رایانش نرم و فن آوری اطلاعات
سال:1396 | دوره:6 | شماره:1 |تعداد مقالات:7

اگرچه تراشه های سه بعدی یک راه حل امید بخش برای مقابله با مشکلات ناشی از مقایس پذیری در سطح مدارات مجتمع محسوب می گردند اما دمای بالای این تراشه ها به دلیل افزایش چگالی توان، آسیب پذیری تراشه های سه بعدی در مقابل خطاهای دائمی و یا متناوب را بیشتر کرده است. از طرف دیگر استفاده از اتصال‎ های سریع عمودی (TSV) در مدارات مجتمع سه بعدی افق جدیدی را برای طراحی شبکه های روی تراشه باز کرده است. در این مقاله با به کارگیری اتصال های سریع عمودی یک معماری با قابلیت تحمل پذیر اشکال برای شبکه های روی تراشه سه بعدی معرفی خواهیم کرد. در این معماری، خرابی های دائمی و متناوب اتصال (یا کراس بار)، با استفاده از اتصال (یا کراس بار) بیکار مسیریاب های بالا و پایین دور زده می شوند. نتایج نشان می دهد که معماری پیشنهادی نسبت به دیگر معماری های ارائه شده کارآیی بیشتری داشته و قابلیت اطمینان شبکه را به طور متوسط تا 35 درصد افزایش می دهد.

یکی از مهمترین پارامترهای قابل اندازه گیری در سیستم های مهندسی، دما است. برای اندازه گیری دما با توجه به میزان دقت مورد نیاز و شرایط فیزیکی، سنسورهای مختلفی از جمله RTD، NTC، PTC، Thermocouple و... وجود دارد. یکی از مهمترین این سنسورها NTC است، که علیرغم داشتن مزایای زیاد، اما به دلیل غیرخطی بودن کمتر از ان استفاده می شود. پدیده خودگرمایی در NTC ها یکی از مهمترین عوامل بازدارنده در استفاده از آن در کاربردهای عملی می شود. در این تحقیق ساختاری جدید مبتنی بر استفاده از شبکه های عصبی برای مدلسازی پدیده های غیرخطی و خودگرمایی در سنسور NTC پیشنهاد شده است. در ساختار پیشنهادی این تحقیق با استفاده از داده های آزمایشگاهی و واقعی، شبکه های عصبی آموزش و آزمایش می شوند. میانگین مربعات خطای 0.0480 و 0.0370 به ترتیب برای شبکه های MLP و RBF بیانگر موفقیت روش پیشنهادی در مدلسازی رفتار غیرخطی سنسور NTC است.

نقشه طبقه بندی تراکم تاج پوشش جنگلی یکی از منابع اطلاعاتی اصلی مورد نیاز در کاربردهای مدیریت جنگل است. در روشهای متداول برای تولید این نقشه از تصاویر چند طیفی استفاده می شود. در این تحقیق از تصاویر پانکروماتیک هوایی به عنوان یک منبع داده ارزشمند جهت تولید این نقشه استفاده شده است. با استفاده از روشهای آماری کمی سازی بافت تصویر شامل روشهای آماری مرتبه 1، مرتبه 2 مبتنی بر ماتریس رخداد توام و زمین آمار، لایه های تصویری جدید از این تصاویر دارای رزولوشن مکانی بالا داده های تولید شده و در طبقه بندی نظارت شده جهت تفکیک کلاسهای مختلف تراکم تاج پوشش مورد استفاده قرار گرفته است. بدین ترتیب با تقویت فضای ویژگی، نقشه تراکم تاج پوشش با دقت قابل قبولی تولید گردید.

امروزه اطلاعات ارتفاعی رقومی (DEM) کار بردهای وسیعی در شاخه های مختلف پژوهشی و اجرایی پیدا کرده اند. در این میان، محصولات جهانی ارتفاعی به صورت رایگان در اختیار همگان قرار گرفته و مورد استفاده وسیع می باشند. دو جنبه مهم هر DEM، اطلاعات ارتفاعی و شیب می باشد. در تحقیق حاضر سه محصول ارتفاعی جهانی SRTM90، ASTER و SRTM30 با محصول DEM سازمان نقشه برداری کشور، از منظر اطلاعات ارتفاعی و شیب برای اولین بار مقایسه گردیده است. در این مقایسه دو منطقه در نظر گرفته شده است که یکی دارای مناطق پست بیشتری (منطقه تازه-آباد) نسبت به دیگری (منطقه بومهن) است. جهت ارزیابی دقت محصولات چهارگانه، داده های ارتفاعی نقشه 1:2000 منطقه های مذکور نیز تبدیل به DEM گردیدند. نتایج نشان می دهند که از دیدگاه خطای باقیمانده (RMSE) و همچنین تعداد سلول با خطای کم، محصول سازمان نقشه برداری کشور از سه داده دیگر مناسب تر است. به دنبال آن SRTM30 بهترین داده ارتفاعی بوده است. SRTM90 و ASTER به ترتیب محصولات ارتفاعی با دقت بیشتر بوده اند. در محصول شیب نیز همین رابطه تقریبا برقرار است، بجز آن که محصول SRTM90 با توجه به توپوگرافی حساسیت نشان می دهد و در مناطق با شیب بیشتر تطابق کمتری با واقعیت دارد. به طور کلی در محصول شیب رفتار هر چهار محصول در دو منطقه مورد آزمایش مشابه بوده است که این امر نشان دهنده پایداری بیشتر محصول شیب نسبت به ارتفاع است.

ریزشبکه ها منابع انرژی پراکنده ایی هستند که با استفاده از انرژی های تجدیدپذیر، توان الکتریکی تولید و به بارهای پراکنده در حالتت هتای - متصل به شبکه ی سیستم های توزیع و یا منفصل از آن انتقال میدهند. در این مقاله از کنترلگر تناسبی- انتگرالی (PI) تنظیم شده بتا منقتف فتازی و بهینه شده با الگوریتم ازدحام ذرات برای کنترل فرکانس ریزشبکه ی جزیرهای استفاده شده است. به دلیل تغییرات طبیعی توان تولیدی با انرژی های تجدیدپذیر و عدم قطعیت های سیستم قدرت، کنترلگر های کلاسیک در شرایط مختلف، عملکرد مناسب ندارند. در پاسخ به این چالش، در اینجا مقدار نامی پارامترهای کنترلگر PI با استفاده از الگوریتم ازدحام ذرات بهینه میگردد. سیستم فازی، نیز مقدار لحظه ایی پارامترهای کنترلگر را محاسبه می کند. الگوریتم ازدحام ذرات محدوده بهینه توابع عضویت سیستم فازی پیشنهادی را نیز تعیین می نماید. شبیه سازی ها عملکرد بهتر طرح کنترل پیشنهادی در مواجهه با اغتشاش بارهای مختلف از لحاظ RMS، فراجهش و فروجهش، فرکانس نوسانات و زمان نشست تغییرات فرکانس در مقایسه با کنترلگر PI کلاسیک زیگلر نیکولز، کنترلگر PI فازی و کنترلگر مشابه دیگری را نشان می دهد. به علاوه نتایج بیانگر عملکرد مقاو م مقلوب کنترلگر - پیشنهادی در برابر تغییرات پارامترهای سیستم است.

در این مقاله روشی برای بازشناسی برخط ارقام دست نویس فارسی ارایه می شود. چهار مجموعه ویژگی نقطه ای و یک مجموعه ویژگی سراسری، از نمونه های پیش پردازش شده استخراج شده است. در این پژوهش ساختاری مناسب برای بردار ویژگی، تنها حاوی یک مجموعه ویژگی نقطه ای و بهره گیری از ویژگی های سراسری در کنار ویژگی های نقطه ای برای بهبود عملکرد طبقه بند ارایه می شود. به همین منظور آزمایش های متعددی با هرکدام از مجموعه ویژگی های نقطه ای و همچنین بهره گیری از ویژگی های سراسری در کنار هریک از مجموعه ویژگی های نقطه ای با استفاده از طبقه بند ماشین بردار پشتیبان (SVM) با رویکردهای یک در مقابل همه (OVA) و یک در مقابل یک (OVO) انجام شده است. در این تحقیق به منظور ارایه روشی سریع، دقیق و با قابلیت اطمینان بالا، طبقه بند ماشین بردار پشتیبان (SVM) با رویکرد یک در مقابل یک (OVO) برای بازشناسی برخط ارقام دست نویس فارسی، پیشنهاد شده است. روش پیشنهادی ارایه شده در این مقاله روی ارقام موجود در پایگاه داده Online-TMU انجام شده است، بهترین نرخ بازشناسی، با بهره گیری از تغییرات در راستای افقی (Dx) و تغییرات در راستای عمودی (Dy) به عنوان ویژگی نقطه ای در کنار مجموعه ویژگی های سراسری حاصل می شود، که میانگینی برابر با 98.08 درصد دارد.

رنگی سازی، فرآیند تخصیص رنگ به تصاویر و یا فیلم های خاکستری می باشد. از آنجایی که رنگ های زیادی دارای سطح روشنایی یکسانی می باشند، تبدیل تصویر سطح خاکستری به رنگی، راه حل واحد و اتوماتیک نداشته و انسان نقش اساسی در فرآیند رنگی سازی دارد. از طرفی، در یک تصویر سطح خاکستری، اطلاعات پیکسل های همجوار در تعیین رنگ آن پیکسل موثر می باشند. در این مقاله یک ایده جدید برای رنگی سازی تصاویر سطح خاکستری بر اساس قطعه بندی تصویر و با حداقل دخالت انسان پیشنهاد شده است. در اینجا روشی برای رنگی سازی تصویر تست بر اساس مجموعه ای از تصاویر مرجع ارائه می گردد. تصاویر مرجع، شامل دسته هایی از تصاویر طبیعی رنگی می باشد. هر دسته، شامل تصاویر ساده طبیعی و عمومی از جمله تصاویر کوه، درخت، انسان، دریا، گل و از این قبیل می باشد. زمانی که یک تصویر سطح خاکستری توسط کاربر برای رنگ آمیزی، به الگوریتم داده می شود، نوع (دسته) آن نیز توسط کاربر مشخص می گردد. کاربر می تواند به ازای یک تصویر، نوع های مختلفی انتخاب نماید. مجموعه تصاویر مربوط به نوع (های) انتخاب شده توسط کاربر، به عنوان تصاویر مرجع جهت رنگی سازی تصویر تست انتخاب می شوند. سپس تصویر تست قطعه بندی شده و برای هر قطعه آن، شبیه ترین قطعه در تصاویر مرجع مربوطه، مشخص می گردد. این قطعه از تصویر تست با استفاده از تئوری فازی بر اساس قطعه انتخاب شده از تصویر مرجع رنگ آمیزی می شود. این کار برای تمامی قطعات تصویر تست انجام شده و در نتیجه، یک تصویر رنگی شده حاصل می گردد. در انتها، برای هماهنگ کردن رنگها در نقاط مرزی قطعات، یک پس پردازش روی تصویر حاصل صورت می گیرد. برتری این روش نسبت به روش های مشابه دخالت حداقل انسان و استفاده از اطلاعات پیکسل های همجوار در رنگ یک پیکسل می باشد.