با توجه به فراهم آمدن و در دسترس بودن سیستم های عکس برداری دیجیتال و الگوریتم های مرتبط با آنها، آنالیزهای پزشکی پیشرفت قابل توجهی داشته اند. علاوه بر آن، فعالیتهای بسیاری در زمینه ی خودکار سازی فرآیند تشخیص در پزشکی انجام گرفته است. یکی از این فرآیندها، آنالیز سفالومتری است که شامل تشخیص لندمارک های سفالومتری و آنالیز روابط خطی و زاویه ای بین آنهاست. این لندمارک ها در حقیقت نقاط از پیش تعیین شده ای هستند که بر روی ساختارهای استخوانی و بافت نرم قراردارند. انجام فرآیند تشخیص لندمارک ها و آنالیز روابط بین آنها به صورت دستی کاری خسته کننده است. اگرچه، نرم افزارهایی کامپیوتری وجود دارند که می توانند آنالیزهای مختلفی را بعد از تعیین محل لندمارک ها بر روی تصویر ورودی انجام دهند، ولی قادر به تشخیص خودکار محل دقیق لندمارک ها بر روی تصویر ورودی نمی باشند. در این نرم افزارها این مرحله بر عهده ی کاربر گذاشته می شود تا آن را به صورت دستی با ابزارهایی که برنامه در اختیارش قرار می دهد انجام دهد. در این تحقیق، به ارائه روشی مبتنی بر تکنیک های پردازش تصویر و یادگیری ماشین می پردازیم که هدف از آن اتوماتیک کردن فرآیند تشخیص محل لندمارک ها می باشد. اگر نقاط مذکور با دقت مناسبی تعیین شوند، انجام بقیه ی آنالیز به راحتی امکان پذیر است. قدم های مورد بررسی در این تحقیق به ترتیب زیر است: در ابتدا، از یک الگوریتم تشخیص شیء به صورت مستقل از دامنه، جهت یافتن تقریبی اولیه از موقعیت لندمارک ها استفاده شد. در این روش توصیف کننده ی hog در کنار دسته بندی کننده ی svmبه کار گرفته شده است. اگرچه، با استفاده از روش مذکور، توانستیم با دقتی بالای هشتاد و یک درصد تقریبی اولیه از موقعیت 16 لندمارک انتخابی را به دست آوریم، ولی همچنان می توان در جهت بهبود آن گام برداشت. در قدم بعدی، جهت بهبود شاخص های انتخابی و دسته بندی کننده، تغییراتی بر روی پارامترهای آنها اعمال شد. همچنین، برخی از روش ها برای انتخاب بهترین تقریب از موقعیت لندمارک بررسی و یک ویژگی جدید برای بهبود نتایج تقریب ها معرفی شد. در قدم سوم، تلاش هایی جهت تعیین موقعیت دقیق لندمارک در اطراف نقطه ی تعیین شده در مرحله ی قبل انجام شد. در قسمت بعد، تغییراتی در جهت افزایش کارایی سیستم صورت گرفت. از جمله این تغییرات، تغییر در کرنل svm و استفاده از روش های بهبود کیفیت تصویر قبل از محاسبه بردار ویژگی بود. با توجه به نتایج خاصل از این تحقیق، سیستم پیشنهادی می تواند موقعیت لندمارک های چون gnathion، menton، sella، porion، pogonion و upper incisor tip را در فاصله ی کمتر از 2 میلیمتری محل اصلی آنها با دقتی بالای 65 درصد بیابد. البته باید در نظر داشت که نتیجه ی سیستم برای سایر لندمارک ها در مقایسه با سایر کارهای انجام شده در این زمینه قابل قبول بوده ولی برای استفاده عملی نیاز به بهبود دارد. نتیجه ی اصلی رساله حاضر، این است که روش ارائه شده در آن را می توان به عنوان پایه ای برای یک سیستم خودکار استفاده کرد. در این سیستم نیاز است که پزشک تعداد کمی از خطا ها را قبل از تکمیل فرآیند آنالیز تصحیح کنند.

پژوهش پیکره- محور حاضر به بررسی نحوه ی ترجمه ی انگلیسی اسامی الهی موجود در قرآن کریم به دست سه مترجم حرفه ای به نام های شاکر (1985)، قرایی (2003) و نیک آیین (2006) پرداخته است. این سه مترجم ترجمه های خود را به ترتیب به صورت های نثر، تقطیعی و شعر ارائه کرده اند. در این پژوهش، ابتدا مسائلی که مترجمین برای رسیدن به بسندگی واژگانی و تعادل معنایی در ترجمه ی اسامی الهی با آن مواجه بوده اند، مورد بحث قرارگرفت. سپس نوع ومیزان راهکارهای اتخاذشده ی هریک از این مترجمین برای حل این مسائل توصیف شد. در نهایت، ثبات در عملکرد مترجمین در ارائه ی معادل ثابت در بافت ها و آیه های مختلف قرآن کریم بررسی شد. نتایج این تحقیق نشان داد که فشردگی واژگانی و معنایی اسامی الهی در زبان اصلی(عربی) و تاثیرات و معانی ضمنی آن ها، مساله ی اصلی در ترجمه ی این اسامی بوده است. همچنین مشخص شد که که پربسامدترین راهکار به کار گرفته شده توسط شاکر که ترجمه ی خود را به صورت نثر ارائه کرده بود، «هم معنایی» و پربسامدترین راهکار به کار گرفته شده توسط قرایی که ترجمه ی خود را به صورت تقطیعی ارائه کرده بود، «گسترش واژگانی» بوده است. اما نیک آیین که ترجمه ی خود را به صورت شعر ارائه کرده بود، از هر دو راهکار به عنوان پربسامدترین راهکارهای خود، تقریبا به یک اندازه بهره برده است. در مورد ثبات در معادل یابی نیز قرایی باثبات ترین مترجم و نیک آیین کم ثبات ترین مترجم در ارائه ی معادل های یکسان شناخته شد. شاکر نیز بین این دو کران قرار گرفت.

چکیده موازنه بین ریسک و بازده حاصل از یک سرمایه گذاری موضوعی است که اکثر سرمایه گذاران، قبل از هر تصمیمی در مورد سرمایه گذاری به آن توجه و دقت دارند. یک شیوه جهت اندازه گیری عملکرد مالی یک سبدسرمایهگذاری، «نسبت شارپ »است؛ که در آن «واریانس » بعنوان یک معیار جهت اندازهگیری «ریسک» سرمایهگذاری به کار برده میشود. نقطه ضعفی که در واریانس وجود دارد این است که برای بازدههای مثبت و منفی وزنهای یکسان در نظر گرفته میشود. نگرش سرمایهگذاران نسبت به ریسک متفاوت است. اما به طور کلی سرمایهگذاران عموما زمانی از ریسک نگرانند که روند بازار نزولی است؛ تا وقتی که حرکت روند بازار صعودی باشد. در این پایاننامه یک نسبت جدیدتر، ولی با تفسیری مشابه نسبت شارپ معرفی میشود؛ این نسبت «نسبت ریسک با روند نزولی» نامیده شده است. در این نسبت، مقدار «کاهش سرمایه مورد انتظار« بعنوان معیاری برای اندازه گیری ریسک، به جای واریانس بکار برده میشود. برای پیدا کردن پاسخهای مناسب جهت این موضوع که : « روشهای مختلف اندازه گیری ریسک در تخصیص دارایی، چه تفاوتی را در پی دارند؟ »؛ عملکرد واقعی چهارشاخص بازار سهام با استفاده از هر دواستراژی «نسبت شارپ » و «نسبت ریسک با روند نزولی» مورد ارزیابی قرار گرفتهاست. وزن مطلوب برای هر سبد سرمایه تشکیل شده با دارایی از دو شاخص (در مجموع شش سبد سرمایه) و همچنین وزن مطلوب برای یک سبد سرمایهگذاری با دارایی از تمام شاخصها تعیین میگردد. در نهایت، هر دو استراژی «نسبت شارپ» و «نسبت ریسک با روند نزولی» مورد ارزیابی و مقایسه قرار گرفته شده، و اینکه «آیا هیچ تفاوتی در ساخت سبد سرمایهگذاری با استفاده از واریانس و یا کاهش سرمایه مورد انتظار بعنوان معیار اندازه گیری ریسک وجود دارد؟» در بورس ایران نیز برای چهار شاخص گروه بورسی خودرو، شیمیایی ، فلزات اساسی و گروه سرمایهگذاری دو استراتژی «نسبت ریسک با روند نزولی» و «نسبت شارپ» را به شیوه ای که در بالا برای چهار شاخص خارجی بیان شد، بکار برده می شود که نتایج نشان می دهند با هر دو استراتژی گروه خودرو کمترین وزن، و گروه شیمیایی بیشترین وزن را در سبدسرمایه دارند. و با توجه به خصوصیات ریسک پذیری و ریسک گریزی سرمایه گذاران، بهتر است افراد ریسک پذیر برای بهینه سازی سبدسرمایه با استراتژی شارپ عمل کنند و افراد ریسک گریز با استراتژی نسبت ریسک با روند نزولی عمل کنند. کلمات کلیدی: چارچوب میانگین-واریانس ؛ نسبت شارپ ؛ نسبت ریسک با روند نزولی ؛ کاهش سرمایه مورد نظر ؛ سبد سرمایه گذاری بهینه .

چکیده ندارد.