با رشد چشمگیر رسانههای اجتماعی، افراد و سازمانها به طور فزایندهای از افکار عمومی در این رسانهها برای تصمیم گیری خود استفاده می کنند. هدف تحلیل احساسات، استخراج خودکار احساسات افراد از این شبکه های اجتماعی می باشد. شبکه های اجتماعی مرتبط به بازارهای مالی، از جمله بازارهای سهام، اخیرا مورد توجه بسیاری از افراد و سازمان ها قرار گرفته است. افراد در این شبکه ها نظرات و عقاید خود را در مورد هر سهم در قالب یک پست یا توییت، به اشتراک می گذارند. در واقع تحلیل احساسات در این حوزه، سنجش نگرش افراد به هر سهم است. یکی از رویکردهای پایه ای و اصلی در تحلیل خودکار احساسات روش های مبتنی بر واژگان است. اغلب واژگان های مرسوم به صورت دستی استخراج شده اند که فرایندی بسیار دشوار و هزینه بر است. در این مقاله روشی جدید جهت استخراج یک واژگان به صورت خودکار در حوزه شبکه های اجتماعی بورسی ارائه شده است. یک ویژگی خاص این شبکه ها، وجود اطلاعات قیمتی هر سهم در هر روز است. با در نظر گرفتن وضعیت قیمتی سهم در روز درج نظر برای آن سهم، واژگانی را برای بهبود کیفیت عقیده کاوی در این شبکه ها استخراج نمودیم. برای ارزیابی واژگان های تولید شده با استفاده از روش پیشنهادی، آن را با نسخه فارسی واژگان SentiStrength که با هدف استفاده عمومی طراحی شده است، مقایسه نمودیم. نتایج آزمایشات 20 درصد بهبود را در معیار صحت نسبت به استفاده از واژگان عمومی نشان می دهد.

هدف: ارایه یک مدل رشد کرانیوفاشیال (جمجمه ای – صورتی) با استفاده از آنتروپومتری و بر اساس تغیرات مشاهده شده در چهره افرادمواد و روش ها: در این مطالعه مقطعی توصیفی-تحلیلی نسبت های صورتی و جمجمه ای 45 نفر با الگوی صورتی طبیعی به طور جداگانه اندازه گیری شد. سپس نتایج به دست آمده برای هر نسبت در طول سنین مختلف توسط نسخه 11 نرم افزار SPSS تجزیه و تحلیل و روی نمودار پراکنش خط رگرسیون ترسیم و ضریب رشد آن ها و در نهایت میانگین این اندازه ها محاسبه شد. الگوی رشد صورت بر مبنای پارامترهای رشد که از مطالعه نسبت های انتروپومتریک و لندمارک های صورت به دست می آمد مدل سازی و ترسیم شد.یافته ها: در این تحقیق مدل رشد کرانیوفاشیال برای جوانان (2 تا 18 سال) بر اساس تغییرات ظاهری صورت و با استفاده از میانگین نسبتهای آنتروپومتریک در طول افزایش سن ارایه شد که می تواند به عنوان یک روش برای محاسبه شاخص های رشد استفاده شود.نتیجه گیری: با استفاده از مدل مدل رشد کرانیوفاشیال می توان تغییرات چهره را متناسب با افزایش سن پیش بینی کرد و برای انجام تشخیص چهره از آن استفاده کرد. از طرف دیگر؛ نتایج به دست آمده از این تحقیق می تواند در جراحی فک و صورت، مطالعات رشد و نمو، جراحی پلاستیک، مهندسی پزشکی و موارد غیر پزشکی مانند صنایع تهیه کفش و لباس و عینک کاربرد فراوانی داشته باشد.

موقعیت دهی صحیح ورق در قالب های شکل دهی از اهمیت زیادی برخوردار است. وجود خطا در موقعیت دهی اولیه می تواند منجر به تولید قطعه ناسالم شود. تعداد و محل اجزای موقعیت دهنده در موقعیت دهی صحیح قطعه بسیار مؤثر است. در طراحی دستی و سنتی قالب های شکل دهی قطعات ورقی بزرگ برای موقعیت دهی ورق معمولاً در هر لبه از آن دو موقعیت دهنده استفاده می شود یعنی در چهار جهت ورق از هشت عدد گیج استفاده می شود که به نظر می آید تعدادی از آن ها ضروری نباشد. در تحقیق حاضر با برقراری ارتباط بین نرم افزار مدل سازی کتیا و نرم افزار تحلیلی آباکوس و به کمک روش های بهینه سازی، سیستم نرم افزاری یک پارچه ای ایجاد شده که قادر است به صورت خودکار تحلیل های المان محدود را انجام داده و با توجه به خروجی هر تحلیل، تغییراتی در فایل ورودی ایجاد کرده و تحلیل بعدی را انجام دهد. در هر مرحله برای یک چیدمان خاص از گیج ها میزان انحراف ورق حین قرارگیری و شکل دهی مورد بررسی قرار می گیرد که نباید از حد مجاز بیشتر باشد. اعمال تغییرات در پارامترهای ورودی طبق الگوریتم بهینه سازی و انجام تحلیل های بعدی تا همگرا شدن مسئله به جوابی که بهترین چیدمان سطوح موقعیت دهنده را پیشنهاد می دهد به صورت کاملا خودکار ادامه می یابد. برای مقایسه نتایج حاصل از این سیستم با طراحی سنتی دو مثال ارائه شده است که نتایج به دست آمده نشان می دهد با تعداد گیج کمتر از روش سنتی می توان قطعه ورقی را روی قالب به درستی و با دقت کافی موقعیت دهی نمود.

توصیف­ محتوای تصویر به­ صورت خودکار توسط ماشین یک مشکل چالش ­برانگیز در بینایی کامپیوتر است و هدف آن تولید توضیحات قابل درک توسط کامپیوتر برای تصاویر می­باشد. استفاده از شبکه ­های عصبی پیچشی (CNN) نقش مهمی در زمینه  توصیف تصاویر ایفا کرده است. با این حال، در طول فرآیند تولید توصیف های مرتبط با تصویر دو چالش عمده برای CNN وجود دارد که عبارتند از: عدم توجه آنها به روابط و ساختارهای سلسله مراتبی مکانی بین اشیای درون تصویر، و عدم ثبات در مقابل تغییرات چرخشی تصاویر. به ­منظور رفع این چالش­ ها این مقاله با بهره­ گیری از یک شبکه کپسولی بهبود یافته، به توصیف محتوای تصویر با استفاده از پردازش زبان­ طبیعی می­پردازد. شبکه کپسولی با درنظر گرفتن موقعیت مکانی اشیای درون تصویر نسبت به یکدیگر،  اطلاعات مربوط به محتوای تصویر را ارائه می­دهد. یک کپسول شامل مجموعه ای از نورون ها است که پارامترهای وضعیت اشیا درون تصویر مانند سایز، جهت، مقیاس و روابط اشیا نسبت به هم را در نظر می گیرند. این کپسول ­ها تمرکز ویژه­ای بر استخراج ویژگی­ های معنادار برای استفاده در فرآیند تولید توضیحات مرتبط برای مجموعه­ ای معین از تصاویر دارند. آزمایش های کیفی روی مجموعه داده های MS-COCO با بهره­ گیری از شبکه کپسولی و روش تعبیه ­سازی ELMo، منجر به بهبود 2 تا 5 درصدی معیارهای ارزیابی شده، در مقایسه با مدل های زیرنویس تصویر موجود شده است.

چگالی ترازهای هسته ای یکی از مهم ترین مفاهیم درفیزیک هسته ای و در اصل کلید پرداختن به مسائل آماری هسته می باشد. این کمیت در محاسبات آماری در فیزیک راکتور، محاسبه مدل های هسته ای، فیزیک نجوم، تحقیقات انرژی متوسط در برخورد یون سنگین ومحاسبات مربوط به تبخیر نوترون وسایر کاربردها، نقشی کلیدی و اساسی بازی می کند. این کمیت مهم را می توان به طور تحلیلی به روش تابع پارش و با استفاده ازتقریب نقطه زینی محاسبه کرد. در محاسبه چگالی ترازهای هسته ای، پارامتر مهمی به نام پارامتر چگالی تراز وارد می شود. در این تحقیق این پارامتر با در نظر گرفتن روشی که درآن آثاری مانند اندازه محدود هسته، حالت های پیوسته، آثار پوسته ای، بستگی دمایی جرم مؤثر وابسته به بسامد و تکانه و تغییر این آثار با دما در نظر گرفته شده است، محاسبه شد. برای این منظور، از تقریب اصلاح شده توماس-فرمی برای آثار پیوسته به صورت تابعی از دما استفاده شد. همچنین با استفاده ازاین تقریب و برای آثار پیوسته در دمای صفر، پارامتر چگالی تراز به صورت تابعی از عدد جرمی نیز محاسبه شد.