ارزیابی کیفیت ویدئو استفاده شده است. مدل ترکیب مقیاس گوسی و مدل توزیع گوسی تعمیم یافته، برای ضرایب موجک قابها و تفاوت های قاب به ترتیب برای اندازه گیری اطلاعات متفاوت مکانی و زمانی بین قابها مورد استفاده قرار گرفته است. سپس تفاوت اطلاعات زمانی و مکانی به یک شبکه عصبی سه لایه با یک لایه میانی برای آموزش ارسال می شود. این شبکه تفاوت اطلاعات زمانی و مکانی را به عنوان ورودی دریافت می کند و با توجه به تابع هدف که شامل نمرات ذهنی موجود در پایگاه داده ی ارزیابی کیفیت ویدئو است، وزن های شبکه را تنظیم می کند. برای ارزیابی بهینه بودن الگوریتم های ارزیابی کیفیت تصویر و ویدئو روش های مختلفی از جمله همبستگی بین داده های ذهنی و عینی وجود دارد. مقدار ضریب همبستگی اسپیرمن(srocc) نمرات پیش بینی شده توسط شبکه عصبی برابر 8276/0 است که در مقایسه با الگوریتم strred از دسته روش های مرجع کاهش یافته کهsrocc برابر8007/0 و movie از دسته روش های مرجع کامل که srocc برابر 8059/0 دارد، بهبود قابل توجهی داشته است. همچنین اطلاعات مکانی و زمانی استخراج شده از ویدئوها به یک شبکه rbf داده شده است تا با روش رده بندی k-means با 36 گره میانی، ویدئوها بر اساس کیفیت، دسته بندی شوند. برای تست رده بندی، میانگین نمرات انسانی داده های اطراف یک گره میانی، به عنوان نمره کیفیت آن دسته معرفی شده است و سپس srocc و ضریب همبستگی پیرسون (pcc) بین نمرات پایگاه داده و داده های تست رده بندی شده، محاسبه می شود که به ترتیب برابر8103/0 و 8199/0 است و نشان دهنده دسته بندی مناسب ویدئوها بر اساس کیفیت آن ها است. الگوریتم مورد ارزیابی در این پایان نامه همبستگی بالایی با نمرات انسانی داشته است که نشان دهنده بهبود الگوریتم است.

یکی از مسائل مطرح در حوزه بینایی ماشین ردیابی شئ متحرک است که به دلیل وجود چالش¬های فراوان همچنان پس از گذشت چند دهه توجه بسیاری از محققان را به خود جلب کرده است. هدف ردیابی، پیدا کردن موقعیت شئ متحرک در تمام قاب¬های ویدئو با توجه به دانستن مکان آن در قاب اول است که در زمینه¬های مختلفی مانند تعامل انسان و کامپیوتر، تشخیص پزشکی، نظارت تصویری، ربات هوشمند، نظامی و غیره به طور گسترده مورد استفاده قرار گرفته است. یکی از معروف¬ترین الگوریتم¬های ردیابی، الگوریتم ردیابی انتقال متوسط است که برای توصیف هدف به تعریف فضای ویژگی می¬پردازد. ویژگی مورد استفاده می¬تواند رنگ، بافت، لبه و یا نقاط گوشه¬ای هدف باشد. این الگوریتم در واقع یک روش تطبیق الگوست که از الگوی فرکانس پایین تصویر هدف کمک می¬گیرد و در هر قاب به ناحیه¬ای که مدل هیستوگرام رنگش به مدل هیستوگرام رنگ ناحیه هدف شباهت بیش¬تری داشته باشد، همگرا می¬شود. معیار تشابه، فاصله بین هیستوگرام¬ها است که به کمک ضریب باتاچاریا محاسبه می¬شود. اگرچه ردیاب انتقال متوسط از مزایایی همچون قابلیت بلادرنگ، پیاده¬سازی آسان و توانایی بالا برخوردار است، با این وجود از برخی مشکلات مانند نفوذ اطلاعات پس¬زمینه، تغییرات روشنایی، انسداد و غیره رنج می¬برد. بدین منظور برای مقابله با این مشکلات، در این پایان¬نامه ابتدا با استفاده از الگوریتم خوشه¬بندی k-means، رنگ¬هایی مطلوب که به¬عنوان ویژگی هدف در نظر گرفته می¬شوند را استخراج و با روش وزن¬دهی هیستوگرام پس¬زمینه اصلاح شده (cbwh)، اطلاعات موجود در هدف را برجسته و اطلاعات پس-زمینه را تضعیف می¬کنیم. سپس برای مقابله با انسداد جزئی و کامل، نظریه پیش¬سو-پس¬سو و همچنین فیلتر کالمن را مورد استفاده قرار می¬دهیم. کارایی ردیاب پیشنهادی با 5 روش مطرح دیگر بر روی 5 مجموعه داده و با استفاده از معیارهای ارزیابی کمی مختلف و کیفی مقایسه شده¬است. نتایج شبیه¬سازی بیانگر آنست که ردیاب پیشنهادی مشکلات ذکر شده را کاهش داده و در مجموع نسبت به سایر روش¬های مقایسه شده از عملکرد بهتری برخوردار است.

طبیعت از سیستم های پیشرفته ای تشکیل شده است که قادر به انجام محاسبات پیچیده بوده و توانایی تطبیق پذیری و آموزش با استفاده از اجزای آنالوگ را دارا می باشد، گرچه سیستمهای دیجیتال به طور قابل توجهی نسبت به سیستمهای آنالوگ برحسب دقت عملکرد، بالا بودن سرعت و عملیات محاسباتی دارای مزیت می باشند، ولی این سیستمها از نظر توان نمی توانند عملکرد بهتری نسبت به سیستمهای آنالوگ داشته باشند در این پایان نامه مدارهای vlsi آنالوگ که برای اجرای توابع ریاضی و پیاده سازی شبکه های عصبی بکار می روند، نشان داده شده است. این مدارها برای اجرای محاسبات موازی و در نظر گرفتن عملکرد توان پایین بلوک های ساختاری آنالوگ طراحی شده اند. مدارهایی برای انجام عملیات جذر، مجذور و ضرب/تقسیم طراحی شده و یک مدار که براساس کاسکود کردن مدارهای قبلی پایه گذاری شده است، بعنوان یک بردار نرمالیزه و برای بیان سهولت طراحی مدارات پیچیده با استفاده از مدارهای ساده، معرفی و تحلیل شده است. در این تحقیق دو شبکه عصبی پیش خور نیز با استفاده از بلوک های ساختاری توان پایین طراحی شده است. شبکه اول از سیناپس ها و نرون های آنالوگ و یک باس وزنی سری دیجیتال تشکیل شده است این شبکه به صورت حلقه ای با استفاده از یک کامپیوتر برای کنترل و نوسازی وزن ها آموزش خواهد یافت. در شبکه بعدی، وزن ها بصورت دیجیتال پیاده سازی می شوند و برای تنظیم آنها از شمارنده استفاده شده است یک الگوریتم نوسازی وزن برمبنای بکارگیری اغتشاشات موازی بکار گرفته شده است. شبکه از تولید کننده های بیت شبه تصادفی چندگانه برای اغتشاش همه وزن ها بصورت موازی استفاده خواهد کرد برخی از ساختارهای قبل از نظر سرعت عملکرد و همچنین فضای مورد نیاز برای پیاده سازی بر روی تراشه دارای مشخصات مطلوبی نبودند در این پایان نامه سعی شده است تا تغییراتی در بلوک های اساسی تشکیل دهنده شبکه عصبی انجام گیرد تا سرعت آموزش پذیری این شبکه ها افزایش یافته و همچنین با بکارگیری المانهایی که دارای حجم کمتری می باشند، فضای مورد نیاز برای پیاده سازی کاهش یابد. همچنین برای تولید نویزهای ناهمبسته، از دو lesr و یک شبکه xor که وظیفه ترکیب خروجی های مربوط به پایه های متفاوت شیفت رجیستر را برعهده دارند، استفاده گردیده است. نتایج شبیه سازی بعضی از توابع دیجیتال مانند and و xor بیانگر آموزش موفقیت آمیز این شبکه ها می باشد.

طبقه بندی داده ها یکی از مباحث مهم در زمینه های مختلف علوم به شمار می رود. سیگنال های رادار یکی از منابع مهم اطلاعاتی است که به منظور شناسایی اشیا مختلف مورد استفاده قرار می گیرد. در تکنو لوژی رادار، طبقه بندی داده ها از اهمیت ویژه ای بر خوردار است. در زمینه ی جنگ الکترونیک یکی از قسمت های مهم سیستم های هوشمند الکترونیکی، شناسایی رادار ساطع کننده ی سیگنال می باشد. به منظور نیل به هدف فوق، پس از دریافت سیگنال رادار از آنتن گیرنده نیاز به انجام یک سری پردازش های سلسله مراتبی می باشد. این پردازش ها را می توان در دو بخش استخراج ویژگی های مناسب از پالس های دریافتی و عملیات طبقه بندی براساس ویژگی های استخراج شده خلاصه نمود. عملیات طبقه بندی داده ها، بر روی کلمات توصیف کننده ی پالس یا به اختصار pdws که مشخصات سیگنال را توصیف می کند، انجام می گیرد. گام اول در بخش طبقه بندی داده ها، انجام عملیات خوشه بندی است. تاکنون روش های خوشه بندی متعددی ارائه شده است. در اکثر روش های خوشه بندی ارائه شده، تخمین صحیح تعداد خوشه ها از اهمیت خاصی بر خوردار است و روش های متنوعی بدین منظور پیشنهاد شده است. در این تحقیق، به منظور تخمین تعداد صحیح خوشه ها، روشی جدید مبتنی بر نظریه ی مجموعه های راف و گسسته سازی داده ها معرفی گردیده است. این روش علاوه بر تخمین تعداد خوشه ها، قادر است میانگین اولیه ی خوشه ها را نیز محاسبه کند. وجود این دو پارامتر، در اکثر الگوریتم های خوشه بندی مورد نیاز است. به منظور انجام عملیات خوشه بندی از الگوریتم های سلسله مراتبی و k-means استفاده شده است. در گام دوم به منظور طبقه بندی داده ها، استفاده از روش های طبقه بندی ماشین بردار پشتیبان (svm)و ماشین بردار رابط (rvm)پیشنهاد شده است. پس از انجام عملیات خوشه بندی و طبقه بندی داده ها از برخی معیارهای اعتبار سنجی به منظور تأیید قدرت روش پیشنهادی در مقایسه با سایر روش ها استفاده شده است. نتایج حاصل شده نیز برتری روش پیشنهادی را نسبت به سایر روش ها نشان می دهد.

چکیده ندارد.

جنبه های حرارتی در فرایند نورد نقش مهمی در کیفیت محصول و کارکرد تجهیزات نورد دارد. تاج حرارتی نامناسب باعث ایجاد عیوب شکلی و هندسی مختلف مانند موج مرکزی ، کناری و کاناله می شود. از طرف دیگر می تواند باعث افزایش نیروی نورد و زیاد شدن مصرف انرژی شود. درجه حرارت غلتک و ورق نیز می توانند تأثیرات زیادی روی کارکرد خط داشته باشند، به طوری که افزایش دمای غلتک های کاری باعث ایجاد ترک های آتشین روی سطح غلتک شده و سایش را تا حد زیادی افزایش می دهد. بنابراین به دست آوردن تاج حرارتی مناسب از اهمیت زیادی برخوردار بوده و به این منظور ، دانستن توزیع و دمای غلتک و نحوه خنک کاری آن مهم می باشد. هدف از انجام این پژوهش بررسی اثرات حرارت بر کیفیت ورق است. با پیدا کردن منشأ های حرارتی که منجر به ایجادعیوب هندسی روی محصول می شوند و مدل سازی آن، می توان این عیوب را کاهش داد. به همین منظور با ترکیب شبکه عصبی و مدل تحلیلی امکان پیش بینی دمای غلتک در زمان کوتاه برای استفاده در برنامه های کنترلی به وجود آمد. علاوه بر آن ساختار فلزی هم به عنوان نمایشی از تاریخچه حرارتی مورد تحلیل و بررسی قرار گرفت تا بتوان نسبت به آمار عیوب موجود در خط اظهار نظر کرد زیرا خنک کاری غیر یکنواخت می تواند روی ساختار ها و خواص مکانیکی ورق و تغییرات آن در عرض ورق تاثیر گذار باشد. در این پژوهش ابتدا از یک مدل دقیق حرارتی برای نورد که شرایط ورق و غلتک رادر حالت سه بعدی شبیه سازی می کند استفاده شده و داده های مورد نیاز شبکه به گونه ای که فضای جواب را پوشش دهد تولید شد. داده های تولید شده پس از پردازش اولیه برای آموزش، تایید و آزمودن شبکه عصبی مورد استفاده قرار گرفتند. با توجه به تعداد زیاد پارامتر های موثر بر دمای غلتک، میزان همبستگی بین پارامتر های ورودی شبکه ارزیابی شده و پارامتر هایی با ضریب همبستگی بالا حذف شدند. با رویکرد فیزیکی به داده های ورودی و خروجی شبکه عصبی، ترفند هایی برای کاهش حجم شبکه استفاده شد و خطا را به میزان قابل توجهی کاهش داد. با توجه به ماهیت مسئله شبکه هایی با ساختار دینامیکی و استاتیکی استفاده شده و نتایج آنها با هم مقایسه شد. نتایج بدست آمده نشان داد شبکه ی استاتیکی که لایه های مختلف غلتک را با شبکه های مجزا مدل می کرد با پیچیدگی کمتر نسبت به پارامتر های ورودی، به خطای پایین تری همگرا شد. این شبکه با در نظر گرفتن تاریخچه حرارتی غلتک به صورت توزیع دمای اولیه غلتک در 35 نقطه، توزیع دمای فعلی غلتک را پس از عبور یک ورق می دهد. ورودی های شبکه شامل مشخصات ابعاد ورق، دمای اولیه ورق، فاصله زمانی بیکاری خط بین دو ورق و درصد کاهش ضخامت در قفسه است.