در این مقاله، مدلسازی دستگاه تولید لینک خودکار یا ALE با استفاده از شبکه های عصبی یا هوش مصنوعی معرفی شده است. به طور کلی می توان عملکرد یک دستگاه ALE را مدلسازی کرد. هدف از مدلسازی، طراحی همین دستگاه با استفاده از روش های جدید و پیاده سازی با استفاده از ابزارهای موجود و در نتیجه بومی سازی آن است. در همین راستا، در این مقاله با استفاده از شبکه های عصبی و الگوریتم MLP تلاش شده است که عملکرد کلی دستگاه ALE مدلسازی و پیاده سازی شود. در ابتدا، پس از بررسی کانال های مخابراتی و اثرات غیرخطی و نویز بر انتقال داده، یک مدل برای انتقال داده در کانال های مخابراتی معرفی و در محیط نرم افزار متلب کد نویسی شده است. سپس به معرفی انواع شبکه های عصبی و کاربردهای آن پرداخته شده است و بهترین الگوریتم برای مدلسازی دستگاه ALE انتخاب شده است. در ادامه چندین مدل با استفاده از tools نرم افزار متلب و کد نویسی الگوریتم MLP انجام گرفته است و مقایسه شده است. در نهایت مدل پیشنهادی که مبتنی بر الگوریتم MLP است با کمترین خطا، به ازای خروجی جدید می تواند کانال مناسب را پیش بینی کند. مدل های پیشنهادی پس از بهینه سازی قابل پیاده سازی بر روی FPGA هستند و راهی برای ساخت این دستگاه در داخل کشور فراهم می آورد.

مقدمه این ویژه­نامه هوش مصنوعی را مورد بحث قرار می دهد که معمولاً به عنوان «توانایی یک سیستم برای پردازش صحیح داده های خارجی، یادگیری از همان داده ها و استفاده از آن دانش از طریق سازگاری و انعطاف پذیری برای دستیابی به اهداف و وظایف خاص» تعریف می شود. این مقاله هفت پژوهش منتشر شده در این ویژه نامه از چندین متخصص برجسته جهان که دیدگاه های متنوعی در مورد هوش مصنوعی ارائه می کنند را خلاصه می کند و با ارائه یک چشم انداز جامع در مورد آینده هوش مصنوعی و با ترسیم چشم اندازهای خرد و کلان به پایان می رسد.

پیشینه ها و اهداف: ارتباط بین هوش مصنوعی و برنامه ریزی شهری یک زمینة تحقیقاتی جدید است که از دهة گذشته اهمیت قابل توجهی در حوزه های مختلف ازجمله شهرسازی و برنامه ریزی شهری یافته است. تا کنون محققان کاربرد هوش مصنوعی را در حوزه های مختلف شهری مانند برنامه ریزی های حمل ونقل، انرژی، کاربری زمین، و ساختمان سازی بررسی کرده اند.یکی از مهم ترین کاربردهای هوش مصنوعی مدیریت حمل ونقل شهری است. پژوهشگران با توسعة سیستم هایی، از طریق استفاده از حسگرها و واحدهای محاسباتی در خودروها و زیرساخت های جاده ای، امکان ارزیابی زمان واقعی جابه جایی در بزرگراه ها را فراهم کرده اند. همچنین، با کمک سیستم هایی مانند Stmp و بهره گیری از داده های حسگرها، اینترنت اشیا، و رسانه های اجتماعی به پیش بینی جریان ترافیک و عرضة راه حل های مدیریتی می پردازند. در زمینة حفاظت از محیط زیست و کیفیت هوا، هوش مصنوعی نقش نظارت و هشدار دارد. با سیستم هایی مانند C-Air و با استفاده از میکروسکوپ و الگوریتم های یادگیری ماشینی، امکان بررسی کیفیت هوا و شناسایی ذرات موجود در آن فراهم است. این قابلیت ها به برنامه ریزان در دستیابی به شهری پایدارتر و سالم تر کمک می کند. مدیریت انرژی نیز از دیگر حوزه های کاربرد هوش مصنوعی است. پژوهشگران با استفاده از این فناوری، به پیش بینی بار الکتریکی و تشخیص مقدار انرژی مصرفی در مناطق مختلف و بررسی عواملی مانند ویژگی های ساختمان و تعداد اعضای خانواده و شغل آنها می پردازند. مدیریت منابع آبی نیز با هوش مصنوعی نشت آب را در سیستم های توزیع منطقه ای می یابد و از هدررفت آن جلوگیری و مصرف این مایع حیاتی را بهتر کنترل می کند. به طورکلی، با این سیستم در برنامه ریزی و مدیریت شهری هوشمند، امکان تصمیم گیری های خودکار و هوشمند در زمینه های مختلف فراهم است. این امر نه تنها کیفیت زندگی شهروندان، بلکه توسعة پایدار شهرها را نیز بهبود می بخشد. ازاین رو هوش مصنوعی نقش مؤثری در برنامه ریزی شهری و در نحوة برخورد با عوامل مختلف و تأثیر بر محیط شهری دارد. در این پژوهش کاربرد هوش مصنوعی در حوزه های مختلف برنامه ریزی شهری بررسی و روند شکل گیری آن در پژوهش های پیشین ردیابی می شود.مواد و روش ها: در این پژوهش دو مسیر طی شده است. در مسیر نخست، از یک سو، پایه های نظری هوش مصنوعی در شهرها (شامل تعریف، ابعاد، و کاربردهای آن در شهرها) بررسی و از سوی دیگر، خواسته های توسعة شهری و چالش های به کارگیری آن در سیستم برنامه ریزی ردیابی شده است. روش پژوهش در مرحلة نخست هم گذاری نتایج مطالعات نظری است؛ بدین ترتیب گردآوری، پردازش، و تحلیل اطلاعات مربوط به چارچوب نظری و تجربی مرتبط با موضوع پژوهش، با مراجعه به متون و پژوهش های مرتبط، به منظور بررسی اصول برنامه ریزی توسعة شهری مبتنی بر هوش مصنوعی، با رویکردی توصیفی انجام شده است. مسیر دوم با رویکرد علم سنجی، تحلیل استنادی، و هم رخدادی واژگان طی شده است. این روش با هدف تعیین اثرگذارترین واژگان منابع در مورد موضوع پژوهش، با استفاده از نرم افزار VOSViewer انجام شده است. جامعة آماری پژوهش 2337 مقاله بود که با موضوع «هوش مصنوعی و برنامه ریزی شهری» از اولین انتشار در سال 1999 تا به امروز در پایگاه استنادی ساینس دایرکت نمایه شده است. خروجی نرم افزار بر اساس تجزیه وتحلیل عناوین، چکیده های مقالات، و کلیدواژگان مهم آنها به دست آمده است.نتیجه ها و جمع بندی: در این مطالعه ارتباط بین مهم ترین حوزه های موضوعی مقالات مختلف منتشرشده حول مفهوم هوش مصنوعی و نقش آن در برنامه ریزی شهری بیان شده است. بررسی داده های به دست آمده از مقاله های یادشده نشان داد که 6 خوشة موضوعی تأثیر مستقیم بر نقش هوش مصنوعی در شهرسازی داشته اند. همچنین طی سال های اخیر مفاهیم مرتبط با رویکرد پژوهش از مفاهیم متمرکز بر بررسی اولیة موضوع هوش مصنوعی و نحوة عملکرد آن، به روش های نوینی برای حل مشکلات شهری تغییر مسیر یافته اند. در مقالات خوشة نخست با پرتکرارترین کلیدواژه های مورد بررسی، مسائل بااهمیت حال حاضر شهرها همانند: آلودگی هوا، حمل ونقل، تاب آوری، اقتصاد، و ... و کاربرد هوش مصنوعی در حل مسائل آنها بررسی شده است و هدف در مطالعات این خوشه این بوده که با استفاده از هوش مصنوعی تحولات عمده ای در صنعت دیجیتال و شهرها ایجاد گردد. به طورکلی در هریک از خوشه ها به گونه ای به موضوعات پراهمیت در شهرها و روش های جدید در جهت ایجاد محلی مناسب تر برای زندگی شهروندان اشاره شده است. نکتة قابل توجه اینکه، هوش مصنوعی در ابتدای پیدایش، موضوعی نو در مطالعات بود، اما با گذر زمان و با وجود مشکلات موجود در شهرها، این رویکرد به روشی برای حل مسائل و مشکلات شهری ارتقا یافت و امروز بسیاری از سیستم های هوش مصنوعی در چارچوب طرح های شهر هوشمند استفاده می شوند. تصمیم گیری های خودکار، مدیریت زیرساخت ها، به حداقل رساندن اشتباهات، تجزیه وتحلیل داده ها، عرضة خدمات، و بهبود بهره وری از محورهای کاربردی هوش مصنوعی در شهرها و برنامه ریزی شهری است. به کارگیری هوش مصنوعی در شهر و برنامه ریزی شهری موجب بلوغ سیستمی در سازمان ها و نهادهای تصمیم گیری و اجرایی شهرها می گردد. از سویی دیگر، تنوع اهداف و کاربردهای هوش مصنوعی، شهر و آن سازمان ها و نهادهایش را ملزم می کند تا شرایط لازم را برای پذیرش موفقیت آمیز هوش مصنوعی ایجاد کنند. گرچه هوش مصنوعی امکان تعامل با فناوری را برای سازمان ها و ذی نفعان آنها فراهم می کند، ولی لازم است بیشتر به کاربردهای سالم هوش مصنوعی، پیامدهای اخلاقی، کسب دانش و تجربه در آن، و مدیریت سیستم توجه شود.

دال های دو طرفه بتن آرمه یکی از سیستم های مرسوم سازه ای می باشند. مزایای این دال ها باعث کاربرد زیاد آنها در صنعت ساختمان شده است. ولی این سیستم ها با مشکلاتی نظیر برش پانچ مواجه هستند. روابط موجود برای پیش بینی برش پانچ بر اساس نتایج آماری آزمایش های موجود در تحقیقات گذشته بدست آمده اند. با این حال این روابط تقریبی بوده و دارای خطای بالا می باشند. هدف اصلی این مقاله معرفی روشی قابل اعتماد و کاربردی برای محاسبه برش پانچ برای دال های نازک و ضخیم با استفاده از هوش مصنوعی است. برای این کار از برنامه نویسی ژنتیک و برنامه ریزی جغرافیای زیستی برای پیدار کردن رابطه بین ظرفیت برش پانچ و پارامترهای موثر بر آن استفاده شده است. ابتدا 267 داده آزمایشگاهی موجود جمع آوری شده است. سپس با استفاده از روش های مذکور رابطه ای برای پیش بینی مقاومت برش پانچ ارایه شده است. نتایج نشان می دهد که روش های مبتنی بر هوش مصنوعی قادرند با خطای متوسط کمتر از 2% در مقابل خطای 14 الی 28 درصدی روابط سنتی آیین نامه ها مقاومت برش پانچ را پیش بینی کند.

در طول تاریخ، حقوق مسئولیت مدنی با زیان هایی روبرو بوده که از طریق اشیا وارد شده است. برخی از این خسارات ناشی از فعل اشیایی مثل بنا، حیوان، خودرو بوده است. در تعیین مسئول ورود خسارت، مالک و گاه متصرف اشیا، نخستین کسانی هستند که در قبال زیان دیده مسئولیت دارند. ولی امروزه به دلیل تحولات فنی که در اشیا روی داده است، نباید از مسئولیت سازنده و طراح شیء غافل بود. درباره اشیایی که دارای هوش مصنوعی هستند، ابعاد مسئولیت ورود زیان ناشی از آن بسیار پیچیده تر از حالت سنتی آن است و تنها وقتی می توان احکام سابق را بر آن بار کرد که هوش مصنوعی جزء ابزار به شمار آید. پس، هرگاه بتوان برای آن قائل به استقلال و اختیار تصمیم گیری شد، مسئولیت خود آن اشیا نیز مطرح می شود. اما در این خصوص، مشکلاتی مثل شناسایی تقصیر ماشین و نحوه جبران خسارت مطرح می شود و چاره ای جز اعطای شخصیت بر آن باقی نمی ماند.