هوش محاسباتی در مهندسی برق (سیستم های هوشمند در مهندسی برق)
سال:1392 | دوره:4 | شماره:1 |تعداد مقالات:6

انتخاب ویژگی یکی از چالش برانگیزترین و از مهمترین فعالیت ها در توسعه یادگیری ماشین و تشخیص الگوست. معیارهای ارزیابی ویژگی نقش بسیار مهمی برای ساخت یک الگوریتم انتخاب ویژگی دارند. در این مقاله یک معیار انتخاب ویژگی اصلاح شده با استفاده از منطق فازی برای انتخاب تعداد ویژگی های مورد نیاز ارائه می شود. این معیار به شکل غیر فازی در تحقیقات قبلی استفاده می شود، اما در این مقاله با تعریف تعداد ویژگی ها به صورت یک عدد فازی و با استفاده از اصل توسعه، شکل فازی معیار مزبور به دست آمد. عملکرد روش پیشنهادی بر روی مجموعه داده های منتشر شده از UCI ارزیابی شد و نتایح حاصل نشان دهنده کارایی روش مزبور در مقایسه با نسخه غیر فازی آن است.

روش های موقعیت یابی سلولی در محیط های شهری به علت وجود موانع زیاد، دارای خطای قابل ملاحظه ای هستند. دراین مقاله، با دیدگاه پیاده سازی یک سرویس تبلیغاتی مکان محور، روش موقعیت یابی تشخیص الگو مبتنی بر توان دریافتی ارائه گردیده که نتایج مطلوبی را در محیط های شهری به دست می آورد. هر چند تاکنون کارهایی در این زمینه صورت گرفته، اما این روش همواره با چالش هایی در حوزه ساختن و به روزرسانی پایگاه داده و محاسبات سنگین برای تخمین موقعیت روبه رو بوده است. در این مقاله، با ارائه مجموعه از راهکارهایی جدید و عملی برای غلبه بر مشکلات مذکور و بهبود دقت و کاهش بار محاسباتی این روش موقعیت یابی ارائه شده است. به طور خاص، فیلترهایی که به طور هوشمندانه ناحیه مورد جستجو در پایگاه داده را کاهش داده و یا دقت اندازه گیری را افزایش می دهند، پیشنهاد شده اند. نتایج عملی به دست آمده در شهر اصفهان بیانگر دقت بالای این روش است. برای نمونه، نحوه پیاده سازی یک سرویس تبلیغاتی با استفاده از روش مکان یابی پیشنهادی تشریح شده است. در سرویس تبلیغاتی ارائه شده، علاوه بر موقعیت مشترک، علایق وی و زمان نیز برای ارتقای کارایی سرویس مد نظر قرار گرفته می شود.

EEG یکی از مهمترین و رایجترین مراجع برای مطالعه عملکرد مغز و اختلالات نورولوژیک است.به همین دلیل، تشخیص تغییرات EEG توسط سیستم های خودکار، موضوعی است که برای سال های متوالی تحت مطالعه است.از آنجا که در هر سیستم دسته بندی، صحت تصمیم گیری از اهمیت ویژه ای برخوردار است، لذا نیازمند وجود روش های طبقه بندی بهتر برای سیگنال مغزی هستیم. در این تحقیق، به دنبال ارائه یک سیستم هوشمند مرکب برای بهبود صحت طبقه بندی سیگنال مغزی (EEG) به گروه های مختلف هستیم. این مقاله استفاده از روش تجمیع خبرگان (Mixture of Experts (ME)) برای بهبود تفکیک سیگنال های EEG افراد سالم و بیماران صرعی را نشان داده و صحت طبقه بندی آن را ارزیابی کرده است. تصمیم گیری در دو مرحله انجام شد: 1) استخراج ویژگی به وسیله روش های مختلف بردار ویژه و 2) طبقه بندی با استفاده از طبقه بندی کننده های آموزش دیده شده توسط ویژگی های استخراج شده. ورودی های این سیستم هوشمند از ویژگی های مرکب، که متناسب با ساختار شبکه انتخاب شده، تشکیل شده اند. در این مطالعه سه روش مبتنی بر بردارهای ویژه (PISARENKO،MUSIC ،MINIMUM NORM) برای تولید تخمین طیف چگالی توان (PSD) انتخاب شدند. پس از پیاده سازی ME و آموزش آن روی ویژگی های مرکب، نشان داده که این روش می تواند به صحت طبقه بندی بالایی برسد. از این جهت، جداسازی سیگنال های مغزی بیماران صرعی در حالات مختلف و افراد سالم با صحت بالایی امکان پذیر است. از طرفی، از آنجا که مناسب بودن عملکرد شبکه عصبی به اندازه دسته های آموزش و تست بستگی دارد، در این مطالعه با تقسیم مشاهدات به سه گروه آموزش (70%)، آزمون (20%) و اعتبار سنجی (10%) موجبات بهتر آموزش دیدن شبکه فراهم شده و در نهایت صحت طبقه بندی تا %99.50 افزایش یافته است.

بورس برق بستر اصلی خصوصی سازی در صنعت برق و گذرگاه اقتصاد بازار آزاد به شمار می رود. از جمله مهمترین اهداف بورس برق می توان به تسهیل مبادله محصولات استانداردشده (کالای برق)، انتشار اطلاعات بازار، ارتقای رقابت، افزایش نقدشوندگی بازار و تامین بازار عادلانه و بی طرف، اشاره نمود. با این وصف، نبود شناخت مناسب از فعالان بازار ریسک، فعالیت اقتصادی در این محیط را برای موسسات سرمایه گذاری بسیار زیاد می کند. با توجه به تاسیس بورس برق و انرژی در ایرن (1390) و انجام مراحل پذیره نویسی، در آینده نزدیک سهام شرکت ها در قالب بورس سهام و کالای برق در قالب بورس کالا در تالار بورس برق عرضه می شود. در چنین شرایطی ارائه مشاوره های جانبی به سرمایه گذاران به منظور آشنایی آنها با شرایط بازار برق بسیار سودمند خواهد بود. بررسی ورشکستگی شرکت های قابل پذیرش در بورس برق و انرژی و ارائه مدل قابل توسعه به سایر شرکت ها، به سرمایه گذاران کمک می کند تا در اولویت دهی های اقتصادی خود هدفمند حرکت نموده، تا حد ممکن از دست رفتن اصل و فرع سرمایه جلوگیری کنند. علاوه بر این، پیش بینی ورشکستگی شرکت های حاضر در تالار بورس تاثیر بسزایی در نحوه اعتباردهی به آنها داشته، از نابودی بنگاه اقتصادی و کاهش اعتبار بورس برق جلوگیری می نماید. در این مقاله، بر مبنای اساسنامه شرکت ها اطلاعات 118 شرکت از موسسات حاضر در بورس اوراق بهادار تهران طی سال های 1387-1382 اخذ شده است. سپس مطالعه وسیعی برای یافتن یک الگوی نسبتا جامع برای پیش بینی درماندگی مالی این شرکت ها انجام گرفته است. به منظور بررسی کیفیت مدل پیشنهادی، درماندگی مالی برای 40 شرکت متفاوت و جدید، پیش بینی و توضیحات تکمیلی در راستای تحلیل نتایج ارائه شده است.

در طراحی طبقه بندی کننده ها و تخمین توابع تصمیم، غالبا هدف اصلی دسترسی به «نرخ تشخیص صحیح» بالا در فاز آموزش است. این در حالی است که اهداف دیگری نظیر میزان «قابلیت اطمینان» تصمیمات اتخاذ شده و «تعداد بهینه توابع تصمیم» نیز شاخص های بسیار مهمی هستند که در هنگام طراحی طبقه بندی کننده ها، هرگز نباید فراموش شوند. در این مقاله، ابتدا الگوریتم «بهینه سازی نیروی مرکزی» (CFO) برای بهینه سازی مسایل چند هدفه ارتقا یافته و سپس با به کارگیری روش ارائه شده طبقه بندی کننده هایی معرفی شده اند که به طور همزمان اهداف فوق الذکر؛ یعنی «نرخ تشخیص صحیح»، «قابلیت اطمینان»، و «تعداد ابر صفحه های لازم» را بهینه سازی می نماید. با توجه به انتخاب مقدار بهینه تعداد ابرصفحه ها در روش پیشنهادی، مسایل مهم «فوق- برازش» و «فوق-آموزش» نیز برطرف شده است. توانایی دستیابی همزمان به شاخص های مذکور در سایر طبقه بندی کننده های مبتنی بر روش های هوش جمعی وجود ندارد. نتایج عملی به دست آمده بر روی داده های آزمایشی نشان می دهند که طبقه بندی کننده چند منظوره پیشنهادی با تخمین «جبهه پرتو» مجموعه ای از انتخاب های متنوع و بهینه از ابرصفحه های جدا کننده کلاس های مختلف را برای برپایی شرایط دلخواه کاربر در خصوص انتخاب شاخص های فوق الذکر، فراهم می آورد.

آلودگی صوتی یکی از معضلات جدی جوامع صنعتی است. هر چند روش های سنتی متکی بر جذب صوت کاربردهای فراوانی دارند، اما این روش ها در فرکانس های پایین کارایی لازم را ندارند. برای غلبه بر این مشکل روش های فعال برای حذف نویز ارائه شده اند. در این تحقیق، ایده جدیدی مبتنی بر یادگیری تقویتی برای کاهش نویز صوتی به صورت فعال پیشنهاد گردیده است. بدین منظور، برای حذف نویز به صورت فعال برای یک سیگنال تناوبی، یک روش پایه ارائه و سپس به گونه ای تکمیل گردید که برای سیگنال های چند آوایی باند باریک با تعداد هارمونیک بالا نیز عملکرد مناسبی داشته باشد. در گام بعدی سیگنال های طیف گسترده مد نظر قرار گرفته و با شکستن آن در حوزه فرکانس و کمک از یادگیری تقویتی مساله حل گردید. نکته مشترک و مثبت در کلیه روش ها، بی نیازی به مدل محیط برای پیاده سازی آن است. ترکیب روش یادگیری تقویتی و روش های سنتی در حذف نویز سیگنال های طیف گسترده نیز از حوزه های جدید مورد مطالعه در این مقاله است. در این حالت، سرعت پاسخ نسبت به حالت قبل ذکر شده در مقاله افزایش می یابد اما در عوض اطلاعاتی از دینامیک محیط مورد نیاز است. این رویه باعث می گردد که بر خلاف روش های قدیمی، سیستم خود را با تغییرات آهسته دینامیک سازگار نماید. صحت عملکرد هر روش با شبیه سازی تایید گردیده است.