100 هزار کلمه ترجمه قبل و بعد از بازبینی بررسی شده اند و تغییرات مورد بررسی قرار گرفت. همچنین با تعدادی مسئول سازمانهای مرتبط با ترجمه مصاحبه شد و برنامه های آنها در راستای کیفیت ترجمه مورد بررسی قرار گرفت. تحقیق اشکالات عمده مترجمان بر اساس بازبینی های انجام شده را تشان داد، از جمله اشکالات گرامری، کاربردی، ساختاری، اتحادی و غیره. به علاوه، نشان داد که قوانین کیفی موسسات کافی نمی باشد و لازم است مستندات بیشتری در رابطه با کیفیت ترجمه ایجاد شود. نکته دیگر آن است که بیشتر افرادی که با آنها مصاحبه شد سررشته ای در رشته ترجمه نداشته اند.

مدل سازی مسائل و پدیده های فیزیکی در بسیاری از زمینه های علمی منجر به حل یک معادله تابعی به صورت زیر می شود. ‎$$lu=f,$$‎ که در آن ‎$ l:xlongrightarrow y $‎، ‎$ u $‎ تابع مجهول و ‎$ f $‎ تابعی معلوم است. به دست آوردن شکل بسته جواب برای معادلات تابعی همیشه امکان پذیر نبوده و در بیشتر موارد تقریبا غیر ممکن است. بنابراین باید از روش های تقریبی برای حل این مسائل استفاده کرد. روش های تقریبی که برای حل معادلات تابعی بکار می روند معمولا به دو دسته تقسیم می شوند. دسته اول روش های موضعی‎ltrfootnote{‎local methods}‎ هستند که دامنه تعریف مسأله را به تعداد متناهی زیر دامنه تقسیم می کنند و سپس در هر زیر دامنه جواب مسأله توسط توابع پایه ای مناسب تقریب زده می شود. روش تفاضل متناهی و عناصر متناهی‎ltr‎footnote{‎finite element‎}‎ از جمله مهمترین روش های موضعی هستند. دسته دوم روشهای طیفی‎ltr‎footnote{‎spectral ‎methods}‎ هستند. در روش های طیفی تابع جواب به صورت یک سری از توابع پایه ای در سراسر دامنه تعریف مسأله به صورت زیر تقریب زده می شود: ‎egin{equation*}‎ ‎u(x)=sum_{n=0}^na_nphi_n(x)‎, ‎end{equation*}‎ که در آن ‎$ phi_n(x) $‎ها توابع پایه ای و ‎$ a_n $‎ها ضرایب مجهول هستند که باید با استفاده از شرایط مسأله و توابع پایه ای محاسبه شوند. نکته اساسی در روش های طیفی انتخاب توابع پایه ای و توابع آزمون است. انتخاب توابع آزمون روش های طیفی را از همدیگر متمایز می سازد. با توجه به نوع انتخاب این توابع دو دسته از روش های طیفی عبارتند از روش هم محلی‎ltr‎footnote{‎collocation‎ method}‎ و روش تاو‎ltr‎footnote{‎tau ‎method}‎. در روش هم محلی توابع آزمون از نوع توابع دلتای دیراک است. در روش تاو توابع پایه و توابع آزمون از یک جنس می باشند، این روش برای معادلات غیر خطی قابل کاربرد نیست. در این پایان نامه ما از این دو روش استفاده می کنیم. در فصل دوم این پایان نامه چندجمله ای های لژاندر معرفی می شوند و در فصل سوم با استفاده از این چندجمله ای ها و روش هم محلی جواب های دسته ای از معادلات انتگرال، معادلات دیفرانسل و معادلات با مشتقات جزیی به صورت عددی تقریب زده می شود. در فصل چهارم نظریه موجک ها را بیان و موجک لژاندر را معرفی می کنیم. در فصل پنجم ماتریس عملیاتی مشتق موجک لژاندر را معرفی و از این ماتریس در حل دسته ای از معادلات دیفرانسیل استفاده می شود. در فصل ششم با استفاده از موجک لژاندر دو بعدی و روش هم محلی دسته ای از معادلات با مشتقات جزیی را حل می کنیم. در این پایان نامه روشی جدید برای حل دسته ای از معادلات با مشتقات جزیی ارائه کرده ایم که در مقایسه با روش مرجع ‎latincite{4l}‎ و مرجع ‎latincite{40al}‎ برتری محسوسی هم از لحاظ خطا و هم از لحاظ زمان دارد. به علاوه ماتریس عملیاتی مشتق را برای موجک لژادر دو بعدی ارائه کرده ایم.

دراین پایان نامه با استفاده از تکنیک های پردازش تصویر بر روی تصاویر ماموگرافی تومور های موجود به دو کلاس سرطانی و غیرسرطانی طبقه بندی می شوند. تصاویر ماموگرافی به کار رفته در این تحقیق mias بوده که شامل 322 تصویر 1024×1024پیکسلی می باشد که از این تعداد 208 عکس مربوط به ماموگرافی سالم و 114 عکس مربوط به ماموگرافی ناسالم یا همان سرطانی است. در تصاویر سرطانی مرکزیت و شعاع تومور های سرطانی توسط تولید کنند گان مشخص شده است و برای تصاویر سالم این مرکزیت در این تحقیق به صورت تصادفی انتخاب شده است. در مرحله اول تک تک عکس های سرطانی به مرکزیت مشخص شده و عکس های سالم با مرکزیت کاملا تصادفی به تصاویر 128×128پیکسلی برش داده می شوند. هدف از این کار کاهش اطلاعات زائد و نویز در تصاویر اصلی بوده تا سرعت پردازش افزایش یابد. در مرحله دوم از تک تک تصاویر128×128پیکسلی تبدیل ویولت چرخشی گسسته دو بعدی گرفته می شود و اطلاعات بدست آمده در شش جهت مختلف30- ، 0،30 ، 60، 90 و120 درجه برای هر عکس در یک بردار ستونی ذخیره می شود. در مرحله سوم به منظور کاهش حجم عملیات و افزایش سرعت پردازش ازpca استفاده شده است، این تکنیک با آنالیز بردارهای مرحله قبل، ویژگی هایی که نسبت به ویژگی های دیگر ناچیز هستند را حذف کرده و به این صورت ابعاد بردارها را کاهش داده و سرعت پردازش را بالا می برد. در نهایت با استفاده از طبقه بندk نزدیکترین همسایه بردارهای ویژگی به دو کلاس سرطانی و غیرسرطانی تقسیم بندی می شوند.