آستانه گذاری تصاویر یک از محبوب ترین روش های قطعه بندی تصاویر است. در این روش، برای مشخص کردن مقادیر آستانه از هیستوگرام استفاده می شود. در این مقاله، یک روش آستانه گذاری چندسطحی برای قطعه بندی تصاویر مبتنی بر هیستوگرام با استفاده از الگوریتم بهینه سازی مبتنی بر یادگیری و تدریس ارائه شده است. این الگوریتم یک الگوریتم جمعیت گرای جدید است که از تاثیری که یک استاد بر دانش آموزان خود دارد الهام گرفته است. تابع هزینه مورد استفاده در این پژوهش، معیار بیشینه سازی آنتروپی کاپور بوده است. کارایی روش پیشنهادی بر روی 5 تصویر استاندارد مورد بررسی قرار گرفته است. همچنین کارایی آن با سه الگوریتم ژنتیک (GA)، بهینه سازی ذرات (PSO) و تکامل تفاضلی (DE) مقایسه شده است. نتایج نشان می دهد که الگوریتم بهینه سازی مبتنی بر یادگیری و تدریس نتایج بهتری در توابع برازندگی، مقدار PSNR، SSIM و پایداری فراهم آورده است. زمان یافتن مقادیر آستانه برای این الگوریتم نیز نسبت به الگوریتم PSO بیشتر اما نسبت به GA و DE کمتر است.

هدف اصلی پژوهش حاضر ارائه روندهای یادگیری، انواع حافظه و چگونگی به کاربردن آن در تدریس و یادگیری می باشد. در مقاله حاضر سعی برآن شده است روش تدریس و یادگیری که دو بخش مهم در امر آموزش هستند، برای داشتن یک آموزش مطلوب درکنار هم به کارگرفته شوند. برای جمع آوری اطلاعات با روش توصیفی-تحلیلی به بررسی کتب و مقالات داخلی و خارجی در زمینه روش تدریس و روان شناسی پرداخته شده است. تحلیل ها و نتایج به دست آمده نشان می دهد آموزش فرآیندی دو طرفه است و دانش در آن به صورت فعال به یادگیرنده منتقل می شود. برخلاف رویکرد رفتارگرایی که انتقال یادگیری، منفعل است، در این فرآیند معلم به عنوان یک راهنما عمل می کند. استفاده از فناوری اطلاعات در حین تدریس و عینی نمودن مفاهیم بر یادگیری دانش آموزان، رشد شناختی و پیشرفت تحصیلی آنان نیز موثر است.

این پژوهش با هدف مقایسه اثربخشی روش تدریس مبتنی بر یادگیری اکتشافی با روش تدریس عملکردی بر علاقه و پیشرفت تحصیلی دانش آموزان پایه یازدهم در درس روانشناسی انجام شد. پژوهش آزمایشی با طرح پیش آزمون و پس آزمون با گروه های آزمایش و کنترل بود. دانش آموزان پسر پایه یازدهم شهرستان دیواندره جامعه آماری پژوهش را تشکیل دادند. در این پژوهش از روش نمونه گیری تصادفی ساده استفاده شد و 60 نفر انتخاب و در سه گروه مساوی 20 نفری گمارش شدند. برای گردآوری داده ها از پرسشنامه علاقه به تحصیل کلر و سوبیا(1993) و نیز نمره اکتسابی در درس روانشناسی استفاده شد. نتایج نشان داد که در مرحله پس آزمون بین میانگین دو روش تدریس اکتشافی و عملکردی با گروه کنترل در متغیر پیشرفت تحصیلی از نظر آماری تفاوت معناداری وجود دارد. همچنین، نتایج بیانگر این بود دو روش یادگیری اکتشافی و عملکردی بر بهبود علاقه نسبت به تحصیل در دانش آموزان گروه های آزمایش اثربخشی داشته اند.

امروزه با رشد فناوری اطلاعات، تشخیص چهره یک مساله چالش برانگیز در زمینه تجزیه و تحلیل تصویر و بینایی رایانه است و به همین دلیل در چند سال گذشته به خاطر کاربردهای فراوان در حوزه های مختلف مورد توجه بسیاری قرار گرفته است. روش های زیادی برای پیاده سازی این فناوری مورد استفاده قرار می گیرد، اما روش کلی بر مبنای مقایسه مشخصه های خاصی از چهره افراد با یک پایگاه داده یا مجموعه اطلاعاتی از پیش ذخیره شده ( که می تواند حاصل نمونه گیری از چهره افراد باشد) است. فناوری های مبتنی بر بیومتریک در سال های اخیر به عنوان امیدوارکننده ترین گزینه برای تشخیص هویت افراد، شناخته شده اند. به منظور پیاده-سازی تشخیص چهره از روش های متفاوتی استفاده می شود. در این مقاله، مروری بر برخی از روش های شناخته شده پردازش تصویر انجام می شود و مزایا و معایب طرح های ذکر شده در آن بررسی شده است. همچنین فناوری های پیاده سازی سیستم های تشخیص چهره معرفی می گردد. سپس الگوریتم های تشخیص چهره بر اساس مشخصه های بیومتریک دسته بندی و معرفی می شوند. علاوه بر این، ضمن معرفی الگوریتم های مدل سلسله مراتبی و ایکس، مدل سلسله مراتبی باینری و ایکس، به بیانِ مفهوم ساختار تشخیصِ چهره ی عمیق، پرداخته شده است و برخی از جدیدترین الگوریتم های تولید شده برای این منظور ذکر شده است. در پایان، برخی از مهم ترین موارد کاربرد سیستم های تشخیص چهره مورد بررسی قرار گرفته است. هدف از این مقاله، معرفی و بیان الگوریتم های یادگیری عمیق در تشخیص چهره و بیان چالش های موجود می باشد.