شناسایی تغییرات تصاویر سنجش ازدور دارای نقش مهمی در بسیاری از برنامه های کاربردی مانند بررسی رشد شهرنشینی، نظارت بر تغییرات کاربری زمین، ارزیابی بلایا و آسیب های طبیعی ایفا می کند. در این فرایند هدف، تعیین برچسب تغییر کرده یا نکرده برای پیکسل های دو تصویر می ­باشد که از یک مکان ولی در دو زمان متفاوت گرفته شده­ است. همین طور در دهه اخیر استفاده از روش­ های یادگیری عمیق به دلیل عملکرد مناسبی که در تفسیر و پردازش داده های سنجش ­ازدوری دارند و همین طور توانایی حذف مهندسی ویژگی و استخراج ویژگی های سطح بالا از تصاویر، موردتوجه بسیاری از محققان این حوزه قرارگرفته است. در همین راستا، در این مقاله یک مدل یادگیری عمیق بهینه طراحی شده است که به دلیل ساختار سلسله مراتبی، طراحی مؤثر انتقال ویژگی و بهره­وری مناسب از ویژگی­ های چندمقیاسه، دقت شناسایی تغییرات تصاویر دو زمانه را افزایش می دهد. مدل پیشنهادی به دلیل ساختار و معماری بهینه نسبت به برخی مدل های مشهور موجود مانند BIT از سرعت و دقت نتایج بالاتری برخوردار است. نتایج به دست آمده از اعمال مدل پیشنهادی بر روی دو مجموعه داده­ی مورد بررسی، نسبت به روش مقایسه­ای BIT به­طور میانگین حاکی از دقت کلی حدود 96 درصد و کاهش 10 درصدی میزان محاسبات ضرب و جمع می­ باشد.

لطفا برای مشاهده چکیده به متن کامل (pdf) مراجعه فرمایید.

امروزه بازشناسی کنش انسان از روی تصویر ایستا به یکی از موضوعات فعال در زمینه بینایی ماشین و شناسایی الگو تبدیل شده است. تمرکز این کار بر روی شناسایی کنش یا رفتار انسان از روی یک تصویر است. برخلاف روش های سنتی که از ویدئوها یا دنباله ای از تصاویر برای بازشناسی کنش انسان استفاده می کنند، یک تصویر ایستا فاقد اطلاعات زمانی است. بنابراین بازشناسی کنش مبتنی بر تصویر ایستا دارای چالش بیشتری نسبت به بازشناسی کنش مبتنی بر ویدئو است. با توجه به اهمیت اطلاعات حرکتی در بازشناسی کنش از روش Im2flow برای تخمین اطلاعات حرکتی از روی تصویر ایستا استفاده شده است. ساختار پیشنهادی در این مقاله، حاصل ترکیب سه شبکه عصبی عمیق است که تحت عنوان شبکه سه شاخه یاد شده است. شبکه اول بر روی تصویر خام رنگی و شبکه دوم بر روی شار نوری پیش بینی شده از روی تصویر و شبکه سوم بر روی ژست به دست آمده از انسان موجود در تصویر آموزش می بیند. در نهایت تلفیق این سه شبکه عصبی عمیق سبب افزایش دقت بازشناسی کنش انسان شده است. به عبارت دیگر در این مقاله علاوه بر اطلاعات مکانی و زمانی پیش بینی شده از اطلاعات ژست انسان نیز برای بازشناسی کنش استفاده شده است زیرا ویژگی ژست برای بازشناسی کنش بسیار حائز اهمیت است. روش پیشنهادی در این مقاله توانسته است به دقت 91/80 درصد بر روی مجموعه دادهWillow7 action، به دقت 91/02 درصد بر روی مجموعه داده Pascal voc2012 و به دقت 96/87 درصد بر روی مجموعه داده Stanford10 دست یابد. با توجه به مقایسه نتایج با روش های قبلی متوجه خواهیم شد که روش پیشنهادی بالاترین دقت را بر روی هر سه مجموعه داده نسبت به کارهای اخیر به دست آورده است.

بر اساس مطالعات انجام شده، پیشران بوم سازگان کسب و کارهای مبتنی بر فناوری نوآیند، انواع نقش های بازیگران و نحوه ارتباط بین آن ها است. هدف این مقاله شناسایی بازیگران، عوامل دسته بندی و چگونگی ارتباط بین آنها در بوم سازگان کسب و کار است. نوع تحقیق کاربردی و روش اجرای آن پیمایشی است. شیوه نمونه گیری و انتخاب آزمودنی ها غیر تصادفی و هدفمند است. در این مقاله استراتژی پژوهش مطالعه موردی و واحد تحلیل بازیگران بوم سازگان کسب و کار و ابزار گردآوری داده، پرسشنامه و مصاحبه های عمیق و مطالعه مستندات علمی معتبر است. جهت استخراج چارچوب تحلیل شبکه بازیگران از مرور نظام مند استفاده شد. اجزای چارچوب با استفاده از نظر خبرگان این حوزه تایید شد و در ادامه با بهره گیری از مرور ادبیات و ترکیب آن با نظر خبرگان، بازیگران بوم سازگان کسب و کار جویشگر بومی شناسایی و شبکه جریان ارزش بازیگران این بوم سازگان با چهار جریان ارزشی شامل اطلاعات، خدمات، مالی و ناملموس نگاشته شد. در ادامه1)چارچوبی برای ورود به تحلیل بوم سازگان کسب و کار مبتنی بر تحلیل ذینفعان، 2)شناسایی بازیگران بوم سازگان جویشگر بومی در چهار لایه 3) نگاشت شبکه ارزش بین بازیگران و جریان های ارزشی چهارگانه بدست آمد. این چارچوب می تواند الگویی در سایرموارد مشابه مانند بوم سازگان اینترنت اشیا، کلان داده، رایانش ابری باشد.

در این مقاله مقایسه دبی جرمی جریانهای مختلف سمت پوسته مبادله کن های گرمایی بر اساس تغییرات برش بافل و فاصله بافل از هم به روش شبکه هیدرولیکی جریان مورد بررسی قرار گرفت. نحوه توزیع جریان نقش مهمی در دستیابی به بازده دمائی بالا و کارکرد موثر مبادله کن های گرمایی پوسته-لوله دارد، بطوریکه توزیع یکنواخت باعث کاهش ارتعاش و نویز مبادله کن خواهد شد. همچنین بررسی دبی جریان های مختلف اهمیت زیادی برای درک الگوی انتقال گرما و افت فشار مبادله کن های گرمایی دارد. بنابراین نحوه طراحی مبادله کن های گرمایی پوسته-لوله، بویژه نحوه تاثیر فاصله بافل ها و برش بافل روی دبی جریان در این مطالعه بررسی خواهد شد. در این مطالعه از اصول شبکه هیدرولیکی جریان برای ارزیابی نحوه توزیع دبی جریان مقاطع مختلف مبادله کن گرمایی استفاده شده است. براساس نتایج بدست آمده نحوه پیکربندی بافل ها، شامل برش بافل و فاصله بافل ها از هم تاثیرگذار در دبی جریان مقاطع مختلف بافل و نحوه توزیع جریان سمت پوسته می باشد. همچنین بیشترین دبی جریان سمت پوسته مربوط به جریان مقطع پنجره بافل می باشد.

اکوسیستم دریاچه ارومیه، در سال های اخیر با بحران کاهش فزاینده سطح آب به دلیل از دست رفتن منابع تغذیه کننده آب سطحی خود روبرو بوده است. در این پژوهش به منظور بررسی تاب آوری ناحیه ای در حوضه آبریز دریاچه ارومیه، در مقابل تخریب تراکم شبکه آبراهه ای، اقدام به توسعه ماتریس تابع عملکرد در روش احتمالاتی مرتبه اول قابلیت اطمینان (FORM) شده است. پایه محاسبات در محیط برنامه نویسی پایتون بر اساس تغییرات لایه تجمع جریان، به عنوان عامل مهم تغذیه آب سطحی دریاچه ارومیه می باشد. تهیه لایه تجمع جریان، بر اساس مدل رقومی ارتفاع 30 متری سنجنده Aster در محیط سیستم اطلاعات جغرافیایی و ملاک تغییرات آن بر مبنای لایه های تراکم شبکه آبراهه ای مختلف و با آستانه های ترتیب توانی معین، در روش استخراج خودکار مسیر جریان طبیعی بوده است. تابع عملکرد در روش FORM با تخمین انحراف استاندارد، میانگین و همبستگی خطی، بین دو دسته تراکم شبکه جریان، با آستانه های 100، 300 و 1000 و همچنین 1000، 3000 و 10000 و به صورت کسر دو مجموعه، نقاط مختصاتی تهیه شد. نتایج حاکی از آن است احتمال شکست در حوضه آبریز، بدون احتساب محیط دریاچه، بین دو رقم 28 تا 72 درصد متغیر است. برای نوار مرزی نمایش آسیب پذیری دریاچه، کم ترین تاب آوری در بخش های غربی، شمال غربی و جنوبی است. آسیب پذیری با تخریب شبکه آبراهه ای مطابق با روش FORM در بیشترین مقدار خود با رقم 86 درصد در محدوده میانه غربی مساحت دریاچه رخ می دهد.