در فرآیندهای تولید نفت امولسیون‌های پایدار همراه نفت استخراج می‌شوند. پایداری این امولسیون‌ها که عمدتاً ناشی حضور ترکیبات فعال سطحی طبیعی در نفت خام است منجر به بروز مشکلات عملیاتی و زیست‌محیطی می‌گردد. از این‌رو جداسازی موثر این امولسیون‌ها به‌عنوان یکی از چالش‌های مهم و ضروری در صنعت نفت مطرح است. در راستای ارائه راهکاری موثر برای رفع این چالش، در این پژوهش یک تعلیق‌شکن پلیمری پرشاخه بر پایه ساختار پلی‌استری با استفاده از پلیمریزاسیون تراکمی مستقیم بین پلی آلکیلن گلایکول سه عاملی به عنوان عامل انشعاب‌دهنده جهت ایجاد شاخه‌ها و ایزوفتالیک اسید دوعاملی سنتز شد. ساختار پرشاخه با داشتن گروه‌های انتهایی بیشتر امکان جذب چندنقطه‌ای و سریع‌تر در سطح مشترک رو فراهم می‌کند. جهت تایید ساختار و صحت سنتز تعلیق‌شکن، مجموعه‌ای از آنالیزهای مشخصه‌یابی انجام شد که نتایج حاصل موفقیت‌آمیز بودن فرآیند سنتز را تایید کردند. عملکرد تعلیق‌شکن سنتزشده در فرآیند جداسازی امولسیون آب در نفت تحت شرایط عملیاتی مختلف غلظت تعلیق‌شکن (بین mg/L50 تا mg/L100)، دما (40 تا 70درجه سانتی‌گراد) و زمان (10 تا 60 دقیقه) ارزیابی شد که در شرایط بهینه شامل غلظت mg/L90، دمای °C70 و زمان ته‌نشینی min50، جداسازی حدود %85 بدست آمد. این تعلیق‌شکن پلیمری پرشاخه افزون‌بر داشتن خاصیت آمفیلفیک به علت ساختار پرشاخه و خصوصیاتی مطلوب از جمله وزن مولکولی مناسب، یکسان بودن تقریبی و انعطاف‌پذیری بالای زنجیره‌های پلیمری، توانایی جداسازی و عملکرد قابل‌قبول مذکور را دارد. در ادامه به‌منظور بهبود عملکرد تعلیق‌شکن پلیمری پرشاخه و بررسی اثر نانوذرات مغناطیسی بر این سامانه، نانوذرات گرافن اکساید مغناطیسی سنتز و به‌عنوان عامل اصلاح‌کننده به سیستم افزوده شدند. این نانوذرات در شرایط بهینه پیشین و با غلظت %wt025/0، میزان جداسازی را از %85 به %6/95 ارتقا دادند. علاوه‌بر این خاصیت مغناطیسی نانوذرات امکان بازیابی مجدد آن‌ها از سیستم را فراهم می‌سازد که این ویژگی ضمن کاهش مصرف این مواد و هزینه‌های عملیاتی بیانگر پتانسیل استفاده مجدد این نانوذرات است. در مجموع نتایج این پژوهش نشان می‌دهد که سنتز تعلیق‌شکن پلیمری پرشاخه و اصلاح آن با نانوذرات گرافن اکساید مغناطیسی، رویکردی نوین و نوآورانه جهت جداسازی امولسیون آب در نفت ارائه می‌کند. همچنین یافته‌های حاصل از این پژوهش به دلیل پتانسیل بالای این سامانه در جداسازی امولسیون می‌تواند برای کاربردهای صنعتی و مطالعات پژوهشی در حوزه صنایع نفت مورد استفاده قرار گیرد.

در این پایان‌نامه با بهره‌گیری از انواع دیتاست‌ها ساختاریافته(فایل اکسل) و بدون ساختار(عکس ، فیلم ، صوت ) از اَعمال انسانی (از قبیل: فرار، تعقیب، حمله ، شلیک ، انفجار و تصادف ....) و سپس پیش پردازش آن‌ها برای شناسایی ویژگی‌های کلیدی که میتوانند در   جهت تمایز و طبقه‌بندی دو دسته شرایط عادی و غیرعادی کمک کنند و همچنین استفاده از الگوریتم‌های خوشه‌بندی برای دسته‌بندی نوع جرم ارتکابی و استفاده ازالگوریتم یولو و شبکه‌های عصبی ، ماشین بردار پشتیبان ، پردازش زبان طبیعی برای آموزش و ارزیابی مدل سعی در بهینه‌سازی نظارت با توجه به بستر و امکانات موجود و هزینه‌های حداقل برای پیش‌بینی شرایط غیرعادی و کاستن از عوارض ناشی از وقوع احتمالی ناهنجاری است . این پایان‌نامه شامل چند مرحله است: 1.   جمع‌آوری داده‌ها 2.   پیش‌پردازش داده‌ها 3.   مدل‌سازی 4.   تحلیل نتایج 5.   پیاده‌سازی در این پایان‌نامه جهت کد نویسی از پایتون استفاده شده‌است.   نتایج به‌دست‌آمده از این پایان‌نامه می‌تواند به بهبود تصمیم‌گیری در زمینه‌های حساس و ارتقاء سیستم‌های امنیتی کمک کند.

   هدف این پژوهش، طراحی و پیاده‌سازی چارچوبی هوشمند و کارآمد برای تشخیص نفوذ در دستگاه‌های اینترنت اشیا با استفاده از رویکرد نوین یادگیری فدرال [1](FL) است. با گسترش روزافزون اینترنت اشیا در حوزه‌هایی نظیر سلامت، صنعت، کشاورزی و شهرهای هوشمند، حجم عظیمی از داده‌ها توسط دستگاه‌های متصل تولید می‌شود که حفظ امنیت و حریم خصوصی آن‌ها به یکی از چالش‌های اساسی تبدیل شده است. روش‌های متمرکز سنتی تشخیص نفوذ، به‌دلیل نیاز به انتقال داده‌ها به سرور مرکزی، محدودیت منابع محاسباتی و ناهمگونی سخت‌افزاری دستگاه‌ها، دیگر پاسخ‌گوی نیازهای امنیتی این محیط نیستند. در این پژوهش چارچوبی نوین با عنوان عامل هوشمند تطبیقی[2](ASA)   پیشنهاد شده است که با ایجاد یک لایه عامل هوشمند ، دستگاه‌ها را بر اساس ویژگی‌های سخت‌افزاری نظیر توان پردازشی، ظرفیت حافظه و پهنای باند به سه خوشه[3]‌ی اصلی تقسیم کرده و مدل‌های متناسب با هر گروه را طراحی می‌کند. در این چارچوب، فرآیند آموزش به‌صورت محلی انجام می‌شود و تنها به‌روزرسانی پارامترهای مدل به سرور مرکزی ارسال می‌گردد. این امر ضمن حفظ حریم خصوصی داده‌ها، موجب کاهش قابل‌توجه بار ارتباطی و انرژی مصرفی می‌شود. یافته‌های حاصل از پیاده‌سازی و آزمایش چارچوب پیشنهادی بر روی مجموعه‌داده‌های مرجع نشان داد که ASA در این پژوهش، چارچوب ASA به‌عنوان یک روش نوین برای تشخیص نفوذ در سیستم‌های اینترنت اشیا معرفی شده است. نتایج آزمایش‌ها نشان می‌دهد که ASA در مقایسه با روش‌های سنتی یادگیری فدرال، دقت بالاتری در تشخیص حملات مختلف از جمله حملات DDoS و نفوذهای ترکیبی دارد. به‌طور خاص، در مجموعه‌داده TON_IoT، دقت 9/93   درصد بود، در حالی که دقت روش‌های سنتی FedAvg و FedProx به ترتیب 64/88 درصد و 99/89 درصد ثبت شد. همچنین، در مجموعه‌داده N-Baiot، نرخ کشف حملات توسط ASA ، 5/93 درصد بود، در حالی که این نرخ در FedAvg و FedProx به ترتیب 89   درصد و 91 درصد بود.در خصوص نرخ مثبت کاذب، ASA توانست این نرخ را به ? درصد کاهش دهد، در حالی که در FedAvg و FedProx   این نرخ به ترتیب ? درصد و ? درصد بود. این نتایج نشان می‌دهند که ASA نه تنها دقت بالاتری دارد، بلکه در کاهش اشتباهات شناسایی نیز عملکرد بهتری از خود نشان داده است در پایان، پیشنهاد شده است که توسعه‌های آینده این چارچوب با تمرکز بر بهینه‌سازی زمان همگرایی مدل، افزایش تحمل خطا، و ترکیب یادگیری فدرال با رایانش مه و لبه دنبال شود تا امکان استقرار آن در زیرساخت‌های واقعی اینترنت اشیا فراهم گردد. [1] Federated Learning [2] Adaptive Smart Agent

محاسبات تقریبی، یک رویکرد نویدبخش برای دستیابی به محاسبات با کارایی بالا و مصرف انرژی پایین، در کاربردهایی است که ذاتاً نسبت به خطا مقاوم هستند. در این کار، یک جمع‌کننده تقریبی پیشنهاد شده که شامل یک بلوک برش ثابت در بخش کم‌ارزش و چندین بلوک جمع غیرهمپوشان در بخش‌های پرارزش‌تر جمع‌کننده است. رقم‌نقلی هر بلوک با استفاده از پرارزش‌ترین بیت یکی از عملوندهای ورودی از بلوک قبلی تامین می‌شود. در بلوک پرارزش نهایی، دو روش دقیق‌تر برای تولید مقادیر کاندید برای رقم‌نقلی ورودی استفاده می‌شود. مقدار نهایی رقم‌نقلی ورودی برای این بلوک بر اساس مقادیر عملوندهای ورودی انتخاب می‌شود. در واقع، جمع‌کننده تقریبی پیشنهادی از ورودی آگاه است و عملکرد خود را به‌صورت پویا در یک یا دو ‌‌‌‌‌‌سیکل تنظیم می‌کند تا دقت را بهبود بخشد، در حالی که تاخیر میانگین را محدود می‌سازد.نتایج تجربی نشان می‌دهند که این جمع‌کننده پیشنهادی در مقایسه با جمع‌کننده‌های تقریبی پیشرفته موجود، توازن بهتری بین کیفیت و تلاش محاسباتی ارائه می‌دهد. پیکربندی‌های مختلف این جمع‌کننده، بدون هیچ‌گونه کاهش در دقت موجب بهبود تاخیر به میزان ?? درصد، انرژی مصرفی به میزان ?? درصد و حاصل‌ضرب انرژی-تاخیر (EDP) به میزان ?? درصد شده‌اند. علاوه بر این، کارایی این جمع‌کننده پیشنهادی در کاربردهایی مانند دیترینگ تصویر و پیش‌بینی قیمت سهام با استفاده از رگرسیون تایید شده‌است.   

   نفت خام سنگین به دلیل ویسکوزیته بالا، محتوای بالای آسفالتین و رزین و دشواری در فرآورش همواره یکی از چالش‌های اصلی صنایع پالایشی محسوب می‌شود. یکی از رویکردهای نوین برای بهبود فرآورش این برش‌ها، بهره‌گیری از پدیده کاویتاسیون و انرژی آزادشده از انفجار حباب‌ها به‌عنوان منبعی برای تغییر خواص نفت سنگین است. در این تحقیق، شبیه‌سازی عددی پدیده کاویتاسیون در یک اجکتور در مقیاس آزمایشگاهی با استفاده از دینامیک سیالات محاسباتی انجام شد. هندسه اجکتور در نرم‌افزار انسیس دیزاین مدلر طراحی و شبکه‌بندی آن در انسیس مشینگ انجام شد. شبیه‌سازی جریان سه‌فازی (آب، بخار و نفت سنگین) و پدیده کاویتاسیون با استفاده از مدل جریان مخلوط در انسیس فلوئنت انجام گردید. شرایط مرزی شامل فشار ورودی آب Pa 2.000.000 و دمای   K298 و فشار ورودی نفت سنگین Pa80000 و دمای   K353 بود، در حالی که فشار خروجی برابر با Pa 101325 تعیین شد. دبی ورودی نفت در شرایط مرزی فوق به ترتیب Kg/s4709171/0 بود و حداکثر سرعت در گلوگاه اجکتور m/s 39/ 63 گزارش شد. داده‌های به‌دست‌آمده از فلوئنت شامل فشار و حجم بخار تولیدی (m³/s 104×33/7) به نرم‌افزار متلب منتقل شد و با بهره‌گیری از معادله ریلی پلست، دینامیک فروپاشی حباب‌ها و انرژی آزادشده از انفجار آن‌ها محاسبه گردید. دما و فشار حباب حین فروپاشی به ترتیب،   K98/4722 و bar 2827 انرژی آزادشده از یک حباب در این فرآیند J 10-10 833× /1بود که به عنوان بار حرارتی به جریان نفت سنگین اعمال شد. تحلیل نتایج نشان داد دانسیته نفت پس از کاویتاسیون از Kg/m³1/903 به 1/880 کاهش یافت و ویسکوزیته ازKg/m·s 2467/0 به 0754/0 کاهش یافت، که بیانگر تغییر قابل توجه در خواص ترمودینامیکی نفت سنگین است. بر اساس نتایج به‌دست‌آمده، بهره‌گیری از کاویتاسیون و طراحی بهینه اجکتور می‌تواند رویکردی موثر برای بهبود فرآیندهای شکست مولکول ها و سبک‌سازی برش‌های سنگین نفت باشد. چارچوب روش‌شناسی ارائه‌شده، امکان تحلیل همزمان هیدرودینامیکی، دینامیکی و اثرگذاری انرژی آزادشده از کاویتاسیون بر نفت را فراهم می‌آورد و می‌تواند مبنای توسعه تحقیقات آینده در بهینه‌سازی فرآیندهای پالایشی قرار گیرد.

صرع یک اختلال عصبی شایع است که با بروز مکرر حملات مشخص می‌شود. پژوهش­ها نشان می‌دهد که حدود?? درصد از بیماران مبتلا به صرع نسبت به درمان‌های دارویی یا روش‌های جراحی مقاوم هستند. فعالیت غیرطبیعی در مغز، که به عنوان وضعیت پیش‌حمله شناخته می‌شود، معمولاً چند دقیقه پیش از وقوع حمله آغاز می‌شود. الکتروانسفالوگرافی روشی عملی برای ثبت فعالیت‌های الکتریکی در مغز است که به تشخیص صرع کمک می‌کند.پیش­بینی تشنج و کمک به بیماران مبتلا به صرع هنوز از چالش­های موجود برای پیشگیری از عوارض تشنج   و بهبود کیفیت زندگی افراد درگیر با این بیماری می­باشد. از این رو، پیش‌بینی دقیق زمان آغاز وضعیت پیش‌حمله می‌تواندکمکی برای کاهش عوارض ناشی از تشنج برای بیمارباشد. هدف از این پایان نامه پیاده سازی سیستمی برای   بهبود معیارهای ارزیابی برای پیش بینی تشنج با استفاده از روش­های یادگیری عمیق می­باشد. در این مطالعه، از مجموعه داده‌های CHB-MITکه شامل سیگنال‌های EEG سطح پوست سر می­باشد، استفاده شده است و روش پیشنهادی بر روی 24 بیمار از این مجموعه داده مورد ارزیابی قرار گرفته است. برای پیش­بینی تشنج مدل­های مبتنی بر یادگیری عمیق و چکانش دانش برای فشرده­سازی مدل به منظور کاهش هزینه­ه ای زمانی و سخت افزاری و برای استفاده از این شبکه در زمان -واقعی به کارگرفته شده است.مدل معلم به صورت مدل مستقل از بیمار ،شامل 22 کانال با پیش پردازش مل اسپکتروگرام به عنوان ورودی و شبکه­ی کانولوشن سه بعدی، به میزان دقت87.52%، حساسیت88.82%، ویژگی85.97%، امتیازF1-   86.56%   رسیده است.سپس تکنیک چکانش دانش را به کار بردیم، با استفاده از تکنیک چکانش دانش و به کارگیری یک الکترود، طبق آزمایش­ها توانستیم دو الکترود با عملکرد برتر از سایر الکترودها را تعیین نماییم.روش پیشنهادی ما   برای الکترود شماره 20 به میزان دقت84.56% ، حساسیت86.76%، ویژگی82.77%، امتیازF1-83.63% ، و برای الکترود شماره 22 به میزان دقت 84.30%، حساسیت86.45%، ویژگی82.93%، امتیازF1- 83.35%، قادر است زمان حمله را به مدت 30 دقیقه قبل از وقوع پیش‌بینی کند. نتایج به‌دست‌آمده از روش پیشنهادی ما با روش‌های پیش‌بینی حمله صرعی پیشرفته مقایسه شده‌اند. روش پیشنهادی   از نظر دقت، حساسیت، ویژگی و امتیاز-F1 عملکرد بهتری داشته است.

  تومور مغزی علت رشد غیرطبیعی سلول‌ها در مغز است. تصویربرداری رزونانس مغناطیسی (MRI) کاربردیترین روش برای تشخیص تومورهای مغزی است. از طریق این MRIها، پزشکان رشد غیر طبیعی بافت را تجزیه و تحلیل و شناسایی میکنند و میتوانند تایید کنند که آیا مغز تحت تاثیر تومور قرار گرفتهاست یا خیر. امروزه با ظهور تکنیکهای هوش مصنوعی، تشخیص تومورهای مغزی با به کارگیری تکنیکها و الگوریتمهای یادگیری ماشینی و شبکههای عصبی مصنوعی انجام میشود. از مزایای استفاده از این الگوریتمها میتوان به پیشبینی سریع تومورهای مغزی، خطاهای کمتر و دقت بیشتر اشاره کرد که به تصمیمگیری و انتخاب مناسبترین درمان برای بیماران کمک میکند. در این تحقیق، از یک شبکه عصبی مصنوعی با هدف تشخیص وجود تومور مغزی استفاده خواهد شد و عملکرد آن مورد تجزیه و تحلیل قرارخواهد گرفت. هدف اصلی این تحقیق طراحی یک سیستم مبتنی بر شبکه عصبی مصنوعی برای تشخیص خودکار تومورهای مغزی از تصاویر MRI و طبقه‌بندی تصاویر MRI به دو دسته "تومور مغزی" و "طبیعی" و در نهایت دستیابی به دقت تشخیصی بالا در تصاویرMRI است. کلید واژگان : تشخیص تومور مغزی، شبکه‌های عصبی مصنوعی ANN، تصاویر MRI، شبکه عصبی کانولوشنال CNN

سرطان سینه یکی از شایع ترین انواع سرطان در میان زنان است که از رشد غیر طبیعی سلولهای پستانی ناشی می شود تعیین مرز و تحلیل شکل تومورها در تصاویر اولتراسوند از جنبه های کلیدی تشخیص پزشکی سرطان سینه محسوب میشوند شناسایی دقیق لبه های تومور و تشخیص دقیق سرطان به دلیل نویز تصاویر یا ویژگیهای تومور همواره چالشهایی را برای پزشکان ایجاد نموده است. بنابراین در این پایان نامه یک روش هوشمند و خودکار برای شناسایی مرز توده های سینه و طبقه بندی سرطان سینه با استفاده از تکنیکهای پیشرفته یادگیری عمیق و یادگیری ماشین مبتنی بر تصاویر سونوگرافی ارائه شده است. داده های مورد استفاده شامل 647 تصویر سونوگرافی از زنان بین ?? تا ?? سال با توده های خوش خیم و بدخیم است که در بیمارستان باهیا جمع آوری شده اند. در مرحله پیش پردازش، تصاویر از نویزهای غیر ضروری پاک سازی شده و به اندازه استاندارد 256256 پیکسل تغییر اندازه داده شدند. سپس با استفاده از روش Deep LabV3 تصاویر به طور دقیق قطعه بندی شده و مرزهای توده ها مشخص گردید. در ادامه ویژگی های بافتی و آماری از توده ها استخراج شد و با استفاده از مدلهای مختلف یادگیری ماشین شامل ماشین بردار پشتیبان (SVM) نزدیکترین همسایه (KNN) و درخت تصمیم توده ها به دو دسته خوش خیم و بدخیم طبقه بندی شدند. نتایج نشان میدهد که مدل درخت تصمیم با میانگین صحت ??/?? درصد، حساسیت ?6/73 درصد تشخیص پذیری ??/?? درصد و امتیاز ?/?? درصد بهترین عملکرد را در طبقه بندی سرطان سینه داشته است. این تحقیق به عنوان یک گام مهم در جهت ارتقاء کیفیت خدمات بهداشتی و درمانی در تشخیص سرطان سینه مطرح میشود و میتواند به بهبود روند تشخیص و درمان این بیماری کمک کند. 

چکیده امروزه با افزایش پیچیدگی مدارهای دیجیتال و فشرده‌تر شدن روز­افزون تکنولوژی­های ساخت، احتمال بروز خرابی در فرآیند ساخت و همچنین در حین کار مدارهای دیجیتال افزایش یافته است. بنابراین این محصولات در فرایند تولید و نیز در حین کار در محیط عملیاتی نیازمند آزمون‌هایی برای اطمینان از عملکرد صحیح هستند. بنابراین تولید آزمون با کیفیت، با حداقل تعداد بردارهای آزمون، ودر سریع­ترین زمان از اهمیت بالایی برخوردار است. در این پایان­نامه یک روش تولید آزمون مبتنی بر شبیه­سازی برای مدارهای ترکیبی پیشنهاد شده است. این روش تولید آزمون از یک معیار ارزیابی تقریبی به نام ردیابی تقریبی مسیر بحرانی با الگوهای موازی برای بررسی میزان شایستگی بردارهای آزمون پیشنهادی استفاده می­کند. این معیار مبتنی بر روش سنتی ردیابی مسیر بحرانی است ولی با یک رویکرد تقریبی برای عقبگرد در فن­اوت­ها، و با پذیرش از دست دادن سطحی از دقت در نتایج، پیچیدگی روش سنتی را کاهش داده است. ردیابی مسیر بحرانی با الگوهای موازی هم از توازی   در سطح اشکال و هم از توازی در سطح الگوهای آزمون بهره می­برد و به همین دلیل سرعت شبیه­سازی آن به نحوی چشمگیر نسبت به روش­های سنتی تعیین پوشش اشکال افزایش می­یابد. اعمال الگوریتم   ردیابی تقریبی مسیر بحرانی با الگوهای موازی روی مدارهای محک ISCAS85، ISCAS89 و ITC99 نشان می­دهد نتایج حاصل از این روش در بیش از 98درصد از مدارها دارای همبستگی قوی با شاخص پوشش اشکال دقیق است و نسبت به روش شبیه­سازی اشکال موازی بیش از500 برابر تسریع دارد. روش تولید آزمون پیشنهادی که از شاخص شایستگی حاصل از الگوریتم   ردیابی تقریبی مسیر بحرانی با الگوهای موازی، برای تشخیص بردارهای آزمون کارا استفاده می­کند،   قادر است بردارهای آزمون با کیفیت و در زمان کوتاه تولید کند. نتایج ارزیابی­ها روی مدارهای محک نشان می­دهد که روش تولید آزمون پیشنهادی در مقایسه با روشی که از شبیه­سازی اشکال موازی استفاده می­کند به طور متوسط با افزایش یک­درصد در تعداد بردارهای آزمون، بیش از 15 برابر سریعتر است. کلمات کلیدی: آزمون مدارهای دیجیتال، پوشش اشکال، تولید آزمون مبتنی بر شبیه­سازی، شاخص پوشش اشکال تقریبی، ردیابی مسیر بحرانی   

   عکس برداری پزشکی نقش مهمی را در تشخیص بالینی و درمان بازی می‌کند. عکس برداری پزشکی یک راهی برای نمایش ساختارهای آناتومی بدن با کمک اشعه ایکس است که از مقطع نگاری کامپیوتری و عکس برداری و رزونانس مغناطیسی حاصل شده است. اما اغلب این نوع عکس برداری بیشتر مناسب عملکرد فیزیولوژیک است تا آناتومی. با رشد کامپیوتر و تکنولوژی عکس برداری، عکس برداری پزشکی به شدت عرصه‌های پزشکی را تحت تاثیر قرار داد. از آنجایی که کیفیت عکس برداری پزشکی بر تشخیص بیماری بسیار تاثیر داشته است، پردازش تصویر پزشکی به یکی از کاربردهای بالینی و مهم تبدیل شده است که تصاویری را برای آینده ذخیره و بازیابی می‌کند که پیش نیازی فرآیندی برای ذخیره دقیق این تصاویر هستند. استخوانها اندامهای جامد در بدن انسان می باشند که بسیاری از ارگانهای مهم مانند مغز، قلب، ریه ها و دیگر اندامهای داخلی را محافظت می کنند. بدن انسان دارای 206 استخوان با اشکال، اندازه و سایز جور واجور است. بزرگترین استخوان، استخوان ران است، و کوچکترین استخوان، استخوانچه شنوایی هستند. یک مشکل شایع در انسان   " شکستگی استخوان " است. شکستگی استخوان میتواند به دلیل تصادف و یا هر مورد دیگری که در آن به استخوان فشار زیاد وارد شود ایجاد گردد. انواع مختلفی از شکستگی استخوان وجود دارد: مورب، ترکیبی، خرد شده، مارپیچ، گیرین استیک1 و عرضی. تصویر برداری با روش اشعه ایکس نسبت به باقی روش- ها،جزییات دقیقی از استخوان ها و جزییات کمتر از بافت و ماهیچه در اختیار میگذارد که تشخیص شکستگیها را ساده تر میسازد.

آنتن‌های آرایه‌ای 1 از چندین آنتن مستقل تشکیل شده‌اند که به صورت هم‌محور یا غیر هم‌محور در کنار یکدیگر قرار می‌گیرند. این آنتن‌ها کاربردهای فراوانی در حوزه‌های مختلف مانند ارتباطات بی‌سیم، رادار، سنجش از دور و غیره دارند. یکی از چالش‌های مهم در طراحی آنتن‌های آرایه‌ای، اثر تزویج متقابل 2 بین المان‌های آنتن است. این اثر باعث می‌شود که انرژی سیگنال ارسالی از یک المان، به المان‌های دیگر نیز منتقل شود. این امر می‌تواند باعث کاهش بازده آنتن، تغییر الگوی تابش و سایر مشکلات شود. در این پژوهش، از دو روش ساختار DGS و عنصرها پارازیتی برای کاهش اثر تزویج متقابل استفاده شده است. ساختار DGS یک تکنیک موثر برای بهبود خصوصیات آنتن‌های ریزنوار است. این ساختار با ایجاد تغییراتی در ساختار زمین آنتن، تاثیرات قابل توجهی در عملکرد آنتن دارد. عنصرها پارازیتی نیز هر المان غیر از خود آنتن‌های فعال که در میدان نزدیک آنتن‌های آرایه‌ای قرار می‌گیرد، به عنوان عنصر پارازیتی تعریف می‌شود. نتایج این پژوهش نشان می‌دهد که استفاده از ساختار DGS و عنصرها پارازیتی 3 ، می‌تواند اثر تزویج متقابل را به میزان قابل توجهی کاهش دهد. این امر باعث بهبود بازده، الگوی تابش و سایر مشخصات آنتن می‌شود. نتایج این پژوهش می‌تواند به طراحان و محققان در زمینه آنتن‌ها کمک کند تا طراحی‌های بهتر و با عملکرد بهتری را ارائه دهند. این نتایج همچنین می‌تواند در دستیابی به  

تشخیص دقیق و به موقع تومورهای مغزی، برای درمان موثر این بیماری، امری ضروری است. انتخاب چگونگی درمان، به سطح تومور در زمان تشخیص، نوع آسیب شناسی و درجه ی آن بستگی دارد. تومور مغزی گلیوما، رایج ترین نوع تومور های مغزی اولیه بوده و همه­ی آن ها از سلول های گلیالی که احاطه کننده ی نورون های عصبی هستند، ایجاد می شوند. در تشخیص این نوع بیماری، روش های تشخیص به کمک رایانه، به متخصصین غدد و اعصاب به اشکال مختلفی کمک کرده اند. آثار اخیر در این زمینه، با ظهور مفهوم یادگیری عمیق منجر به بهبود کارایی شده است. رویکردهای سیستم های تشخیص به کمک رایانه، شامل پیش پردازش، قطعه بندی، تجزیه و تحلیل ویژگی ها (استخراج ویژگی، انتخاب ویژگی و تایید ویژگی) و طبقه بندی، می باشد.   در این پایان نامه، برای شناسایی تومورهای مغزی گلیوما و همچنین طبقه بندی آن ها به نوع درجه بالا و درجه پایین از روش های مبتنی بر پردازش تصویر، یادگیری ماشین و یادگیری عمیق استفاده شده است. روش های پیشنهادی شامل پنج مرحله می باشند: در مرحله ی اول، پیش پردازش داده ها به منظور افزایش کیفیت تصاویر از جمله یکسان سازی اندازه و استخراج ناحیه ی مغز، انجام می شود. در مرحله ی دوم، تصاویر پیش پردازش شده با استفاده از الگوریتم خوشه بندی K-Means قطعه بندی می شوند. در این مرحله برای بهینه سازی K-Means از دو الگوریتم فرا ابتکاری کایوت و کرونا ویروس استفاده شده است. پس از استخراج ناحیه ی تومور، در مرحل? سوم ویژگی­های عمیق از طریق شبکه های عصبی پیچشی و همچنین ویژگی های بافت با استفاده از روش الگوهای باینری محلی، از تصاویر مربوط به ناحیه ی تومور استخراج خواهد شد و در مرحله چهارم، انتخاب ویژگی با استفاده از الگوریتم بهینه سازی ازدحام ذرات، انجام می شود و در نهایت، طبقه­بندی تصاویر صورت می­گیرد. مجموعه دادگان مورد استفاده در این پژوهش، Brats2018 می باشد که شامل 210 تصویر MRI تومور های گلیوما با درجه بالا و 75 تصویر تومور گلیوما با درجه پایین، است. در اولین روش پیشنهادی، قطعه بندی تصاویر با استفاده از ترکیب الگوریتم خوشه بندی K-Means و الگوریتم بهینه سازی کایوت صورت گرفت و همچنین روش های استخراج ویژگی مختلف از جمله استخراج ویزگی های بافت با استفاده از روش الگوهای باینری محلی و استخراج ویژگی های عمیق از شبکه ی عصبی آموزش دیده و شبکه ی از پیش آموزش دیده VGG16 انجام گرفت که از بین روش های ذکر شده، استخراج ویژگی های عمیق حاصل از تنظیم دقیق شبکه ی از پیش آموزش دیده VGG16 بهترین نتیجه را به همراه داشت. این روش پیشنهادی به صحت قابل قبول 99% رسید. در روش دوم پیشنهادی، بهینه سازی مراکز خوشه بندی با استفاده از الگوریتم کرونا ویروس صورت گرفت­و همچنین روش های استخراج ویژگی قبل برای این روش نیز پیاده سازی شده است، که   بهترین عملکرد مربوط به استخراج ویژگی از طریق شبکه ی عصبی آموزش دیده می باشد. دراین فرآیند نیز به صحت 80/99% رسیدیم. کلمات کلیدی: تومورهای مغزی گلیوما، خوشه بندی، الگوریتم فرا ابتکاری کایوت، الگوریتم فرا ابتکاری کرونا ویروس

چکیده: در این پایان‌‌نامه یک آنتن جهت‌یاب ادکاک چهارعنصری طراحی و زاویهً سیگنال ورودی (دریافتی) محاسبه شده است. با توجه به اینکه یکی از منابع خطا اثرمتقابل می‌باشد به‌سراغ طراحی یک EBG جهت کاهش اثر متقابل رفته‌ایم. ابتدا یک EBG بین دو آنتن دایپل برای باند فرکانسی 750 مگاهرتز طراحی کرده‌ایم. سپس یک آرایهً ادکاک چهارعنصری طراحی کرده و خطای آن را بررسی نموده‌ایم. آنگاه برای همین آرایه‌ی ادکاک، یک EBG   طراحی کرده‌ایم و خطای آن را بررسی و با حالت بدون EBG   مقایسه کرده‌ایم. مشاهده نمودیم که خطا در این حالت حدود 3 درجه (بیشتر از نصف) کاهش یافته است.      

   با توجه به رشد روزافزون استفاده از تونل‌ها و سازه‌های زیرزمینی و اهمیت بالای این سازه‌ها، روش‌های نگه‌داری و تامین پایداری این سازه‌ها در زمان بهره‌برداری نیز از اهمیت بالایی برخوردار شده است. یکی از روش‌های رایج نگهداری تونل‌ها استفاده از بتن شاتکریت در دیواره و سقف تونل می‌باشد که باعث جلوگیری از تغییر شکل‌های ناشی از فشار سنگ‌های اطراف می‌شود. در این تحقیق به استفاده از بتن پلاستیک به‌عنوان یک‌لایه انعطاف‌پذیر در دیواره و سقف تونل پرداخته می‌شود. انتظار می‌رود تا بتن پلاستیک بتواند با جذب بخشی از تغییر شکل‌های ایجادشده براثر فشار سنگ‌های اطراف در بهبود عملکرد بتن ازنظر پایداری و لرزه‌ای نقش مفیدی ایفا کند.   در این تحقیق   با مدل‌سازی عددی به کمک نرم‌افزار ABAQUS تاثیرات این لایه انعطاف‌پذیر بر پایداری تونل و تغییر شکل­های آن و همچنین عملکرد لرزه‌ای تونل موردبررسی قرار می‌گیرد. نتایج حاصل شده از این پژوهش بیانگر این موضوع است که استفاده از بتن پلاستیک باعث افزایش ??.?? درصدی میزان ظرفیت باربری نسبت به حالت بدون لایه بتن پلاستیک می‌شود و همچنین میزان استهلاک انرژی مدل در حالت استفاده از لایه بتن پلاستیک نسبت به حالت بدون بتن پلاستیک به میزان ??.?? درصد افزایش پیدا می‌کند. با مقایسه نتایج ناشی از تحلیل دینامیکی تاریخچه زمانی مشاهده می‌شود که با به کار بردن بتن پلاستیک به‌عنوان لایه انعطاف‌پذیر در تونل میزان جابجایی تونل به‌اندازه ??.?? درصد و میزان شتاب تونل به‌اندازه ??.?? درصد کاهش پیدا می‌کند. با مقایسه میزان تنش ایجادشده در بدنه تونل نیز مشاهده می‌شود که میزان مقادیر تنش و کرنش در حالت استفاده از بتن پلاستیک نسبت به حالت بدون بتن پلاستیک به ترتیب به‌اندازه ??.?? درصد و ??.?? درصد کاهش می‌یابد. با درنظر گرفتن نتایج حاصل شده می توان مشاهده کرد که با استفاده از لایه انعطاف‌پذیر بتن پلاستیک در اطراف تونل می توان باعث بهبود عملکرد سازه‌ای و لرزه‌ای تونل شد. کلمات کلیدی: تونل، توده سنگ نرم،‌ نگه‌دارنده انعطاف‌پذیر، بتن پلاستیک، رفتار لرزه‌ای.

   چکیده: اصطلاح رمزارز موضوعی نوظهور در دنیای امروز است که انقلابی در بینش ما در زمینه سرمایه­گذاری ایجاد کرده و باعث تغییر و تحول در سیستم‌های مالی دنیا شده است. رمزارز یک ارز دیجیتال است که از فناوری بلاک‌چین   همراه با رمزگذاری امن استفاده می‌کند. هر تغییر و تحولی می‌تواند مزایا و معایبی داشته باشد، رمزارزها هم از این قاعده مستثنی نیستند و در کنار مزایایی که دارند می‌توانند معایبی هم برای اقتصاد هر جامعه‌ای داشته باشند به طوری‌که با توجه به غیرمتمرکز بودن این ارزها، سیستم‌های پولی سنتی و بازار سرمایه هر جامعه‌ای را می‌توانند تحت تاثیر قرار دهند. بنابراین با توجه به اهمیت موضوع، نیاز به درک افکار عمومی و تجزیه و تحلیل نظرات مردم در این رابطه افزایش می‌یابد. برای درک نظرات و دیدگاه‌های افراد درباره‌ی موضوعات مختلف می‌توان از شبکه‌های اجتماعی کمک گرفت چرا که منبع غنی از نظرات هستند. شبکه‌ اجتماعی توییتر یکی از بسترهای اصلی است که کاربران در آن در مورد موضوعات مختلف بحث می‌کنند، لذا در کوتاه­ترین زمان و با کمترین هزینه می‌توان نظر افراد جامعه نسبت به موضوعی خاص را در این شبکه اجتماعی مورد سنجش قرار داد. تجزیه و تحلیل احساساتِ توییتر[1] (TSA) زمینه‌ای است که به تجزیه و تحلیل احساسات بیان شده در توییت‌ها می‌پردازد. با توجه به اینکه بیشتر تلاش‌های تحقیقاتی TSA با موضوع رمزارزها متمرکز بر زبان انگلیسی است، هدف از این پژوهش بررسی نظرات کاربران ایرانی، در شبکه­ اجتماعی توییتر در مورد رمزارزها و ارائه بهترین مدل طبقه‌بندی توییت‌ها بر اساس احساسات است. در صورت تحلیل خودکار توییت‌ها، مدیران و مسئولان حوزه اقتصاد می‌توانند از دیدگاه عموم مردم نسبت به این موضوع شناخت پیدا کرده و از اطلاعات بدست آمده در جهت مدیریت صحیح این پدیده استفاده کنند. به این منظور در این پژوهش، جهت ساخت مدل­های طبقه­بندی احساسات، از تکنیک­های پردازش زبان طبیعی مانند کیسه کلمات (BOW) و FastText جهت بردارسازی متون و از الگوریتم‌های کلاسیک یادگیری ماشین شامل KNN، SVM وAdaboost روش­های یادگیری عمیق شامل LSTM و مدل BERT برای طبقه­بندی استفاده شد که در نهایت مدل زبانی BERT با کسب 83.50% ، بهترین دقت را داشت. [1]. Twitter Sentiment Analysis

معماری مجازی­سازی توابع شبکه به معنی ارائه سرویس­های مختلف شبکه بدون نیاز به سخت­افزار و عدم وابستگی به آن است. مجازی­­سازی توابع شبکه حوزه­ی جدیدی در شبکه است که با کمک آن می­توان دستگاه­های سخت­افزاری را به صورت مجازی و نرم­افزاری پیاده­سازی کرد. مجازی­سازی توابع شبکه، توابع شبکه مانند پروکسی­ها، دیواره آتش­ها و تعادل بار­ها و دیگر موارد را ارتقا می­دهد. به عبارت دیگر این معماری با استفاده از تکنولوژی مجازی­سازی قادر است دستگاه­های سخت­افزاری را به ماژول­های نرم­افزاری که به عنوان توابع شبکه مجازی معروف­اند تبدیل کند و سرویس مورد­نظر کاربر را تامین کند. ارائه سرویس درخواست شده توسط کاربر در شبکه،   توسط دنباله­ای از توابع شبکه مجازی، که به زنجیره توابع سرویس شهرت دارند صورت می­گیرد. یکی از چالش­های اصلی نیز در توسعه­ی معماری مجازی­سازی توابع شبکه، تخصیص منابع به سرویس­های شبکه تقاضا شده در زیرساخت­های شبکه مبتنی بر مجازی­سازی توابع شبکه است. این چالش مسئله تخصیص منابع مجازی­سازی توابع شبکه نامیده شده است. از این رو در این تحقیق مسئله تخصیص منابع به توابع شبکه مجازی در معماری مجازی­سازی توابع شبکه با استفاده از تکنیک­های برنامه­ریزی ریاضی حل شده است. در این تحقیق برای مسئله تخصیص منابع به توابع شبکه مجازی یک مدل برنامه­ریزی خطی عدد صحیح مختلط چند­هدفه ارائه می­شود. در این مدل قیدهای مربوط به ظرفیت منابع گر­ه­ها و اتصالات و قیدهای تاخیر موردنظر است. همچنین توابع هدف در این تحقیق عبارت­اند از: افزایش جریان­های پذیرفته شده در شبکه، کاهش هزینه­های منابع گره­ها (شامل تعداد هسته­های CPU و میزان حافظه)، کاهش هزینه­های سرمایه­ای، کاهش هزینه­های عملیاتی و بررسی زمان اجرا. این قیدها و توابع هدف توسط توابع ریاضی بصورت دقیق و صریح بیان می­شوند. مدل ریاضی پیشنهادی با حل­کننده سیپلکس پیاده­سازی و حل شده است. برای ارزیابی مدل ریاضی پیشنهادی، چندین توپولوژی مختلف در نظر گرفته شده است. هزینه بهینه تحت تغییر پارامترهایی از قبیل طول زنجیره توابع سرویس، تعداد جریان­ها، طول جریان، میزان منابع گره­ها، تعداد گره­ها و تعداد توابع شبکه مجازی ارزیابی می­شود و نهایتاً افزایش زمان اجرا تحت تغییر طول زنجیره توابع سرویس، تعداد گره­ها و تعداد توابع شبکه مجازی بررسی می­شود. نتایج عددی این تحقیق نشان از کارایی مدل در تخصیص منابع به توابع شبکه مجازی را دارد. کلمات کلیدی: معماری مجازی­سازی توابع شبکه، توابع شبکه مجازی، تخصیص منابع، برنامه­ریزی ریاضی، برنامه­ریزی خطی عدد صحیح مختلط   

شبکه عصبی حافظه کوتاه مدت طولانی، پیچیدگی محاسباتی بالایی دارد که باعث طولانی بودن زمان اجرا می‌شود. برای حل این چالش، پیاده‌سازی سخت‌افزاری یکی از راهکار مطرح شده است. اما توان، تاخیر و مساحت چالش‌های جدی در روند طراحی سخت‌افزاری هستند. یک راه حل مناسب می‌تواند جایگزینی مدارهای تقریبی به‌جای مدارهای دقیق باشد. هدف این پارسا ارزیابیِ کارایی شبکه حافظه کوتاه مدت طولانی با استفاده ازواحدهای محاسباتی تقریبی است. اما چون عملگر ضرب در ساختار شبکه بسیار استفاده می‌شود ما توجه خود را به جایگزینی ضرب‌کننده‌ها معطوف کردیم. بدین منظور تمامی ضرب‌کننده‌های موجود در کتابخانه تقریبی EvoApprox8b را به­جای ضرب‌کننده­­ی دقیقدر ساختار شبکه برای کاربرد پیش­بینی سیگنال­های بورسی در مجموعه داده­های شرکت­هایاپل، مایکروسافت و IBM جایگزین کردیم و عملکرد شبکه را مورد بررسی قرار دادیم.از نتایج شبیه­سازی مشخص شد که جایگزینی ضرب­کننده تقریبی می­تواند سبب کاهش   µw205.8 در توان،   0.64 در تاخیر، µm2   205.8 در مساحت و J 366.5 در PDP، برای پیش­بینی سیگنال Close در مجموعه داده­ی بورسی اپل شود. اثر جایگزینی در پیش­بینی سیگنال High در مجموعه بورسی مایکروسافت به صورت کاهش µm2 170 در مساحت، µw 38.8 در توان و افزایش J 17.7 در PDP بود و نیز اثر جایگزینی در پیش­بینی سیگنال Low برای IBM به صورت کاهش µw 47.1 در توان، J 432.646 در PDP و µm2   87 در مساحت مشاهده شد. در بخش دوم پارسا، با کمک معیارهای ذاتی سخت‌افزاری ضرب‌کننده­های تقریبی، یک مدل پیش‌بینی را طراحی کردیم تا با کمک آن، مناسب بودن ضرب‌کننده برای جایگزینی در ساختار سخت‌افزاری شبکه را پیش­بینی کند. پس یک مسئله کلاس‌بندی دو حالته تعریف شد. در ادامه، با استفاده از الگوریتم­های انتخاب ویژگی تعداد ورودی­های مدل مورد نظر خود را پیدا کردیم. مدل پیشنهادی ما طبقه­بند Linear Discriminant است که با استفاده از معیار خطاهای ذاتی Mean_AED، Correct و Var_ED و با دقت 99% می­تواند عملکرد یک ضرب­­کننده تقریبی از کتابخانه voApprox8bرا در ساختار سخت­افزاری شبکه LSTM پیش­بینی کند.

   چکیده:   بیان مسئله:معماری به عنوان بستری که مخاطب آن انسان است باید جنبه های متفاوت از نیازهای روحی و روانی انسان را پوشش دهد.در این میان کالبد به عنوان عامل شکل دهنده به معماری نقش مهمی در پاسخگویی به این نیازها دارد به ویژه در بناهای مسکونی که انسان در ارتباط دائمی با آن قرار دارد.کالبد به عنوان حد فاصل فضای بیرونی و درونی ماهیتی دوجانبه دارد   به این معنا که علاوه بر تاثیری که بر فضای های داخلی می گذارد، نمایشی از چهره بنا در شهر است. نمای ساختمان نمود این چهره در فضای شهری است. این عنصر به عنوان حد فاصلی میان بیرون و درون بنا می‌تواند موجب برقراری ارتباط میان این دو شود.این ارتباط در صورت شناخت عوامل موثر در چگونگی برقراری آن میتواند موجب طراحی صحیح و جانمایی درست فضاهای داخلی شود و نیز تاثیر مفیدی روی فضاهای شهری داشته باشد .در نهایت مسئله اصلی پایان نامه حاضر دریافت چگونگی ارتباط میان بیرون و درون،کشف الگوهایی در ارتباط با این موضوع و طراحی آپارتمان مسکونی بر اساس این الگوهاست.از این رو سوال اصلی این پایان نامه به این صورت است:چگونه می‌توان در طراحی جداره آپارتمان‌های مسکونی در کرمانشاه،ارتباط درون و بیرون را بهینه نمود؟ پیشینه پژوهش: این پایان نامه با بررسی ضرورت مسئله در جهت کشف چگونگی ارتباط میان بیرون و درون   از طریق منابع کتابخانه ای در حوزه معماری و طراحی شهری   به ارائه پیشینه موضوع پرداخته است به این ترتیب که در ابتدا با جستجو در منابع کتابخانه‌ای حول موضوع وکلمات کلیدی،در بخش اول به مفاهیم مربوط به ویژگی های درون و بیرون و ارتباط میان آنها و دربخش بعدی به مسائل مربوط به جداره و اهمیت آن پرداخته شده است. روش پژوهش: روش پژوهش این پایان نامه ترکیبی از نمونه موردی و کیفی است.ابتدا با در نظر گرفتن معیار‌های استخراج شده از منابع مکتوب در جهت کشف چگونگی برقراری ارتباط میان درون و بیرون از طریق جداره و شناسایی عوامل موثر بر این ارتباط ،خانه هایی از بافت میانی کرمانشاه به عنوان نمونه موردی مورد بررسی قرارگرفته است و داده‌ها با استفاده از روش مصاحبه عمیق با ساکنین و حضور در خانه به همراه مشاهده و برداشت کروکی از فضاها به دست آمده است. سپس به منظور   دستیابی به الگوهای خاص در طراحی جداره،به تبیین روش پژوهش پایان نامه از طریق شناخت کالبد خانه وتحلیل اتفاقات و رویدادهای مرتبط با بیرون ازخانه پرداخته شده است و به کمک رویکرد نظریه‌ی زمینه ایی و روش استدلال منطقی معیار‌های کالبدی موثر درارتباط با بیرون شناسایی شده است. نتایج: نتایج در قالب جدولی به عنوان عوامل کمک‌کننده به ارتباط بیرون ودرون ارائه شده است. این عوامل شامل فضاهای همنشین با جداره،عناصر معماری و عوامل طبیعی است که به صورت راهکارهایی در طراحی آپارتمان مسکونی مورد استفاده قرار گرفته است. این راهکارهای کالبدی می‌تواند به منظور افزایش کیفیت فضایی در آپارتمان‌های مسکونی مورد توجه طراحان قرار بگیرد و نیز می تواند در تدوین استانداردهای طراحی جداره آپارتمان‌های مسکونی کاربردی باشد.    کلید واژه ها:بیرون،درون،نما، طراحی،آپارتمان مسکونی،

   چکیده سکونتگاه یا به تعبیر بهتر خانه به عنوان مکانی که که وابستگی بی‌قید و شرط با انسان‌ها دارد،مفهومی ماندگار و جاودانه است،که از ابتدا تغییرات بسیاری را متحمل شده است. این تغییرات که به واسطه‌ی تفکر انسان در جریان زندگی او بوجود آمده است،گاه ادامه‌ی شرایط پیشین و تداوم آن است و گاه حاصل دگرگونی مفاهیم پیشین است؛ اما در هرحال،چه تداوم و چه دگرگونی حاصل شود، باید چرایی آنها را جویا شده و علت آن مشخص شود. به دنبال همین موضوع و به منظور روشن شدن مسئله‌ی اصلی،عنصر بام به عنوان فضای مورد توجه پایان نامه پیش رو،در شرایط کنونی،در ساختمان‌های امروزی، و همچنین شرایط گذشته این فضا،مورد بررسی و مقایسه قرار گرفته است تا در نهایت لزوم توجه به این فضا به عنوان مسئله‌ی این پایان نامه مشخص شود. در ادامه و با توجه به محوریت فضای بام و مشخص شدن مسئله ی مورد نظر،هدفی که در انجام پایان نامه دنبال می‌شود، توجه به طراحی این فضا در آپارتمان‌های مسکونی است که به دنبال آن توجه به سایر موارد   نظیر ورود طبیعت به فضای معماری،توجه به طراحی فضای باز و سایر موضوعات را نیز در نظر دارد؛ همچنین رفع بخشی از نیازهای روانی انسان در طراحی این فضا و در نظر گرفتن انسان به عنوان طرف دیگر این موضوع در کنار توجه به شرایط متفاوت یک عنصر معماری در ادوار مختلف می‌تواند از اهداف دیگر این پایان نامه تلقی شود. راهبردی که در خصوص جمع آوری اطلاعات در این پایان نامه استفاده خواهد شد،استدلال منطقی است و داده‌ها از طریق جستجو در منابع مکتوب،مشاهده و تحلیل نمونه‌های موردی در قالب تصاویر جمع‌آوری خواهد شد؛ به این معنا که به دنبال یافتن جواب سوالات از طریق منابع کتابخانه‌ای و دسته‌بندی این اطلاعات درمراحل مختلف درکنار یافتن ویژگی‌های فضای بام از طریق منابع مکتوب و نمونه‌های موردی و در ادامه مقایسه نتایج قسمت های مختلف این پایان نامه با یکدیگر،نتایج کلی تری به دست خواهد آمد. در نهایت نتایجی که از این پایان نامه به دست خواهد آمد،چون از جنس راهکارهای طراحانه در فضای بام و پاسخگوی به چهار دسته از نیازهای روانی بدست آمده در بخش‌های ابتدایی این پایان نامه است و در قالب نمودار‌هایی درانتهای بخش‌های مربوطه قرار گرفته است،در قالب جزئیات در فضاهای بام یا در سایر فضاهای معماری قابل اجرا است. به طور کلی نتایج حاصل از پایان نامه پیش رو،قابلیت اجرا در یک آپارتمان مسکونی در بستر مورد نظر که شهر کرمانشاه است را داراست اما چون این پایان نامه حول محور فضای بام است و توجه به فضاهای باز و حضور فضای سبز در معماری را نیز به دنبال دارد می‌تواند تا حدی در خصوص طراحی سایر بناها،با کاربری های مختلف،نیز مورد استفاده قرار گیرد. کلید واژه‌ها: آپارتمان مسکونی،طراحی بام، فضای زندگی

   تفاوت های فردی بشر از شخصیت افراد سرچشمه گرفته که مهم ترین عامل تاثیر گذار بر تصمیمات و انتخاب های فرد می باشد.   شناسایی خودکار شخصیت از متن به دلیل کاربردهای بسیاری از قبیل شناسایی مدیر با کفایت، انتخاب شغل، انتخاب رشته ی تحصیلی و کسب و کار آنلاین، توجه بسیاری از پژوهشگران را در سال های اخیر به خود جلب کرده است. اگرچه بسیاری از روش های موجود تنها به ویژگی های آماری متن اکتفا می کنند، و به روابط و اطلاعات معنایی متن توجه نمی کنند، در حالی که این نوشته ها و متون راهی برای ترجمه ی افکار و احساسات درونی افراد به شکلی قابل درک برای دیگران است. هدف از انجام این پژوهش شناسایی خودکار شخصیت از متن با استفاده از مدل های زبان و یادگیری عمیق است که در آن دو روش برای شناسایی شخصیت از متن معرفی می شود. در هر دو روش از یادگیری عمیق و شبکه های عصبی پیچشی به عنوان ابزار اصلی یادگیری استفاده شده و نیز دو دادگان استاندارد   MyPersonality و   Essaysبه منظور ارزیابی روش ها به کار گرفته شده اند. در روش اول از ویژگی های استخراج شده از کل متن برای مدل سازی، آموزش و ارزیابی استفاده می شود، در حالی که در روش دوم از عبارات کلیدی که توسط یک گراف چندبخشی استخراج شده اند، استفاده می شود. به منظور استخراج ویژگی سه تکنیک SentenceTransformer، Longformer و تبدیل فوریه ی کوتاه مدت برای اولین بار در پژوهش شناسایی شخصیت ارائه شده اند. تحلیل و بررسی نتایج نشان می دهد، روش اول به ترتیب برای دادگان MyPersonality و Essays با استفاده از SentenceTransformer و Longformer میانگین صحت 16/53% و 49/58% را ثبت کرده است. و در روش دوم بالاترین صحت میانگین ثبت شده برای SentenceTransformer   به ترتیب برای عبارات کلیدی Essays و MyPersonality برابر با 83/52% و95/58% می باشد. هم چنین تبدیل فوریه ی کوتاه مدت علارغم دستیابی به صحت 09/51% و 60/52% در روش اول به ترتیب برای دادگان Essays و MyPersonality و هم چنین در روش دوم برای عبارت های کلیدی این دادگان به 24/50% و 09/55% توانسته با صرف زمان کمتر از دیگر تکنیک ها در استخراج ویژگی (حدود 10/11 % تا 65/17%) به طور میانگین در تمامی مجموعه داده ها به فراخوانی و دقت بالاتر برسد.            

با رشد سریع اقتصاد و گسترش بازار سهام، تحلیل و پیش‌بینی قیمت سهام و مقایسه انواع روش‌های پیش‌بینی قیمت و تحلیل روند بازار سهام بیش از پیش ضروری و درعین حال محبوب است. پیش بینی بازار سهام به دلیل ماهیت نوسان آن دشوار است. هیچ قانونی برای پیش‌بینی اینکه در آینده چه اتفاقی برای سهام خواهد افتاد وجود ندارد. پیش‌بینی دقیق، یک چالش بزرگ است چراکه روند بازار بسته به عوامل زیادی همیشه در حال تغییر است. در این تحقیق، هدف تحلیل قیمت و روند شاخص کل و سهام با استفاده از تکنیک‌های یادگیری ماشین است. این‌کار شامل دو رویکرد است. در رویکرد اول با استفاده از دادگان تاریخی نفت، طلا، دلار، برخی شاخص‌های خارجی دیگر، سهام برخی شرکت‌های بزرگ بورسی داخل ایران، شاخص‌های بورس و شاخص‌های فنی استخراج شده از آن‌ها در فاصله زمانی 13/11/2012 و 21//05/2022 نشان داده‌ شد که با کمک هوش مصنوعی و الگوریتم یادگیری ماشین (MLP) می‌توان عوامل و شاخص‌های متاثر روی شاخص کل بازار بورس تهران را یافته و به کمک آن‌ها و الگوریتم‌های یادگیری ماشینی سعی در پیش‌بینی بهتر قیمت‌ها داشت. نتایج حاکی از آن است که شبکه LSTM با دو لایه بازگشتی و گام زمانی بهینه یک شبکه مناسب و درعین حال زمان‌بر اما با دقت بالا برای پیش‌بینی قیمت و سری‌های زمانی است که با حداقل خطا به نسبت روش‌های دیگر یادگیری ماشین مانند نزدیک‌ترین همسایه بهترین نتیجه را در پی داشت. در رویکرد دوم با استفاده از برخی الگوریتم‎های یادگیری ماشین و شاخص‌های فنی و اطلاعات قیمتی گذشته یک سهام خاص(فولاد از تاریخ11/03/2007 تا تاریخ 30/08/2022) هدف تحلیل روند سهام و بررسی سیگنال‌های خرید و فروش بود که به کمک اندیکاتور باند بولینگر و یک عامل ریسک خرید و فروش، می‌توان سیگنال‌های زمان مناسب را برای دادگان پیش‌بینی شده یافت.  

طراحی مبتنی بر اقلیم از دو نظر حائز اهمیت است .در مرحله اول بالا بردن کیفیت آسایش حرارتی و مرحله دوم صرفه جویی در مصرف انرژی برای کنترل حرارتی ساختمان ها. در طراحی ساختمان ها باید توجه زیادی به محیط داخلی شود، زیرا افراد 80 تا 90 درصد از زمان خود را در داخل ساختمان می گذرانند و راحتی، سلامت و بهره وری آنها مستقیماً تحت تاثیر کیفیت محیط داخلی (IEQ) قرار می گیرد. آسایش حرارتی به عنوان تاثیرگذارترین پارامتر بر روی IEQ در میان سایر پارامترهای آسایش بصری، آکوستیک و ... شناسایی شده است. از آنجایی که مصرف انرژی برای برقرار کردن شرایط آسایش در ساختمان‌ها زیاد می باشد از پنجره ها که از عناصر جدایی ناپذیر نمای ساختمان ها هستند برای دستیابی به آسایش حرارتی داخلی می توان بهره گرفت.بطور کلی نیز   جامعه به وضوح از کاهش مصرف انرژی، عمدتاً در ساختمان ها، از طریق استفاده مناسب از روشنایی روز و   تهویه طبیعی   آگاه شده است. هدف کلی از انجام این پژوهش نیز بهره گیری از   روشنایی روز برای به حداقل رساندن میزان نور مصنوعی و کاهش مصرف برق و کاهش هزینه های   HVAC (تهویه مطبوع) است. استفاده از پنجره ها یا نورگیرها برای ورود نور طبیعی و تنظیم دما یکی از استراتژی های ساختمانی است که می تواند در هزینه های صاحبان خانه و مشاغل صرفه جویی کند. ازآنجاکه پنجره‌ها در فصول گرم می‌توانند انرژی تابشی زیادی را وارد ساختمان نمایند که منجر به افزایش انرژی سرمایشی می‌گردد، ایجاد سایه بر روی این پنجره به‌منظور جلوگیری از نفوذ آفتاب به داخل ساختمان در طول سال حائز اهمیت است.به همین دلیل از سایبان ها برای کنترل میزان تابش آفتاب و کاهش انرژی ورودی در اقلیم هایی با تعداد روزهای گرم در طول سال استفاده می شود. استفاده از سایبان چه به عنوان بخشی از ساختمان و چه به عنوان قسمت جدا شده از ساختمان می تواند در کاهش دمای داخل، ایجاد هوای مطبوع و استفاده از نور طبیعی موثر باشد. در این پایان نامه ، با تمرکز برپارامتر هندسه پنجره و سایبان به منظور کنترل بهتر   تابش خورشید برای ارتقاء روشنایی و تهویه طبیعی سعی کرده ایم با   مقایسه هندسه های   مختلف به درصد بهینه پنجره در هر جبهه ساختمان در   اقلیم شهر خرم آباد برسیم.امید است که نتایج این پژوهش به عنوان یک استراتژی در قدم های اولیه طراحی راهنمای عمل معماران قرار گیرد.   

   چکیده تبدیل صدا با هدف تغییر یک یا چند جنبه سیگنال گفتار با حفظ ساختار گفتاری سیگنال انجام می‌شود. یکی از زیرمجموعه‌های تبدیل صدا، تقلید صدا است. تقلید صدا تکنیکی برای تبدیل هویت گوینده مستتر در شکل موج گفتار منبع، با حفظ اطلاعات زبانی می‌باشد. تغییر گفتار گوینده منبع به گونه‌ای انجام می‌شود، که خروجی تولید شده، مانند جمله بیان شده توسط یک گوینده هدف است. هدف سیستم تقلید صدا، ایجاد تابع تبدیلی است، که ویژگی‌های گفتاری یکسان زبان، از هر دو گوینده منبع و هدف را به هم تبدیل کند. با جای‌گذاری ویژگی‌های متناظر گوینده هدف با ویژگی‌های متناظرگفتار گوینده منبع، و بازسازی این ویژگی‌ها به موج گفتار، تقلید صدا اتفاق می‌افتد. بیشتر مباحث تقلید صدا، حول یادگیری ویژگی‌های متناظر گوینده منبع و هدف می‌باشد. در این پژوهش سعی شده تبدیل موج گفتار گوینده منبع با تفکیک سیگنال گوینده منبع و هدف، به قطعات زمانی یکسان و تبدیل آن به ماتریس دو بعدی Mel Spectrum (با استفاده از ووکودر MelGAN) داده‌های ورودی را آماده کرده و با آموزش شبکه ایجاد شده، الهام گرفته از شبکه‌های مولد تخاصمی چرخشی(Cycle GAN)، این تابع تبدیل را ایجاد کنیم. ووکودر MelGAN برای سنتز(تبدیل) شکل موج به Mel Spectrum و بالعکس(شکل موج گفتار) استفاده شده است. همچنین در این پژوهش از داده‌های چالش تقلید صدای سال 2018 استفاده شده است. در این چالش که هر دو سال یک‌بار برگزار می‌شود، با در اختیار دادن داده‌ها (در سری 2018، داده‌های غیرموازی)، برای بهبود کیفیت تقلید صدا، تلاش می‌شود. در پایان جهت ارزیابی تابع تبدیل نهایی آموزش دیده در این پژوهش، از دو روش   کمی استفاده شده است. معیارهای ارزیابی عینی موجود برای تبدیل صدا (VC) همیشه با ادراک انسان مرتبط نیست. بنابراین، آموزش مدل‌های VC با چنین معیارهایی ممکن است به طور موثر طبیعی بودن و شباهت گفتار تبدیل‌شده را بهبود نبخشد. در این پروزه، از مدل‌های ارزیابی مبتنی بر یادگیری عمیق برای پیش‌بینی رتبه‌بندی انسان از گفتار تبدیل شده، استفاده شده است. مدل‌های شبکه عصبی کانولوشنال و تکراری برای ایجاد یک پیش‌بینی‌کننده میانگین امتیاز نظر (MOS) که MOSnet نامیده می‌شود، اتخاذ می‌کنیم. همچنین از معیار MCDنیز برای ارزیابی کمی استفاده شده است.   علی‌رغم سال‌ها تحقیق، سیستم‌های تقلید صدا، و پیشرفت فرایند یادگیری تابع تبدیل، با استفاده ازانواع شبکه‌های عصبی، هنوز هم در تقلید دقیق از یک گوینده هدف به صورت طیفی و عروضی و به‌طور هم‌زمان حفظ کیفیت گفتار، کمبودهایی دارند.

  

  امروزه با افزایش ارتباط بین فناوریهای رایانهای و حوزه پزشکی، واسطهای مغز و کامپیوترتاثیر مهمی در زمینههای مختلف از جمله تشخیص فعالیت تصور حرکت، بازشناسی احساسات، تشخیص بیماری صرع، امتیاز بندی سطح خواب و بارکاری ذهنی دارند. تشخیص تصور حرکت یکی از تکنیکهای مبتنی بر واسط مغز و کامپیوتر است. این تکنولوژی با پردازش سیگنالهای مغز و استخراج الگو از یکی از مهمترین سیگنالها در تشخیص این نوع EEG تاثیر به سزایی بر مطالعه ذهن وکارکردهای آن دارد. سیگنال ،MI سیگنالهای فعالیت است. این پژوهش به طراحی، پیاده سازی و ارزیابی یک روش جدید برای تشخیص تصور حزکت دست انسان می پردازد. مغز انسان این قابلیت را دارد که از طریق ارتباط بین نواحی و اثرگذاری بر یکدیگر منجر به فعالیت های شناختی شود. به عبارت دیگر مغز از نواحی مختلفی تشکیل شده است که هر کدام از آن ها یا به طور جداگانه یا تعاملی منجر به اجرای وظایف مختلف توسط انسان می شود. این روش جدید، از قابلیت ذکر شده جهت ارزیابی عملکرد مغز و تشخیص تصور حرکت دست انسان استفاده کرده است. در این تحقیق تلاش شده است که اطلاعات دقیق تر و کامل تری جهت ارزیابی مدل پیشنهادی، استفاده شود. به این منظور برای تحلیل سیگنال های حاصل از تصور حرکت، از رویکرد مسئله معکوس به کار برده شد که به اطلاعات آناتومیکی مغز حین تصور حرکت دست EEG دسترسی دارد. در این راستا از بازسازی منبع سه بعدی که شامل مراحل مدل سازی فضای منبع، مدل پیشرو و مسئله معکوس است، به کار برده شد. باتوجه به اطلاعات به دست آمده، از اتصال موثر (یکی از سه نوع اتصال بین نواحی مغز) مبتنی بر مدل سازی علّی پویا استفاده گردید که گراف مربوط به نواحی مرتبط با تصور حرکت طراحی و پیاده سازی شود. نواحی موثر به کمک بازسازی منبع به دست آمده است. این نوع مدل سازی بهتر می تواند اتصالات جهت دار و علّی بین نواحی مغز و نقش موثر فعالیت نورون های قشر مغز را در ایجاد و اجرای تصور حرکت تفسیر کند. به دلیل اینکه اطلاعات حاصل از گراف مدل سازی علّی پویا یک ماتریس مجاورت از مقادیر اتصال موثر بین نواحی، ناشی از تعامل و اثر گذاری قشرهای مغز است برای سهولت در استخراج ویژگی های سطح بالای تصور حرکت، از تکنیک شبکه عصبی کانولوشن گراف گونه جهت طبقه بندی نوع تصور حرکت به کار برده شد. این شبکه عصبی از طریق ماتریس مجاورت، جهت بین نواحی را تشخیص می دهد و اطلاعات یال و رئوس گراف را برای استخراج ویژگی به کار می برد. نتایج این روش دقت بالاتری را در مقایسه با 5 و 10 لایه جهت تشخیص (GCN_ نشان داده است که اجرای شبکه عصبی با 15 لایه ی کانولوشنی ( 15 0% است. در مقایسه با / 0% و 99 / نوع تصور حرکت را داشته است. دقت حاصل برای تصور حرکت دست راست و چپ به ترتیب 95 پژوهش های پیشین نیز، روش پیشنهادی توانسته است دقت تشخیص را افزایش دهد.

سرطان ریه شایع ترین سرطان در دنیا است. در این پژوهش با استفاده از مدل یادگیری عمیق توانستیم سرطان ریه را به دو دسته تومور و سالم طبقه بندی کنیم.

ورزشپیلاتس، شامل مجموعه‌ای از حرکات است که با تمرکز برای استفاده هم‌زمان از ذهن وجسم، از جاذبه، وزن بدن و دستگاه‏های مخصوص برای افزایش مقاومت فرد کمک می‏گیرد تاماهیچه‏های تثبیت‏کننده‏ی بدن تقویت شوند. اگر به هر دلیلی فرد قصد انجام اینحرکات را در منزل و بدون وجود مربی داشته باشد، نرم‏افزارهای تجاری مختلفی وجوددارد که نقش مربی را ایفا می‌کنند؛ اما این نرم‏افزارها فاقد یک راهنما یا ناظر نرم‏افزاریهستند که به کاربر در مورد درستی انجام حرکات، بازخورد مناسب دهند. این پایان‌نامه،به مسئله میزان درستی حرکات پیلاتس کاربر با ارائه رویکردی مبتنی بر تکنیک‌هایپردازش تصویر می‌پردازد. در اینتحقیق به تحلیل کامپیوتری 6   حرکت اصلیپیلاتس در شرایط عدم حضور یک مربی پیلاتس پرداخته شده است. برای انجام این پژوهش،در ابتدا یک مجموعه داده مناسب نیاز است. برای جمع‌آوری داده، با استفاده از یک حس‌گرکینکت، در هر فریم مختصات سه‏بعدی 20 مفصل اصلی بدن از ویدیو عمقی، استخراج شد.مجموعه داده‏ حاصل شامل 300 رکورد است که در یک مکان ثابت از کاربران مختلفجمع‏آوری شده است. روش پیشنهادی شامل چهار مرحله است. در ابتدا، مختصات سه‏بعدی 20مفصل اصلی از ورودی استخراج می‌شود. در مرحله دوم، پیش‌پردازش‌های موردنیاز شاملمحاسبه 4 زاویه اصلی بدن یعنی زوایای زانوها و آرنج‏ها در هرفریم، اعمال فیلتر ساویتسکی گولای و الگوریتم قطعه‌بندی تقریب مجموعقطعه‏ای انجام می‌شود. در مرحله سوم، برای محاسب? فاصله داده‏ها توابع مختلفپیشنهاد شد که عبارت‌اند از تابع پیچش زمانی پویا، هاسدورف، پیچش زمانی پویا سریع وارائ? تابع فاصله بهبودیافته مبتنی بر تابع پیچش زمانی پویا سریع. در مرحله چهارمیادگیری و طبقه‏بندی انجام شد که در این پژوهش از طبقه‏بند نزدیک‏ترین همسایهاستفاده شد. برای ارزیابی روش پیشنهادی، از روش K-fold بهرهگرفته شد و بر روی مجموعه داده فراهم شده، این روش آزمایش شد. نتایج به‌دست‌آمده،عملکرد خوب این روش را از دو جنبه بهبود دقت و همچنین تسریع محاسبات نشان داد. دقتطبقه‏بندی بر روی این مجموعه داده 95% به دست آمده است.بعد ازطبقه‏بندی حرکات، در بخشی مجزا، قابلیت محاسب? میزان درستی حرکات پیلاتس کاربر باتوجه به حرکات استاندارد در نظر گرفته شده است. این توانایی بر اساس محاسب? میزانشباهت حرکت کاربر با حرکت استاندارد انجام شده است و برای این هدف، از یک آستانه‏گیریکه به‌صورت تجربی محاسبه شده، استفاده شده است و در نهایت خطای سیستم نرم‏افزاریپیشنهادی با توجه به یک ناظر انسانی محاسبه شده است.   

   یکی از روش­های  پایدارسازی شیب­های خاکی یا گودهای خاکبرداری شده، میخکوبی خاک می­باشد که این روش به مدت حدودا چهاردهه است که در سرتاسر دنیا مورد استفاده قرار می­گیرد و پیشرفت­های زیادی نیز در استفاده از این روش حاصل شده است. با این وجود استفاده از این روش در مناطق سردسیر به دلیل عدم انجام مطالعات کافی و فقدان اطلاعات لازم در مورد پاسخ دیواره خاکی میخ کوبی شده در اثر تجربه سیکل های یخ زدن وذوب شدن، محدودتر از سایر نقاط با شرایط دمایی معمولی می­باشد. بنابراین در مطالعه حاضر در راستای رسیدن به برنامه­ای جامع برای طراحی مناسب دیواره خاکی میخ کوبی­شده در مناطق سردسیر، با استفاده از نرم افزار المان محدود ABAQUS ، مدل سازی عددی از یک دیواره خاکی میخ­کوبی شده در برانزویک[1] واقع در ایالت مین[2] آمریکا انجام شده که این منطقه جزء مناطق سردسیر به حساب می­آید. هدف از انجام این تحقیق، بررسی عددی تاثیر پدیده یخ زدگی بر رفتار دیواره خاکی میخ کوبی شده، بررسی تنش­های ایجادشده ناشی از فعالیت یخ زدگی در میخ­های تقویت کننده بدنه خاکی، میزان فشار وارده بر دیواره رویه و میزان جابجایی بدنه خاکی دراثر تجربه فرآیند یخ­زدن می­باشد. نتایج بدست آمده در این مطالعه بر اساس نتایج عملیات میدانی انجام شده در برانزویک توسط (Duchesne 2003) صحت­سنجی شده است. در انتها نیز به منظور دست یافتن به نتایج جامع­تر تاثیر حالات مختلف میخ­گذاری درون بدنه خاکی تحت شرایط مذکور مورد بررسی قرارگرفته است. [1]. Brunswick [2]. Maine

  چکیده تصاویر مهم­ترین و پرکاربردترین داده­های دیجیتالی مورد استفاده در سیستم­های کامپیوتری هستند. یک تصویر دیجیتالی از مجموعه­ای از اشیا یا نواحی تشکیل شده است، لذا یکی از تکنیک­های کارا برای استخراج ویژگی از تصاویر با توجه به اشیا تشکیل دهنده آن، تکنیک قطعه­بندی تصویر می­باشد که مرز اشیا یا نواحی را بر روی تصویر با توجه به بافت و ویژگی­های آن با دقت بالایی مشخص می­کند. با استفاده از قطعه­بندی تصویر، پیکسل­های تصویر با توجه به ویژگی­های مشترک و به­طور کلی شباهتی که به هم دارند در ناحیه­های خاص خود کنار یکدیگر قرار می­گیرند. آستانه گذاری چند سطحی تصاویر یک از محبوب­ترین و در عین حال ساده­ترین و کاراترین روش­های قطعه­بندی تصاویر است. مهم­ترین مساله در این روش، انتخاب مقدار آستانه­های مربوطه می‌باشد. به­گونه­ای که با تعین آستانه­های مناسب بتوان تصویر مورد نظر را به­طور دقیق­تر ناحیه­بندی کرد. روش آتسو یکی از روش­های آستانه گذاری است که در تعیین آستانه­های دو سطحی عملکرد خوبی دارد اما هنگام افزایش تعداد آستانه­ها، عملکرد آتسو از نظر زمان و دقت قطعه بندی کاهش می­یابد. لذا با الگوریتم­های بهینه سازی ترکیب می­شود تا عملکرد بهتری از نظر زمان و دقت قطعه بندی بدست دهد. در این پایان نامه ،همچنین یک الگوریتم بهینه سازی ملخ بهبود یافته به منظور افزایش دقت قطعه بندی و افزایش کیفیت تصویر پیشنهاد شده است.همچنین در این روش تابع ارزیابی آتسو برای فرایند قطعه­بندی تصاویر در الگوریتم­های بهینه سازی پیشنهاد شده است که طبق آزمایشات و نتایج، الگوریتم ملخ بهبودیافته در مقایسه با الگوریتم­های بهینه سازی ملخ، نهنگ، کرم شب تاب و کلونی زنبور عسل عملکرد بهتری دارد. کلمات کلیدی: قطعه­بندی تصویر، الگوریتم بهینه سازی ملخ بهبودیافته، الگوریتم بهینه­سازی ملخ، الگوریتم بهینه­سازی کرم شب تاب، الگوریتم کلونی زنبورعسل و الگوریتم بهینه­سازی نهنگ. چکیده تصاویر مهم­ترین و پرکاربردترین داده­های دیجیتالی مورد استفاده در سیستم­های کامپیوتری هستند. یک تصویر دیجیتالی از مجموعه­ای از اشیا یا نواحی تشکیل شده است، لذا یکی از تکنیک­های کارا برای استخراج ویژگی از تصاویر با توجه به اشیا تشکیل دهنده آن، تکنیک قطعه­بندی تصویر می­باشد که مرز اشیا یا نواحی را بر روی تصویر با توجه به بافت و ویژگی­های آن با دقت بالایی مشخص می­کند. با استفاده از قطعه­بندی تصویر، پیکسل­های تصویر با توجه به ویژگی­های مشترک و به­طور کلی شباهتی که به هم دارند در ناحیه­های خاص خود کنار یکدیگر قرار می­گیرند. آستانه گذاری چند سطحی تصاویر یک از محبوب­ترین و در عین حال ساده­ترین و کاراترین روش­های قطعه­بندی تصاویر است. مهم­ترین مساله در این روش، انتخاب مقدار آستانه­های مربوطه می‌باشد. به­گونه­ای که با تعین آستانه­های مناسب بتوان تصویر مورد نظر را به­طور دقیق­تر ناحیه­بندی کرد. روش آتسو یکی از روش­های آستانه گذاری است که در تعیین آستانه­های دو سطحی عملکرد خوبی دارد اما هنگام افزایش تعداد آستانه­ها، عملکرد آتسو از نظر زمان و دقت قطعه بندی کاهش می­یابد. لذا با الگوریتم­های بهینه سازی ترکیب می­شود تا عملکرد بهتری از نظر زمان و دقت قطعه بندی بدست دهد. در این پایان نامه ،همچنین یک الگوریتم بهینه سازی ملخ بهبود یافته به منظور افزایش دقت قطعه بندی و افزایش کیفیت تصویر پیشنهاد شده است.همچنین در این روش تابع ارزیابی آتسو برای فرایند قطعه­بندی تصاویر در الگوریتم­های بهینه سازی پیشنهاد شده است که طبق آزمایشات و نتایج، الگوریتم ملخ بهبودیافته در مقایسه با الگوریتم­های بهینه سازی ملخ، نهنگ، کرم شب تاب و کلونی زنبور عسل عملکرد بهتری دارد. کلمات کلیدی: قطعه­بندی تصویر، الگوریتم بهینه سازی ملخ بهبودیافته، الگوریتم بهینه­سازی ملخ، الگوریتم بهینه­سازی کرم شب تاب، الگوریتم کلونی زنبورعسل و الگوریتم بهینه­سازی نهنگ

محاسبات تقریبی تکنیکی امیدوارکننده برای کاهش توان مصرفی یا بهبود تاخیر مدارها می­باشدکه با کمک آن می­توان به مصالحه مناسبی بین توان مصرفی، تاخیر، و دقت در خروجیمدار دست یافت. در این کار، ما مدارهای ضرب­کننده تقریبی با عرض بیت­های مختلفیپیشنهاد می­دهیم و اثر استفاده از ضرب 8 بیت را در الگوریتم­های پردازش تصویر ازجمله: الگوریتم صاف کردن با فیلتر گاوسی، الگوریتم کشش کنتراست، الگوریتم لبه­یابیبا فیلتر سوبل، و الگوریتم ضرب تصاویر بررسی می­کنیم. ضرب­کننده تقریبی پیشنهادیپایه، ضرب­کننده­ی 4 بیت می­باشد که برای کاهش تاخیر مدار، مدار به دو بخش تقسیممی­شود، بخش پایین، عاری از رقم نقلی است و بخش بالا دارای یک زنجیره­ی رقم نقلی 2بیتی ِ مستقل از بخش پایین است. برای گسترش مدار و تولید مدارات ضرب­کننده 8، 16 و32 بیت، از ضرب­کننده 4 بیت پایه استفاده می­کنیم و از هفت تکنیک برای انباشت وجمع نهایی استفاده می­کنیم. جمع­کننده مورد استفاده برای جمع نهایی، جمع­کننده دقیقو یک جمع­کننده تقریبی موجود با پیکربندی­های مختلف برای داشتن دقت در سطوح مختلفمی­باشد. نتایج حاصل از پیاده­سازی ضرب­کننده تقریبی نشان می­دهد که ضرب تقریبی 4بیتی پیشنهادی به ترتیب دارای حداکثر 11.55درصد، 11.75درصد، 7.99درصد،45.64درصد، 53.21درصد، 68.57درصد، 82.91درصد و 94.63درصد بهبود در پارامترهایمیانگین فاصله خطا (MED)، میانگین فاصله خطای نرمال شده (NMED)، میانگین فاصلهخطای نسبی (MRED)، توان مصرفی، مساحت، تاخیر، حاصل­ضرب توان-تاخیر(PDP)، و حاصل­ضربانرژی-تاخیر (EDP) در مقایسه با ضرب 4 بیت موجود است. در ضرب­کننده 4 بیت تقریبیپیشنهادی به ترتیب 72.81درصد، 74.35درصد، 83.33درصد، 95.46درصد و 99.24درصد بهبوددر پارامترهای توان مصرفی، مساحت، تاخیر، حاصل­ضرب توان-تاخیر(PDP)، و حاصل­ضربانرژی-تاخیر (EDP)   در مقایسه با ضرب درختی دقیق والاس داریم. نتایج حاصل از استفاده از ضرب­کننده­های 8 بیت در الگوریتم­های پردازش تصویر مذکور، نیزنشان دهنده کیفیت قابل قبول تصاویر پردازش شده است.  

پیشرفت فنّاوری­های ساخت تراشه­های سیلیکونی و دستیابی به ابعاد نانومتری، امکان ساخت سیستم­های الکترونیکی بزرگ بر روی یک تراشه را فراهم نموده است. این تراشه­های جدید با چالش­های جدیدی نیز مواجه هستند و ممکن است در هر زمانی در محیط کار دچار اشکال شوند. این امر نیاز به روش­های خودآزمایی دوره­ای در محیط کار را بیشتر کرده است. استفاده از روش­های خودآزمایی سخت­افزاری به علت ویژگی­های آزمون تصادفی نمی­تواند به تنهایی کافی باشد و برای رسیدن به سطح کیفیت مناسب برای آزمون پردازنده، بایستی از روش­های خودآزمایی نرم­افزاری نیز بهره برد. یکی از مهمترین مراحل در فرآیند آزمون یک تراشه، تولید بردارهای آزمون کارا برای آزمون آن تراشه است. تولید بردارهای آزمون با استفاد از روش­های قطعی تولید آزمون بسیار زمانبر است. علاوه بر این محدودیت­های زمانی و عملکردی در پردازنده­ها، باعث می­شود که تولید آزمون­های نرم­افزاری برای پردازنده با استفاده از روش­های قطعی تولید بردار آزمون، ناممکن و یا حداقل سخت و ناکارا باشد. استفاده از روش­های تولید آزمون مبتنی بر شبیه­سازی به دلیل غلبه بر این محدودیت­ها، می تواند یک جایگزین مناسب باشد. در روش­های مبتنی بر شبیه­سازی، تعدادی الگوی آزمون به صورت کاملاً تصادفی و یا با استفاده از روش­های فرا ابتکاری تولید می­شود. سپس این بردارهای آزمون بر اساس شاخص پوشش شکال، مقایسه شده و بهترین آنها انتخاب می­شوند. در این روش­ها، محاسبه­ی شاخص پوشش اشکال بردار آزمون زمانبر است. می­توان به­جای شاخص دقیق و زمانبر پوشش اشکال، از یک شاخص تقریبی و سریع برای ارزیابی و انتخاب بردارهای آزمون استفاده نمود.   در این راستا، در این پایان­نامه یک شاخص تقریبی به نام APXD پیشنهاد شده است که تقریبی مناسب از تعداد اشکال­های شناسایی شده توسط یک الگوی آزمون ارائه می­کند. با تکیه­ بر این شاخص، یک روش تولید آزمون مبتنی بر شبیه­سازی به نام APXD_TG نیز در این پایان­نامه پیشنهاد شده است و با استفاده از آن برای برخی از اجزای یک پردازنده، آزمون نرم­افزاری تولید شده است. نتایج ارزیابی­های ما نشان می­دهد که شاخص APXD سرعت و دقت مناسب داشته و جایگزین مناسبی برای شاخص پوشش اشکال است. علاوه بر این نتایج ارزیابی­ها نشان می­دهند که استفاده از شاخص APXD به جای شاخص پوشش اشکال، ضمن حفظ کیفیت آزمون، زمان تولید آزمون را به نحو قابل توجهی کاهش می­دهد. شاخص پیشنهادی بسیار سریع­تر از شاخص پوشش است. به طور میانگین نسبت به روش موازی ?? برابر سریع­تر و نسبت به روش سریال 696.9 برابر سریع­تر است. لذا استفاده از آن در بخش ارزیابی بردارهای آزمون کاندید، تسریع قابل توجهی در الگوریتم‌های تولید آزمون مبتنی بر شبیه­سازی به وجود می­آورد.   

  در این مقاله، آسیب پذیری ترانسفورماتورهای هوایی توزیع بصورت کیفی و کمی ( تحلیلی ) مورد بررسی قرارگرفته است. در ارزیابی کیفی با توجه به خرا بیهای مشاهده شده در زلزله های گذشته، مودهای خرابی ترانسفورماتور وعلل احتمالی آنها با توجه به شر ایط اجرایی آنها در کشورمورد مطالعه قرار گرفته اند . ارزیابی کمی نیز با تحلیل دینامیکی یک نمونه پستهوایی تحت اثر شتاب نگاشت زلزله های مختلف و بررسی نیروهای داخلی ایجاد شده در اجزای بحرانی، صورت گرفته است. بر اساس بررسیهای کیفی مشخص گردید که مهمترین نقطه ضعف در ترانسهای هوایی، کمبود مقاومت بد لیل فقدان مهار جانبی در محل اتصال سکوی نگهدارنده آنها به پایههای پست میباشد که این امر می تواند سبب دوران ( یا واژگونی ) ترانس هنگام زلزله گردد. ارزیابی کمی صورت گرفته نیز نشان دهنده آسیب پذیری ترانس در صورت مهار نشدن سکوی نگهدارنده آن به پایه های پست می باشد. در انتها، راهکارها و پیشنهاداتی جهت بهسازی در پستهای موجود نیز ارائه گردیده است.کلیدواژه ها: پایه های ترانسفورماتور، آثار متقابل پایه های متصل به یکدیگر، بهسازی لرزه ای، مقاوم سازی لرزه ای، عملکرد لرزه ای، خسارات زمین لرزه

  چکیده    امروزه بدلیل محدود بودن سوختهای فسیلی، آلودگی محیط زیست و ... گذار از این سوختها به انرژیهای قابل تجدید برای تولید انرژی الکتریکی اجتناب ناپذیر است که در این میان انرژی خورشیدی و بادی به دلیل دسترسی بهتر و قابلیت تواندهیِ بالاتر بیشترمورد توجه قرار گرفتهاند. به منظور بهرهبرداری از توان باد از توربینهای بادی با محور عمودی و افقی بهره گرفته میشود که توربینهای بادی با محور افقی به دلیل استخراج توان بالاتر بیشتر مورد استفاده قرار میگیرند. ژنراتورهای مورد استفاده در این توربینها نیز خود به دو دستهی سرعت ثابت و سرعت متغیر تقسیم میشود که ژنراتورهای سرعت متغیر بهدلیل تنش مکانیکی کمتر و بازدهی بالاتر، بیشتر مورد استفاده قرار میگیرد. در میان ژنراتورهای سرعت متغیر نیز ژنراتور القایی دوسو تغذیه (DFIG) به دلیل مزایای خاص خود از اهمیت ویژهای برخوردار است و بیشتر مورد توجه قرار میگیرد. از این ویژگیها میتوان به کنترل توان اکتیو و راکتیو چهار ناحیهای، عملکرد مطلوب در سرعتهای متغیر باد، هزینهی کمتر کانورتر و کاهش تلفات توان و ... اشاره کرد. امروزه به دلیل ساختار ویژهی ژنراتورهای بادی و نحوهی کنترل و اتصال آنها به شبکه و همچنین به دلیل مسائلی همچون سرعت متغیر باد و عدم قطعیت، استفاده از این نوع ژنراتورها را با مشکلات و مسائل خاصی روبهرو میکند. از جملهی این مسائل میتوان به کنترل توان تولیدی، ردیابی نقطهی حداکثر توان، عملکرد مطلوب در شرایط عدم تعادل ولتاژ و جریان اشاره کرد. توربین بادیِ مورد مطالعه در این تحقیق، ژنراتور القایی دوسو تغذیه (DFIG) میباشد که در آن استاتور مستقیماً به شبکه متصل است و سیمپیچی روتور از یک مبدل فرکانسی که متشکل از دو مبدل AC-DC برپایهی IGBT دوطرفه فرمانپذیر و یک لینک DC است، تغذیه میشود. مبدل سمت روتور با تزریق جریان فرکانس متغیر، نقش جبران ساز تفاوت فرکانس مکانیکی با فرکانس شبکه را دارد. وظیفهی مبدل سمت شبکه کنترل ولتاژ لینک DC و در بعضی موارد توان راکتیو را فراهم میکند. در این تحقیق ابتدا عملکرد و طرح کنترلی یک ژنراتور القایی دوسو تغذیه در حالت متعادل مورد بررسی واقع میشود و سپس در حالی که ولتاژ شبکه در حالت نامتعادل قرار میگیرد، ژنراتور DFIG   تجزیه و تحلیل میگردد. در ژنراتور القایی دوسو تغذیه، عدم تعادل ولتاژِ شبکه سبب نامتعادل شدن جریان استاتور، جریانِ روتور به مبدل، جریانِ مبدل به سمت شبکه، گشتاور و شار میشود. در این تحقیق از طریق جداسازی مولفههای مثبت و منفی در حالت نامتعادلیِ ولتاژ شبکه و جبران توالی منفی، جریانهای استاتور و روتور متعادلسازی میشود. در مرحلهی بعد ولتاژ نقطهی اتصال مشترک که به دلیل قطع شدن یکی از فازهای بار سهفاز دچار نامتعالی شده، با استفاده از جبرانساز استاتیکی سنکرون (STATCOM) و با روش قاب مرجع دوگانهی مجزای سنکرون (DDSRF) متعادل و تثبیت میگردد. در این تحقیق به منظور تجزیه و تحلیل سیستم و مدل مورد مطالعه از نرمافزار شبیهساز MATLAB که یک نرم افزار قدرتمند در این زمینه است، استفاده شده است. با مقایسهی شکل موجهای جریان استاتور، روتور، مبدل سمت شبکه و ولتاژ نقطهی PCC بدست آمده از طرح کنترلی پیشنهادی و مقایسهی آن با زمانی که کنترلی بر روی سیستم وجود ندارد، میتوان به این نتیجه رسید که طرح ارائه شده میتواند عملکرد ژنرانور القایی دوسو تغذیه را در شرایط مختلف تضمین کند. واژههای کلیدی: ژنراتور القایی دوسو تغذیه – DFIG – ولتاژ نامتعادل – توالی منفی – جریان استاتور – جبرانساز استاتیکی سنکرون – قاب مرجع دوگانهی مجزای سنکرون

طراحی عروسک هوشمند تعاملی مبتنی بر اینترنت‌اشیاء براساس زبان فارسی   

تولید آزمون با استفاده از روش‌های قطعی به دلیل استفاده از عقب‌گرد بسیار زمان‌بر هستند. روش‌های تولید آزمون مبتنی بر شبیه‌سازی   مدار را فقط در مسیر روبه‌جلو تحلیل می‌کنند و همین موضوع باعث محبوبیت آن‌ها شده است. روش‌های تصادفی تولید آزمون که از روش‌های مبتنی بر شبیه‌سازی محسوب می‌شود زمان کوتاهی برای تولید آزمون دارد، اما تعداد بردارهای آزمون تولیدشده در روش‌های تصادفی زیاد است. استفاده از شاخص پوشش اشکال برای بررسی شایستگی بردارهای آزمون و هرس کردن بردارهای آزمونی که کارایی کافی ندارند راه حلی مناسب در کاهش تعداد این بردارها است. اما محاسبه شاخص پوشش اشکال برای هر بردار آزمون نیازمند شبیه‌سازی اشکال است که فرآیندی زمان‌بر است. همچنین الگوریتم ژنتیک بدلیل جستجوی بهینه‌ای که روی فضای بزرگی از بردارهای آزمون انجام می‌دهد می‌تواند به یک مجموعه آزمون بسیار فشرده برسد. اما این روش هم که مبتنی بر شبیه‌سازی است، بدلیل استفاده از شاخص پوشش اشکال به عنوان تابع برازندگی نیازمند شبیه‌سازی اشکال است که زمانبر است. هدف اصلی این پایان‌نامه کاهش زمان تولید آزمون روش‌های مبتنی بر شبیه‌سازی با حفظ کیفیت آن‌ها برای مدارات ترکیبی است. ایده این پایان‌نامه بررسی شایستگی بردارهای آزمون با استفاده از یک شاخص جدید مبتنی بر سیستم احتمالاتی است که محاسبه‌ی آن سریع و کم هزینه است. برای ارزیابی دقت این شاخص شایستگی پیشنهادی از مفهوم همبستگی آماری استفاده شد که نتایج نشان داد همبستگی بین شاخص شایستگی پیشنهادی و شاخص پوشش اشکال برای تمام مدارات وجود دارد و برای 6 مدار از 10 مدار ISCAS85 این همبستگی بزرگتر از 7/0 بود که همبستگی زیاد را نشان می‌دهد. نتایج استفاده از شاخص شایستگی پیشنهادی در روش‌های تولید آزمون مبتنی بر شبیه‌سازی نشان داد که می‌توان روش پایه هرس کردن بردارهای آزمون   با حفظ کیفیت تولید آزمون   به طور متوسط 86% تسریع بخشید و روش پایه تولید آزمون مبتنی بر الگوریتم ژنتیک را با متوسط یک بردار آزمون بیشتر به طور متوسط % 85/49 تسریع بخشید.   

چکیده پیشرفت تکنولوژی و اینترنت با رشد چشمگیر و روزافزون پایگاه­داده­ها به­خصوص تصاویر مواجه شده به همین جهت جستجوی تصویر دلخواه و بازیابی آن از میان حجم انبوه پایگاه­داده­ها اهمیت ویژه­ای پیدا کرده است. جستجوی تصاویر از گذشته تا به حال به­عنوان یک امر مهم پژوهشی بوده و روش­های متعددی برای آن مطرح شده از جمله این روش­ها بازیابی تصویر براساس متن است، روش بازیابی براساس متن روشی پایه بوده و عملیات جستجو را با استفاده از کلمات کلیدی تعریف‌شده برای هر تصویر انجام می­دهد، با توجه به این­که روش جستجوی متنی روشی زمان­بر و پرهزینه به­حساب می­آمد، تلاش­ها به سمت روش­ها و تکنیک­های دیگر یعنی بازیابی تصویر براساس محتوا یعنی با استفاده از توصیفگر­های عناصر ساختاری و یا ویژگی‌های سطح پایین تصویر یعنی رنگ، بافت و شکل کشیده شد تا بتوانیم به تصویر جستجوی مدنظر برسیم. در این تحقیق سعی شده توصیفگر عناصر ساختاری SED را به چالش کشیده و با سایر توصیفگر­ها و الگوریتم­های که در این پروژه پیاده‌سازی‌شده مقایسه صورت گیرد و به روشی با درصد دقت بالاتری دست یابیم، با تحقیقات و بررسی­های­ انجام شده برروی روش­ها و توصیفگرهای عناصر ساختاری که از ویژگی­های سطح پایین رنگ و بافت استفاده می­کنند، روش پیشنهادی ترکیبی با استفاده از عناصر ساختاری و هیستوگرام اختلاف رنگ ارایه شده است. از طرفی باتوجه به اینکه تغییر سایز تصاویر یک مسئله مهم و دسترسی به تصویر مورد نظر با سایز­های متفاوت یک امر مهم تلقی می­شود لذا نتایج روش‌های مختلف استخراج ویژگی در تصاویر با ‌‌اندازه‌های 128×128،‌ 64×64،‌ 32×32،‌ 16×16 و 8×8 با‌‌هم مقایسه شده است. برای دسته­بندی تصاویر از ماشین­بردار­پشتیبان استفاده شده و دقت محاسباتی بازیابی تصویر در روش پیشنهادی تا 90 درصد افزایش یافته است. کلمات کلیدی: بازیابی مبتنی بر محتوای تصویر؛ ویژگی­های سطح پایین؛ توصیفگر عناصر ساختاری؛ رنگ؛ بافت.   

. 

چکیدهبا توجه به افزایش ترافیک و نیاز به پاسخ گویی سریع به درخواست­ها دسته­بندی بسته­ها به یک تکنولوژی مهم و یک چالش در عملکرد مسیریاب­ها تبدیل شده است، بخصوص در زمان همگام سازی تصمیم گیری خود با سرعت تبادل داده­ها این موضوع بیشتر نمود پیدا می کند، یعنی سرعت جست و جوی فیلدها با سرعت لینک­های انتقال برابر باشد و تا زمانی که سرعت شبکه­ها ثابت نشود کار روی دسته­بندی بسته­ها اهمیت خود را حفظ می­کند. افزایش روزافزون داده­های انتقالی و پویا بودن آنها باعث شده راه حل­ها و معماری­های سخت­افزاری یا نرم­افزاری متعددی برای این موضوع ارائه شود. الگوریتم­های نرم­افزاری با وجود توسعه­پذیری بالایی که فراهم می­کنند اما از سرعت پائینی برخوردارند از طرف دیگر راه­حل­های سخت­افزاری سرعت خوبی دارند ولی هزینه بالا و قابلیت توسعه­پذیری کمی دارند. از این رو ارائه روشی برای ایجاد مصالحه بین سخت­افزار و نرم­افزار مورد توجه محققان قرار گرفته است. طبقه بندی بسته­ها یک جستجوی چند فیلدی با سرعت لینک ا انجام می­دهد.در این تحقیق ، به منظور رفع مشکلاتی که در بالا ذکر شد از دو فیلتر بلوم و خارج قسمت استفاده شد و به منظور انطباق روش جستجو با بسته های ارسالی در تعداد فیلدهای موجود در معماری نوین SDN، این تعداد به 15 فیلد سرایند افزایش یافت. در نهایت با استفاده از ابزارهای در دسترس از جمله   Intel Platform Power Estimation Tool (IPPET)   معیارهای مورد نظر برای بررسی قابلیت های روش ارائه شده استفاده گردید و از نتایج حاصل از دو فیلتر برتری فیلتر بلوم نسبت به فیلتر خارج قسمت دربرخی معیارها اثبات گردید به این صورت که در مورد زمان مصرفی، سرعت انجام الگوریتم، توان عملیاتی و انرژی مصرفی فیلتر بلوم عملکرد بهتری داشته ولی در موارد حافظه مصرفی و نرخ خطای مثبت فیلتر خارج قسمت عملکرد بهتری دارد.

شبکه نرم افزاری تعریف شده (SDN) فناوری جدیدی در شبکه‌های کامپیوتری است که در آن با جداسازی صفحه کنترل از صفحه داده، دید کلی شبکه فراهم شده است. این جداسازی با استفاده از یک API (مانند OpenFlow [1]) که میان کنترل‌کننده و سوئیچ‌ها قرار گرفته، مقدور شده است. کنترل‌کننده متمرکز منطقی در شبکه SDN، با استفاده از دید کلی شبکه می‌تواند به بهبود مدیریت شبکه، توازن بار، مسیریابی و امنیت کمک شایانی کند. متوازن‌کننده بار SDN، با استفاده از کنترل‌کننده متمرکز منطقی می‌تواند با ورود هر جریان جدید به شبکه بصورت بی‌درنگ در مورد تخصیص آن به سرور دارای بهترین شرایط، تصمیم‌گیری کند. اغلب متوازن‌کننده‌های بار SDN در لایه ? از مدل OSI کار می‌کنند و تصمیم‌گیری‌های آن‌ها براساس سرآیند لایه‌های ? تا ? می‌باشد و این امر سبب محدودیت در پیاده‌سازی شبکه‌ها می‌باشد. این محدودیت در آنجایی نمایان می‌شود که سرور‌های Back-End مشابه یکدیگر نباشند. در این شرایط نیاز به وجود پایگاه داده‌ای از نگاشت بین محتوا و سرور در کنترل‌کننده بوده و با ورود هرجریان به متوازن‌کننده Front-End، کنترل‌کننده نسبت به تخصیص آن جریان به سروری که محتوای درخواستی در آن وجود دارد اقدام نماید. به منظور پیاده‌سازی متوازن‌کننده بار لایه ? (لایه کاربرد)، روش‌های متداول سنتی از جمله اتصال معوق و مهاجرت سوکت TCP وجود دارند که تلاش این پژوهش در پیاده‌سازی روش اتصال معوق براساس مفاهیم SDN می‌باشد و هم‌چنین با توجه به دید کلی شبکه و در نظر گرفتن بار ترافیکی و همچنین زمان پاسخ سرور‌های Back-End بهترین سروری که محتوای درخواستی در آن قرار دارد انتخاب شود. در پیاده‌سازی روش، از یک   سوئیچ مجازی تحت عنوان Open vSwitch در یک ناظر ماشین مجازی و کنترل‌کننده Floodlight استفاده شده است و نتایج حاصل از پیاده‌سازی در پژوهش پیش رو درج شده است. به طور متوسط بهبود زمان پاسخ در مقایسه با سه الگوریتم دیگر، L  RT، Round Robin و روش انتخاب تصادفی به ترتیب 19.58?، 33.94? و 57.41? است. علاوه بر این، میانگین بهبود بهره­وری روش پیشنهادی در مقایسه با سه الگوریتم دیگر، به ترتیب 16.52?، 29.72? و 58.27? است.

  نفت خام که از چاه استخراج می‌گردد در واحد بهره برداری طی چند مرحله با افت فشار مواجه می شود. در نهایت گاز همراه از آن جدا شده و در صورت عدم وجود واحدی جهت جمع آوری میعانات گازی سوخته می شود. این میعانات گازی، که از ترکیبات هیدروکربنی با ارزشی تشکیل شده اند، در صورت بازیافت و جمع آوری باعث افزایش در آمدهای حاصله خواهند شد. هیدروکربن های تشکیل دهنده میعانات گازی عمدتا شامل اتان و هیدروکربن های سنگین تر مانند پروپان، بوتان و سایر هیدروکربورهای سنگین، که بنزین طبیعی نیز نامیده می شوند، می باشند. البته درصد هر کدام از این مواد در میعانات گازی، بستگی به نوع مخزن، محل آن، عمق مخزن و عوامل دیگر دارد. نفت خام استخراج شده از چاه به دلیل اینکه از اعماق زمین به بالا آمده‌ است، در طول مسیر بالا آمدن، با خود مقداری شن و ماسه و آب شور را به همراه دارد. از این رو، قبل از ارسال این نفت به پالایشگاه‌ ها، جامدات، آب، و گاز همراه با آن در محل هایی که به مجموعه تاسیسات سرِچاهی شناخته می‌شوند، توسط دستگاه‌ هایی به نام جداکننده، از نفت جدا می‌گردند. با توجه به وجود میعانات گازی در گاز خروجی از تفکیک گرهای واحد بهره برداری نفت شهر و ارزش اقتصادی بالای آن جداکردن این ترکیبات بسیار حائز اهمیت است. از این رو پیدا کردن روشی برای جداکردن این ترکیبات سنگین با صرف کمترین انرژی و هزینه از نظر اقتصادی بسیار حائز اهمیت می باشد.ما در این تحقیق سعی داریم از روشی استفاده کنیم که مقدار این جداسازی را با حداقل امکانات به حداکثر رسانده و از دستگاهی با نام لوله ی گردابه ای یا vortex tube استفاده می کنیم.دستگاه vortex tube یا لوله ی گردابه ای یک دستگاه مکانیکی بسیار ساده فاقد اجزای متحرک می باشد و قابلیت تنظیم دما را داراست که جریانی از یک سیال فشرده را در دما و فشار معین از طریق نازل به صورت مماسی دریافت می کند و شامل یک ورودی و دو خروجی می باشد که سیال از قسمت ورودی وارد دستگاه شده و دچار چرخش شده و از دو خروجی سرد و گرم خارج می شود. سیال گرم در حاشیه ی لوله حرکت می کند و سیال سرد در مرکز می باشد. اغلب در جامعه ی علمی سیال های مورد استفاده در vortex tube گازها یا بخارها گزارش شده است اما برانو و Hajdik به طور مستقل از لحاظ تجربی ثابت کرده اند که مایع ها می توانند به عنوان بخشی از سیال کار مورد استفاده قرار گیرند و بخش دیگر گاز باشد.

پلی اتیلن سبک یکی از گسترده ترین مواد اولیه پلاستیک محسوب می شود که در دما و فشار بالا و به وسیله پلیمریزاسیون رادیکال ازاد اتیلن فوق بحرانی تولید می شود. مسئله بسیار مهمی که برای یک راکتور لوله ای تولید پلی اتیلن سبک پیش می آید، تشکیل پلیمر در جداره داخلی آن است. رسوب را می توان به عنوان تجمع پلیمر نامطلوب تعریف کرد که نرخ انتقال حرارت مخلوط اتیلن و پلی اتیلن با جریان خنک کننده درون ژاکت را کاهش داده و موجب پایین آمدن تبدیل اتیلن و در نتیجه نرخ تولید محصول می شود. لذا اولویت اصلی این پایان نامه ارائه ی یک مدل برای آنالیز تولید پلی اتیلن سبک، با در نظر گرفتن مقدار رسوب در دمای دیواره داخلی راکتور است. مدل ریاضی بر پایه انتقال حرارت شکل گرفته، و برای حل معادلات از نرم افزار متلب و روش حدس و خطا استفاده شده است. نهایتا میزان دمای آب ورودی و خروجی برای هر لوله، دمای جداره داخلی، در صد تبدیل مونومر، ضخامت رسوب به وجود امده در دیواره،و مقامت رسوب در مقابل انتقال حرارت و ...محاسبه شد. رسوب در راکتور لوله ای تولید پلی اتیلن سبک به علت تشکیل مخلوط دو فازی اتیلن و پلی اتیلن در نزدیکی دیواره داخلی ، شکل می گیرد. موازنه انرژی حول بخش های مختلف راکتور و ژاکت آن حهت محاسبه انتقال حرارت و دمای دیواره انجام گرفته است.با توجه به دما وفشار نزدیک دیواره ، و استفاده از معادله حالت سواو ردلیچ وونگ داده های تعادلی محاسبه شده اند. نتایج این قسمت ، نشان دهنده ان بود که تقریبا همه ی جریان فرآیندی به صورت تک فاز است و تنها در ناحیه نزدیک دیواره، که دما به اندازه کافی پایین است، جریان دوفازی شکل می گیرد بنابراین در فشار راکتور دمای دیواره پارامتر اصلی برای محاسبه رسوب است.نتایج محاسبات مدل و استفاده از آن در بهینه سازی مدل نشان دهنده تاثیر زیاد دما ی اب خنک کننده و تا حدودی شدت جریان آب خنک کننده بر روی کمیت و کیفیت تولید است. مقایسه این نتایج با داده های واقعی ، به خوبی اعتبار مدل استفاده شده را تایید می کند.

در این پژوهش کاربرد نانوالیاف پلی آکریلونیتریل/گرافن اکسید به روش الکتروریس مورد بررسی و آزمایش قرار گرفت. تاثیر بهبود خواص مکانیکی و نیز حذف فلزات سنگین از محلول های آبی با استفاده از نانوکامپوزیت پلی آکریلونیتریل/گرافن اکسید پرداخته شد. بدین منظور مجموعه دستگاه آزمایشی برای این بررسی طراحی و ساخته شد. در این پروژه، ابتدا نانوذرات گرافن اکسید به روش هامرز بهبود یافته، سنتز شده و با تانیک اسید برای بهبود خواص فیلر مذکور (گرافن اکسید) عامل دار شدند. استفاده از نانوصفحات گرافن اکسید منجر به افزایش خواص مکانیکی نانوالیاف پلی آکریلونیتریل ریسیده شده با روش الکترواسپینینگ و همچنین مستعد کردن سطوح نانوالیاف برای جذب فلزات سنگین از محلول های آبی گردید. پساز انجام مطالعات تجربی، یر اساس نتایج به دست آمده، بکار بردن نانوساختارهای مذکور در ماتریس پلیمری پلی آکریلونیتریل منجر به افزایش مقاومت مکانیکی به میزان 60% گردید. علاوه بر این، حذف کاتیون های سرب و کادمیم از محلول های آبی به ترتیب به میزان 97% و 94% منتج گردید.

ساخت واصلاح غشا نانو کامپوزیتی برای جداسازی   محلول اتانول /آب بافرایند تراوش تبخیری

بیماری پارکینسون یکی از بیماری­های شایع عصبی است. این بیماری با مشکلات حرکتی برای بیماران همراه می­باشد که موجب عدم توانایی کارکردن و دیگر پیامدها می­باشد. در این پایان­نامه، سعی شده تصاویر مربوط به دست نوشته افرادی که تست پارکینسون داده­اند به صورت اتوماتیک توسط روش­های پردازش تصاویر بررسی شوند و بیمارها و غیر بیمار ها با متد­های پردازش ماشین و یادگیری ماشین تفکیک شوند. ویژگی­های الگوی باینری محلی و چندی­کردن فاز محلی برای اولین بار در مسئله­ی طبقه­بندی افراد سالم و بیمار پارکینسون بکار برده می­شوند و پارامترهای دقت شناسایی،   دقت،فراخوانی وF-score   ارزیابی می­شوند. روش پیشنهادی شامل سه قسمت است: پیش پردازش، استخراج ویژگی­ و کلاس بندی. در بخش پیش پردازش، نرمال سازی، قطعه­بندی مبتنی بر عملیات ریخت­شناسی و فیلتر مات بر روی تصویر انجام می­گردد. سپس، در بخش استخراج ویژگی برای تصویر، دست خط و خط چاپی از هم جدا شده و سپس با هم مقایسه می­شوند تا ویژگی­های مربوط به آن به دست آید. برای مشخص کردن نقاط متناظر روی دست خط و خط چاپی از اختلاف دو تصویر و همچنین میانگین­گیری استفاده شده است. در ادامه، ویژگی­های بدست آمده که مبتنی بر اطلاعات آماری تصویر می­باشد، بدست می­آید. در مرحله­ی بعد سه طبقه­بند مختلف ماشین بردار پشتیبان، نایو بیز و کا نزدیک­ترین همسایه به منظور دسته بندی افراد سالم و بیمار پارکینسون بکار گرفته شده است. برای ارزیابی روش پیشنهادی و مقایسه با روش­های پیشین، از مجموعه داده Hand PD استفاده شده و از 90 درصد داده­ها برای آموزش و از 10 درصد برای تست استفاده کرده­ایم. نتایج به­دست آمده نشان می­دهد که بهترین الگوریتم در بین طبقه­بندها نایو بیز بوده است که دقت این روش برای طبقه­بندی افراد سالم و بیمار با بدست آوردن اطلاعات آماری   تصاویر، برابر با 32/85 است . همچنین در ادامه تاثیر بکارگیری دو توصیفگر الگوی باینری محلی و الگوی چندی­ساز فاز محلی، بررسی شده است که طبقه­بند نایوبیز بیشترین دقت را برای الگوی باینری محلی برابر با مقدار 77/87 و برای الگوی چندی­ساز فاز محلی برابر با 59/85   نتیجه داده است. در مجموع نتیجه­  hy  hy;ی بدست آمده از روش پیشنهاد شده نشان می­دهد که این روش نسبت به روش­های اخیر 9 درصد افزایش در دقت تشخیص داشته­است.   

امروزه در صنایع مختلف مطالعاتی در مورد کاربرد آب مغناطیسی در حال انجام است. در این پژوهش، با ساخت دستگاه تولید آب مغناطیسی توسط نویسندگان نتایج حاصله بر روی سختی آب مورد بررسی قرارگرفت. با اعمال میدان مغناطیسی و الکترومغناطیسی بر روی آب، ساختار آن تغییر داده شده است. در آزمایشات صورت گرفته با دو میکروکانال با قطر مختلف، آب خروجی پس از عبور از کاغذ صافی به منظور جداسازی کلسیم کربنات مورد بررسی قرار گرفته و نتایج نشان می دهد که عواملی همچون دبی آب عبوری ، شدت میدان مغناطیسی و میدان الکترومغناطیسی روی خواص آب حاصله اثر مستقیم داشته و می توان آب نرم تر با سختی کم تر بدست آورد. با آب مغناطیسی بدون اضافه کردن مواد شیمیایی به آب رسوبات موجود بر روی سطوح در تماس با آب که از قبل ایجاد شده اند، زایل شده و از تشکیل رسوب جدید نیز پیشگیری می شود.

  در سال­های اخیر مصرف انرژی در شبکه­ها،   به دلیل رشد قابل ملاحظه­ی کاربران و افزایش تقاضای سرویس­های چند رسانه­ای، به شدت بالارفته است به گونه­ای که کاهش مصرف انرژی در شبکه جهت حفاظت از محیط زیست مورد توجه قرار گرفته است. از دیدگاه­های متفاوتی می­توان مسئله­ی کاهش مصرف انرژی را مورد بررسی قرار داد، پروتکل­های متفاوتی در یک شبکه تعریف شده­اند که هر کدام به نوبه­ی خود در مصرف انرژی تاثیر گذارند. یک پروتکل بر اساس حجم باری که بر روی لینک تولید می­کند و میزان زمان مورد نیاز برای انتقال آن حجم از بار، مصرف انرژی را در خود تعریف می­کند. TCP پروتکلی است که اطمینان می­دهد که یک جریان حتما به مقصدخواهد رسید، به همین دلیل حجم قابل توجهی از یک جریان را به دلیل تولید بسته­هایACK[1] بر روی لینک ایجاد می­کند، که باعث افزایش بار بر روی لینک می­شود.   دراین پایان­نامه از دید نرم­افزاری به مسئله­ی کاهش مصرف انرژی شبکه نگاه می­شود وسعی شده­است با کاهش تعداد بسته­هایACK، هم قابلیت اطمینان پروتکل TCP وهم کاهش مصرف نرژی را داشته باشیم. بهبود حاصل شده در این کار12.09 درصد است که مقدار قابل توجهی است. پیاده­سازی سناریومطرح شده در این پایان­نامه ممکن است در بعضی شبکه­هاکه به صورت آنلاین داده منتقل می­کنند همانند شبکه­ی   انتقال صدا[2] کاهش عملکرد را به همراه داشته باشداما به صورت کلی می­تواند قابل چشم پوشی باشد. کلمات کلیدی: شبکه­های سبز،   بهینه­سازی مصرف انرژی، مهندسی ترافیک، پروتکل TCP، بسته­های ACK