شناسایی حروف نوشتاری و نوری نقش مهمی در کاربردهای جدیدی مثل پزشکی و حمل و نقل و سیستم های امنیتی دارد. تاکنون سیستم های شناسایی حروف مختلفی ارائه شده است که هرکدام در یک زمینه کاربردی بکار می روند.در این پایان نامه یک روش جدی برای شناسایی حروف انگلیسی بر مبنای ماتریس gray level co-occurrence matrix (glcm) ارائه شده است.ماتریس glcm بطور وسیعی در کاربرد دسته بندی بافت استفاده می شود. بعد از یک سری پیش پردازش ها بر روی تصویر ورودی، ماتریس glcm در چهار جهت (?=0 ,?=45 ,?=90 ,?=135) محاسبه می شود. برای در نظر گرفتن کجی در هنگام نوشتن یک حرف، مقداری انحراف هم در محاسبه هر جهت لحاظ می شود. این در نظر گرفتن کمی انحراف در محاسبه هر جهت تأثیر زیادی در درصد کلی شناسایی دارد. بعلاوه، ممان hu و یک سری ویژگی ساختاری نیز از تصویر ورودی استخراج می شود.

امروزه یکی از کاربردهای خاص شبکه های حسگر بیسیم در زمینه سیستم های حفاظت از سلامت بدن انسان و ورزش است که با نام شبکه بیسیم حسگر بدن معرفی می شود. این شبکه حسگر به منظور بررسی وضعیت بیماران در حال درمان درمحیط های بیمارستانی و پس از ترخیص در منازل و محیط کار و یا برای انجام مراقبت های لازم برای افراد سالمند در اختیار بیماران قرار می گیرد و توسط پزشکان ویا مراکز مراقبت ویژه کنترل می شود و در صورت لزوم پروتکل های درمانی اعمال می گردد. از جمله موارد مورد بحث، بهینه کردن مصرف انرژی در این شبکه ها است که بخش عمده آن در دریافت داده ها از طریق حسگرها و واحدهای فرستنده و گیرنده است. یکی از روش های کاهش مصرف انرژی که در شبکه های حسگر بیسیم مطرح شده است، پایین آوردن حجم داده ها ارسالی است. عملیات کاهش داده ها ارسالی در طی دو مرحله انجام خواهد شد. مرحله اول کاهش داده ها ارسالی در هر گره حسگر داده ها فیزیولوژی مربوطه است. در این روش به جای ارسال کل داده ها، به کمک آستانه گذاری ضرایب تبدیل موجک، داده ها مهم استخراج شده و به واحد جمع کننده ارسال می گردد. در مرحله بعد در واحد جمع کننده سیگنال های غیر همگن، با استفاده از آنالیز عناصر اصلی و به کمک همبستگی بین عناصر سیگنال ها از ارسال تک تک آنها جلوگیری می کنیم و یا به عبارتی به کاهش ابعاد سیگنال های ارسالی می پردازیم.

در این تحقیق به ردگیری حرکات مردمک چشم در تصاویر ویدئویی جهت بررسی تغییر در عکس العمل کاربر پرداخته شده است. با استفاده از دوربینی که در مقابل چشم کاربر قرار می گیرد از چشم او به هنگام مشاهده تصاویر نمایش داده شده بر روی صفحه نمایشگر تصویر برداری می شود. با آشکارسازی، مدلسازی و سپس ردگیری مردمک در تصاویر برداشت شده، حرکات و تغییرات مردمک کاربر در پاسخ به ورودی ها بصورت نمودارهایی ارائه می گردد. در این تحقیق برای آشکارسازی و ناحیه بندی مردمک از ترکیب روش آتسو و الگوریتم ژنتیک استفاده شده است. برای مدلسازی مردمک از تبدیل هاف دایره ای و از فیلتر کالمن نیز برای ردگیری و جبران خطای حاصل از مراحل پیشین استفاده شده است. با بررسی نتایج حاصله می توان عکس العمل فرد را با بررسی نحوه حرکات مردمک چشم نسبت به تصاویر نمایش داده شده توسط فرد خبره تشخیص داد.

پیش بینی سری های زمانی موضوع بسیار مهمی است که کاربردهای فراوانی در زمینه های مختلفی چون پیش بینی نرخ ارز، پیش بینی قیمت سهام ، پیش بینی آب و هوا و غیره دارد. در سال های اخیر تلاش های بسیاری در جهت توسعه و بهبود عملکرد روش های پیش بینی صورت گرفته است. به دلیل عملکرد بهتر روش های غیرخطی در پیش بینی سری های زمانی به خصوص سری های زمانی آشوبگرا، در این تحقیق دو مدل پیشنهادی برپایه روش های غیرخطی برای پیش بینی دو سری زمانی آشوبگرای mackey glass و population growth rateارائه شده است. در مدل اول، صرفا از شبکه های عصبی و نروفازی به عنوان شبکه های پیش بینی کننده استفاده شده است. مدل دوم مبتنی بر استفاده از تبدیل موجک و شبکه های عصبی و فازی می باشد. در هر دو مدل از الگوریتم ژنتیک برای تعیین ساختار شبکه های پیش بینی کننده و طول داده ورودی برای پیش بینی استفاده شده است. نتایج به دست آمده نشان می دهد که عملکرد مدل اول تا حد قابل توجهی بهتر از مدل دوم است

در این پروژه به آشکار سازی چهره از تصاویر رنگی، عکس بر داری شده در نور مرئی و از جهان واقعی با پشت زمینه پیچیده پرداخته و جهت برآورده شدن این هدف روش های یادگیری ظاهر مبنا با ویژگی های نامتغیر ترکیب ، و برای کاهش فضای جستجو از آشکار ساز پوست رنگ مبنا روی 15 فضای رنگ مختلف استفاده شد و در حین حصول عملکرد مناسب، با استفاده از الگوریتم utans به تعیین ویژگی های موثر در آشکار سازی چهره با استفاده از شبکه عصبی خوشه بندی شده جهت طبقه بندی پوست (تک لایه با 2 و 3 نرون در لایه پنهان) و شبکه عصبی ادراکی چند لایه ( mlp) (تک لایه با 3 نرون) جهت طبقه بندی چهره پرداخته و سیستم با استفاده از رسم نمودار های roc ارزیابی شد. روش شناسایی چهره مذکور مستقل از میدان بوده و روی پایگاه داده voc2007 آزمایش خود را در مقایسه با سایر روش های مورد بررسی پس داد. استفاده از شبکه عصبی خوشه مبنا علاوه برافزایش کارایی (کاهش far در مقابل dr نسبتاً ثابت) ، سرعت را نیز بالا برد. حذف مولفه روشنایی باعث افزایش خطای سیستم شد.این بدان معنی است که مولفه روشنایی می تواند دارای اطلاعات مفیدی باشد. نتایج نشان داد که مولفه های رنگ در یک سیستم آشکار ساز پوست mlp مبنا برتری خاصی نسبت به یکدیگر نداشته و تعداد و انتخاب ترکیب مناسب و موثر مولفه های فضای رنگ با توجه به ساختار سیستم و داده ها اهمیت داشته و برتری یک مولفه رنگ را مشخص می کند. همچنین شبکه با ورودی های تحت نگاشت pca عملکرد کمتری را نسبت به سیستم با مولفه های مستقیم رنگ به عنوان ورودی از خود نشان داد. نماینده ای از ویژگی های تصویر گرادیان و شکل شناسی و برجستگی دیداری به ازای 3 نوع تصویر ماسک شده، دودویی و کامل محاسبه و با استفاده از نتایج الگوریتم انتخاب ویژگی utans تأثیرات آنها روی عملکرد سیستم شناسایی چهره مقایسه و تحلیل شد. 7 ثابت گشتاور جهت کاهش فوق العاده ابعاد بردار ویژگی، دادن استقلال به ویژگی ها و برابر سازی ورودی ها به کار گرفته شد. ویژگی گشتاور تصویر لبه یابی شده از تصویر نوع نخست، مطلوب ترین ویژگی ها تعیین شد و گشتاور پیکسل های خام تصویر نوع نخست در رتبه بعدی قرار گرفت. ضعیف ترین ویژگی ها ویژگی های شکل شناسی حجم و خروج از مرکز ارزیابی شدند و در نهایت سیستم شناسایی چهره با ویژگی های موثر کارایی بالایی از خود نشان داد.

در این پژوهش سعی شده است تا کارایی افزاره ترانزیستور اثر میدانی (fet ) در تماس با بیومارکرهای سرطانی و تشخیص آنها مورد بررسی قرار گیرد. لذا با مدل سازی کانال نانولوله کربنی در نرم افزار virtual nanolab ضمن بررسی تأثیر آنتی ژن ها و آنتی بادی انواع سرطان ها بر ویژگی های ساختار شیمیایی والکترونیکی کانال، تغییرات مقادیر خازنی کانال و پارامترهای کنترل گیت و درین را بدست می آوریم. سپس با استفاده از ابزار fettoy در نرم افزارmatlab و استفاده از پارامترهای بدست آمده منحنی های i-v را برای هر مرحله بدست می آوریم تا بتوانیم با تغییرات ایجاد شده در منحنی ها نسبت به تشخیص بیماری سرطان اقدام نماییم. اتصال آنتی ژن سرطانی به بدنه نانولوله، تغیراتی را در ساختار الکتریکی نانولوله کربنی که به عنوان کانال در ترانزیستور نانولوله کربنی قرار دارد، در پی خواهد داشت. این تغییرات ناشی از تغییر در خازن های درون ساختاری ترانزیستور و پارامترهای کنترلی گیت و درین این افزاره می باشد. البته در هر دو نانو لوله مورد بررسی قرار گرفته این اتصال باعث کاهش مقادیر خازنهای کوانتومی و پارامترهای کنترلی میگردد. همچنین با بررسی نمودارهای تغییرات جریان و بار همانطور که انتظار می رفت، اتصال آنتی ژن به بدنه نانولوله پدیده پراکندگی را در کانال افزایش داد و ضمن کاهش تعداد و سرعت حاملهای جریان، باعث کاهش جریان درین نیز گردید. لذا این روش می تواند بصورتی جامع تر به تشخیص آنتی ژن های سرطانی مبادرت ورزیده و ترانزیستور نانولوله کربنی بعنوان یک سنسور در علوم پزشکی بکار گرفته شود.

there are many approaches for solving variety combinatorial optimization problems (np-compelete) that devided to exact solutions and approximate solutions. exact methods can only be used for very small size instances due to their expontional search space. for real-world problems, we have to employ approximate methods such as evolutionary algorithms (eas) that find a near-optimal solution in a reasonable time, rather than an exact method which gurantees to find the optimal solution in an exponential time. eas are most popular random search techniques. in this thesis, we proposed eas consist on genetic algorithm (ga), ant colony optimization (aco), particle swarm optimization (pso), and artificial bee colony (abc) to solve np-compelete problems such as traveling salesman problem (tsp), knapsack problem (kp), and the optimization of artificial neural network parameters (ann). each problem carried out with each ea, and then the obtained results will compared together. consequently, for each problem, one of the eas will be selected as the best algorithm.

. ما در این پروژه سعی داریم درباره جداسازی ناحیه عنبیه از تصویر گرفته شده صحبت کنیم.مرحله جداسازی خیلی مهم و حساس می باشد چون کدهای ساخته شده مبتنی بر این نواحی نیز متعاقبا دقیق نبوده و این اطلاعات اشتباه در مرحله ثبت نام به سامانه داده می شود. پژوهش ارائه شده در این پایان نامه ارائه دو راهکار ناحیه بندی دقیق عنبیه بر اساس ویژگیهای بافت روشنایی است

در این پژوهش جهت بررسی رفتار شخص در زمان دروغگویی یا کتمان حقیقت به ردگیری مردمک چشم در تصاویر ویدئویی پرداخته شده است. با استفاده از دوربینی که روی یک کلاه نصب شده و در مقابل چشم قرار می گیرد، تصاویر چشم ذخیره شده، سپس مردمک در تصویر چشم آشکارسازی شده و پس از مدل سازی به ردگیری آن می پردازیم. پس از ردگیری دقیق مردمک می توانیم الگوی حرکتی مردمک و همچنین تغییرات به وجود آمده در مردمک پس از دروغگویی را مورد بررسی قرار دهیم. در این پژوهش برای آشکارسازی مردمک از آستانه گیری متغیر و کانتورهای فعال استفاده کردیم. سپس مردمک را توسط بیضی که بیشترین تطابق با مردمک را دارد، مدل کردیم و در انتها فیلتر ذره برای ردگیری دقیق پارامترهای مدل، به کار گرفته شده است. نتایج بدست آمده از آشکارسازی و ردگیری مردمک که از بررسی تغییرات مردمک 20 نفر تحت شرایط مختلف بدست آمده، صحت ادعای ما را تائید می کند.

هدف این پژوهش ارائه روشی نوین با بازدهی مطلوب، مبتنی بر به کارگیری الگوریتم های موثر برای بازشناسی برون خط و مستقل از تفکیک کلمات دست نویس فارسی است. بدین منظور سه راهکار متمایز متشکل از مراحل دریافت تصاویر ورودی، پیش پردازش، استخراج ویژگی و طبقه بندی پیشنهاد شده است. عملیات آستانه گیری، حذف نویز، استخراج اسکلت به منظور حذف اثر عرض قلم، محدود سازی کلمات یا زیرکلمات در پنجره های محدود کننده و تغییر اندازه مجدد تصاویر به منظور کاهش اثر ناهمگونی ابعاد نگارش، حذف تغییرات چرخشی، بازکردن و بستن متوالی مبتنی بر عناصر مورفولوژی برای حذف ناپیوستگی و حفره های ناخواسته، از جمله عملیات پیش پردازشی است که پس از اسکن و دریافت قالب های دیجیتال تصاویر کلمات دست نویس، به منظور کاهش اثر تغییرات نگارشی ناخواسته و نامطلوب در عملیات بازشناسی بر روی تمامی تصاویر اعمال گردیده و اجرای صحیح این مرحله از سیستم بازشناسی در بهبود نتایج مراحل بعدی تأثیر چشم گیری را ارائه داده است. اولین راهکار پیشنهاد شده در این پژوهش، مبتنی بر مدلسازی گاوسین تصاویر کلمات نمونه و طبقه بندی آنها با بهره گیری از عملیات تطبیق الگو است. در این شیوه به منظور بازشناسی 10 کلاس از کلمات دست نویس فارسی، ابتدا مدل های گاوسین 240 تصویر (24 نمونه از هر کلاس) بعنوان نمونه های آموزش در نظر گرفته می شود. سپس برای بازشناسی 80 نمونه باقیمانده از اندازه گیری فواصل اقلیدسی مدل های گاوسین هر نمونه آزمون تا 240 نمونه آموزش استفاده می گردد. نهایتاً با شناسایی سه نمونه آموزش نزدیکتر به هر نمونه آزمون، و اجتماع گیری از میزان بازشناسی صحیح در این سه سطح تشابه نزدیکتر، نرخ 80.25% حاصل گردیده است. همانطور که از نتیجه این بازشناسی مشخص است، شیوه استخراج ویژگی بر مبنای مدلسازی گاوسین برای توصیف کلمات دست نویس چندان مناسب به نظر نمی رسد، علت اصلی این امر تأثیر منفی دو عامل، یکسان نبودن ابعاد نگارشی اجزا مختلف تشکیل دهنده بدنه کلمات دست نویس (بدنه زیرکلمات، حروف و نقاط) و همچنین تغییرات نگارشی ناخواسته در شیوه های نگارشی افراد مختلف (زوایای نقاط تقاطع و شیب بدنه)، در تولید مدل های مخلوطی گاوسین مشابه برای کلمات نظیر هر کلاس است.به عبارتی نتیجه بازشناسی این شیوه فقدان توانایی لازم آن را برای تولید مدل های موثر در بازشناسی کلمات دست نویس به روش تطبیق الگو نشان داده است. در حقیقت اجرای الگوریتم بازشناسی بر مبنای مدلسازی و عملیات تطبیق الگو بیشتر برای کاراکترهای گسسته ( حروف و اعداد) مناسب بوده و استفاده آن برای کلمات پیوسته چندان نتایج مطلوبی را ارائه نمی دهد. دومین راهکار ارائه شده در این پایان نامه، مبتنی بر استخراج بردارهای ویژگی ترکیبی و طبقه بندی با استفاده از طبقه بندهای knn و mlp است. در این شیوه پس از اسکن و ارائه قالب دیجیتالی تصاویر کلمات دست نویس به رایانه، ابتدا به منظور حذف همپوشی های عمودی احتمالی زیرکلمات، عملیات برچسب گذاری و تفکیک آنها در ماتریس های تصویری مجزا اجرا شده، سپس کلیه مراحل پیش پردازشی که قبلاً اشاره گردید بر روی تمامی تصاویر زیرکلمات اعمال می شود. در مرحله استخراج ویژگی، به منظور فراهم نمودن بردارهای ویژگی توانمندی که بتوانند به خوبی از عهده توصیف دقیق مشخصات ظاهری و ساختاری کلمات دست نویس برآیند از ترکیب شیوه های آماری، ساختاری و اعمال تبدیل موجک استفاده شده است. بطوریکه ابتدا پارامترهای آماری میانگین، واریانس و انرژی مرتبط با نمودارهای هیستوگرام افکنش عمودی تصاویر زیرکلمات محاسبه شده، سپس با بکارگیری الگوریتم تجزیه تحلیل تطابقی ca، مقادیر ویژه سازنده ماتریس های تصویری زیرکلمات نیز بعنوان پارامترهای ساختاری بردارهای ویژگی استخراج می گردند. پس از آن با اعمال تبدیل موجک یک بعدی گسسته مبتنی بر موجک پایه ی هار بر توابع هیستوگرام افکنش عمودی تصاویر زیرکلمات، ضرایب موجک نماینده جزئیات فرکانس بالا و کلیات فرکانس پایین هر تصویر نیز فراهم گردیده و نهایتاً این سه دسته ویژگی حاصل از محاسبات آماری، ساختاری و تبدیل موجک برای هر تصویر نمونه در یک بردار ویژگی ترکیب می شوند تا بتوانند توصیفگرهای مناسبی را ارائه دهند. در مرحله بعد، پیش از اجرای عملیات طبقه بندی، از الگوریتمfcnn برای انتخاب مثال های موثر در آموزش استفاده می شود تا بدین ترتیب عملیات طبقه بندی بتواند با بازده مندی بیشتر و به طور دقیق تر اجرا گردد. نهایتاً ماتریس حاصل از اجرای الگوریتمfcnn به عنوان ماتریس آموزش و مابقی داده ها به عنوان ماتریس آزمون، در مراحلی جداگانه برای بازشناسی به طبقه بندهای mlp و knn ارسال می شوند. پس از آن، یک مرحله اعمال الگوریتم بهینه سازی uta برای حذف ویژگی های غیر موثر و مخرب به منظور کاهش ابعاد بردارهای ویژگی، افزایش بازدهی شبکه، بهبود دقت و سرعت بازشناسی اجرا می گردد. بعنوان مزیت این شیوه پیشنهادی، می توان به ساده بودن مرحله استخراج ویژگی، و اینکه فراهم سازی بردارهای ویژگی ترکیبی (ویژگی های آماری، ساختاری و ضرایب موجک) می تواند نقش به سزایی را در افزایش دقت طبقه بندی ایفا کند، اشاره نمود. همچنین افزایش دقت بازشناسی با اعمال الگوریتم fcnn در مرحله طبقه بندی به منظور بهره گیری از مشابهت ما بین نمونه های هم کلاس در روند تشکیل ماتریس موثر آموزش، و دستیابی به ابعاد بهینه و سرعت مطلوب سیستم بازشناسی با اجرای الگوریتم uta، از دیگر مزایای این شیوه هستند. اعتبار اجرای روش پیشنهادی بر روی بخشی از پایگاه داده ایرانشهر(متشکل از 640 تصویر کلمه دست نویس)، با دقت طبقه بندی 97.9% به اثبات رسیده است. در سومین راهکار پیشنهاد شده در این تحقیق، از تبدیل موجک دو بعدی گسسته بر مبنای تشکیل بانکی از موجک های پایه، الگوریتم تجزیه تحلیل تطابقی ca و اعمال طبقه بندmlp برای بازشناسی استفاده شده است. در این شیوه نیز، پس از اسکن و ارائه قالب دیجیتالی تصاویر کلمات دست نویس به رایانه، کلیه مراحل پیش پردازشی که قبلاً اشاره گردید بر روی تمامی تصاویر کلمات اجرا می شود. سپس در مرحله استخراج ویژگی، به منظور استخراج ویژگی های موثر برای بازشناسی کلمات دست نویس فارسی، در ابتدا قصد داشتیم برای هر کدام از کلاس های بازشناسی، یک موجک پایه را متناظر با شکل ساختاری آنها تعریف نماییم. اما از آنجایی که تعریف موجک های پایه نظیر تمام کلاس ها، به گونهای که اعمال تبدیل موجک بر مبنای آنها بتواند ویژگی های مشابه ای را برای نمونه های هر کلاس و ویژگی های متمایزی را برای نمونه های نظیر کلاس های مختلف تولید نماید، در صورت گسترده بودن تعداد کلاس ها امری غیر ممکن است، از شیوه تشکیل بانکی از موجک های پایه استفاده کردیم. بدین ترتیب توانستیم با به کارگیری هر یک از اعضا این بانک در هر بار اعمال تبدیل موجک، شباهت مابین کلمات هم کلاس و تفاوت مابین کلمات غیر هم کلاس را به نحوی جدید به نمایش در آوریم. همانطور که می دانیم، ساختار نگارشی کلمات در زبان فارسی از شکلی غیر تقارنی و نوسانات ارتفاعی زیادی برخوردار است، و خانواده موجک های پایه دابیچز به دلیل داشتن ساختاری غیر متقارن و تغییر ارتفاع نوسانات در شکل موج مربوطه شان، دارای شباهت ساختاری زیادی با نحوه نگارشی کلمات در زبان فارسی هستند. از این رو برای تولید ویژگی های توصیفی موثر، بانکی از موجک های پایه این خانواده تشکیل شده است. هر چند، به منظور تأیید صحت موثر بودن کارایی بانک موجک پایه خانواده دابیچز، ابتدا بانکی از موجک های پایه مختلف تشکیل گردیده و با اعمال ویژگی های آماری (میانگین و واریانس) ضرایب تبدیل موجک دو بعدی گسسته بر مبنای تک تک اعضا بانک، به یک طبقه بند شبکه عصبی، کارایی هرکدام از موجک های پایه در دستیابی به یک نرخ بازشناسی مطلوب بررسی گردیده و نهایتاً خانواده موجک پایه دابیچز برای بازشناسی کلمات دست نویس فارسی مناسب تر از سایر موجک های پایه تشخیص داده شده است. بنابراین بانکی از خانواده موجک پایه دابیچز (db1 تا db10) تشکیل گردیده، سپس تبدیل موجک دو بعدی گسسته تا چهار مرحله بر مبنای تک تک اعضا این خانواده، بر تمامی تصاویر نمونه اعمال شده است. آنگاه از تمامی ضرایب موجک نماینده کلیات فرکانس پایین و جزئیات فرکانس بالا در مرحله چهارم تبدیل، ویژگی های آماری میانگین و واریانس استخراج شده و این ویژگی ها به همراه ضرایب ساختاری حاصل از اعمال الگوریتم تجزیه تحلیل تطابقی ca، در یک بردار ویژگی برای هر تصویر نمونه ذخیره می گردد. در مرحله بعد، پیش از اجرای عملیات طبقه بندی از الگوریتمfcnn برای انتخاب مثال های موثر در آموزش استفاده شده و نهایتاً ماتریس حاصل از اجرای این الگوریتم به عنوان ماتریس آموزش و مابقی داده ها به عنوان ماتریس آزمون برای بازشناسی به طبقه بند mlp ارسال می شود. پس از آن، یک مرحله اعمال الگوریتم بهینه سازی uta برای حذف ویژگی های غیر موثر و مخرب به منظور کاهش ابعاد بردارهای ویژگی، افزایش بازدهی شبکه، بهبود دقت و سرعت بازشناسی اجرا می گردد. بعنوان مزیت این شیوه پیشنهادی، می توان به توانمندی ویژگی های آماری مرتبط با ضرایب موجک دوبعدی گسسته مبتنی بر موجک های پایه خانواده دابیچز، در کنار ضرایب الگوریتم تجزیه تحلیل تطابقی ca به منظور تولید ویژگی های دقیق و موثر برای توصیف کلمات دست نویس فارسی اشاره نمود. همچنین افزایش دقت طبقه بندی با اعمال الگوریتم fcnn و دستیابی به ابعاد بهینه و سرعت مطلوب سیستم بازشناسی با اجرای الگوریتم uta، از دیگر مزایای این روش هستند. اعتبار اجرای شیوه ی پیشنهادی بر روی بخشی از پایگاه داده ایرانشهر(متشکل از 640 تصویر کلمه دست نویس)، با دقت طبقه بندی 99.33% به اثبات رسیده است.

در این پایان نامه یک رویکرد جامع برای تشخیص خودکار ابزارآلات موسیقی ارائه شده است. در این روش، دیتابیسی که برای سیستم در نظرگرفته شده از گروه های تک نوازی تا چهار نوازی با سبک های متنوع از ترکیب هفت ساز مختلف از اینترنت جمع آوری شده و به فریم های ms32 تقسیم می شود. سپس با مطالعه چهار نوع ویژگی مختلف شامل زمانی، فرکانسی، ادراکی و کپسترال، 296 ویژگی بدست آمده و با استفاده از طبقه بندهای mlp, knn و svm طبقه بندی شده است. نتایج بدست آمده نشان می دهد که طبقه بندی mlp بهترین طبقه بندی کننده با میانگین صحت 36/98% است. در ادامه روش ارائه شده به علت این که ما مجموعه گسترده ای از ویژگی ها را مورد مطالعه قرارداده ایم با استفاده از الگوریتم های uta و pca ابتدا ویژگی های موثر تشخیص داده شده و سپس بردار ویژگی فشرده شده است. نتایج نشان دهنده این است که موثرترین نوع ویژگی ها smr و ld از ویژگی های ادراکی هستند که علت آن می تواند به مدلسازی سیستم شنیداری انسان مربوط باشد.

در این پایان نامه به بررسی انواع موتورهای القایی و بویژه موتور های سه فاز و انواع درایور ها و روش های کنترل این موتور ها پرداخته شده است . با بیان مزایا و لزوم بهره گیری از درایور ها، انواع الگوهای طراحی اینورتر مورد بررسی قرار گرفته است . به منظور طراحی درایور های هوشمند، انواع روش های موجود کنترل سرعت و گشتاور این موتور ها بررسی شده و با ملاحظه ی مزایا و معایب هریک، در نهایت کنترل میدانی و یا برداری برای این تحقیق انتخاب شده است . در ادامه به بررسی مدل هایی که در کنترل میدانی استفاده میگردند پرداخته شده و ملاحظه میگردد که در تمام این مدل ها ، محاسبه و اندازه کیری زاویه شار روتور و یا سرعت و زاویه لحظه ای آن رکن اساسی این نوع کنترل میباشد .با بیان روشهایی که از حسگرهای سرعت و زاویه استفاده مینمایند ، به معایب این روش ها از جمله هزینه بر بودن و پیچیدگی نصب و راه اندازی موتور اشاره شد . سپس به بیان روش هایی پرداخته شد که به جای اندازه گیری مستقیم سرعت ، با حذف سنسور سرعت ، به تخمین سرعت با استفاده از پارامترهای دیگر موتور، از جمله ولتاژ و جریان فازها می پردازند . با بررسی دقیق انواع روش های تخمین و مقایسه آنها در نهایت روش bemf به علت سادگی و کم بودن حجم محاسبات ان انتخاب شده و شبیه سازی ها ای بر مبنای آن انجام شد. در ادامه دیده شد که به واسطه وابستگی این روش تخمین به پارامترهای داخلی موتور ، خطای تخمین در سرعت های پایین قابل ملاحظه می باشد . به منظور کاهش این خطا ، تغییراتی در معادله تخمین ایجاد شده و با ایجاد دو درجه آزادی در محاسبه ، سعی در اصلاح آن گشت . در ادامه با استفاده از الگوریتم ژنتیک ، معادله تغییر یافته بهینه گشته و شبیه سازی ها مجدد تکرار شدند . در نهایت هم به صورت شهودی و هم به صورت عملی مشاهده میگردد که این تغییرات تا حدود زیادی به کم شدن خطا در سرعت های پایین منجر شده است .

نرخ ارز و نوسانات آن به عنوان یکی از مهمترین ترین مسائل بخش بازرگانی خارجی هر کشور از اهمیت ویژه ای برخوردار است. عوامل زیادی همچون عوامل اقتصادی، سیاسی، و روانی بر نرخ ارز تاثیرگذار هستند و این عوامل خود باعث ایجاد شرایط نااطمینانی بیشتر می شوند. در این راستا تلاش سیاست گذاران در کاهش این نااطمینانی از طریق پیش بینی این متغیر باکمترین خطا بوده است. شبکه های عصبی مصنوعی از قابلیت بالایی در مدلسازی فرآیندهای پیچیده و پیش بینی مسیرهای غیرخطی پویا برخوردار هستند. لذا در این مطالعه سعی گردیده است تا با استفاده از شبک? عصبی مصنوعی(ann) علاوه بر مدل سازی و پیش بینی روزانه نرخ ارز طی دوره زمانی فروردین 1381 تا اسفند 1384، و کمینه نمودن خطای پیش بینی توسط این روش، نتایج آن با مقادیر پیش بینی شده توسط مدل arima بر اساس معیارهای اندازه گیری دقت پیش بینی، مورد مقایسه قرار گرفته و برای بررسی حساسیت نتایج مدل نسبت به نرخ ارز، تخمین مدل با روش مشابه برای سه دسته داده نرخ ارز دلار، یورو و پوند انجام گرفته است. نتایج تحقیق نشان می دهد که شبک? عصبی مورد استفاده، نسبت به مدل arima از قدرت پیش بینی بهتری برخوردار است و قیمت نرخ های ارز پوند و یورو تابعی از قیمتهای روز گذشته خود و قیمت نرخ ارز دلار تابعی از قیمت 6 روز گذشته خود است.

انتخاب نمونه یک مسئله اساسی در زمینه آموزش شبکه های هوشمند است، که هدف آن یافتن یک زیرمجموعه نمونه کوچک و بهینه از کل پایگاه داده است، درحالیکه بعنوان یک مجموعه نماینده از نمونه های اولیه، کارایی مناسبی بجای بگذارد. هدف از انتخاب نمونه، بهبود کارایی الگوریتم یادگیری مخصوصا برای پایگاه های داده با ابعاد بالاست که این کار توسط پیداکردن نمونه هایی که بیشترین تاثیر را بر روی طبقه بندی دارند انجام می شود. الگوریتم های انتخاب نمونه به دو دسته کلی تقسیم می شوند: روش های انتخابی و روش های تولیدی. هدف متدهای انتخابی انتخاب یک زیرمجموعه از نمونه های موجود در پایگاه داده است. اما متدهای تولیدی، نمونه های انتخاب شده را اصلاح می کنند و بدین ترتیب نمونه های جدیدی تولید می نمایند. روشهای انتخاب مثال موجود عموما برای طبقه بندی کننده نزدیک ترین همسایگی طراحی شده اند بنابراین باید بهینه ترین روش، انتخاب و بگونه ای اصلاح شود که با استفاده از آن بتوان برای شبکه های عصبی مصنوعی مثالهای موثر در آموزش را انتخاب نمود. در این پروژه یک روش ترکیبی که بر اساس ترکیب موثری از روش های انتخابی و تولیدی بوده معرفی شده است. بدین صورت از مزایای هر دو روش به طور موثری بهره برداری گردیده است. استدلال ما برای این افزایش توانایی و دقت این است که در روش های انتخابی، نمونه های موثر گزینش شده و از طرفی در روشهای تولیدی با تکیه بر این اصل که ممکن است نمونه مورد نظر در بهینه ترین مکان خود قرار نگرفته باشد، اقدام به اصلاح نمونه ها کرده و بهترین موقعیت را برای آنها ایجاد می نمایند. در فاز اول روش ترکیبی نمونه های نماینده انتخاب شده و سپس در فاز دوم به روش می نیمم یابی simplex nelder-mead ، مثالها بهینه سازی شده و مثال تولید شده جایگزین مثال قبلی می شود در واقع مثالهایی که از روش انتخابی کاندید می شوند ، حدس اولیه برای روش تولیدی هستند. روش های ارائه شده بر روی تعدادی از پایگاههای داده معتبر آزمایش شده و نتایج آنها در مقایسه با دیگر روشها تحلیل می شود. نتایج بدست آمده موثر بودن روشها را تایید می کند.

کنترل کننده های منطق فازی یکی از پرکاربردترین کنترل کننده ها در سیستم ها و کاربردهای مختلف بوده که در هر دو صورت سخت افزاری و نرم افزاری قابل پیاده سازی و اجرا می باشند. اما سیستم های نرم افزاری بنابر مشکلاتی مانند سرعت پایین در سیستم های پیچیده، در بسیاری از موارد دارای محدودیت می باشند. بنابراین جهت غلبه بر اینگونه مشکلات تمایل برای پیاده سازی سخت افزاری روبه گسترش است. در این پایان نامه مدارهای مختلفی برای پیاده سازی کنترل کننده های منطق فازی در هرسه قسمت: (1) فازی ساز (2) پایگاه قواعد (3) نافازی ساز در مد جریان با فنآوری cmos طراحی و توسط نرم فزار hspice شبیه سازی شده است. در قسمت اول، در مدارهای فازی ساز، دو مدار پیشنهاد شده است که نسبت به موارد مشابه دارای برتری های اساسی مانند افزایش کنترل پذیری، افزایش دقت و کاهش توان مصرفی می باشد که در دو تکنولوژی 0.35um و 90nm طراحی و شبیه سازی شده اند. مدار فازی ساز اول، مدار تولید تابع عضویت مثلثی با دقت بسیار بالا و توان مصرفی پایین با کنترل دیجیتال بوده که توسط ولتاژهای ترکیبی، کنترل پذیری بسیار بالایی را در شیب، ارتفاع و موقعیت تابع عضویت دارا می باشد. در مدار دوم، فازی ساز گوسی با کنترل پذیری بالایی در شیب، ارتفاع و موقعیت توابع عضویت پیشنهاد شده است که قابلیت تولید توابع مثلثی و ذوزنقه ای را نیز توسط ولتاژهای کنترلی آنالوگ در اختیار کاربر قرار می دهد. جانمایی این مدار با قابلیت تولید 5 تابع عضویت در تکنولوژی 0.35um توسط نرم افزار microwind صورت گرفته و شبیه سازی آن توسط نرم افزار tanner eda ارایه شده است. ابعاد این مدار 92.2um×16.6um بوده که در مقایسه با موارد مشابه بسیار مناسب می باشد. در قسمت دوم، مدار min-max با قابلیت کنترل دیجیتال جهت انتخاب عملگر min یا max ارایه شده است که استفاده از آن باعث افزایش کنترل پذیری مدار کنترل کننده فازی خواهد شد. در قسمت سوم نیز یک الگوریتم جدید در پیاده سازی مداری نافازی سازها، توسط روش نافازی سازی مرکز ثقل ممدانی، ارایه شده و با استفاده از مدارهای ضرب کننده/تقسیم کننده با دقت بالا، طراحی و پیاده سازی شده است. این الگوریتم با توجه به کاهش پیچیدگی های مدار و استفاده از مدارهای ساده، توان مصرفی مدار کنترل کننده فازی را کاهش داده و کنترل پذیری بسیاری بالایی را در طراحی توابع عضویت خروجی در اختیار کاربر قرار می دهد و به دلیل استفاده از روش نافازی ساز ممدانی، باعث افزایش دقت خروجی نهایی خواهد شد. در انتها دو مدار کنترل کننده فازی، توسط مدارهای ارایه شده، با تعداد توابع عضویت مختلف در ورودی و تعداد قوانین مختلف طراحی و پیاده سازی شده است. مدار کنترل کننده اول دارای دو ورودی با 3 تابع عضویت ، یک خروجی با 5 تابع عضویت مثلثی و 9 قانون بوده که توان مصرفی این مدار8.75mw محاسبه شده است که دارای سرعت استنتاج 11.9mflips می باشد. مدار کنترل کننده دوم نیز دارای دو ورودی با 4 تابع عضویت، یک خروجی با 7 تابع عضویت مثلثی و 16 قانون بوده که دارای توان مصرفی 16.3mw و سرعت استنتاجی معادل 10.5mflips می باشد. با مقایسه نتایج بدست آمده در نرم افزار hspice و انتقال آن به نرم افزار matlab جهت رسم رویه حاصل از خروجی و مقایسه آن با نتایج شبیه سازی حاصل از کنترل کننده فازی نرم افزاری، دقت بالای این کنترل کننده ها به وضوح مشاهده می شود. با توجه به ویژگی های مهمی مانند کنترل پذیری و دقت بسیار بالا به دلیل استفاده از نافازی ساز ممدانی، نتایج بدست آمده حاکی از سرعت و دقت بالای هر دو کنترل کننده در مقایسه با کنترل کننده های مشابه می باشد.

در این پروژه فیلتر مایکرواستریپ جدیدی برای به دست آوردن قابلیت انتخاب بالا و نیز باند قطع عریض ارائه شده است که از یک طرف از مزیت های رزوناتورهای سنجاقی مانند باند قطع عریض بهره می برد و از سوی دیگر از تضعیف کننده هارمونیک دایره ای در ساختار آن استفاده شده است که باعث گستردگی باند قطع می شود. همچنین مشکلات معمول رزوناتورهای سنجاقی قبلی، از قبیل نوسان در باند عبور و وجود هارمونیک در باند قطع را ندارد. این فیلتر پس از طراحی و بهینه سازی، ساخته شده است و نتایج حاصل از اندازه گیری صحت طراحی را تائید می کنند. مقایسه نتایج نشان می دهد که عملکرد کلی ساختار پیشنهادی از نظر ابعاد فیزیکی، تیزی پاسخ و عرض باند قطع نسبت به ساختارهای پیشین بهبود یافته است.

هدف از انجام این پایان نامه ، معرفی و بررسی روشی جدید برای بازسازی تصاویر با درجه تفکیک بالا از قطعات ویدئویی است. در این روش ، بازسازی تصاویر به کمک ترکیبی از روش هایی صورت می گیرد که در آنها از مدل مارکوف ، تبدیل موجک و روش لوسی ریچاردسون استفاده شده است. در این پروژه ابتدا بازسازی بر روی تک تک فریم ها انجام می شود و سپس الگوریتم را بر روی یک قطعه ویدئویی اجرا می نماییم. برای تست این الگوریتم، تصویر اصلی را با فیلتر دیسک و با قطر10 (بدترین حالت) مات نمودیم و سپس رزولوشن آن را به اندازه 32*32 پایین آوردیم. همانطور که گفتیم با استفاده از مدل مارکوف ، خروجی مورد نظر این مرحله را دریافت نموده که به عنوان باند جزئی ll برای مرحله نهایی ذخیره می شود. سپس تصویر تنزل یافته ورودی را درون یابی نموده و با استفاده از الگوریتم لوسی ریچاردسون و اعمال مورفولوژی اسکلتی بازسازی می نماییم. از تصویر خروجی این مرحله گرادیان افقی ، عمودی و قطری گرفته می شود و این تصاویر به عنوان باندهای جزئی lh ، hl و hh ذخیره می شوند. در نهایت از این 4 باند جزئی عکس تبدیل موجک می گیریم و تصویر خروجی بازسازی شده با اندازه512*512 از ورودی تنزل یافته 32*32 بدست می آید که دارای کیفیت مطلوبی است. برای تحلیل راهکار پیشنهادی از تحلیل mse و psnr استفاده نمودیم. در نهایت این الگوریتم با برخی الگوریتم های معمول مقایسه و صحت کار اثبات گردید.

مسیریابی برای یک ربات متحرک واقع در یک محیط با تعدادی موانع، یافتن مسیری است که ربات با پیمودن آن از مبدا به مقصد برسد بدون آنکه با موانع موجود برخورد کند. در این مسئله موضوعاتی چون کوتاه بودن مسیر و ساده بودن آن معیارهایی برای تعیین بهینگی مسیرهای انتخاب شده هستند. پیدا کردن الگوریتم های مناسب برای مسیریابی ربات های متحرک یکی از موضوعات علمی روز است. ربات های متحرک دارای استفاده های وسیعی در زمینه های مختلف به ویژه جایی که برای انسان خطر دارد مانند تحقیقات فضایی، صنایع هسته ای و معادن هسنتد. در این کاربرد ها یافتن یک مسیر مطمئن برای ربات لازمه موفقیت است. بنابراین پیدا کردن یک الگوریتم مسیریابی مناسب برای حرکت ربات از نقطه شروع به نقطه هدف و بدون برخورد با موانع موجود در محیط از ضروریات مهم رباتیک است. با توجه به تاثیر طول مسیر پیموده شده توسط ربات در مصرف انرژی و زمان عملکرد ربات، باید به دنبال الگوریتمی باشیم که کوتاهترین مسیر ممکن را پیدا کند.

پیشرفت تکنولوژی و استفاده از تکنیک های مختلف جهت کوچک سازی مدارهای مجتمع منجر به طراحی مدارهای بسیار کوچکی جهت کاربردهای پزشکی شده است. همچنین از مدولاسیون های مختلفی جهت ارسال داده ها استفاده می شود. فرستنده گیرنده های زیادی به همین منظور طراحی شده است اما مهمترین چالش هایی که در این راه وجود دارد مصرف توان و نرخ خطای بیت (ber) مدارهای طراحی شده است. در این تحقیق یک فرستنده گیرنده کم مصرف با کمترین آسیب به بافت بدن جهت ارسال سیگنال از قطعه خارجی به پیس میکر طراحی شده است. با توجه به اینکه مدولاسیون bpsk دارای نرخ خطای بیت بسیار کم و نویزپذیری کمتری نسبت به سایر مدولاسیون های دیجیتال است در این طراحی از مدولاسیون bpsk جهت ارسال و دریافت داده ها و تکنیک غیرمنسجم استفاده شده است. همچنین از تکنولوژی cmos 0.18 µm استفاده شده است و همه مدار با ولتاژ 1 و 8/1 ولت تغذیه شده است . مصرف توان مدار طراحی شده کمتر از 10 µw است. به علت استفاده از تکنیک غیرمنسجم ، پیچیدگی مدار و مصرف توان آن به شکل چشم گیری کاهش یافته است. جهت شبیه سازی مدار از نرم افزار ads استفاده شده است و نتایج آن در این تحقیق آمده است. آنچه این طراحی را از دیگر طراحی ها متمایز می کند مصرف توان بسیار کم و سادگی مدار فرستنده و گیرنده است. در مدار گیرنده به علت استفاده از تکنیک غیرمنسجم نیازی به pll نیست که باعث کاهش مصرف توان و پیچیدگی مدار می شود.

چکیده یکی از مسائلی که در پردازش تصویر و ماشین بینایی مورد توجه قرار می گیرد مسئله ردگیری یک هدف مشخص در یک دنباله از تصاویر می باشد. در این زمینه ازدیرباز روش های گوناگونی مطرح و مورد توجه قرار گرفته اند. در این روش ها معولا یک یا چند خصوصیت از هدف انتخاب شده و با اندازه گیری آن براساس روش خاص هر الگوریتم عملیات ردیابی انجام می شود. در این پایان نامه ابتدا به بررسی روش های موجود برای آشکارسازی و ردیابی پرداخته و سپس از روش pom برای ردیابی افراد در یک فیلم ویدئویی استفاده شده است . همچنین اثر چندین روش آشکارسازی حذف پس زمینه را بر روی این روش ردیابی بررسی کرده ایم که نتایج شبیه سازی نشان می دهد عملکرد روش gmm بهتر از بقیه روش ها بوده است.و این روش توانایی حذف اثر نویز و سایه افراد را دارد. برای ردیابی از ترکیب مدل حرکت و مدل ظاهری جهت بهبود نتایج استفاده شده است. با توجه به اینکه دیتای استفاده شده در این کار شامل تصاویر بدست آمده از چهار دوربین می باشد می تواند مسئله انسداد افراد را که یکی از مشکلات اساسی در ردیابی می باشد را حل کند.یکی از مزیت های روش به کار گرفته شده توانایی کنترل ورود و خروج افراد می باشد که در اکثر روش های قبلی یکی از مشکلات الگوریتم ها بوده است.

کمردرد مشکل و شکایت شایعی است که بسیاری از افراد در طول زندگی با آن روبرو می شوند. آمار نشان می دهد که?? درصد از افراد در دوران زندگی خود حداقل یک مرتبه به علت کمردرد به پزشک مراجعه کرده اند. اگرچه علت کمردرد در بسیاری از بیماران ازطریق شکایت بیمار، آزمون های بالینی و آزمایشگاهی و همچنین بخش تصویر برداری پزشکی قابل شناسایی است، ولی به دلیل شایع بودن دردهای ناحیه کمر و عوامل مختلفی که در ایجاد آن نقش دارند ، تشخیص علت اصلی به وجود آورنده کمردرد مشکل است. این تحقیق در زمینه تعیین ویژگی های موثر در کمردرد با استفاده از شبکه های عصبی هوشمند (anns) می باشد . شبکه های عصبی هوشمند مانند فرد خبره مستعد یادگیری هستند و می توانند بسیار دقیق عمل کنند . شبکه های عصبی در رشته هائی نظیر علوم عصب شناسی ، ریاضیات ، فیزیک ، علوم کامپیوتر و مهندسی کاربرد دارند و همچنین می توانند در مدلسازی ، آنالیز سری زمانی ، تشخیص الگو ، پردازش سیگنال و کنترل مورد استفاده قرار گیرند . مهمترین وی‍ژگی شبکه ی عصبی توانایی یادگیری با و یا بدون نظارت معلم می باشد . این شبکه بر توسعه مدل های پردازش توزیع شده ی موازی (pdp) اصرار دارند . این مدل ها فرض می کنند که پردازش اطلاعات از طریق اثر متقابل تعداد زیادی از نرون ها اتفاق می افتد که سیگنال های تحریکی و بازدارندگی را در شبکه به دیگر نرون ها می فرستد . لذا امیدواریم تا با تئوری این شبکه وبا استفاده از یکی از انواع آن به نام های شبکه چند لایه پرسپترون(mlp) و فازی بتوان سطوح کمردرد را از لحاظ زمانی تعیین کرد. در این تحقیق ما ویژگی های موثر در کمردرد را با استفاده از شبکه عصبی هوشمند (مانندmlp)تعیین می کنیم . و سوال اصلی تحقیق این است آیا می توان با استفاده از ویژگی هائی نظیر دامنه حرکتی ، سن ، قد ، وزن ، شدت درد ، محدودیت حرکت ، تحمل اکستانسور تنه ، تحمل فلکسور تنه ، اندیس لومبوساکرال و زاویه لوردوز کمردرد را از لحاظ زمانی به دوره های حاد ، تحت حاد و کمردرد مزمن تقسیم بندی کرد ؟ در پاسخ بایستی گفت در این تحقیق نشان خواهیم دادکه با استفاده از شبکه فازی و mlp هر نمونه با بیشترین دقت و کمترین خطا کلاسبندی می شود .پس هدف این تحقیق ، تعیین بهترین کلاس از لحاظ زمان وقوع کمردرد برای هر بیمار می باشد .

در این پایان نامه یک مدار حلقه قفل تاخیر با دو لبه سنکرون شونده با سرعت قفل بالا، محدوده فرکانسی وسیع و ولتاژ تغذیه پایین شرح داده شده است که اغلب در پروسه های هم تراز کننده ساعت مورد استفاده قرار می گیرد. در این پروژه، دو معماری تقریبا مشابه پیشنهاد شده است. نتایج شبیه سازی با برنامه hspice بر پایه تکنولوژی های cmos ?m18/0 و ?m13/0 می باشد. معماری پیشنهادی اولیه، حلقه قفل تاخیر با دو لبه سنکرون شونده را بر پایه تکنولوژی ?m18/0 با ولتاژ تغذیهv 8/1 می باشد. بازه فرکانسی این مدار بین mhz750 الی ghz1 است. مدار قفل سریع حلقه قفل تاخیر (ماکزیممns 20) همراه با دو لبه سنکرون شونده با به کارگیری آشکارسازهای فاز-فرکانس با سرعت بالا به دست آمده است. آشکارسازهای فاز-فرکانس پیشنهادی دارای ناحیه مرده کوچکی هستند. همچنین دو پمپ بار تفاضلی به کار گرفته شده اند، زیرا در این مدار انتخاب های مناسب تری می باشند و از مزایای مهم این دو پمپ بار، ارتقاء زمان سوئیچ آن ها توسط سوئیچ های هدایت کننده جریان را می-توان نام برد. مشخصه دیگر این ساختار قابلیت اصلاح مناسب چرخه کار است (9/0%±50). از طرف دیگر، همان طور که می دانیم استفاده از روش دو لبه سنکرون شونده ما را به سوی مصرف بیشتر توان سوق می دهد و متعاقبا باعث افزایش جیتر rms و peak-to-peak را افزایش می دهد که علت این امر استفاده از دو مدار آشکارساز فاز-فرکانس ، دو مدار پمپ بار و دو فیلتر حلقه به جای استفاده از یکی از این هر کدام از این مدار ها است. بنابراین در این پروژه جیتر rms، جیتر peak-to-peak و مصرف توان نیز مورد بررسی قرار گرفت. حداکثر توان مصرفی مدار حلقه قفل تاخیر،mw 4/3 در فرکانسghz 1 است.حداکثر و حداقل جیتر rms به ترتیب ps98/5 وps771/0 و حداکثر و حداقل جیتر peak-to-peak به ترتیب ps08/102 و ps13/18 می باشد. از طرف دیگر، یک مدار تقریبا مشابه نیز در تکنولوژی ?m13/0 به همراه ولتاژ منبع تغذیهv 2/1 شبیه سازی شده است. بازه فرکانسی این مدار نیز بین mhz750 الی ghz1 است. زمان قفل این مدار کمتر از ns60 در تمام بازه فرکانسی ذکر شده است. حداکثر توان مصرفی این مدارmw 1/3 در فرکانسghz 1 است.حداکثر و حداقل جیتر به ترتیب ps5/17 وps5/2 و حداکثر و حداقل جیتر peak-to-peak به ترتیب ps3/125 و ps7/19 می باشد. خطای چرخه کار برای حلقه قفل تاخیر با دو لبه سنکرون شونده پیشنهادی 1%±50 می باشد. نتایج شبیه سازی های صورت گرفته حاکی از آن است که استفاده از روش حلقه های قفل تاخیر با دو لبه سنکرون شونده می تواند بدون ایجاد مشکل در جیتر و یا مصرف توان صورت گیرد. همچنین این نتایج نشان می دهند که نه تنها زمان قفل، بلکه تمامی پارامترهای مهم در حلقه های قفل تاخیر ارتقاء پیدا نمودند. این امر زمانی به وقوع می پیوندد که ساختارهای مداری مناسبی انتخاب شده باشند. در نتیجه، زمانی که نیاز به استفاده از یک حلقه قفل تاخیر با دو لبه سنکرون شونده به جای یک لبه سنکرون شونده داریم، هیچ گونه نگرانی در مورد پارامترهای ذکر شده نخواهیم داشت.

امروزه مدارات fpga نقش مهمی در طراحی سیستم های الکترونیکی دیجیتال دارند. در طراحی داخلی fpga نحوه ی قرار گیری بلوک های منطقی یعنی، جانمایی نقش مهمی در عملکرد بهتر مدار دارد. جانمایی به طور مستقیم زمان بندی، مسیریابی، طول و تراکم سیم ها را تحت تاثیر قرار می دهد. به طور کلی طراحی بهینه منجر به تولید قطعه الکترونیکی بهتر و در نتیجه هزینه کمتر در فرایند ساخت و تولید خواهد شد. در این پایان نامه الگوریتم های تکاملی ژنتیک، کلونی مورچه ها و کلونی زنبور عسل برای جانمایی بهینه بررسی شده است. وسعت دامنه ی کاربرد، سهولت استفاده و توانایی دستیابی به جواب بهینه از دلایل استفاده از این الگوریتم هاست. نتایج طراحی و جانمایی مدارها از لحاظ فضای اشغال شده، طول سیم های اتصالی و نیز تراکم سیم ها مقایسه می گردد. نتایج شبیه سازی ها نشان می دهد که روش ترکیبی جدید الگوریتم کلونی مورچه ها با جهش (aco+mut) می تواند ابعاد مدار و طول سیم ها را بهینه سازی کند، اما به علت نسبت عکس تراکم با اندازه نمی تواند تراکم را به خوبی الگوریتم کلونی مورچه ها بهینه نماید.

بیماری صرع یک اختلال عصبی است که به علت تخلیه غیر?طبیعی انرژی?الکتریکی در مغز رخ می?دهد و نشان?های از وجود نوعی اختلال مزمن در عملکرد مغز است. حملات ناگهانی که منحصراً در یک قسمت مغز رخ می دهند حملات جزئی نام دارند و مشکلات فراوانی را در زندگی بیماران مصروع ایجاد می کند. پیش بینی زمان وقوع حملات صرع به عنوان ابزاری برای جلوگیری از وقوع حمله و یا هشداری برای بیماران، می تواند نقش بسزایی در ارتقاء سطح زندگی آن?ها داشته باشد. امروزه با پیشرفت علوم ریاضی و مهندسی این حملات را چند دقیقه و یا حتی چند ساعت قبل از روی سیگنال الکتروآنسفالوگرافی? (eeg) پیش بینی می کنند. بدین منظور نیاز به گرفتن مداوم این سیگنال از سر بیمار می باشد ولی بدلیل حساسیت بالایی که این سیگنال نسبت به نویز دارد امکان ثبت آن بصورت سیار و خارج از شرایط کلینیکی وجود ندارد. متغیر مهم دیگری که به هنگام بروز صرع جزئی تحت تاثیر قرار می گیرد، نرخ و ضربان قلب است. به منظور بررسی این تغییرات نیاز به ثبت سیگنال الکتروکاردیوگرام?(ecg) است که به صورت سیار و خارج از شرایط کلینیکی از بیمار قابل ثبت می?باشد. با توجه به اهمیت و کاربردهای فراوان پیش بینی حملات صرع و جهت نزدیکتر شدن به پیاده سازی عملی این سیستم، در این پایان نامه با استفاده از اطلاعات سیگنال ecg به پیش بینی کوتاه مدت حملات صرع جزئی پرداخته شده است. بدین جهت، ابتدا با استفاده از الگوریتم آشکارسازی قله r?، محل دقیق ضربان?های?قلب آشکار شد سپس ویژگی?های آماری (میانگین، واریانس، بیشینه، کمینه، میانه و انحراف معیار)، تبدیل موجک گسسته و چگالی طیفی?توان از هر ضربان استخراج شدند. پس از آن بردار ویژگی حاصل توسط دو طبقه?بندی کننده ی شبکه?عصبی پرسپترون چند لایه و k نزدیکترین همسایگی طبقه?بندی شد و بهترین نتیجه توسط طبقه?بندی?کننده knn بدست آمد که دو کلاس حالت حمله و غیرحمله را با صحت 91.85% طبقه?بندی کرد. پس از آن میزان موثر بودن هر ویژگی توسط الگوریتم uta تعیین شد و منجر به حذف 201 ویژگی بی?تاثیر شد. در مرحله بعد به منظور بهبود نتایج، ویژگی?های نماهای?لیاپانوف و واریانس?تاکوگرام از ریتم?قلب استخراج شدند و بردار ویژگی جدید از ترکیب ویژگی?های موثر بدست آمده از ضربان?قلب و ویژگی?های استخراج شده از ریتم?قلب، حاصل شد سپس دو کلاس حالت حمله و غیرحمله با دو طبقه?بندی ذکر شده تفکیک شدند. در این حالت صحت به میزان 99.77% توسط شبکه?عصبی پرسپترون چند لایه افزایش یافت. بدین منظور از ضربان?های قلبی طبیعی و صرعی موجود در پایگاه داده physionet استفاده شده است.

علم پردازش تصویر در پزشکی از اهمیت ویژه ای برخوردار است. یکی از مهمترین و پرکاربردترین زمینه های پردازش تصویر، الگوریتم های دوخت تصاویر می باشند. این الگوریتم ها به بیان روش هایی برای اتصال بدون عیب چند تصویر با ناحیه مشترک، به منظور دستیابی به تصویری یکپارچه و بی شکاف می پردازند. در این پایان نامه پس از تعاریف اولیه و بیان روش های متفاوت دوخت تصاویر به شیوه های مبتنی بر ویژگی ، روشی جهت دوخت خودکار تصاویر رادیولوژی بر مبنای ویژگی های مبتنی بر پیکسل ارائه شده است. در این روش با توجه به بافت هموار تصاویر رادیولوژی و به منظور افزایش تعداد ویژگی های استخراجی، پس از بهبود کیفیت تصاویر اولیه، یک ماسک ایزوتروپ 45 درجه به هر تصویر اعمال شده تا جزئیات تصویر نمایان گردد، پس از این فرآیند با استفاده از روش shine نویز حاصل از تابش متناوب اشعه x بر آشکارساز را در حد قابل قبولی کاهش می دهیم. ویژگی های نقطه ای را با انتخاب پیکسل هایی با بیشینه یا کمینه ی مقدار روشنایی در همسایگی های مشخصی از تصاویر حاصله بدست می آوریم. این الگوریتم ویژگی های نقطه ای را به بردارهایی با 128 بعد تبدیل می نماید. برای مشخص سازی نواحی مشترک بین تصاویر پایه، بردارهای ویژگی یکسان از هر تصویر را با استفاده از خواص ریاضی بردارها مشخص نموده و تبدیل هندسی مناسب بین جفت ویژگی های تطبیق یافته را توسط الگوریتم ransac می یابیم و در نهایت با اعمال مدل حرکتی حاصله بر تصاویر اولیه، آن ها را در یک سطح مشترک به یکدیگر می دوزیم.

موتور dc امروزه هم در جهان بدلیل قابلیت کنترل آسان سرعت هنوز مورد استفاده قرار می گیرد. در این پایان نامه طراحی و شبیه سازی یک کنترل کننده ی سیستم عصبی فازی سازگار(adaptive neuro fuzzy inference system) تحقیق می شود که این کنترل کننده در روش کنترل سرعت مدولاسیون پهنای باند(pulse width modulation)، بر روی یک موتور dc تحریک مستقل به کار گرفته شده است. هدف اصلی از انجام این کار، کاهش جریان راه اندازی موتور dc و حذف نوسانات جریان است. که البته در کنار آن مشخصه های رفتاری سیستم مانند: زمان صعود، فراجهش، زمان نشست و خطای حالت ماندگار سیستم نیز بررسی می گردند. در این پایان نامه، مقایسه بین کنترل کننده ی anfis و دیگر کنترل کننده های معروف موتور dc یعنی کنترل کننده های pid و fpid انجام می گیرد به طوری که شبیه سازی در محیط نرم افزار matlab است.

باپیشرفت تکنولوژی میکروالکترونیک، مدارات مجتمع باکاربردخاص پیاده سازی میشوند. با افزایش تعداد ترانزیستورهاو پیچیدگی مدارات مجتمع، به تدریج معماری سیستم روی تراشه مطرح شد. یکی از مهمترین مسائل و مشکلات مطرح شده در این سیستم ها، ارتباطات درون تراشه ای است که برای رفع این مشکل معماری شبکه روی تراشه (noc) پیشنهاد شده است.شبکه روی تراشه افزایش مقیاس پذیری، قابلیت اطمینان وپهنای باند قابل دسترس شده و بعلاوه قابلیت استفاده مجدد و نیز انجام پیش بینی را دارا است. در تحقیق حاضر یک روش مسیریابی هوشمند با استفاده از شبکه عصبی از نوع شبکه هاپفیلد پیاده سازی می شود. در ابتدا مزایای شبکه روی تراشه و ساختار کلی ان ارائه شده است. سپس توپولوژی های مختلف مانند مش، توری، درخت و.... مطرح گشته و آنگاه الگوریتم های رایج مسیریابی برای توپولوژی مش به اجمال توضیح داده شده اند. سپس پایان نامه با معرفی شبکه عصبی ادامه پیدا کرده و در انتها نتایج شبیه سازی روی یک توپولوژی مش7×7 ارائه شده و تحلیل نتایج خروجی درج شده است. روش مسیریابی با شبکه عصبی هاپفیلد در مقایسه با الگوریتم xy و فرد- زوج به کاهش تأخیر و افزایش توان گذردهی در شبکه های روی تراشه با توپولوژی مش منجر شده و توان مصرفی در این روش نسبتاً مناسب است.

مواد پیزوالکتریک با توجه خاصیت ذاتی منحصر به فردی که در تبدیل انرژی میکانیکی به انرژی الکتریکی و برعکس دارند،مناسب ترین گزینه جهت استفاده از انرژی های متقابل میباشند. با توجه به پیشرفت اخیر در علم پزشکی از ایمپلنت های مختلفی جهت کاربرد های مختلف از جمله اندازه گیری فشار خون،تزریق انسولین به بدن و... استفاده میشود که نمونه پیشرفته این دستگاه ها بی سیم بوده و توان مورد نیاز آن ها از طریق باتری تامین میشود. با این حال باتری ها طول عمر محدود داشته و با از دست دادن توان خود،سنسورها باید بازیابی و باتری ها جایگزین شوند.با توجه به اینکه سنسور در محلی دور از دسترس و در بدن قرار داده شده،جایگزینی باتری میتواند به کاری پرهزینه و البته پرخطر تبدیل شود..باتوجه به اینکه یک منبع انرژی بسیار مهمی بنام خون همواره در بدن جریان دارد،میتوان از انرژی حرکتی خون استفاده کرده و توان مورد نیاز ایمپلنت های کاشته شده در بدن را بصورت سرخود تامین و استفاده کرد که در این پایان نامه نظریه چگونگی استفاده از جریان خون توسط مواد پیزوالکتریک بررسی شده و تخمین انرژی تولیدی با استفاده از نرم افزار کامسول مورد تجزیه و تحلیل قرار گرفت و طرح ایده ال جهت دریافت حداکثر انرژی بدست آمد.با توجه به اینکه جریان خون یک سیکل متناوب بوده،پایداری و انعطاف طرح پیشنهادی بسیار مهم میباشد. بنابراین جهت برآورده کردن این نیاز،از طرح دیافراگمی با استفاده از مواد پیزوالکتریک استفاده شد که از لحاظ پایداری بسیار مناسب و از طرفی مقدار انرژی دریافتی از این طرح بیشتر می باشد.طرح دیافراگمی پیشنهادی برای چند ماده پیزوالکتریک از جنس pzt با استفاده از نرم افزار کامسول شبیه سازی و نتایج باهم مقایسه گردید.

برای آنکه کاربران، در مورد تعیین میزان دسترسی برنامه کاربر به منابع کامپیوتر خود، از جمله: پهنای باند، ظرفیت فضای دیسک سخت یا اولویت پردازش تسلط کامل داشته باشند، الگوریتم های فرااکتشافی علاوه بر برقراری حداکثر پهنای باند، باید شرایط انتقال داده ها را در بستر محیط های ابری و مشبک با حجم عظیمی از اطلاعات، برای به اشتراک گذاری میان منابع درون سازمان های مختلف در کوتاه ترین زمان ممکن با توجه به توان های محاسباتی نامتوازن و ناهمگون فراهم کنند، تا بتوانند محاسبات سنگین و پیچیده را برای ارتباط با سرویس دهنده مرکزی انجام دهند[6]. پیدا کردن پاسخ بهینه در کمترین زمان از آن جهت اهمیت یافته است که زمانبندی وظایف، جهت تخصیص منابع فیزیکی ناهمگون برای اجرای کار ها باید به صورت ماشین مجازی یک واحد انتزاعی از ظرفیت های محاسباتی و ذخیره سازی تهیه شده در محیط ابری و مشبک در نظر گرفته شود هدف از این پایان نامه عرضه روش جدیدی است که بتواند برای حل مسئله زمان بندی در محیط های توزیع شده، پاسخ مناسب را در کوتاه ترین زمان ممکن در محیط های ابری و مشبک ارائه دهد، که این هدف توسط الگوریتم تکاملی پیشنهاد شده محقق می گردد. از میان الگوریتم های فرا اکتشافی، الگوریتم ژنتیک در مسائل جستجوی موازی به صورت دقیق تری پاسخ نزدیک به پاسخ بهینه را ارائه می کند. به عبارت دیگر هدف این است که در حل مسئله زمانبندی به عنوان یک مسئله کاملا پیچیده ، سیستم پروسه ایی زمان بندی می بایست به صورت اتوماتیک و بسیار سریع انجام گیرد. این اهداف با در نظر گرفتن معیار هایی چون سرعت اجرا و کاهش تلفات و هزینه های ناشی از مسیر های تکراری و کاهش زمان واقعی و نرخ بهره وری استفاده از منابع، توازن بار و لزوم پاسخ دهی سریع به در خواست ها برای یافتن پاسخ بهینه در کوتاه ترین زمان ممکن در محیط های فوری مانند ابری و مشبک انجام می شود.

چکیده پایان نامه (شامل خلاصه، اهداف، روش های اجرا و نتایج به دست آمده) : با پیشرفت و گسترش سریع مدارهای دیجیتال و آنالوگ، مسئله ی آزمایش و تشخیص خرابی مدار هم به یک مسئله ی مهم تبدیل شده است. در تحقیق حاضر روشی را برای تشخیص خرابی معرفی می کنیم که ترکیبی از الگوریتم ژنتیک و شبکه های عصبی می باشد. درابتدا برای هر قطعه از مدار مقادیری خارج از محدوده ی مجاز آن اختصاص داده می شود، سپس به ازای هریک از این مقادیر مدار شبیه سازی شده والگوریتم ژنتیک اجرا می شود. نتایج بدست آمده به عنوان ورودی به طبقه بندی کننده شبکه عصبی داده می شوند. نتایج بدست آمده دقت و کارآیی روش را به خوبی نشان می دهند.

در این پایان نامه از دو شبکه عصبی پرسپترون چند لایه (mlp) که به صورت با سرپرست آموزش می بینند جهت تشخیص و ردیابی دست استفاده شده است. شبکه نخست جهت تشخیص پوست آموزش می بیند و شبکه دوم علاوه بر تشخیص دست، حالات مختلف دست را نیز تشخیص می دهد. از شبکه اول یک تصویر باینری که ناحیه پوست را نشان می دهد، به دست می آید و این تصویر به شبکه دوم داده می شود، هر دو شبکه دارای دو کلاس است. در شبکه اول، کلاس اول پوست و کلاس دوم غیرپوست. در شبکه دوم برای تشخیص دست از صورت نیز از دو کلاس استفاده شده؛ که کلاس اول دست و کلاس دوم صورت است. در پایان این دو شبکه بر روی fpga پیاده سازی می شوند. ویژگی ها در شبکه دوم به صورتی انتخاب شده است که برای ردگیری، وابستگی به نزدیک کردن دست به دوربین نداشته باشد، تا بتوان از هر فاصله و با هر ابعادی دست و حالات آن را ردگیری کرد. همچنین این ویژگی ها در عین حال که از نظر تعداد (جهت بالا بردن سرعت پردازش) مناسب است، از دقت قابل قبولی نیز برخوردار است. در واقع در این پایان نامه سعی شده است، علاوه بر سرعت، دقت نیز مورد توجه قرار گیرد که بتوان یک سیستم کاربردی برای hci به وجود آورد.

برج تقطیر نفت یکی از مهمترین و پیچیده ترین سیستم های موجود در صنعت نفت است. دراین تحقیق قسمت های مختلف یک برج تقطیر معرفی شده و ورودی و خروجی ها معرفی می شوند. همچنین روند کلی کارکرد برج تقطیر بررسی می شود. همچنین با توجه به اهمیت بالای تولید بهترین محصولات با بالاترین خلوص، کنترل بهینه این فرایند معرفی می شود. برج تقطیر جهت جداسازی محصولات با ترکیب سبک تر از محصولات سنگین تر استفاده می شود. برج تقطیرشامل یک برج حاوی تعداد مشخصی سینی می باشد که سیال ورودی بر روی یکی از سینی ها ریخته می شود ومطابق با قوانین فیزیکی- شیمیایی مانند قوانین بقای انرژی، جرم و ممنتوم(مایع از روی سینی ها به سمت پایین حرکت کرده و گازتولیدی در پایین برج، به سمت بالا حرکت می کند. در بالای برج یک دستگاه خنک کننده جهت تبدیل گازهای سبک بالای برج به مایع و درپایین برج یک گرم کننده جهت جدا کردن محصولات سبک تر مثل گازها از مایع پایین برج وجود دارد. علاوه بر این ها یک مخزن دیگر جهت برگرداندن یک مایع سبک بالای برج به داخل برج وجود دارد. در حال حاضر در اکثر پالایشگاه ها برای کنترل پروسه تقطیر از کنترل کننده تناسبی استفاده می شود. این کنترل می تواند با دستگاه های قدیمی مانند کنترل کننده های نیوماتیکی و یا سیستم های مدرن کنترل برنامه پذیرانجام شود. ولی درهر دوصورت، هر کمیت جداگانه با کنترل کننده تناسبی کنترل می شود. در این پایا ن نامه کنترل خودکار یک برج تقطیر با محصولات نهایی متانول و آب توصیف شده است که متانول بعنوان محصول بالای برج و آب بعنوان محصول پایین برج می باشند و بترتیب دارای جزء مولی (98/0 و 02/0) هستند. کنترل این برج تقطیر با استفاده از کنترل کننده شبکه عصبی انجام شده است. در ابتدا قبل از طراحی کنترل کننده های شبکه عصبی، دینامیک وعملکرد برج تقطیر بررسی شده و پس از رسیدن به معادلات حاکم در تک تک بخش های برج تقطیر با استفاده از راهبرد کنترلی در نظر گرفته شده و با توجه به ویژگی های تقطیر اعم ازغیرخطی بودن، تغییرپذیری با زمان و...، کنترل کننده های مورد نظر طراحی شدند. بطور خلاصه دو کار مهم و اصلی انجام شده در این پروژه را می توان به این صورت بیان کرد: 1- شبیه سازی کل فرآیند برج تقطیر با تمام قسمت های آن تغلیظ کننده، جوشاننده و انتقال جرم برروی سینی ها 2- شبیه سازی کنترل کننده سیستم با استفاده از کنترل کننده شبکه عصبی به روش narma-l2 و مقایسه نتایج بدست آمده با کنترل کننده فازی. نتایج بدست آمده نشان می دهد که سرعت رسیدن به نتیجه نهایی در حضور تغییر ورودی و وجود اغتشاش بیشتر می شود. همچنین خطای ماندگار خروجی ها در حد ناچیز است.

یک شبکه حسگر شامل تعداد زیادی گره های حسگر است که در یک محیط بطور گسترده پخش شده و به جمع آوری اطلاعات از محیط می پردازند. لزوما مکان قرار گرفتن گره های حسگر، از قبل تعیین شده و مشخص نیست. چنین خصوصیتی این امکان را فراهم می آورد که بتوانیم آنها را در مکانهای خطرناک و یا غیرقابل دسترس رها کنیم. یک حمله استاندارد در شبکه های حسگر بی سیم، ایجاد پارازیت در یک گره یا گروهی از گره ها می باشد. حسگر ها تغییرات پارامتر های خاص و مقادیر را کنترل می کنند و طبق تقاضا به چاهک گزارش می دهند. در زمان ارسال گزارش ممکن است که اطلاعات در راه عبور تغییر کنند، مجدداً پخش شوند و یا ناپدید گردند. از آنجایی که ارتباطات بی سیم در مقابل استراق سمع آسیب پذیر هستند، هر حمله کننده می تواند جریان ترافیک را کنترل کند، در عملیات وقفه ایجاد کند و یا بسته ها را جعل کند. بنابراین، اطلاعات اشتباه به چاهک ارسال می شود. به دلیل اینکه گره های حسگر معمولا دارای برد کوتاهی برای انتقال می باشند و منابع محدود دارند، حمله کننده ی با قدرت پردازش بالا و برد ارتباطی بیشتر می تواند بطور همزمان برای تغییر اطلاعات واقعی در طول انتقال، به چندین حسگر حمله کند. حمله نفوذگر در شبکه های حسگر باعث مصرف زیاد انرژی می شود. الگوریتم های تکاملی رویه های جست و جوی تصادفی هستند، که بوسیله ی مکانیسم ژنتیک و انتخاب طبیعی کار بهینه یابی را به انجام می رسانند. الگوریتم ژنتیک یکی از انواع الگوریتم تکاملی است. در این تحقیق پروتکل پیشنهادی مبتنی بر الگوریتم ژنتیک و مشبک سازی محیط، برای مسیریابی امن در راستای کاهش مصرف انرژی ارائه شده است، بدین صورت که الگوریتم ژنتیک در طول چندین نسل تکرار گردیده است. نتایج حاصل از شبیه سازی نشان می دهد که استفاده از این روش موجب بهبود مصرف انرژی در طول نسل های متوالی و در نتیجه یک مسیریابی امن در شبکه حسگر بی سیم شده است.

در دهه¬های اخیر فناوری ساخت ابزاردقیق در ابعاد بسیار ریز رشد فزاینده¬ای پیدا کرده و استفاده از میکرو حسگرها در حوزه های فراوانی گسترش یافته است. ساخت حسگرها در مقیاس میکرونی در مقایسه با حسگرهای سنتی دارای قیمت کم، اندازه کوچک و مصرف کم می¬باشند. سیستم¬های میکرو¬الکترومکانیک تحولی نوین هستند که با قیمتی کم وسرعتی بالا با کمک فناوری ساخت مدارات مجتمع ساخته می¬شوند و به تراشه¬ حسابگر مدارات مجتمع، حسگر و محرک را می¬افزایند. این تکنولوژی برای طراحی و ساختن و اداره کارهای تخصصی متنوع از جمله در مسائل مهندسی مکانیک، علم مواد، مهندسی برق، ابزاردقیق، مهندسی شیمی مورد استفاده قرار می¬گیرد. یکی از کاربردهای وسیع سیستم¬های میکروالکترومکانیک در ساخت حسگرهای فشار می¬باشد. حسگرهای فشار مبتنی بر تغییر مقاومت نواحی نفوذ داده شده (پیزومقاومت¬ها) به واسطه ایجاد تنش و خاصیت تشدیدی المان مرتعش دیافراگم برای تبدیل متغیر فیزیکی فشار به سیگنال الکتریکی استفاده می¬شود. در این پایان نامه به بررسی حسگر فشار پیزومقاومتی بر پایه تکنولوژی میکرو¬الکترومکانیک جهت تشخیص نشت بخار بنزین پرداخته شده است. این حسگر شامل لایه حساس دیافراگم و پیزو مقاومت بوده که با بکارگیری نرم افزار comsol ساختار آن شبیه¬سازی شده است. در اینجا محاسبات و برخی نمودارها با استفاده از نرم¬افزار matlab بدست آمده است. غلظت گاز به فشار تبدیل شده و فشار معادل به دیافراگم وارد می¬شود و نهایتاً تغییر وضعیت و ولتاژ خروجی رصد خواهد شد و عملکرد آن از لحاظ بهبود حساسیت بررسی می¬شود.

ساختار شبکه های اجتماعی آنلاین در اکثر موارد نمی تواند فقط با ارتباطات بین اعضای آن توصیف شود. با توسعه وب سایت های رسانه های اجتماعی، کاربران بیشتری شروع به نشان دادن نگرش ها و احساسات خود نسبت به دیگر کاربران کرده اند. روابط بین کاربران در سایت های رسانه های اجتماعی اغلب مخلوطی از تعاملات مثبت یا دوستانه همچون اعتماد، علاقه و تعاملات منفی همچون عدم اعتماد و عدم علاقه است. برای مدل کردن این روابط از شبکه های علامت دار استفاده می شود. یکی از مسائل مطرح در زمینه شبکه های علامت دار، مسئله پیش بینی علامت یال هاست. منظور از پیش بینی علامت یال در گراف های شبکه های اجتماعی این هست که، با داشتن یک شبکه اجتماعی و علامت برخی از یال های آنها، علامت یال هایی که ناشناخته یا پنهان هستند را تعیین کنیم. تاکنون تحقیقات فراوانی در این حوزه صورت گرفته است. برخی از جدیدترین تحقیقات سعی کرده اند که با استخراج ویژگی هایی از وضعیت خود کاربران و روابط آنها با همسایگانشان به حل این مسئله بپردازند که نتایج این تحقیقات نشان دهنده موفقیت نسبی این روش ها برای حل این مسئله است. در این پروژه سعی بر این بوده است که رویکرد جدیدی برای حل این مسئله ارائه شود که تاکنون به آن پرداخته نشده است. در این رویکرد تلاش شده است، با استفاده از شبکه عصبی تاخیر زمان توزیع شده به ارائه یک مدل بپردازیم که علامت یک یال پنهان یا ناشناخته را پیش بینی کند. درواقع هدف این است که شبکه عصبی با استفاده از داده های موجود، آموزش داده شود و سپس به ارزیابی کارایی آن شبکه بپردازیم. پیاده سازی های ما بر روی مجموعه داده های واقعی رسانه slashdot نشان می دهد که این الگوریتم ها در کنار سادگی، در مقایسه با روش های موجود دقت بالاتری در پیش بینی علامت دارند.

در قسمت های پیشین مدل موجود مصرف سوخت هواپیما که بر اساس عملکرد هواپیما طرح ریزی شده بود را مورد بررسی قرار دادیم . مزایا ومعایب آنرا مورد بررسی تشریح قرار دادیم و در ادامه مدل مصرف سوخت به کمک شبکه عصبی را مورد تحلیل قرار داده و بهبود بخشیدیم . سپس با استفاده از داده های موجود کتابچه راهنمای پرواز خلبانان شبکه مورد نظر را آموزش دادیم و پس از آن توانستیم پیش بینی و تخمینی از مصرف سوخت برای یک هواپیمای آزمایشی داشته باشیم. در ادامه نیز نتایج را با مقادیر واقعی در راهنمای پرواز مقایسه نمودیم ، نتایج به صورت زیر خود را نشان می دهند. 1 – مزّیت روش موجود (یعنی روشی که در آن از شبکه عصبی استفاده نشده است) این است. که توان آن را به گونه ای از برنامه های شبیه سازی مسیر هواپیما اعمال نمود ولی مشکل و نقص عمده و اصلی این مدل در بدست آوردن داده ها و ضرایبی است که در معادله به کار می روند و ما مجبور هستیم آنها را به صورت تجربی و مستقیم از آزمایش های پرواز بدست آوردیم. 2 – همان طور که ملاحضه شد ، داده های موجود در کتاب راهنمای پرواز خلبان ، منبع قابل اتکایی در مدل نمودن مصرف سوخت می باشد. در ضمن می توانیم از این داده ها در بهبود و ارتقاء شبکه عصبی استفاده کنیم. 3 – نتایج بدست آمده از شبکه عصبی در پیش بینی مصرف سوخت نشان می دهد که شبکه عصبی همراه با اعمال آموزش صحیح و دقیق می تواند ابزار موثر و دقیقی در محاسبه مصرف سوخت هواپیما باشد. 4 – شبکه عصبی جایگزین مناسبی در تخمین مصرف سوخت می باشد. 5 – مدل بکار گرفته شده به کمک شبکه فوق ، مدلی کارآمدتر و وسیله ای و دقیق تر نسبت به مدل و تکنیک قبلی استفاده شده است.

با رشد سریع تکنولوژی، ساخت مدارهای الکتریکی به سمت نانو پیش می رود که با کاهش ابعاد قطعات، می توان از قطعات بیشتری در مدارات بهره برد. یکی از محتمل ترین جایگزینهای ترانزیستورهای سیلیکونی، به خاطر خصوصیات الکترونی عالی و ظرفیت بالای حمل جریان، ترانزیستورهای نانو لوله کربنی است. با نانو متری شدن ابعاد قطعات با توجه به محدودیتها و بروز اثرات مکانیک کوانتم محاسبه معادلات پیچیده و زمانبر می شود و این برای مدارات در ابعاد بزرگ مسئله مهمی است. لذا علاوه بر روشهای عددی و زمانبری که برای مدلسازی ترانزیستور cntfet وجود دارد، نیاز به مدلی دقیق و سریع داریم که بتوان قطعه را شبیه سازی کرد و از آن در زیر مدارات و مدارات ابعاد بزرگ نیز استفاده کرد. در این پایان نامه از مدل عددی بالیستیک fettoy برای بدست آوردن داده ی آموزش برای شبکه های هوشمند مصنوعی استفاده شده است. همچنین با استفاده از روش انتخاب ویژگی های uta به بررسی پارامترهای موثر پرداخته ایم. در انتها از ساختار دقیق و پر سرعت پیشنهادی هوشمند عصبی به عنوان زیر مدار برای اجرا در نرم افزار شبیه ساز hspice استفاده شده است. نتایج بدست آمده بیانگر هماهنگی و دقت مدل پیشنهادی در زیر مدارات نانو برای اجرا در شبیه ساز است.

افت حاد فشار خون (ahe) بیماری خطرناکی به شمار می رود و باعث مرگ و میر در بیمارستان می شود. این بیماری، شاخص شایع بسیاری از اختلالات دیگر است و گاهی منجر به حوادث جبران ناپذیری می شود. تحقیقات نشان داده است که تشخیص زود هنگام آن، منجر به مداخله سریع و به موقع پرستاران شده واحتمال زنده ماندن بیمار را نیز افزایش می دهد. بدین منظور این پژوهش به بررسی ایجاد مدلی بر اساس شبکه های عصبی مصنوعی جهت پیش بینی رخداد افت حاد فشار خون در موثرترین زمان ممکن پرداخته است. سری های زمانی فیزیولوژیکی مورد نیاز این پژوهش از پایگاه داده mimic ii انتخاب شده است. چندین تکنیک مختلف با استفاده از ویژگی های آماری حوزه زمان از جمله الگوریتم طبقه بندی کننده k نزدیکترین همسایه، شیکه عصبی پرسپترون چند لایه و شبکه عصبی- فازی به منظور پیش بینی و ارتباط متغیر های فیزیولوژیکی با رخداد افت فشار خون در افق پیش بینی 90 دقیقه ای به کار گرفته شده است. با مشاهده نتایج مدل ها، شبکه عصبی فازی با صحت پیش بینی 87.04% جهت بهبود عملکرد آن انتخاب شده است . در ادامه بردار ویژگی جدیدی با استفاده از تبدیل موجک و الگوریتم تعیین ویژگی های موثر، استخراج شده و صحت پیش بینی الگوریتم به طور چشمگیری با افزودن ویژگی های زمان-مقیاس و انتخاب ویژگی های موثر به مقدار 96.30% افزایش یافته است. این نتایج نشان می دهد که مطالعه و بررسی به موقع پیش زمینه بالینی بیماران در تشخیص زود هنگام بیماری افت حاد فشار خون بسیار سودمند و مفید است.

با گسترش سریع اینترنت، حجم داده ها و اطلاعاتی که تولید می شوند، بسیار زیاد است. از این رو کاربر با این حجم عظیم داده سر در گم خواهد شد و تشخیص اینکه کدامیک از داده ها مفید هستند، بسیار دشوار است. داده کاوی می تواند این مشکل را حل نماید. وقتی داده کاوی بر روی پردازش ابری به کار گرفته شود، زمان مورد نیاز برای پردازش، انرژی مصرفی و هزینه ها را کاهش خواهد داد. از آنجا که سرعت داده کاوی از اهمیت زیادی برخوردار است، در این تحقیق از سه الگوریتم طبقه بندی که از الگوریتم های تکاملی هستند و در مقایسه با دیگر الگوریتم های طبقه بندی از سرعت بالاتری برخوردار هستند، استفاده شده است و یک شبکه عصبی پرسپترون چند لایه (mlp) با یکی از الگوریتم های رقابت استعماری(ica)، بهینه سازی ازدحام ذرات(pso) یا تکامل تفاضلی(de) به طور جداگانه آموزش داده می شود و دقت طبقه بندی هر کدام از آنها بررسی می شود. همچنین از الگوریتم انتخاب مثال فشرده سازی سریع نزدیک ترین همسایه (fcnn)، برای انتخاب بهترین مثال ها جهت آموزش شبکه عصبی استفاده شده است و نتایج آن با نتایج روش تقسیم داده های پایگاه داده به صورت تصادفی مقایسه شده است. و این نتایج نشان می دهند که الگوریتم های پیشنهادی، علاوه بر سرعت بالاتر نسبت به کارهای پیشین، از دقت بالاتری نیز برخوردار هستند. از این رو استفاده از این الگوریتم ها در پردازش ابری، که حجم داده ها در آن زیاد است و سرعت داده کاوی امری بسیار مهم تلقی می شود مناسب می باشد.

سنسورهای مختلفی برای اندازه گیری میدان های مغناطیسی وجود دارد که از بین آنها سنسورهای sd-magfet بدلیل سازگاری با پروسه cmos وتوان مصرفی پایین گزینه مناسبی برای اندازه گیری میدان مغناطیسی هستند.هدف از این پایان نامه شناسایی و بهینه سازی پارامترهای تاثیرگذار در حساسیت sd-magfet به منظور رسیدن به حساسیت بالاتر برای sd-magfet است.بدین منظور از مدل پیوسته زاویه هال و فاکتور اصلاح هندسی gواثرات مقاومت مغناطیسی استفاده نموده وارتباط پارامترهای مختلف با حساسیت را بدست می آوریم. با استفاده از قواعد طراحی cmos 0.35µm وبوسیله نرم افزار شبیه سازی سه بعدی silvaco، sd-magfetهایی با کانال بلند،کوتاه و مربعی شکل و کانال بلند را شبیه سازی نموده و به این نتیجه رسیدیم که کانال های کوتاه حساسیت بیشتری را از خود نشان می دهد.موردی که بسیار قابل توجه بود ،این است که زمانی که فاصله بین دو درین sd-magfet افزایش می یابد و از درین های کوچک در ساختارsd-magfet استفاده می کنیم حساسیت به میزان چندین برابر افزایش می یابد. با استفاده از این ساختار می توانیم به سنسورهایی با حجم کوچک ،حساسیت بالا و توان مصرفی کم دست یابیم.

این پایان نامه بر روی طراحی و شبیه سازی میکرو پروب اولتراسوند به جهت ایجاد یک پرتو یونی کنترل شده در داخل آکسوپلاسم یک آکسون متمرکز شده است . ما در این پروژه , شبیه سازی های مورد نظر را به وسیله ی دو نرم افزار متلب و کامسول انجام می دهیم . در بخش اول شبیه سازی , معادلات هاچکین هاکسلی را با استفاده از نرم افزار متلب شبیه سازی می کنیم و جریان تحریکی که به وسیله ی آن , پتانسیل عمل در داخل آکسون تولید می گردد را بدست می آوریم . در بخش دوم با شبیه سازی آکسون به وسیله نرم افزار کامسول , شرایط تولید پتانسیل عمل در داخل آکسون را بررسی می کنیم . به همین منظور در ابتدا به بررسی دستگاه عصبی و قسمت های مختلف آن پرداخته و سپس پتانسیل عمل و چگونگی تحریک , شروع و انتشار آن را بیان می کنیم ; در ادامهپیزوالکتریک را مورد بررسی قرار داده و پس از آن به مدل سازی ریاضی عملکرد عصب می پردازیم . در قدم بعد مدل سازی تولید و انتقال پتانسیل عمل را انجام داده و شروع به طراحی تیغه پیزوالکتریکی می کنیم که بخشی از آن در داخل محیط یونی قرار دارد و با اعمال ولتاژ به بخش دیگر تیغه , به سبب خاصیت پیزوالکتریک و مرتعش شدن آن و ایجاد حرکت در یون های موجود در محیط یونی جریان تولید می گردد . زمانی که این جریان ایجاد شده را به عنوان ورودی به معادلات هاچکین هاکسلی ساده شده اعمال می کنیم منجر به تولید پتانسیل عمل در داخل آکسون می گردد . با مقایسه جریان های تحریک بدست آمده از شبیه سازی های صورت گرفته با نرم افزارهای متلب و کامسول در می یابیم که جریان حاصل از شبیه سازی کامسول به منظور تحریک آکسون , به واقعیت نزدیکتر است بنابراین از این جریان در تحریک آکسون و ایجاد پتانسیل عمل در داخل آن استفاده می کنیم .نهایتا ما این موضوع را نشان داده ایم که می توان با اعمال ولتاژ بیرونی به تیغه پیزوالکتریک و ایجاد جریان در داخل محیط یونی , آکسون را تحت تاثیر قرار داده و پتانسیل عمل را در داخل آن تولید نماییم . همچنین مقادیر کمینه و بیشینه ولتاژ تولید وانتشار یافته پتانسیل عمل به روی آکسون برابر با 236 میلی ولت و 380 میلی ولت می باشد .

نیاز به تصویر با درجه تفکیک بالا برای برخی کاربردها ازجمله پزشکی، تحلیل تصاویر ماهواره ایی، نجوم و دوربین های نظارتی ضروری است و برای رفع مشکل در این سیستم ها و افزایش تفکیک پذیری دو روش کلی وجود دارد: روش نرم افزاری و روش سخت افزاری. درروش سخت افزاری با تغییر در ساختار حسگرهای دوربین، درجه تفکیک افزایش می یابد ولی این روش به دلیل هزینه بالا در پیاده سازی و همچنین محدودیت در تکنولوژی ساخت قطعات، روش مناسبی نیست. اما در روش های نرم افزاری که مقرون به صرفه و اقتصادی است، تصاویر با تفکیک پذیری پایین بدون تغییر در ساختار دوربین که تصاویر با آن گرفته شده است را به تصویری با تفکیک پذیری بالا تبدیل می نمایند. در این پایان نامه ابتدا انواع تکنیک های فرا تفکیک پذیری و همچنین تکنیک های مبتنی بر الگو برای فرا تفکیک پذیری مورد بررسی قرارگرفته و سپس روش پیشنهادی از ترکیب شبکه عصبی پس انتشار خطا بر اساس الگوهای مشخص، ارائه شده است. ابتدا یک تصویر با تفکیک پذیری بالا را توسط مدل تخریب به تصاویری باکیفیت پایین تبدیل می نماییم و سپس با کمک مجموعه نمونه هایی از تصویر با تفکیک پذیری بالا و پایین، ماتریس آموزش شبکه عصبی را ایجاد نموده و پس از آموزش شبکه عصبی و در مرحله بازسازی، به تصاویری با تفکیک پذیری بالا می رسیم. الگوریتم پیشنهادی بر پایگاه داده orl که مجموعه¬ای از تصاویر چهره است اعمال شد. حساسیت الگوریتم به تغییر در هندسه تصویر و همچنین نویز بررسی شد. نتایج نیز با روشهای pocs، فرا تفکیک قوی، پیچش هنجار ساختار تطبیقی و پاپیلوس- گرچبرگ مقایسه گردید.

امروزه موتورهای توربینی در صنعت کاربرد فراوانی ازجمله صنعت هوانوردی ،نیروگاهها ، موشکها و . . . دارند . برای کنترل سوخت و در نتیجه بالا بردن راندمان و عمر این موتورها از یک واحد کنترل الکترونیک(ecu) استفاده می شود. با توجه به اینکه معمولا هزینه تست عملی این موتور ها بسیار بالا و خطرناک است برای طراحی بهتر ecu و تست آنها از مدل نرم افزاری موتور استفاده می شود البته روشهای متعددی در مدلسازی موتور های توربینی وجود دارد که بستگی به نوع موتور توربینی و توان و. . .دارد . با توجه به اینکه عموماً در طراحی این ecu ها از کنترل کننده های موقعیت (situational control) برای این موتورها استفاده می شود و این کنترل کننده ها نیز از چند حلقه کنترلی برای شرایط مختلف بهره می برند، هدف ما در این پروژه طراحی یک ecu با استفاده از روشهای هوشمند )شبکه عصبی mlp,anfis) است که با استفاده از یک کنترل کننده هوشمند تمامی شرایط را کنترل نماید .تست اینecu ها نیز برروی یک مدل نرم افزاری از موتور ، که آن نیز با استفاده از روشهای هوشمند )شبکه عصبی mlp,anfis) طراحی گردیده انجام می شود و نهایتا با توجه به اینکه تمام این شبیه سازی در محیط matlab انجام پذیرفته برنامه های طراحی شده در محیط matlab را به زبان c تبدیل کرده و روی میکرو کنترلر arm پیاده سازی می نمائیم و بصورت نقطه به نقطه در نرم افزار keil شبیه سازی می کنیم

امروزه شبکه های هوشمند مصنوعی به عنوان ابزاری قدرتمند در بهینه سازی و مدل سازی قطعات و مدارهایالکترونیکی به خصوص مدارات مجتمع (ic) و پیچیده، به حساب می آیند. در واقع این شبکه ها حتی اگر مدار معادل و معادلات فیزیکی قطعه در دسترس نباشد، می توانند به کار روند.در این تحقیق میزان تطبیق پذیری ساختار شبکه های عصبی فیدبک دار را در مدل سازی رفتار غیرخطی ترانزیستورهای ماسفت بررسی کرده و به یک مدل ماسفت هوشمند بهینه از نظر دقت، زمان اجرا و قدرت یادگیری شبکه دست یافته ایم. برای این کار پنج پارامتر موثر از ترانزیستور ماسفت مدل bsim3 را با استفاده از روش uta انتخاب کردیم و به عنوان ویژگی های آموزش در شبکه های عصبی فیدبک دارrmlp وبدون فیدبک mlpقرارگرفت. نتایج بهدست آمده تطبیق خوب و قابل قبولی را بین رویکرد مدل ماسفت شبکه عصبی فیدبک دار و مدل hspice در مدل سازی مدارها نشان داده است. همچنین بررسی ها نشان داد که رویکرد شبکه عصبی فیدبک دار در مدل سازی حالت acو سیگنال بزرگ قطعات نیمه هادی بسیار توانمند و تطبیق یافته است.بنابراین از این رویکرد با توجه به دارا بودن خاصیت غیرخطی و تقریب توابع و برازش منحنی و قابلیت آموزش بدون نیاز به فیزیک و تئوری های قطعه،می توان برای شبیه سازی قطعاتی جدید که هنوز مدل های فیزیکی برای آن ها تعیین نشده است، استفاده کرد.

در این پایان نامه خطاهای مدارهای الکترونیکی آنالوگ بررسی می شود و خطای نرم، با استفاده از سیستم هوشمند، تشخیص می یابد. به همین منظور، از تبدیل موجک و برازش منحنی استفاده می شود و نشان داده خواهد شد که این روش، ویژگی های موثری را برای آموزش شبکه ی عصبی مصنوعی پدید می آورد.