نتایج جستجو

2558

نتیجه یافت شد

مرتبط ترین ها

اعمال فیلتر

به روزترین ها

اعمال فیلتر

پربازدید ترین ها

اعمال فیلتر

پر دانلودترین‌ها

اعمال فیلتر

پر استنادترین‌ها

اعمال فیلتر

تعداد صفحات

27

انتقال به صفحه

آرشیو

سال

دوره(شماره)

مشاهده شمارگان

مرکز اطلاعات علمی SID1
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
عنوان: 
نویسندگان: 

اطلاعات دوره: 
  • سال: 

    621
  • دوره: 

    9
  • شماره: 

    3
  • صفحات: 

    -
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    2778
  • دانلود: 

    0
کلیدواژه: 
چکیده: 

آمار یکساله:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 2778

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
اطلاعات دوره: 
  • سال: 

    1390
  • دوره: 

    9
  • شماره: 

    3
  • صفحات: 

    119-132
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    1505
  • دانلود: 

    792
چکیده: 

تکنیک های هوش مصنوعی از قبیل یادگیری، به صورت گسترده ای در سیستم های مبتنی بر عامل به کار می روند. اما در زمینه ارائه یک دیدگاه مهندسی نرم افزاری از این تکنیک ها برای کل چرخه حیات نرم افزار شامل تحلیل، طراحی و تست، در حال حاضر کاستی هایی وجود دارد. در این تحقیق با تمرکز بر مرحله تحلیل نیازمندی به عنوان یکی از نخستین مراحل فرآیند تولید نرم افزار، ابزارها و تکنیک هایی برای رفع این کمبودها در مرحله تحلیل پیشنهاد شده است. بدین منظور در این مقاله، مجموعه ای از الگوهای تحلیل پایای نرم افزار ارائه شده است. الگوهای تحلیل پایای نرم افزار، مجموعه ای از کلاس های عمومی (فراکلاس ها) و ارتباط های میان آنها برای تحلیل یک موضوع خاص هستند که در قالبی مستقل از دامنه مساله مدل سازی می شوند. این الگوها بر اساس نظریه مدل پایای نرم افزار با معرفی مضمون های تجاری مانا، اشیای تجاری و اشیای صنعتی مدل مفهومی قابلیت یادگیری را بازنمایی می کنند. این الگوها در دو سطح تجرد ارائه شده اند و شامل الگوهای یادگیری، نقش، محیط، دانش و نقد می باشند. در این مقاله همچنین روش استفاده از الگوهای ارائه شده برای تحلیل قابلیت یادگیری عامل در دو سیستم مختلف مبتنی بر عامل تشریح شده است. این الگوها می توانند به عنوان راهنما در تحلیل عامل های نرم افزاری یادگیر به کار روند. مزیت استفاده از این الگوها نسبت به روش های کلاسیک تحلیل نرم افزار آن است که علاوه بر کلاس های متداول مرتبط با یادگیری در دامنه مساله، فراکلاس هایی را در مدل تحلیل سیستم بازنمایی می کنند که دانش مرتبط با تحلیل یادگیری را نیز مدل می کنند. همچنین با در نظر گرفتن لایه های مختلف در تحلیل، موجب تولید مدل هایی می شوند که پایداری بیشتری نسبت به تغییرات دارند.

آمار یکساله:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 1505

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 792 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
اطلاعات دوره: 
  • سال: 

    1390
  • دوره: 

    9
  • شماره: 

    3
  • صفحات: 

    133-142
تعامل: 
  • استنادات: 

    2
  • بازدید: 

    1192
  • دانلود: 

    711
چکیده: 

خواندن خودکار نقشه های فرش به معنی تعیین نقشه با تعداد رنگ مشخص از روی نقشه اسکن شده است. خواندن خودکار شامل دو مرحله تشخیص خطوط نقشه و کاهش تعداد رنگ پیکسل های تصویر است. کاهش رنگ نیز از دو مرحله طراحی پالت و نگاشت رنگ پیکسل های تصویر به رنگ های پالت تشکیل می شود. برای کاهش رنگ، روش های متنوعی وجود دارد که دقت آنها از اهمیت بالایی برخوردار است و حتی در برخی از روش ها برای افزایش دقت برای طراحی پالت از کاربر کمک گرفته می شود. هدف از این تحقیق ارائه روش کاهش رنگ کاملا خودکار با دقت بالا است. برای این منظور از روش یادگیری تقویت شده استفاده شده است که دقتی بالغ بر 98% دارد. تاکنون از این روش برای کاهش رنگ استفاده نشده است. روش پیشنهادی با توجه به کاربرد، تعریف شده است و میزان کاهش رنگ به نحوی است که دقت الگوریتم کاهش پیدا نکند. از این رو پالت نهایی، از تعداد رنگ بیشتری در مقایسه با پالت اصلی برخوردار است. در کار ارائه شده در این مقاله، ابتدا خطوط نقشه آشکار می شوند و رنگ پیکسل های درون هر خانه نقشه به یک پیکسل نگاشت می شود و سپس با استفاده از روش یادگیری تقویت شده کاهش رنگ انجام می شود. نتایج حاصل از آزمایش روش پیشنهادی بر روی چند تصویر نمونه ارائه و بررسی می شود.

آمار یکساله:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 1192

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 711 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 2 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
اطلاعات دوره: 
  • سال: 

    1390
  • دوره: 

    9
  • شماره: 

    3
  • صفحات: 

    143-150
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    986
  • دانلود: 

    621
چکیده: 

مدل مخلوط گاوسی (GMM)، روشی ساده و موثر برای مدل کردن آماری فضای ویژگی هاست که به طور گسترده در کاربرد تشخیص زبان مورد استفاده قرار گرفته و از الگوریتم بیشینه سازی امید ریاضی برای آموزش پارامترهای این مدل استفاده می شود. در این مقاله با توجه به مشکلی که در آموزش مدل GMM وجود دارد، مدلی جدید با نام PAW-GMM ارائه شده است. در این مدل، قدرت هر مولفه از مدل GMM در تمایز یک زبان از سایر زبان ها، برای تعیین وزن هر مولفه در نظر گرفته می شود. مدل PAW-GMM به دلیل در نظر گرفتن خواص تمایزی مولفه های مخلوط گاوسی، سبب افزایش دقت سیستم های تشخیص زبانی می شود که از این مدل به عنوان جایگزین مدل GMM استفاده می کنند. همچنین یکی از مشکلاتی که در سیستم GMM-PSK-SVM که یکی از بهترین سیستم های تشخیص زبان است وجود دارد، پیچیدگی محاسباتی بالا خصوصا با اضافه شدن تعداد زبان هاست. از این رو سیستم UBM-PSK-SVM ارائه شده است که با ثابت نگه داشتن دقت سیستم GMM-PSK-SVM، سبب کاهش پیچیدگی محاسباتی آن شده و در نتیجه قدرت تعمیم به زبان های بالاتر را افزایش می دهد. آزمایش های صورت گرفته بر روی 4 سیستم تشخیص زبان مختلف با استفاده از داده های مربوط به 4 زبان انگلیسی، فارسی، فرانسوی و آلمانی دادگان OGI، کارایی تکنیک های ارائه شده را نشان می دهد.

آمار یکساله:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 986

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 621 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
اطلاعات دوره: 
  • سال: 

    1390
  • دوره: 

    9
  • شماره: 

    3
  • صفحات: 

    151-161
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    988
  • دانلود: 

    817
چکیده: 

روش ارسال معکوس زمانی (TiR) به دلیل توانایی منحصر به فرد آن در کاهش پیچیدگی ساختار گیرنده در سیستم های UWB در سال های اخیر مورد توجه بسیاری واقع شده است. با این حال، داشتن اطلاعات ناقص از شرایط کانال (CSI غیر کامل)، عملکرد این روش را کاهش می دهد. در این مقاله ابتدا فرم بسته ای برای روابط احتمال خطای یک سیستم UWB مبتنی بر TiR با گیرنده شامل فیلتر منطبق ساده و در شرایط CSI غیر کامل محاسبه می گردد. سپس به منظور بهبود عملکرد سیستم TiR-UWB در چنین شرایطی، یک الگوریتم بهینه سازی دومرحله ای مبتنی بر تکرار پیشنهاد می شود. در مرحله اول به کمک کواریانس خطای تخمین کانال، ضرایب پیش فیلتر بر اساس سیستم شامل تخمین گر MMSE بهینه محاسبه شده و در مرحله دوم به کمک این ضرایب، الگوریتم تکرارشونده ای برای سیستم شامل فیلتر منطبق ساده طراحی می شود که قادر است عملکرد سیستم TiR-UWB را در 3 گام پیاپی بهبود دهد. همچنین با کمک شبیه سازی، صحت روابط احتمال خطای محاسبه شده در حالت تئوری با نتایج حاصل از شبیه سازی مورد تایید قرار گرفته است.

آمار یکساله:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 988

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 817 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
اطلاعات دوره: 
  • سال: 

    1390
  • دوره: 

    9
  • شماره: 

    3
  • صفحات: 

    162-168
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    1400
  • دانلود: 

    861
چکیده: 

کنترل توان اکتیو عبوری از خطوط انتقال به خصوص در شرایط تراکم یا وقوع خطا یکی از مهم ترین مسایل پیش رو در کنترل و مدیریت صحیح سیستم های قدرت است. در این شرایط برای کنترل پیوسته و به خصوص افزایش توان انتقالی، عمدتا از خازن سری کنترل شونده با تریستور (TCSC) استفاده می شود که در واقع به علت قابلیت سریع کنترل تریستورها و توانایی در پایدار نگه داشتن سیستم حین بروز خطاهای متفاوت می باشد. در این مقاله به کنترل توان اکتیو انتقالی در محدوده تقریبا 10 مگاواتی به کمک TCSCپرداخته شده است. برای کنترل زاویه آتش TCSC از کنترل کننده های مختلف اعم از کنترل کننده PID، فازی و ANFIS استفاده شده و با توجه به نتایج حاصل از شبیه سازی، مزایا و معایب هر یک از این کنترل کننده ها بررسی شده است. کنترل کننده ANFIS نیز به صورت حلقه باز پیاده سازی شده و دارای پاسخ گذرای بسیار مناسبی است. عیب این نوع پیاده سازی خطای حالت ماندگار آن بوده و نسبت به تغییر پارامترها نیز بسیار حساس می باشد. لذا برای رفع این مشکلات می توان آن را با کنترل کننده فازی طراحی شده ترکیب کرد و در عین سادگی، عملکرد بسیار مناسبی از مجموعه به دست آورد.

آمار یکساله:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 1400

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 861 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
اطلاعات دوره: 
  • سال: 

    1390
  • دوره: 

    9
  • شماره: 

    3
  • صفحات: 

    169-174
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    2811
  • دانلود: 

    1067
چکیده: 

پنهان نگاری یا استگانوگرافی هنر برقراری ارتباط پنهانی است و هدف آن پنهان کردن ارتباط به وسیله قراردادن پیام در یک رسانه پوششی می باشد و پنهان شکنی هنر کشف حضور اطلاعات پنهان است. ماتریس هم رخدادی تصاویر (GLCM) ماتریسی است که در بردارنده اطلاعاتی در رابطه با ارتباط بین مقادیر پیکسل های مجاور در یک تصویر می باشد. در این تحقیق به کمک بررسی و تحلیل ماتریس هم رخدادی در تصاویر پوشانه (تصویری که حامل اطلاعات نباشد) و گنجانه (تصویری که حامل اطلاعات باشد)، الگوریتمی ارائه می گردد تا بتوان تصاویر گنجانه را تشخیص داد. در الگوریتم پیشنهادی ابتدا با استفاده از روش LSB اطلاعات در تصویر مورد نظر پنهان می شود، سپس به استخراج ویژگی هایی از ماتریس GLCM تصویر پوشانه و گنجانه می پردازیم که در این دو تصویر متفاوت باشند. ویژگی های استخراج شده برای آموزش شبکه عصبی مورد استفاده قرار می گیرد. این الگوریتم بر روی تصاویر پایگاه داده های استاندارد تست گردیده و موفقیت آن 83% می باشد.

آمار یکساله:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 2811

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 1067 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
telegram sharing button
whatsapp sharing button
linkedin sharing button
twitter sharing button
email sharing button
email sharing button
email sharing button
sharethis sharing button