بخش بندی چهره نقش خیلی مهمی در کاربردهای آنالیز چهره مانند شناسایی هویت، آنالیز حالات چهره، انیمیشن چهره و آنالیز بیماری های پوست چهره ایفا می کند. در این مقاله، یک روش جدید هیبریدی مبتنی بر بهینه سازی ازدحام ذرات کوانتومی (QPSO) و گرگ خاکستری (GWO) جهت بهینه کردن عمل کرد خوشه بند K-Means رائه می شود. در این مطالعه، دو الگوریتم با هم ترکیب شده و در روش پیشنهادی عمل کرد استخراج در الگوریتم QPSO با قابلیت اکتشاف در الگوریتم GWO بهبود داده می شود. اندازه گیری تشابه نقش اساسی در فرآیند خوشه بندی ایفا می کند. جهت اندازه گیری تشابه، 4 معیار فاصله ی اقلیدسی، مینکوفسکی، ماهالانوبیس و بلوک شهری در بهینه سازی الگوریتم K-Means به-کار گرفته شده است. روش پیشنهادی در مقایسه با سایر الگوریتم های فرا ابتکاری شامل الگوریتم ژنتیک (GA)، PSO، QPSO، GWO، بهینه سازی خفاش، جستجوی کلاغ عمل کرد بهتری در بخش بندی و سرعت همگرایی دارد. همچنین، نتایج نشان می دهند که فاصله ی مینکوفسکی عمل کرد بهتری در محاسبه ی تشابه داشته و بهینه سازی الگوریتم K-Means با فاصله ی مینکوفسکی نتیجه ی بهتری در بخش بندی دارد. براساس نتایج به دست آمده، ترکیب این دو الگوریتم رسیدن به جواب بهینه را تضمین کرده و از مسئله ی کمینه مکانی نیز جلوگیری می کند.

موضوع بهبود کیفیت صدا امروزه به یکی از موضوعات مهم و اساسی روز تبدیل شده است. تضعیف نویز به نحوی که اختلالی در سیگنال اصلی به وجود نیاورد، یک چالش مهم برای بهبود صدا محسوب می شود. موضوع تحقیق این مقاله بررسی نویز موجود در سیگنال گفتار، حذف و یا کاهش آن از سیگنال گفتارنویزی است. در این مقاله یک روش دومرحله ای جدید برای کاهش نویز موجود در سیگنال گفتار نویزی ارایه شده است. دراین روش، در مرحله اول، سیگنال گفتار نویزی توسط روش ادراکی بیزین بهبود داده می شود و سپس بر روی سیگنال بهبود داده شده بسته موجک اعمال می شود و سیگنال را به زیر باندهای مجزا از هم تبدیل می کند. در مرحله دوم بر روی هر زیر باند روش بهسازی NNESE اعمال می شود. همچنین ابرپارامترهای روش NNESE در تمامی زیرباندها توسط الگوریتم فراابتکاری دسته ذرات کوانتومی (QPSO) بهینه می شود. بدین ترتیب هر زیر باند به طور جداگانه بهبود داده می شود. درنهایت سیگنال بهسازی شده با ترکیب زیر باندها حاصل می شود. روش پیشنهادی نسبت به روش های دیگران ازلحاظ معیارهای PESQ و SegmentalSNR بر روی بخشی از پایگاه داده TIMIT آغشته شده به نویزهای Noisex-92 بهتر عمل می کند و منجر به کاهش بیشتر نویز از سیگنال می گردد.

This study focuses on the investigation of intelligent form-finding and vibration analysis of a triangular polyhedral tensegrity that is enclosed within a sphere and subjected to external loads. The nonlinear dynamic equations of the system are derived using the Lagrangian approach and the finite element method. The proposed form-finding approach, which is based on a basic genetic Algorithm, can determine regular or irregular tensegrity shapes without dimensional constraints. Stable tensegrity structures are generated from random configurations and based on defined constraints (nodes located on the sphere, parallelism, and area of upper and lower surfaces), and shape finding is performed using the fitness function of the genetic Algorithm and multi-objective optimization goals. The genetic Algorithm's efficacy in determining the shape of structures with unpredictable configurations is evaluated in two distinct scenarios: one involving a known connection matrix and the other involving fixed or random member positions (struts and cables). The shapes obtained from the Algorithm suggested in this study are validated using the force density approach, and their vibration characteristics are examined. The findings of the comparative study demonstrate the efficacy of the proposed methodology in determining the vibrational behavior of tensegrity structures through the utilization of intelligent shape seeking techniques.

افزایش جمعیت و تقاضای روزافزون مواد غذایی و بهره وری اقتصادی پایین محصولات کشاورزی و هدررفت منابع آبی و خاکی، تعیین و اجرای الگوی کشت بهینه کشور را ضروری نموده است. در این تحقیق، با توجه به محدودیت ها و مشکلات روش های کلاسیک و همچنین به منظور کاهش زمان پردازش و بهبود کیفیت راه حل ها، از الگوریتم ازدحام ذرات چند هدفه آشوبناک در تعیین الگوی کشت بهینه دشت سیستان در شرایط بهینه و کم آبیاری استفاده گردید. نتایج کاربرد الگوریتم آشوبناک برای کشت های غالب منطقه نشان داد که الگوی کشت فعلی منطقه بهینه نبوده و با اجرای الگوی پیشنهادی مدل، سود حاصل به ازای واحد سطح زیر کشت، افزایش خواهد یافت. نتایج کاربرد کم آبیاری طی دوره های مختلف رشد محصولات گندم، جو، یونجه، سورگوم، هندوانه و انگور نیز نشان داد که اعمال کم آبیاری ها در این دشت استراتژی مناسبی نبوده و تنها استراتژی آبیاری کامل توصیه می گردد، مدل مقدار بهینه حجم آب برای سطح یک هکتار را 42750 متر مکعب برآورد نموده و با وارد کردن گیاهان گندم، یونجه، سورگوم، هندوانه و انگور با استراتژی آبیاری کامل در الگوی بهینه کشت، در نهایت بازده برنامه ای 4, 153, 448 تومان بدست آمد، با کاهش 25 درصدی آب مصرفی شبکه، مقدار بازده برنامه ای 5/14 درصد و با کاهش 50 درصدی آب مصرفی، مقدار بازده برنامه ای 5/41 درصد کاهش یافت. نتایج ارزیابی حساسیت مدل نیز نشان داد که در قیمت های پایین، کشاورزان واکنش کمتر و در قیمت های بالاتر، عکس العمل بیشتری به تغییر قیمت نشان داده و با افزایش قیمت آب، سود ناخالص (بازده برنامه ایی) کمتر و مدل بیشتر به سمت افزایش زیر کشت محصولاتی تمایل دارد که با مصرف آب کمتر عملکرد بیشتری دارند. نتیجه گیری کلی این تحقیق آن است که بی کشش بودن تقاضای آب در دامنه های قیمتی 725-0، 950-750، 1050-1000 و همچنین 1200-1075 ریال در برنامه-ریزی های مربوط به قیمت گذاری منابع آب کشاورزی منطقه بایستی مورد توجه قرار گیرد.

یکی از موضوعات اساسی و پایه در مطالعات مهندسی هیدرولوژی و رودخانه، روندیابی سیلاب است. روندیابی سیلاب به روش هیدرولوژیکی در رودخانه­های چند شاخه و رودخانه­های فاقد آمار حوضه میانی مرسوم است. از این رو، مدل هیدرولوژیکی ماسکینگام یک روش مفید است که بدون نیاز به تعیین شیب­ها و مقاطع عرضی در تمام بازه­های رودخانه، عمق و دبی جریان سیلابی را در مقاطع مختلف رودخانه روندیابی می کند و از این رو، سبب صرفه جویی در هزینه و زمان می شود. در این مطالعه، مقادیر بهینه پارامترهای غیرخطی مدل جدید ماسکینگام نوع ششم بر اساس الگوریتم بهینه سازی مگس(MA)  محاسبه شده است. در این مدل غیرخطی ماسکینگام که دارای هشت پارامتر است، از ضریب بهبود γ استفاده شده است که با توجه به تعداد پیک های موجود در هیدروگراف خروجی، مقادیر بیشتر یا کمتر از یک دارد. برای ارزیابی عملکرد ترکیبی مدل جدید غیر خطی ماسکینگام همراه با الگوریتم نوین MA، از مطالعه موردی ویلسون و وایسمن  لوئیس استفاده شده که توسط بسیاری از محققان قبلی برای اعتبار سنجی مورد استفاده قرار گرفته است. نتایج الگوریتم MA برای دو رودخانه ویلسون و وایسمن لوئیس نشان دهنده کمینه سازی مجموع مربعات باقیمانده ها (SSQ) به عنوان تابع هدف می­باشد که برای رودخانه ویلسون برابر با 3.21 و رودخانه وایسمن برابر با68722 است. نتایج این تحقیق نشان داد که مدل پیشنهادی دارای دقت زیادی در برآورد مقادیر تخلیه خروجی است.

امروزه با توجه به اهمیت بالای مدیریت پایدار آب های زیرزمینی، برای بررسی و ارزیابی منابع آب از مدل سازی و پیش بینی تراز آب های زیرزمینی (GWL) استفاده می شود. هدف از این پژوهش، ارزیابی عملکرد دو مدل ماشین یادگیری بیشینه (ELM) و شبکه عصبی مصنوعی (ANN) و همچنین، تلفیق آن دو مدل با الگوریتم تبدیل موجک (W-ELM و W-) است که در نهایت برای بالا بردن قدرت پیش-بینی و بهینه کردن وزن های ورودی (وزن های بین لایه ورودی و پنهان) مدل ها، از الگوریتم بهینه ساز ازدحام ذرات کوانتومی (QPSO) استفاده شده است. همچنین، در این مطالعه، از داده های تراز آب زیرزمینی چاه های مشاهده ای (GWL)، میزان بارش (P) و همچنین، دمای متوسط (T) مربوط به حوضه دشت ارومیه با سری زمانی 36 ساله (1360– 1396) که در مقیاس ماهانه جمع آوری شده، استفاده شده و به-منظور بررسی عملکرد مدل ها از سه معیار ضریب همبستگی (R)، جذر میانگین مربع خطا (RMSE) و میانگین قدر مطلق خطا (MAE) استفاده شده است. در این راستا، از 80 درصد داده ها (مهر 1360 تا شهریور 1389) به منظور آموزش مدل ها و از 20 درصد داده ها (مهر 1389 تا شهریور 1396) به منظور بخش آزمون استفاده شده است. بر اساس نتایج پژوهش حاضر، مدل هیبرید تبدیل موجک-ماشین یادگیری بیشینه-بهینه ساز ازدحام ذرات کوانتومی (W-ELM-QPSO) با داشتن ضریب همبستگی (R) به ترتیب 0. 991، 0. 983 و 0. 975 برای دوره های یک، دو و سه ماهه در بخش آزمون، عملکرد بهتری نسبت به دیگر مدل ها داشته، همچنین، این مدل علاوه بر قدرت پیش بینی، از لحاظ سرعت آموزش و آزمون نیز نسبت به مدل های دیگر از سرعت بالایی برخوردار است.

در این مقاله یک روش دقیق و مناسب برای طراحی فیلترهای موج بری مایکروویو مبتنی بر پارامترهای S با استفاده از الگوریتم های بهینه سازی ارایه شده است. از آنجایی که برای طراحی کل ساختار فیلتر تنها مشخصات تمام موج بخشی از فیلتر (یک بلوک سازنده آن) مورد نیاز است، روش پیشنهادی بسیار سریع است. در اینجا از سه الگوریتم بهینه سازی متفاوت شامل الگوریتم ژنتیک (GA)، الگوریتم ازدحام ذرات (PSO) و الگوریتم ازدحام ذرات کوانتومی(QPSO) برای به دست آوردن پاسخ فیلتری مناسب استفاده شده و عملکرد آن ها در طراحی فیلتر با یکدیگر مقایسه شده است. صحت سنجی این روش از طریق شبیه سازی تمام موج با نرم افزار CST برای فیلترهای دارای post، روزنه سلفی (iris) و صفحه E (Eplane) به ترتیب در باندهای فرکانسی Ku، X و W مورد بررسی قرار گرفته است.

This article investigates the problem of simultaneous attitude and vibration control of a flexible spacecraft to perform high precision attitude maneuvers and reduce vibrations caused by the flexible panel excitations in the presence of external disturbances, system uncertainties, and actuator faults. Adaptive integral sliding mode control is used in conjunction with an attitude actuator fault iterative learning observer (based on sliding mode) to develop an active fault tolerant Algorithm considering rigid-flexible body dynamic interactions. The discontinuous structure of fault-tolerant control led to discontinuous commands in the control signal, resulting in chattering. This issue was resolved by introducing an adaptive rule for the sliding surface. Furthermore, the utilization of the sign function in the iterative learning observer for estimating actuator faults has not only enhanced its robustness to external disturbances through a straightforward design, but has also led to a decrease in computing workload. The strain rate feedback control Algorithm has been employed with the use of piezoelectric sensor/actuator patches to minimize residual vibrations caused by rigid-flexible body dynamic interactions and the effect of attitude actuator faults. Lyapunov's law ensures finite-time overall system stability even with fully coupled rigid-flexible nonlinear dynamics. Numerical simulations demonstrate the performance and advantages of the proposed system compared to other conventional approaches.