هوش محاسباتی در مهندسی برق (سیستم های هوشمند در مهندسی برق)
سال:1393 | دوره:5 | شماره:1 |تعداد مقالات:6

در این مقاله روشی جدید برای استخراج ویژگی از تصاویر به منظور بالا بردن دقت تشخیص سرطان پوستی ملانوم ارائه می شود. این روش به صورت بدون نظارت اجرا می شود. برای این کار، ابتدا در یک فرآیند ناحیه بندی تصویر، ضایعه از پوست طبیعی اطرافش جدا می گردد. در مرحله بعد، یک سری ویژگی های بافتی و شکلی از تصویر ضایعه استخراج می شود: ماتریس هم رخداد، ماتریس طول اجزاء، ویژگی های جهتی فرکانسی، و پارامترهای تبدیل Ripplet، به عنوان ویژگی های بافتی؛ و ممان های زرنیک و ویژگی های طول شعاعی نرمالیزه شده برای بیان ویژگی های شکلی، مورد استفاده قرار گرفته اند. به طور کلی، تعداد 63 ویژگی بافتی و 31 ویژگی شکلی برای تصاویر استخراج شده است. ابعاد این ویژگی ها با استفاده از تبدیل PCA و یک روش پیشنهادی کاهش می یابند. برای طبقه بندی ویژگی های استخراج شده، طبقه بندهای شبکه عصبی پرسپترون، ماشین بردار پشتیبان، چهارمین نزدیک ترین همسایه، و بیز بکار رفته و طبقه بندی با استفاده ماشین بردار پشتیبان دارای دقت 89.1 درصد و صحت 92.07 است. الگوریتم پیشنهادی روی پایگاه داده ای از تصاویر برچسب خورده پوست پیاده سازی شده شد. نتایج طبقه بندی ها با استفاده از ویژگی های به دست آمده، نشان می دهد که روش پیشنهادی در طبقه بندی تصاویر، هم از جنبه دقت و هم صحت، بر روش های پیشین برتری دارد و دقت تا 91 درصد و صحت تا 94.73 درصد افزایش یافت.

پخش بار اقتصادی دینامیکی با برنامه ریزی خروجی آنلاین ژنراتورها با تقاضاهای بار پیش بینی شده در بازه زمانی مشخص به منظور بیشترین عملکرد اقتصادی سیستم قدرت الکتریکی سر و کار دارد. این مقاله روشی ترکیبی الگوریتم بهینه سازی کاوش باکتری با برنامه ریزی مربعی متوالی برای حل مساله پخش بار اقتصادی واحدهای تولیدی با در نظر گرفتن اثرات نقطه شیر را پیشنهاد می کند. این روش ترکیبی، بهینه سازی کاوش باکتری را به عنوان جستجوی سطح پایه که می تواند جهت یابی مناسبی به ناحیه بهینه داشته باشد و برنامه ریزی مربعی متوالی را به عنوان روال جستجوی محلی که برای تنظیم دقیق آن ناحیه برای رسیدن به حل نهایی به کار می رود، به کار می گیرد. نتایج عددی یک سیستم 10 واحدی برای نشان دادن عملکرد و کارایی روش پیشنهادی ارائه شده اند. نتایج به دست آمده از روش پیشنهادی با نتایج به دست آمده از ترکیب بهینه سازی جستجوی ذرات و برنامه ریزی مربعی متوالی و ترکیب برنامه ریزی تکاملی و برنامه ریزی مربعی متوالی مقایسه شده اند.

این مقاله، به ارائه رهیافتی جهت کاهش مرتبه سیستم ها، مبتنی بر چند جمله ای متعامد لاگر و الگوریتم جستجوی هارمونی می پردازد. به همین منظور، ساختار ثابت مناسبی برای مدل مرتبه کاهشی در نظر گرفته می شود. سپس با استفاده از الگوریتم جستجوی هارمونی با کمینه کردن یک تابع برازش، پارامترهای مدل مرتبه کاهشی به طور همزمان تعیین می شوند که تابع برازش، اختلاف میان l ضریب اول بسط لاگر مدل مرتبه کامل و l ضریب اول بسط لاگر مدل مرتبه کاهشی به طور متناظر تعریف شده است. برای ارضاء شرط پایداری، از معیار روث استفاده می شود که به صورت قید در مساله بهینه سازی وارد می گردد. روش پیشنهادی بر روی سه سیستم آزموده و با برخی روش های کاهش مرتبه موجود در مقالات مقایسه شده است. نتایج بهدست آمده ضمن تایید روش پیشنهادی، افق تازه ای در کاهش مرتبه سیستم ها ترسیم می کند.

در این مقاله، مجموعه فازی جدیدی با عنوان مجموعه های فازی آشوبگون عصبی پیشنهاد شده است. مجموعه پیشنهادی از نظر ساختاری از ساختار نورون و از نظر عملکردی از دینامیک های آشوبگونه و فازی سازی در مغز انسان الهام گرفته و مدل ریاضی آن، بر اساس «اسیلاتورهای آشوبگون تزویج شده» بنا شده است. ویژگی مهم این مجموعه در مقایسه با سایر مجموعه های فازی موجود، توانایی آن در ایجاد مجموعه های فازی متنوع نظیر: مجموعه های فازی نوع 1 یا 2؛ محدب یا نامحدب؛ و غیره است. به منظور بررسی کارآیی این مجموعه ها در مدل سازی عدم قطعیت ها، چارچوبی جهت طراحی سیستم های فازی آشوبگون عصبی ارائه و سپس کاربرد آن در پیش بینی سری زمانی آشوبگون مکی-گلاس آغشته به نویزهایی با نسبت سیگنال به نویز معین بررسی شد. نتایج نشان می دهد سیستم پیشنهادی در مقایسه با سیستم های فازی عصبی نوع 1 و نوع 2 بازه ای، به دقت قابل ملاحظه ای در دادگان تست و تعلیم می رسد.

بازشناسی ارقام دستنویس، یکی از مسائل مهم در حوزه شناسی الگو است. در این مقاله با ترکیب روش های هیستوگرام گرادیان و مکان مشخصه توسعه یافته، ویژگی های تصاویر ارقام دستنویس فارسی در دو مرحله، آموزش و آرمون استخراج شده است. توسط الگوریتم بهینه سازی توده ذرات باینری بهبود یافته (INBPSO) و ارائه تابع برازندگی مناسب، ویژگی های با اهمیت بیشتر انتخاب و ارقام توسط طبقه بند ماشین بردار پشتیبان (SVM) شناسایی شده اند. ابتدا در مرحله آموزش پس از استخراج ویژگی بر روی داده های آموزش با استفاده از روش پیشنهادی، الگوی مناسبی برای انتخاب ویژگی به دست می آید. سپس در مرحله آزمون، پس از استخراج ویژگی داده های آزمون بردار ویژگی توسط الگوی به دست آمده کاهش داده شده و عمل طبقه بندی نهایی صورت می گیرد. با اعمال روش ذکر شده روی پایگاه داده تصاویر ارقام دستنویس فارسی هدی، دقت بازشناسی %99.40 بدون کاهش ویژگی و دقت بازشناسی %99.28 با کاهش ویژگی بدست آمده است. مقایسه نتایج با کار محققان دیگر، حاکی از آن است روش ارائه شده در استخراج ویژگی و انتخاب ویژگی از کارآیی مناسبی برخوردار است.

در جعل کپی-انتقال، یک قسمتی از تصویر کپی شده و در موقعیت متفاوت در همان تصویر جای گذاری می شود. این نوع دستکاری برای مخفی کردن یک قطعه ناخواسته و یا برای اضافه کردن جزئیاتی به تصویر انجام می گیرد. ما در این مقاله روشی بهبود یافته با استفاده از تبدیل موجک گسسته و تجزیه ضرایب تبدیل کسینوسی را برای کشف جعل کپی-انتقال ارائه شده و چالش های آن بررسی می گردد. در روش پیشنهادی با بهره گیری از تبدیل موجک، ماهیت تجزیه مقدار منحصر به فرد و مرتب سازی الفبایی، بهبودی چشمگیر در مقایسه با الگوریتم های مرتبط حاصل می شود. البته، با توجه به نحوه انجام تبدیل موجک، کاهش دقت کشف اتفاق می افتد که به ازای افزایش سرعت، قابل چشم پوشی است. از آنجایی که چشم انسان به فرکانس های پایین حساس تر است؛ تبدیل کسینوسی، امکان کشف دقیق تر را با وجود عملیات اضافی مثل رتوش تصویر پس از جعل کپی-انتقال را میسر می سازد. نتایج نشان می دهد که طرح پیشنهادی چنین دستکاری هایی را به درستی کشف می کند، به شرطی که روی ناحیه کپی شده، عملیات دوران یا تغییر مقیاس صورت نگرفته باشد.