Identification of the exact location of an exon in a DNA sequence is an important research area of bioinformatics. The main issues of the previous signal processing techniques are accuracy and robustness for the exact locating of exons. To address the mentioned issues, in this study, a method has been proposed based on deep learning. The proposed method includes a new preprocessing, a new mapping method, and a multi-scale modified and hybrid deep neural network. The proposed preprocessing method enriches the network to accept and encode genes at any length in a new mapping method. The proposed multi-scale deep neural network uses a combination of an embedding layer, a modified CNN, and an LSTM network. In this study, HMR195, BG570, and F56F11.4 datasets have been used to compare this work with previous studies. The accuracies of the proposed method have been 0.982, 0.966, and 0.965 on HMR195, BG570, and F56F11.4 databases, respectively. The results reveal the superiority and effectiveness of the proposed hybrid multi-scale CNN-LSTM network.

In this paper, an alternative approach in operational modal analysis is presented, utilizing image processing technique and transmissibility functions. Imaging sensors do not impose additional mass on the structure due to their non-contact nature, while transmissibility functions, independent of excitation type, can directly extract mode shapes. The innovation of this research lies in combining these two techniques to record dynamic responses and identify modal properties. To capture the temporal response history from video signals, the block-matching method with sub-pixel accuracy was employed. Validation was conducted by recording the response of the tip of a cantilevered steel beam subjected to impact excitation, using a high-speed camera and a laser vibrometer, simultaneously. The RMSE plots in the time domain and the PSD in the frequency domain indicate high accuracy of this method. Using this approach, the displacement time histories of various points on the structure were extracted from the video signals, and the modal properties, including natural frequencies, damping ratios, and mode shapes, were identified using the transmissibility matrix method. The results obtained from the proposed method were compared with the stochastic subspace Identification (SSI) method and analytical solutions. The findings reveal the accuracy of the modal Identification approach introduced in this article. The highest relative error in estimating the natural frequencies of the first and second modes, compared to the values from the laser method, are 0.19% and 0.13%, respectively, and in comparison to the analytical values, they are 0.34% and 1.5%, respectively.

Identifying the constraining factors of production and yield gap is very important. Therefore; this research was performed to identify the production constraining factors of local rice cultivars. All management practices from nursery preparation to harvesting stages for 100 paddy fields of local rice cultivars were recorded through field studies, in Sari, from 2015-2016. In the CPA, the actual and calculated potential yield were 4495 and 5703 kg/ha, respectively and the gap was 1221 kg/ha. The yield gap caused by number of top-dressing variables was 324 kg/ha, equal to 27% of the total yield gap. The yield gap related to previous year of legumes cultivation was 218 kg ha-1, equal to 18% of the total yield variation. Among the 10 variables entered in the CPA Model, the effects of top-dress fertilizer application and its application frequency and foliar application were remarkable, which could compensate a significant part of the yield gap (444 kg/ha, 37% of total) in the farmers’ fields by managing these variables. According to boundary line analysis (BLA) finding, actual yield mean on the basis of optimal limit related to 12 variables under study was 5369 kg/ha, with 881 kg/ha yield gap . Mean relative yield and relative yield gap for 12 variables (transplanting date, seedling age, number of seedlings per hill, planting density, nitrogen and phosphorous per hectare, nitrogen before transplanting, harvesting date, lodging problem, pest problem, diseases problem and weeds problem) were 83.64 and 16.35 kg/ha, respectively. Based on the finding, it can be stated that the Model precision is appropriate and can be applied for both estimation of the quantity of yield gap and determining the portion of each restricting yield variables.

برای کاهش آلودگی صوتی، باید نوع منبع صدا و توان آن مشخص شود. بدین منظور باید این صدا اندازه گیری شود و سپس با یک سری از منابع چندقطبی معادل شود و توان آکوستیکی آنها بدست آید. جهت نیل به این هدف دو روش جداسازی کور منابع و روش معکوس مورد بررسی قرار گرفته است. چیدمان های مختلف از منابع در نظر گرفته شده و توان آکوستیکی منابع بدست آمد که به کمک معیار عدم انطباق مطابقت خوبی بین این صداهای مدل شده و صدای اصلی بدست آمد. با توجه به این نکته که آرایش های مختلفی از منابع را می توان پیشنهاد داد این چیدمان ها بررسی شدند و در انتها یک چیدمان مرجع از منابع به نام آرایش عمودی منابع برگزیده شد که این چیدمان را می توان به عنوان یک فرم استاندارد در نظر گرفت. در این چیدمان استاندارد تمام منابع چند قطبی وجود دارد. این قابلیت در بقیه مدل های که تا کنون ارائه شده است وجود ندارد.

According to classical texts, Dara stands out as a significant city from the early Parthian era, situated on the eastern fringes of the Parthian Empire. Classical sources have documented this region under various names such as Apavortene, Zapaortenon, Partauticena, and Apauarcticena. Since the latter half of the nineteenth century, Iranologists have engaged in speculation about the location of Dara, drawing insights from descriptions provided by Justin and Pliny, as well as references to its whereabouts in classical texts. This research endeavors to offer relative conjectures concerning the location of Dara and Shahr-Tepe, a potential site representing it, through an evaluation of archaeological data alongside classical and Islamic texts. To achieve the research objectives using a descriptive-analytical approach, the study employs the library research method and incorporates archaeological data. In alignment with classical texts, the research suggests that the province of Apavortene is situated in Eastern Iran, and there exists a likelihood that the Islamic-period Abivard is a transformed manifestation of this Parthian-period province. Aditionally, a comparative examination of Dara in classical texts with present-day Shahr-Tepe in Dargaz reveals congruence, aligning with the descriptions provided by Justin and Pliny. Shahr-Tepe, located on the opposite side of Hezar Masjed Mountains between Nisa and Abivard, exhibits a singular historical period. Surrounded by Hezar Masjed Mountains, the region boasts an abundance of rivers and springs, expansive meadows, and remnants of forests within Tandooreh National Park and Tivan region. These characteristics confirm the general depiction of Apavortene and Dara found in classical sources. Collectively, these findings suggest that Shahr-Tepe, covering an area of approximately 70 hectares, could indeed represent the prominent city of the early Parthian period

نمو، عبارت است از تغییرات کیفی برنامه ریزی شد ه که گیاه را به سمت رسید گی هد ایت می نمایند و محققان آن را پد ید ه شناسی می نامند . شناخت زمان وقوع هر یک از این مراحل به منظور اعمال مد یریت مناسب برای افزایش عملکرد ضروری است. تعیین زمان وقوع مراحل نموی د ر سطح وسیع که د ربرگیرند ه اقلیم ها، ژنوتیپ ها و تاریخ های کاشت متفاوت می باشد ، کار بسیار د شواری است. پیش بینی مراحل پد ید ه شناسی به روش های معمول میسر نمی باشد و تنها از طریق بکارگیری مد ل های شبیه سازی، که با تلفیق عوامل موثر بر نمو می توانند زمان وقوع مراحل نمو را پیش بینی نماید ، امکان پذیر است. این مد ل بر مبنای معاد له خطی پاسخ د مایی نمو گیاه ساخته شد . به منظور ارزیابی مد ل، د و آزمایش مزرعه ای د ر سال های زراعی 83- 1382 و 84- 1383 اجرا گرد ید . مراحل نموی گند م بر مبنای مقیاس کربی و اپلیارد و به کمک میکروسکوپ تشریح مشخص و میزان د رجه- روز رشد تجمعی مورد نیاز هر مرحله نموی تعیین گرد ید . سپس با استفاد ه از د اد ه های آزمایشهای مذکور، مد ل واسنجی و ارزیابی گرد ید . مقایسه نتایج حاصل از شبیه سازی با نتایج واقعی (مشاهد ه شد ه) نشان د اد که مد ل با توانایی بالایی مراحل نمو گند م را پیش بینی می نماید .

امروزه یکی از پرکاربردترین روش های بازنمایی زبان طبیعی، بازنمایی معنا جهت پردازش متون در سامانه های مختلف است. روش های بازنمایی معنا در سال های اخیر کاربردهای متعددی در حوزه پردازش زبان طبیعی از جمله سامانه های خلاصه سازی خودکار متن و سامانه های پرسش و پاسخ و غیره داشته اند. بسیاری از عبارات متنی ممکن است از لحاظ ساختار گرامری متفاوت، اما از نظر معنایی یکسانی باشند، لذا چگونگی اطلاق یک معنای یکسان و واحد به آن ها یکی از چالش های پردازش متن است. هدف اصلی این مقاله طراحی مدلی برای بازنمایی معنایی یکپارچه و مستقل از ساختار نحوی برای زبان طبیعی است. مدل پیشنهاد شده با حفظ سادگی خود در حاشیه نویسی و درک، عدم وابستگی به ویژگی های زبان طبیعی خاص و همچنین عدم وابستگی به ساختار نحوی و لغوی را دارد. در این راستا، مثال های از جملات زبان فارسی و انگلیسی که از نظر ساختار گرامری وتفاوت هایی با یکدیگر دارند، در مقاله با روش بازنمایی پیشنهادی ارائه شده اند. به علاوه، با استفاده از مدل پیشنهادی، بازنمایی یکسانی برای متون با معنای یکسان و در عین حال ساختار گرامری متفاوت ارائه می گردد. مدل پیشنهادی در قالب گراف و لیست جهت تفسیر در پیکره طراحی شده است. یکی از ویژگی های اصلی مدل پیشنهادی، قابلیت بازنمایی روابط معنایی در سطح جمله و در سطح سند جهت بازنمایی پدیده های پیچیده و مهم زبانی مانند جنبه، زمان و سورها است. سادگی مدل پیشنهادی سبب می گردد که پردازش های زبانی در کاربردهای مختلف کند ویا پیچیده نشود، و تهیه پیکره های مبتنی بر این مدل در آینده برای زبان های طبیعی مختلف پیچیدگی زیادی نداشته باشد، تا هم برای زبان های طبیعی با منابع محدود و هم برای زبان های طبیعی با امکانات کامل قابل بهره برداری باشد. همچنین، ویژگی های مدل پیشنهادی با یکی از مهم ترین کارهای مرتبط پیشین مقایسه شده است.