صفحه نمایش استاد - پرتال اصلی دانشگاه رازی

حامد منکرسی

حامد منکرسی

استادیار / فنی مهندسی / گروه مهندسی کامپیوتر و فنآوری اطلاعات

دروس ارائه شده نیمسال جاری

نام درس واحد زمان ارائه درس ترم
طراحی واسط کاربر 3 هرهفته، پنج شنبه ، 08:00-10:00، هفته هاي فرد ، پنج شنبه ، 13:30-15:30 نیم‌سال اول سال تحصیلی 1405-1406
پویانمایی و پویانمایی سه بعدی 3 هرهفته، پنج شنبه ، 10:00-12:00، هفته هاي زوج ، پنج شنبه ، 13:30-15:30 نیم‌سال اول سال تحصیلی 1405-1406
بازیابی اطلاعات 3 هرهفته، چهارشنبه ، 13:30-15:30، هفته هاي زوج ، چهارشنبه ، 15:30-17:30 نیم‌سال اول سال تحصیلی 1405-1406

پایان‌نامه‌های کارشناسی‌ارشد

  1. تاثیر نفوذ انرژی های تجدیدپذیر در سیستم های قدرت بر بهینه سازی و بهره برداری از سیستم های انرژی برق و گاز
    مسلم حسین موسی 1405
       رشد روزافزون نفوذ انرژی‌های تجدیدپذیر، بهره‌برداری از سیستم‌های یکپارچه برق و گاز را با فرصت‌ها و چالش‌های جدیدی مواجه ساخته است. هدف این پژوهش، بررسی تاثیر نفوذ انرژی‌های تجدیدپذیر در سیستم‌های قدرت بر بهینه‌سازی و بهره‌برداری از سیستم‌های انرژی برق و گاز با تاکید بر کاهش هزینه‌های بهره‌برداری، مصرف انرژی اولیه و انتشار دی‌اکسیدکربن است. برای دستیابی به این هدف، یک مدل بهینه‌سازی تصادفی دومرحله‌ای برای یک سیستم یکپارچه برق و گاز توسعه داده شد که در آن منابع بادی و خورشیدی، سامانه ذخیره‌سازی باتری و واحدهای تبدیل برق به گاز به‌صورت هم‌زمان مدل‌سازی شدند. مدل برای سطوح مختلف نفوذ انرژی‌های تجدیدپذیر شامل ?، ??، ??، ?? و ?? درصد حل شد و عملکرد سیستم با استفاده از سه شاخص صرفه‌جویی هزینه (CSR)، صرفه‌جویی انرژی اولیه (PESR) و کاهش انتشار دی‌اکسیدکربن (CDERR) مورد ارزیابی قرار گرفت. نتایج نشان داد که افزایش نفوذ تجدیدپذیر موجب کاهش قابل‌توجه هزینه‌های بهره‌برداری، مصرف گاز طبیعی و انتشار آلاینده‌ها می‌شود، به‌گونه‌ای که در سطح نفوذ ?? درصد، هزینه بهره‌برداری، مصرف انرژی اولیه و انتشار دی‌اکسیدکربن به‌ترتیب ?????، ????? و ????? درصد نسبت به حالت مرجع کاهش یافت. همچنین ارزیابی بلندمدت بیانگر آن بود که این روند در مقیاس سالانه نیز پایدار بوده و شاخص‌های مذکور به‌ترتیب به ?????، ????? و ????? درصد رسیدند. علاوه بر این، نتایج نشان داد که جانمایی واحدهای تبدیل برق به گاز نقش تعیین‌کننده‌ای در افزایش انعطاف‌پذیری سیستم دارد و سطح نفوذ ?? درصد، به‌عنوان یک نقطه بهره‌برداری ایمن، بدون ایجاد محدودسازی تولید، همچنان عملکرد اقتصادی و زیست‌محیطی مطلوبی ارائه می‌دهد. در مجموع، یافته‌های پژوهش نشان می‌دهد که توسعه هدفمند انرژی‌های تجدیدپذیر همراه با بهره‌گیری از سامانه‌های ذخیره‌سازی و فناوری تبدیل برق به گاز، می‌تواند راهکاری موثر برای ارتقای کارایی اقتصادی، کاهش مصرف سوخت‌های فسیلی، کاهش انتشار آلاینده‌ها و افزایش انعطاف‌پذیری سیستم‌های یکپارچه برق و گاز باشد. کلیدواژه‌ها: انرژی‌های تجدیدپذیر، سیستم یکپارچه برق و گاز، بهینه‌سازی بهره‌برداری، تبدیل برق به گاز.
  2. تشخیص صفحات جعلی درگاه های پرداخت اینترنتی با استفاده از روش CNN
    افسانه گرابیگی 1405
          هدف: فیشینگ یکی از تهدیدات مهم امنیتی در پرداخت‌های اینترنتی است که کاربران را با صفحات درگاه جعلی به افشای اطلاعات حساس مالی ترغیب می‌کند. هدف این پژوهش، طراحی و پیاده‌سازی مدلی دقیق و قابل‌اعتماد برای تشخیص صفحات جعلی درگاه‌های پرداخت با استفاده از شبکه عصبی کانولوشنی (CNN) می‌باشد. روش‌شناسی پژوهش: در این پژوهش، ابتدا مجموعه داده‌ای شامل 80000 نمونه جمع‌آوری شد که شامل 50000 صفحه قانونی و 30000 صفحه فیشینگ بود. داده‌ها پس از پیش‌پردازش شامل رندر صفحات HTML به تصاویر، تغییر اندازه، نرمال‌سازی و افزایش داده، آماده ورود به شبکه شدند. مدل CNN با معماری چندلایه شامل لایه‌های کانولوشن، پولینگ و Fully Connected، ویژگی‌های مکانی-فضایی صفحات را استخراج و برای طبقه‌بندی صفحات به دو دسته قانونی و جعلی مورد استفاده قرار گرفت. یافته‌ها: نتایج کمی نشان داد که مدل پیشنهادی توانست با دقت (Accuracy) ??%، بازخوانی (Recall) 8/%97 و مساحت زیر منحنی ROC(AUC) 991/0 صفحات جعلی را از واقعی تفکیک کند.تحلیل کیفی نیز نشان داد که مدل در شناسایی صفحات بسیار مشابه موفق عمل کرده و تنها در موارد استفاده از تصاویر استاتیک واقعی دچار خطای منفی می‌شود. مقایسه با مدل‌های مبتنی بر ویژگی‌های متنی و روش‌های کلاسیک نشان داد که CNN برتری قابل توجهی در استخراج ویژگی‌های پیچیده و تشخیص صفحات جعلی دارد. نتیجه‌گیری: با توجه به دقت بالا، سرعت پیش‌بینی مناسب و قابلیت استقرار در محیط‌های عملی، مدل پیشنهادی می‌تواند در سامانه‌های بانکی، مرورگرها و اپلیکیشن‌های پرداخت آنلاین به کار گرفته شود. پیشنهادات پژوهش آینده شامل استفاده از ویژگی‌های چندمنظوره، مدل‌های سبک برای کاربرد در موبایل و بازآموزی خودکار مدل می‌باشد تا امنیت پرداخت‌های اینترنتی بیش از پیش افزایش یابد. کلیدواژه‌ها: امنیت آنلاین، ایمنی تراکنش‌های مالی، تحلیل تصویر، تشخیص تقلب، یادگیری عمیق   
  3. جداسازی امولسیون های نفتی با سنتز تعلیق شکن پلیمری پرشاخه مبتنی بر پلی آلکیلن گلایکول و بهبود عملکرد آن توسط نانوذرات مغناطیسی
    مریم اسدزاده 1404
  4. تشخیص احساسات به کمک پردازش سیگنال های مغزی
    صدف نجفی 1403
  5. پیش بینی بیماری دیابت با استفاده از الگوریتم های یادگیری ماشین
    سینا علی مرادی 1403
       دیابت یک بیماری متابولیکی مزمن است که در آن بدن نمی‌   تواند به ‌طور موثر از قند خون استفاده کند یا تولید انسولین کافی برای تنظیم آن نداشته باشد. این بیماری در صورت عدم تشخیص و درمان مناسب، می ‌تواند منجر به عوارض جدی مانند بیماری ‌های قلبی، آسیب به کلیه‌ ها، اختلالات عصبی و نابینایی شود. با توجه به شیوع روزافزون دیابت در سطح جهانی، شناسایی و پیش ‌بینی این بیماری در مراحل ابتدایی اهمیت زیادی دارد. این تحقیق به پیش‌بینی ابتلا به دیابت با استفاده از الگوریتم‌ های یادگیری ماشین می‌ پردازد. برای این منظور، از داده‌های Pima Indian Diabetes استفاده شده است که شامل ویژگی‌ هایی مانند سن، وزن، فشار خون، سطح قند خون ناشتا، شاخص توده بدنی (BMI)، تعداد دفعات حاملگی ‌، سابقه خانوادگی دیابت و سایر پارامترهای بیولوژیکی است. این داده ‌ها از جامعه ‌ای از زنان بومی آمریکایی استخراج شده و برای آموزش و آزمایش مدل ‌های مختلف یادگیری ماشین به‌ کار گرفته شده ‌اند. در این مدل، از الگوریتم‌ های مختلفی از جمله   Logistic Regression، XGBoost،   AdaBoost،   LightGBM, , Decision   Tree   , CatBoost   ,Gradian Bosstingبرای پیش‌ بینی ابتلا به دیابت استفاده شده است. نتایج این تحقیق مقابسه ای بین الگوریتم ها است به خصوص الگوریتم های Boosting و نشان می‌دهند که برخی از این الگوریتم‌ ها دقت بالاتری در پیش ‌بینی ابتلا به دیابت دارند و می ‌توانند به ‌عنوان ابزاری کارآمد برای تشخیص زود هنگام بیماری و مدیریت بهینه درمان مورد استفاده قرار گیرند ، دقت مدل   Log Regression 92/0 ، مدل XGBoost 96/0 ، مدل AdaBoost 94/0 ، مدل LightGBM   96/0 ، مدل Gradient Boosting 91/0 درصد ، مدل Decision Tree 91/0 و بهترین مدل مربوط شد به الگوریتم CatBoost با دقت 98/0 . در پایان، پیشنهاد هایی برای کار های آینده داده شده است.
  6. تشخیص بیماری های قلبی با استفاده از الگوریتم های یادگیری ماشین
    نساء امیری 1403
       بیماری های قلبی به ویژه آریتمی یکی از علل مهم مرگ و میر در سال های اخیر بوده است به همین دلیل جامعه پزشکی به دنبال روشی کارآمد،سریع برای تشخیص آنها بوده است. به‌منظور افزایش سرعت تشخیص و کاهش خطاهای احتمالی انسانی، استفاده از روش‌های خودکار برای شناسایی این نوع آریتمی مطرح شده است.هدف از این پژوهش تشخیص به موقع و درست انواع آریتمی در سریع ترین زمان ممکن با حجم محاسباتی پایین و کمترین تعداد ویژگی است.در این پایان نامه به بحث و بررسی سه نوع مختلف آریتمی دهلیزی،سینوسی و بطنی که تعداد هریک   از این سیگنالهای ECG، 100 نمونه از پایگاه داده SHEDB میباشد پرداخته شد.برای طبقه بندی این سه نوع آریتمی از شبکه‌ عصبی پرسپترون چندلایه (MLP)   و شبکه عصبی تابع پایه شعاعی (RBF) استفاده شد،که شبکه عصبی MLP   عملکرد خیلی بهتری به نسبت شبکه عصبی RBF   داشت.دقت های بدست امده بر روی داده های تست از دو مدل MLP و RBF   به ترتیب 97.8% و 76.7% میباشد.دلیل انتخاب این مدل‌ها،کاهش بار محاسباتی در مقایسه با مدل‌های پیچیده‌ای همچون شبکه‌های عصبی کانولوشن   (CNN) میباشد.هم چنین برای استخراج ویژگی،ویژگی های مختلف زمانی،آماری و فرکانسی بررسی شد که بهترین عملکرد با استفاده از 8 ویژگی منتخب RM   ، طول موج، ASS، میانگین، چولگی، کرتوسیس ، فرکانس غالب و دامنه فرکانس غالب حاصل شد.
  7. پیشنهاد یک مدل برای سنجش و بهبود کیفیت تجربهی کاربری در اپلیکیشنهای ایرانی
    اعظم ابراهیمی 1403
    در سال‌های اخیر استفاده‌ی افراد از محصولات دیجیتال مانند وبسایت‌ها و اپلیکیشن‌های تلفن همراه افزایش چشمگیری داشته است. از طرفی نحوه‌ی تعامل کاربران با محصول از جمله عوامل مهم در موفقیت آن است. در نتیجه متخصصان این حوزه با تحلیل و اندازه‌گیری معیارها، درصدد بهبود روش‌ها و استانداردهای مربوط به طراحی تجربه‌ی کاربری هستند. یکی از روش‌های موثر در پژوهش تجربه‌ی کاربری استفاده از پرسشنامه است تا به وسیله‌ی آن کاربران هدف و نیازهای آنها به درستی برآورده شود تا محصول نهایی برای کاربران کارکرد مطلوب به دنبال داشته باشد. پرسشنامه‌های متفاوتی وجود دارند که هرکدام از جنبه‌ی خاصی مانند زیبایی شناسی، کاربردپذیری یا احساسات، بازخورد کاربران را بررسی کرده‌اند. اما پرسشنامه‌ی ارزیابی ماژولار مولفه‌های کلیدی تجربه کاربر[1] یا به اختصار meCUE ابعاد مختلف موثر در تجربه‌ی کاربری را   به صورت همزمان و استاندارد آزمایش می‌کند. این پرسشنامه که به زبان آلمانی در آزمایش‌های مختلف نتایج خوبی به دست آورده است، سپس در دو مقاله‌ی دیگر طبق یک فرآیند قابل اطمینان به زبان‌های انگلیسی و اندونزیایی ترجمه شده و کیفیت پرسشنامه در زبان هدف با معیارهایی همچون قابلیت اطمینان، تست کرونباخ آلفا و سنجش سازگاری داخلی ارزیابی شده است. در این تحقیق ابتدا پرسشنامه‌ی meCUE توسط سه نفر مترجم و بر اساس اصول بین المللی تطبیق بین فرهنگی، به زبان فارسی ترجمه شده و با معیارهای مختلف از جمله قابلیت اطمینان، تست آلفای کرونباخ و سنجش سازگاری داخلی ارزیابی شده است. برای ارزیابی پرسشنامه، از آن روی یک اپلیکیشن‌ جامع ایرانی به نام روبیکا با بیش از سی میلیون نصب فعال استفاده شده است. به این صورت که ابتدا ?? نفر از کاربران اپلیکیشن به پرسشنامه پاسخ دادند و با استفاده از نتایج بدست آمده معیارهای مذکور محاسبه شدند تا از صحت ترجمه اطمینان حاصل شود. این پرسشنامه‌ی می‌تواند به عنوان اولین مرحله در تحقیق تجربه کاربری مورد استفاده قرار گیرد. در مرحله‌ی بعد با توجه به پاسخ‌های کاربران به پرسشنامه و همچنین با بکارگیری ابزار مصاحبه و اصول ارزیابی اکتشافی نیلسون، در رابط کاربری اپلیکیشن تغییراتی ایجاد شد. سپس تغییرات اعمال شده توسط ?? نفر با کمک آزمایش کاربردپذیری مورد ارزیابی قرار گرفت. برای آزمایش کاربردپذیری، هم از افرادی استفاده شد که تاکنون از روبیکا استفاده نکرده‌اند و هم از افرادی که کاربر آن بودند. به این ترتیب تعصب و آشنایت شرکت کنندگان نسبت به حالت فعلی اپلیکیشن تعدیل شده، کابران فعلی و بالقوه‌ی اپلیکیشن به یک اندازه مورد توجه قرار می‌گیرند و ارزیابی دقیق‌تری از تغییرات اعمال شده به دست می‌آید. نتایج تست کاربرد پذیری نشان داد که تغییرات اعمال شده در رابط کاربری روبیکا به طور میانگین ?? درصد امتیاز کاربردپذیری را بالاتر می‌برد. علاوه بر این، کاربرانی که در آزمایش کاربرد پذیری شرکت کرده بودند به مجموعه‌ای از سوالات در رابطه با مقایسه‌ی رابط کاربری فعلی و چند تغییر پیشنهادی پاسخ دادند که در نتیجه تمامی تغییرات پیشنهادی از نظر اکثر کاربران مثبت ارزیابی شد. کلید واژه‌ها: ارزیابی تجربه‌ی کاربری، تعامل انسان با رایانه، پرسشنامه‌یmeCUE، بهبود تجربه‌ی کاربری برنامه‌ی کاربردی فارسی گوشی هوشمند، آزمایش کاربردپذیری، برنامه‌ی کاربردی ایرانی گوشی‌های همراه
  8. ارائه یک مدل تشخیص بلادرنگ حالت چهره برای تصاویر جزیی پوشانده شده، وضوح پایین و کنترل نشده جهت استفاده در دوربین های نظارتی
    ساناز خانجانی 1402
  9. طراحی سیستم خبره طراح واسط کاربری با استفاده از مهندسی کانسی
    غزل ترک زبان 1402
    پیشرفت روزافزون فنّاوری در عرصه‌های مختلف علوم و تاثیر آن بر زندگی انسان امروزی، تجارب احساسی، عاطفی و ادراکی را به‌شدت در کانون توجه طراحان قرار داده است. در این خصوص، طراحی بر اساس رضایتمندی، خوشایندی، احساسات و عواطف درونی انسان عاملی بسیار مهم و تاثیرگذار در فرایند طراحی محصول شناخته می‌شود. به دنبال شیوع و فراگیری ویروس کرونا در جهان، ساختار آموزش عالی نیز، مانند بسیاری از بخش‌های دیگر زندگی انسان، دست‌خوش تغییرات عمده شد.   شرکت دانشجویان در کلاس‌ها ی آنلاین، آزمون‌ها و انجام امور اداری به‌صورت غیرحضوری موجب استفاده بیشتر دانشجویان از وبسایت دانشگاه‌ها شده است. استاندارد نبودن طراحی وبسایت باعث می‌شود زمان زیادی از دانشجویان گرفته شود تا به اهداف موردنظرشان برسند. بنابراین گنجاندن عناصر احساسی که می‌توانند شادی، لذت و علاقه را تشویق کنند، بسیار مهم است. این تحقیق از مهندسی کانسی استفاده کرده است تا احساسات کاربر را به مولفه‌های طراحی رابط تبدیل کند و نشان دهد کاربر از رابط کاربری چه می‌خواهد. 50 کلمه‌ی کانسی از طریق پرسشنامه بین 50 دانشجو توزیع گردید و از بین آن‌ها 12 کلمه جهت ارزیابی پارامترهای طراحی بر اساس احساسات کاربران انتخاب شد. بر اساس کلمات کانسی انتخاب شده پارامترها و قوانینی برای طراحی رابط کاربری استخراج شد. این قوانین در یک پایگاه دانش جمع‌آوری گردید که طراحان می‌توانند با مراجعه به آن بر اساس احساس موردنظرشان برای طراحی، پارامترهای طراحی متناسب با آن احساس را دریافت کرده و طرح کاربرپسند خود را ترسیم کنند.   
  10. ارائه روشی مبتنی بر رمزنگاری برای بهبود امنیت سیستم های کامپیوتری مبتنی بر اینترنت اشیا (IoT)
    لیدا بکرنژاد 1401
      Normal 0 false false false EN-US X-NONE FA
  11. پیش بینی کوتاه مدت ترافیک شهری با استفاده از الگوریتم های یادگیری عمیق
    فاطمه محمودوند 1401
  12. تشخیص شایعه در رسانه های اجتماعی بر روی داده های فارسی با استفاده از یادگیری عمیق
    مینا نظری 1400
    مقدار متنی که هر روز تولید می شود به طرز چشمگیری افزایش می یابد. بنابراین ، تکنیک ها و الگوریتم های کارآمد و موثر برای کشف الگوهای مفید مورد نیاز است.   با فراگیر‌شدن شبکه‌های اجتماعی در سال‌های اخیر، به‌رغم کاربردهای مثبت آنها، انتشار شایعات ساده‌تر و شایع‌تر شده است. شایعات یک چالش امنیتی در شبکه‌های اجتماعی محسوب می‌شوند، چون یک گره بدخواه می‌تواند با انتشار یک شایعه به‌سهولت، اهداف خود را بدنام و یا منزوی کند.   از ‌این‌رو تشخیص شایعات چالش مهمی در سازوکارهای امنیت نرم مانند اعتماد و شهرت است. در این مطالعه، از رویکرد یادگیری ماشین مدل یادگیری عمیق   و شبکه ی عصبی عمیق LSTM به منظور ساده سازی استخراج ویژگی ها و ایجاد توانایی قوی برای یادگیری ،و تشخیص خودکار ویژگی ها در مقایسه با روش های سنتی یادگیری ماشین استفاده کرده ایم   شبکه عصبی LSTM   بر اساس معماری خاصی که دارد برای کار با داده های دنباله دار به ویژه داده های متنی بسیار مناسب است . اما عملکرد   این شبکه وابستگی زیادی به تنظیم هایپر پارامتر هایش دارد از این رو یک رویکرد نوین را برای بهبود نتیجه با استفاده از الگوریتم ژنتیک برای تنظیم هایپر پارامترهای شبکه عصبی عمیق ارائه شده است. الگوریتم ژنتیک استاندارد خود با مشکلاتی مواجه است اعم از سرعت همگرایی در این الگوریتم که در این مطالعه ما با تنظیم و فرموله کردن   نرخ فرایند های الگوریتم برا اساس دو معیار برازندگی و تنوع این مشکل را رفع کرده ایم، وما به دقت تشخیص 0.93%   رسیده ایم.
  13. تشخیص بد افزار های اندرویدی در برنامه های ایرانی با استفاده از روش های یادگیری ماشین
    کورش عزیزپور 1400
    امروزه وارد عصر جدیدی از تبادل اطلاعات شده­ایم که دلیل آن استفاده گسترده­ از دستگاه­های تلفن ­همراه است و سیستم­عامل اندروید نیز محبوب­ترین سیستم­عامل موبایلی دنیا است. همزمان با برنامه­های کاربردی، برنامه­های مخرب زیادی با اهداف واشکال مختلف برای سیستم­عامل اندروید در حال توسعه و انتشار هستند. با وجود توسعه روزافزون برنامه­های ایرانی در فروشگاه­های نرم­افزاری، تابحال بررسی نشده ­است که تا چه میزان امکان وجود بدافزار در میان آن­ها وجود دارد که ممکن است امنیت کاربران را به­خطر بیاندازد یا با اهدافی دیگر نظیر حجم بالای تبلیغات، موجب آزردگی خاطر کاربران شود. به­ همین دلیل تصمیم گرفتیم تا با استفاده از نه طبقه­بند یادگیری ماشینی و همینطور استفاده از رویکرد یادگیری عمیق، مدل­هایی مبتنی بر ویژگی ایستای مجوز با استفاده از مجموعه داده­ای مطمئن ایجاد کنیم تا از این مدل­ها برای طبقه­بندی بیش از چهارصد برنامه کاربردی دریافتی تصادفی از فروشگاه کافه بازار در دو دسته مخرب و غیرمخرب استفاده کنیم و نتایج آن را مورد تجزیه و تحلیل قرار دهیم و همچنین با ساخت تمامی مدل­های مذکور روی نمونه­های دریافتی از فروشگاه کافه بازار، ارزیابی­های خود را در مورد اثر ویژگی مجوز در تشخیص بدافزارهای ایرانی تکمیل کنیم. نتایج بدست آمده از مدل­های ساخته شده و همینطور اسکن نمونه­های بارگیری شده از فروشگاه کافه بازار در سایت معتبر وایروس توتال نشان می­دهد که بیش از پنجاه درصد از نمونه­های دریافتی از فروشگاه کافه بازار بدافزار هستند بنابراین برای افزایش اطمینان کاربران ایرانی از غیرمخرب بودن برنامه­های اندرویدی دریافتی، باید در مورد رویکرد فعلی غربال­گری برنامه­ها، قبل از قراردادن در فروشگاه­های نرم­افزاری تجدید نظر کرد.   
  14. مدل سازی تهدید و تجزیه و تحلیل تهدید برای بانکداری الکترونیکی
    هناء ماجد حیدر 1400
  15. تشخیص سرطان پوست با استفاده از پردازش تصاویر درموسکوپی
    فاطمه فتحی حاجی آبادی 1399
    سرطان پوست یکی ‌از سرطان‌های رایج در میان جوامع بشری محسوب می‌شود و میزان شیوع آن بطور چشمگیری درحال افزایش است. یکی از خطرناکترین انواع سرطان پوست ملانوما است که هرچه ضایعه پوستی بیشتر رشد کند، شانس درمان کاهش می­یابد. تشخیص زودهنگام سرطان در درمان آن نقش مهمی را دارد. درمان قطعی سرطان ملانوما با تشخیص زودهنگام آن میسر می‌باشد. در این پایان نامه روشی جدید جهت تشخیص سرطان پوست ارائه شد. در این روش ابتدا دو نوع تبدیل موجک گسسته و ایستان روی تصاویر اعمالشد. سپس از این تصاویر تبدیل شده، تعدادی ویژگی های آماری استخراج شد. همچنین ویژگی­های مختلف جهانی، محلی و... نیز روی تصاویر سطح خاکستری و رنگی اعمال شد. در مرحله ی بعد برای بهبود نتایج، ویژگی های استخراجی باهم ترکیب شدند تا بهترین ترکیب از ویژگی­ ها که با بالاترین دقت تصاویر را طبقه­ بندی می­کند به­دست آید. دسته بند استفاده شده در این روش ماشین بردار پشتبان حداقل مربعات است که تصاویر را به دو نوع سرطان ملانوما یا ضایعات پوستی دیگر دسته ­بندی می­کند. روش ارائه شده دقت مناسبی را در تشخیص سرطان پوست دربردارد. همچنین این روش، سرعت پاسخ ­دهی مطلوبی در استخراج ویژگی و دسته­بندی تصاویر دارد. پایگاه داده مورد استفاده در این پایان نامه ISBI2016 می­باشد که دقت به دست آمده روش پیشنهادی برای این داده ها   85.22 درصد می باشد.کلمات کلیدی: سرطان ملانوما، تبدیل موجک گسسته، تبدیل موجک ایستان، حداقل مربعات ماشینبردار پشتیبان
  16. ارائه یک راهکار ترکیبی برای تشخیص ترافیک مخرب در شبکه های کامپیوتری با استفاده از شبکه عصبی پیچیشی
    سید نوید پاکان زاد 1398
  17. بررسی المان های بهینه سازی محتوا برای موتور های جست و جو
    بهراد کیانی 1398
  18. معرفی یک چارجوب اعتماد جدید در رسانه های اجتماعی
    ابتهال حمید فلیح 1397
  19. مطالعه تجربی تاثیر نانو ذرات آلوموکسان دوپ شده با منیزیوم بر میکرو ساختار و خواص مکانیکی آلیاژ آلومینیوم 5083 در روش جوشکاری اصطکاکی اغتشاشی
    مهدی صحرانورد 1397
  20. طراحی و ساخت سامانه سخت افزار در حقله ماشین سوییچ رلوکتانسی با قابلیت کنترل سرعت
    احسان حاجبی 1397
    موتور های [1]SRM به علت هزینه پایین و ساختار ساده و سخت و محکم و بازده بالا و قابلیت دنبال کردن در سرعت های متغییر و بالا و دمای محیط بالا توجه چشمگیری را به خود جلب کرده است. موتورهای SRM یکی از قدیمی ترین انواع موتورهای الکتریکی هستند که به دلیل عدم وجود سیستم های کنترلی مناسب کنار گذاشته شده بودند اما امروزه از فناوری نیمه هادی مدرن، موتورهای SRM به صورتی ارزان و حتی ساده تر از موتورهای القایی قابل ساخت هستند و احتمالاً به زودی قابلیت رقابت با همه ی موتورهای الکتریکی دیگر را خواهند داشت. یکی از مشکلات این ماشین پیچیدگی کنترل سرعت آن است که تاثیر پذیر از ولتاژهای آستانه هر فاز و پالس های تشخیص اعمالی به فاز های آن می باشد می باشد. اما امروزه مهندسین در تلاش هستند که موانعی که باعث این مشکلات می شوند را با گذشت زمان حل کنند.[1] Switch Reluctance Motor
  21. طبقه بندی وظایف تصویری موتور برای نرم افزار رابط کاربری کامپیوتر مغز
    سیفی محمد منجی 1397
      طبقه بندی وظایف تصویری موتور برای نرم افزار رابط کاربری کامپیوتر مغز
  22. معرفی روشی برای تحلیل احساس داده های حجیم (مطالعه موردی تویتر)
    بیمان حسین حسن 1397
    معرفی روشی برای تحلیل احساس داده های حجیم (مطالعه موردی تویتر)
  23. مطالعه رفتاری اثرات ساختگاه بر متروی کرمانشاه
    مهدی جوانمرد 1396
    ازدیاد جمعیت کلان‌شهرها منجر به کاهش فضاهای موجود در سطح شهرها شده و تمایل به استفاده از فضاهای زیرزمینی را به دنبال داشته است. سازه­های زیرزمینی بخصوص در شهرهای با جمعیت زیاد برای رفع نیازهای مختلف احداث می­گردند. برای حل گره­های ترافیکی بوجود آمده راه­حل­های متفاوتی ارائه‌شده است که از مهم‌ترین آن‌ها می­توان احداث مترو، تقاطع­های غیرهمسطح، قطارهای شهری و غیره می­باشد. برخلاف تصور عمومی که اثر زلزله برسازه­های زیرزمینی و تونل­ها را ناچیز می­دانند، موارد فراوانی در مطالعات محققین در سالهای اخیر وجود دارد که اهمیت اثرات تخریبی زلزله را بر این سازه­ها نشان می­دهد. با آشکار شدن اهمیت حضور فضاهای زیرزمینی بر پاسخ لرزه­ای در سطح زمین مطالعه و مدل­سازی تحلیلی، عددی و فیزیکی در این زمینه مورد توجه محقیقین قرار گرفت. با توجه به لرزه­خیز بودن شهر کرمانشاه سعی شده است تا با استفاده از نرم­افزار اجزا محدود آباکوس و با تعریف رفتار غیرخطی مناسب برای مصالح   بکار گرفته‌شده در مدلسازی صورت گرفته به بررسی اثر زلزله بر ساختگاه تونل متروی کرمانشاه پرداخته شود. گمانه­های BH-7، BH-8 و BH-9   هرکدام به‌طور مجزا در سه‌گام جداگانه ابتدا تحلیل فرکانسی و سپس تحلیل میدان آزاد (بدون تونل) و درنهایت مدل اصلی با مدل‌سازی سازه تونل تحلیل شده­اند. نتایج حاصله از تحلیل تاریخچه زمانی صورت گرفته در سه گمانه BH-7، BH-8 و BH-9 نشان می­دهد که بزرگنمایی حداکثر در گمانه BH-9 رخ می­دهد که بحرانی­ترین گمانه از لحاظ بزرگنمایی امواج دریافتی در سطح زمین می­باشد. باوجوداینکه بزرگنمایی حداکثر در گمانه BH-9 رخ می­دهد اما بیشترین تنش و خسارت در پوشش تونل در محل گمانه BH-8 رخ می­دهد که به دلیل قرارگیری این گمانه در نزدیکی سنگ‌بستر می­باشد. به‌طورکلی میزان خسارت ایجادشده در تونل­ها وابسته به خصوصیات   لایه­های خاک، محتوای فرکانسی و شدت زلزله وارده بر تونل، میزان بزرگنمایی ایجادشده در پروفیل خاک، میزان سربار تونل، مقاومت مصالح تشکیل‌دهنده پوشش بتنی و فاصله از سنگ‌بستر   می­باشد.
  24. نظرکاوی در شبکه اجتماعی اینستاگرام با مطالعه موردی محصول تلفن همراه
    رغد فالح محمد 1396
  25. ارایه ی یک روش ترکیبی دسته بندی برای بهبود تشخیص بیماری های قلبی
    ضیاء صالح حماد 1396
    بیماری قلبی یکی از علل اصلی ناتوانی در بزرگسالان و یکی از علل اصلی مرگ در کشورهای توسعه یافته است. اگر چه پیشرفت های قابل توجهی در تشخیص و پیش بینی بیماری های قلبی انجام شده است، تحقیقات بیشتری هنوز مورد نیاز است.تکنیک های داده کاوی در بسیاری از زمینه ها از جمله علم، وب، کسب و کار، بیوانفورماتیک و انواع مختلف داده ها مانند داده های حسگر، بصری، متنی به کار گرفته شده است. اطلاعات پزشکی هنوز اطلاعات غنی است، اما دانش ضعیف است. داده کاوی یک ابزار است که ما می توانیم از آن برای پیش بینی یا تشخیص بیماری های قلبی بر اساس داده های قبلی در مجموعه داده های استاندارد استفاده کنیم. طبقه بندی عملیات داده کاوی است که اقلام را در یک مجموعه به مقوله ها یا کلاس های هدف اختصاص می دهد. هدف طبقه بندی، دقیقا پیش بینی کلاس هدف برای هر مورد در داده ها است.هدف این پایان نامه طراحی، تطبیق و معرفی یک روش طبقه بندی ترکیبی جدید برای تشخیص بیماری های قلبی است. Hybridization طبقه بندی می تواند در چهار سطح مختلف انجام شود. سطح داده، که به معنی استفاده از مجموعه داده های مختلف و ترکیب است. ترکیب سطح ویژگی سطح دوم است، که در آن از تکنیک های انتخاب ویژگی استفاده می شود. از آنجا که طبقه بندی ها مهم ترین بخش از روش طبقه بندی ترکیبی هستند، سطح سوم طبقه بندی سطح است. در این سطح، طبقه بندی های مختلف یا ترکیبی از آنها می تواند مورد استفاده قرار گیرد. سطح نهایی سطح ترکیب است. در حقیقت، تصمیم نهایی در اینجا، بر اساس ترکیب نتایج یک طبقه بندی کننده، و با معیارهای ارزیابی تحلیل می شود.یک روش طبقه بندی ترکیبی می تواند از هر تعداد از این سطوح استفاده کند. روش پیشنهادی ما شامل سه رویکرد اصلی بر اساس تعداد و نوع استفاده از این سطوح است. ما یک دستاورد بزرگی کرده ایم و این کار با استفاده از ترکیبی از داده های سه گانه ماست. ما یک مجموعه داده جدید را با ترکیب دو مجموعه داده های استاندارد بیماری قلبی مخزن یادگیری ماشین UCI، کلیولند و Statlog ایجاد کردیم. تمام این سه مجموعه داده استفاده شده است. در مورد استفاده از مجموعه داده های کلیولند، فقط 13 ویژگی اصلی انتخاب شده اند که با ویژگی های مجموعه داده Statlog سازگار هستند. لازم به ذکر است که مجموعه داده های کلیولند حاوی مقادیر گم شده است و این مقادیر از مجموعه داده حذف شده اند.یک بخش از روش پیشنهادی ما (روش دو) از الگوریتم CFS برای انتخاب بهترین ویژگی ها در سطح ویژگی استفاده کرده است. در همه رویکردها، طبقه بندی های KNN، DT، NB و SVM و انتخاب های مختلف آنها در سطح طبقه بندی استفاده می شود. در آخرین سطح، نتایج طبقه بندی های ذکر شده با برخی از روش هایی مانند رای اکثریت رای گیری و رای گیری اکثریت با وزنی ترکیب شده است.ما یک روش را طراحی کرده ایم و آن را اجرا می کنیم که از طبقه بندی های تک استفاده می کند. این روش با عنوان "روش پایه" که برای تعیین اینکه آیا استفاده از روش ترکیبی ما دقت تشخیص را بهبود می بخشد یا نه، نامیده می شود. ما نتایج ارزیابی روش پیشنهادی ما را با تحقیقات قبلی و با روش «پایه» مقایسه کردیم. نتایج مقایسه نشان داد که روش پیشنهادی ما دقت تشخیص را بهبود می بخشد.بهترین نتیجه روش پایه برای مجموعه داده های Cleveland برابر با 83.82? از دقت طبقه بندی و برای مجموعه داده Statlog برابر با 84.07? از دقت طبقه بندی با استفاده از SVM بود. ترکیب داده ها (مجموعه داده ها) دقت طبقه بندی را در روش مبتنی بر 95.23? با استفاده از KNN افزایش داد.در نهایت، حداکثر دقت طبقه بندی که با استفاده از روش پیشنهاد ما به دست آمد، برابر با 96.29 درصد از دقت طبقه بندی است که متعلق به روش دو است. رویکرد دو مزیت از ترکیب سطح داده، تکنیک انتخاب ویژگی (CFS)، گروه طبقه بندی سطح و رای اکثریت در ترکیب combiner. این نتیجه نشان داد که بهترین انتخاب طبقه بندی ها KNN، DT در یک مورد و KNN، NB در مورد دیگری است. دقت طبقه بندی این مجموعه داده ها با اعتبارسنجی k-fold با k = 10 بدست آمد.
  26. تشخیص حالات روحی وشخصیت کاربر در هنگام بازی از طریق صفحات لمسی
    هانیه محبیان 1395
    مطالعات انجام‌شده تا به امروز از وجود یک تمایز در حالات روحی افراد خبر می‌دهد. این چشم‌انداز برای همه محققان، به‌خصوص طراحان بازی‌های رایانه‌ای ارزشمند است، چراکه با افزایش گوشی­های لمسی و افزایش بازی­ بر روی این نوع گوشی­ها این سوال برایمان پیش می­آید «آیا رفتارهای لمس حالات روحی بازیکنان را منعکس می‌کند؟» چنانچه بتوانیم حالات روحی کاربران را تشخیص دهیم، طراحان بازی می­توانند با توجه به حالات روحی کاربران میزان و شدت سطح بازی را کنترل کنند و اثرات مخرب این‌گونه بازی‌ها را به حداقل برسانند. در این پژوهش می‌خواهیم از ویژگی‌های نحوه لمس افراد در زمان بازی بر روی یک صفحه لمسی استفاده ­کنیم تا بتوانیم بین حالات روحی مختلف و شخصیت هر فرد تفاوت قائل شویم.در این تحقیق با استفاده از پارامتر شخصیت در تشخیص حالات روحی توانستیم به‌دقت 90/91 درصد و تشخیص شخصیت را با دقت 79/97 در بهترین حالت انجام دهیم. علاوه بر این به یک نتیجه دیگر نیز رسیدیم و آن‌هم این است که وجود ابعاد شخصیت در پارامترها باعث روند بهبود تشخیص نمی‌شود چه‌بسا در الگوریتم‌های انتخاب پارامتر در ارزیابی حالت روحی ابعاد شخصیتی از پارامترهای موجود حذف می‌شوند، اما اگر بعد برانگیختگی حالات روحی و تمامی ابعاد شخصیت را در نظر بگیریم در ارزیابی حالت روحی به‌دقت 52/98 می‌رسیم و ابعاد شخصیت نیز درروند نتایج تاثیر مثبت خواهند داشت.
  27. شبیه سازی - بهینه سازی چند منظوره برای مدیریت منابع ومصارف آب با استفاده از الگوریتم فراکاوشیNSGA-II(مطالعه موردی : سدهای حوضه گاماسیاب )
    محمد سرابی سرورانی 1395
  28. پیش بینی رکود درایران بااستفاده از روش درخت رگرسیون تقویت کننده
    فاطمه مهرابی 1395
    امروزه اقتصاد های مختلف، تجربه های زیادی در زمینه نوسانات اقتصادی بدست آورده اندکه شامل دوران های رونق و رکود اقتصادی می باشد.با توجه به این که یکی از موضوع های بسیار با اهمیت در حوزه اقتصاد کلان ،تثبیت اقتصادی ورسیدن به اهداف اصلی کلان اقتصادی از جمله   رشد اقتصادی،افزایش اشتغال و کاهش تورم می باشد،بنابراین به منظور تحقق این اهداف و کاهش زیان های ناشی از سیکل های تجاری، سیاستگذاران و برنامه ریزان اقتصادی   همواره تلاش می کنندتا با کنترل این نوسانات اقتصادی تا حد ممکن این اهداف را تحقق بخشند. بنابراین به منظور تحقق هرچه بیشتر این اهداف، پیش بینی ادوار تجاری در اقتصاد کلان همواره دارای اهمیت می باشد و بخش مهمی از فرآیند تصمیم گیری وسیاست گذاری اقتصادی را در هر کشور تشکیل می دهد.   در این پژوهش از داده های فصلی طی دوره ی زمانی بین سال های 1353تا1393 استفاده گردیده است و به منظور پیش بینی وقوع رکوداقتصادی 115 فصل را بعنوان مجموعه آموزش و به صورت نمونه گیری بدون جایگذاری و 49 فصل را به عنوان مجموعه آزمایش در نظر گرفته شده است.در این پژوهش در مرحله اول ، ابتدا با توجه به مطالعات صورت گرفته در زمینه ادوار اقتصادی کشور ایران مجموعه ای از متغیر های موثر بر بروز و پیش بینی این ادوار معرفی می گردد سپس با استفاده از تکنیک داده کاوی و روش طبقه بندی موثرترین متغیر ها بر بروز این ادوار شناسایی می گردد. سپس در مرحله مدل سازی مدل درختان تقویت کننده، در ابتدا با توجه به مجموعه کل داده ها، پارامتر های تنظیم کننده   بر اساس معیار های دقت مدل Accuracyو kapa بر اساس بیشترین دقت و کمترین RMSE بهینه یابی شده ومناسب ترین مدل در مرحله ساختاری تنظیم می گردد .سپس این بهینه یابی در شرایط انتخاب موثرتن شاخص ها نیز صورت می گیرد و مدل نهایی در زمینه پیش بینی ادوار اقتصادی تعیین می گرد . در مرحله سوم   براساس بهینه یابی صورت گرفته از مدل و پارامتر های تنظیمی مدل، مدل نهایی پیش بینی تنظیم گردیده وفرآیند پیش بینی صورت می گیرد ودر مرحله آخردقت پیش بینی های انجام شده توسط مدل نهایی   RTبه وسیله منحنی ارزیابی عملیات گیرنده(ROC) ارزیابی می گردد.که نتایج نشان می دهد که مساحت سطح زیر این نمودار بالای 70 درصد است و این امر ملاکی از دقت بالای پیش بینی مدل می باشد . همچنین مدل BRT در مقایسه با دومدل پروبیت و پروبیت بیزین که در این پژوهش مورد بررسی قرار گرفتند دقت بیشتری دارد.  

تاریخ به‌روزرسانی: 1405/08/27

افراد توان خواه
رنگ متن
رنگ پس زمینه
اندازه فونت
+ A -
پنهان سازی تصاویر
تنظیم کنتراست
فاصله بین کلمات
خط راهنما
فاصله بین خطوط
نوع فونت
بزرگنمایی انداره صفحه
+ -
توقف انیمیشن ها