Distance-based clustering methods categorize samples by optimizing a global criterion, finding ellipsoid clusters with roughly equal sizes. In contrast, density-based clustering techniques form clusters with arbitrary shapes and sizes by optimizing a local criterion. Most of these methods have several hyper-parameters, and their performance is highly dependent on the hyper-parameter setup. Recently, a Gaussian Density Distance (GDD) approach was proposed to optimize local criteria in terms of distance and density properties of samples. GDD can find clusters with different shapes and sizes without any free parameters. However, it may fail to discover the appropriate clusters due to the interfering of clustered samples in estimating the density and distance properties of remaining unclustered samples. Here, we introduce Adaptive GDD (AGDD), which eliminates the inappropriate effect of clustered samples by adaptively updating the parameters during clustering. It is stable and can identify clusters with various shapes, sizes, and densities without adding extra parameters. The distance metrics calculating the dissimilarity between samples can affect the clustering performance. The effect of different distance measurements is also analyzed on the method. The experimental results conducted on several well-known datasets show the effectiveness of the proposed AGDD method compared to the other well-known clustering methods.

استفاده از جلوه های بصری و  رسانه های تصویری در آموزش شیمی بسیار تاثیر گذار است و می تواند علاوه بر تسهیل در یادگیری مفاهیم و قواعد شیمی، کلاس درس را جذاب و مخاطبان را تحت تاثیر قرار دهد. بنابراین این نوع از یادگیری را می توان از نوع سبک یادگیری بصری به حساب آورد. در این مقاله، ابتدا تعدادی از مولکول های قطبی و غیر قطبی موجود در کتاب های درسی شیمی دوره دوم متوسطه با استفاده از نرم افزار گوس ویو ترسیم شدند. سپس به منظور دستیابی به ساختار بهینه شده مولکول ها و ویژگی های مختلف آن ها، از نرم افزار گوسین استفاده شد. این محاسبات شامل بهینه کردن سطح انرژی مولکول، تعیین مقدار بار الکتریکی اتم های تشکیل دهنده مولکول، تعیین ممان دو قطبی مولکول، نمایش کانتورهای اطراف مولکول، نمایش نقشه های پتانسیل الکتروستاتیکی و به دست آوردن اوربیتال مولکولی هومو و لومو می شود. از بین مولکول های مختلف، ساختار مولکول آب با جزئیات بیشتری بررسی شد. به علاوه، محاسبات گوسین بر روی برخی مولکول های دیگر مانند آمونیاک، متانول، فرمالدهید، متان، کربن دی اکسید و اکسیژن نیز انجام شد. برای ترسیم از مولکول های متنوعی استفاده شد تا بسیاری از مفاهیم شیمی را تحت پوشش قرار دهد. علاوه بر این، مراحل ترسیم مولکول ها و نمایش خواص آن ها  نیز شرح داده شده است.

زمینه و هدف: هدف این مطالعه، بررسی نظری برهمکنش مولکول وانیلین با حامل های آلفا، بتا- و گاما- سیکلودکسترین جهت دارورسانی هدفمند و مقایسه کارکرد بین آنها بود.روش بررسی: تمامی محاسبات با استفاده از یک رایانه intel® CoreTM i5 Processors (intel Corp., Santa Clara, CA, USA) در دانشگاه کرمان به مدت سه ماه (اسفند 1392- اردیبهشت 1393) انجام شد. در این مطالعه نظری، مولکول ها با استفاده از GaussView software, version 5 (Gaussian, (Inc., Wallingford, USA) رسم شدند. بهینه سازی ساختارها با روش تابعی چگالی با استفاده از Gaussian 09 program package (Gaussian, Inc., Wallingford, USA) انجام شد. تحلیل داده ها با AIMAll software version 14 (Todd A. Keith, TK Gristmill software, Overland Park KS, USA) انجام گرفت. یافته ها: هیدروژن گروه هیدروکسیل سیکلودکسترین با اتم اکسیژن گروه کربونیل مولکول دارویی وانیلین پیوند هیدروژنی برقرار می کند. گاما- سیکلودکسترین، قویترین برهمکنش را با وانیلین نشان می دهد. در تمامی کمپلکس های وانیلین با سیکلودکسترین، جهت انتقال بار از دارو به حامل می باشد.نتیجه گیری: گاما- سیکلودکسترین به دلیل حلالیت زیاد و برهمکنش قوی آن، بهترین گزینه به عنوان حامل داروی وانیلین است.

در پژوهش حاضر از شبیه­ سازی رایانه­ای برای تولید سطوح (1+1) و (1+2) بعدی با دو نوع تابع همبستگی گاوسی و تابع همبستگی نمایی استفاده شده است. برای این منظور از یک مولد اعداد تصادفی برای تولید سطوح با توزیع ارتفاع گاوسی با میانگین صفر استفاده شد که توابع همبستگی آن­ها دارای فرمول گاوسی و نمایی فرض شده است. محاسبات برای سطوح همسانگرد و همچنین سطوح ناهمسانگرد انجام شد. به منظور بررسی مونوفرکتالی سطوح ناهموار تولید شده، مقادیر چولگی و کشیدگی برای این سطوح (1+1) و (1+2) بعدی محاسبه شد. همچنین، مقادیر این کمیت­ها با رفتار توزیع احتمال ارتفاع تطبیق داده و نتایج بررسی شد. سپس، برای بررسی بی­نظمی و ناهمواری سطوح تولید شده، نماهای ناهمواری سطوح، مورد ارزیابی قرار گرفت. افزون بر این، برای این سطوح ناهموار، بُعد فراکتال برای توصیف پیچیدگی سطوح فراکتال نامنظم بدست آمد.

در مقاله حاضر، توزیع غیریکنواخت دما و آثار آن در بلور میله ای که تحت پرتوهای گوسی و سوپرگوسی قرار دارد، به روش تحلیلی بررسی می شود. بلور به صورت یک میله با خواص ترمومکانیکی ایزوتروپیک فرض شده که با استفاده از پرتوهای دمش طولی برانگیخته می گردد. پرتوی دمش به سه صورت گوسی، سوپر گوسی مرتبه دوم و سوپر گوسی مرتبه سوم در نظر گرفته شده و اثرات هریک بر توزیع دما و عدسی گرمایی بایک دیگر مقایسه می شود. با توجه به نوع پرتو دمشی، توان گرمایی ایجادشده در داخل بلور، در هر یک از حالت های گوسی و سوپرگوسی محاسبه شده و معادله توزیع دما به روش تحلیلی حل شده و در ادامه یک فرم بسته برای توزیع دمای بلور تعیین می گردد. پاسخ به دست آمده با نتایج المان محدود و تجربی مقایسه و در نهایت توزیع دما و میزان عدسی شدگی در توان های مختلف محاسبه می شود. نتایج نشان می دهد که در دمش سوپر گوسی، بیشینه دما کوچک تر از دمش گوسی بوده و نقطه کانونی در فاصله بزرگ تری (از سطح ورودی دمش) نسبت به حالت گوسی اتفاق می افتد.

به منظور مقایسه کارایی سه مدل تحلیلی VART، Gaussian و ADZ در تخمین موقعیت ورود آلاینده ها به رودخانه، از یک سری داده آزمایشگاهی و چندین سری داده صحرایی که توسط USGS در رودخانه های مونوکیسی و آنتیاتیم برداشت شده بود، استفاده گردید. حل تحلیلی برای شرایط تزریق آنی برای مدل VART و رابطه گشتاور مرکزی مرتبه دوم مدل های Gaussian و ADZ بدین منظور استفاده شد و برای تمامی داده های آزمایشگاهی و صحرایی، ابتدا پارامتر های مدل ها استخراج شد سپس با استفاده از این پارامتر ها و با به کارگیری روابط مورد اشاره، تحقیق حاضر انجام شد. نتایج نشان داد که دقت مدل VART برای تشخیص منبع آلاینده برای داده های آزمایشگاهی برابر با 25 % و برای داده های رودخانه ای برابر با 8/4 % می باشد. همچنین خطای نسبی مدل قوسی نیز برای تشخیص موقعیت آلاینده رودخانه ای برابر با 65/1 % و همچنین میزان خطای نسبی مدل ADZ برابر با 14% محاسبه گردید که مشاهده می شود که دقت روش قوسی بسیار مطلوب می باشد. نتایج تحقیق موید این نکته بود که در عین حال که هر سه روش از کارایی مناسبی برای تشخیص منبع آلاینده در رودخانه ها برخوردار هستند ولی رابطه قوسی هم از دیدگاه تعداد پارامتر ها و هم از دیدگاه دقت محاسباتی به دو مدل دیگر برتری دارد. همچنین به منظور ارزیابی برازش منحنی های غلظت-زمان آزمایشگاهی و صحرایی بر روی منحنی های تحلیلی نیز از شاخص نش-شاتکلیف استفاده گردید و مقدار متوسط آن برای تمامی داده ها برابر با 97/0 محاسبه شد که نشان دهنده دقت بسیار مطلوب منحنی های تحلیلی بازسازی شده است.