روش های گوناگونی جهت پایدار نمودن مسایل بدوضع تا کنون مطرح گردیده است. این روشها را می توان عمدتا تحت عنوان روش های مستقیم و تکراری تقسیم بندی نمود. تجربه نشان داده که عملکرد روش های پایدارسازی بر روی مسایل بدوضع یکسان نبوده و در مورد هر یک از مسایل بدوضع تکنیک های مختلف پایدارسازی رفتار متفاوتی را از خود نشان می دهند. بدین لحاظ لازم است در مورد مسایل بدوضع با بررسی تکنیک های مختلف پایدارسازی بهترین تکنیکی را که از نظر تئوری و منطق با مساله بدوضع مورد نظر هماهنگی دارد را انتخاب و بکارگیری نمود. در این مقاله دو خانواده از روش های مستقیم جهت پایدارسازی مساله انتقال به سمت پایین از طریق انتگرال آبل پواسن جهت تعیین ژئوئید بدون استفاده از فرمول استوکس مورد بررسی قرار گرفته اند. این دو خانواده عبارتند از: (1) روش های تجزیه مقادیر منفرد منقطع (معمولی و تعمیم یافته) (TGSVD،(TSVD ، (2) روش های تیخونوف تعمیم یافته (با نرم ها و نیم- نرم های در زیر فضاهای سوبولفb)3 ،a)W12، b)،(W22(a. نتایج عددی نشان می دهند که روش "تیخونوف تعمیم یافته با استفاده از نرم گسسته زیرفضای سوبولف b)،W22(a" دارای دقت بهتری نسبت به سایر روش ها بوده و دارای سازگاری بیشتر با حل معکوس معادله انتگرالی آبل- پواسن در پایدارسازی مساله انتقال به سمت پایین است. در مقابل روش "تجزیه مقادیر منفرد تعمیم یافته (TGSVD) با اپراتور گسسته شده مشتق دوم" دارای دقت و سازگاری کمتر با مساله مذکور است.

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

از الگوریتم ژنتیک و تجزیه مقادیر منفرد برای انتخاب بهینه ای محدوده های سیستم های فازی جهت مدلسازی فرآیند انفجاری برش صفحات استفاده شده است. هدف این مدلسازی نمایش چگونگی تغییرات عمق نفوذ با برخی متغیرهای مهم این فرآیند مانند ضخامت لایه ، میزان، خرج، زاویه راس و فاصله می باشد. در این مقاله نشان داده شده است که تجزیه مقادیر منفرد می تواند بطور موثری جهت تنظیم نهایی سیستم های فازی که از روشهای انطباق مستقیم و الگوریتم ژنتیک بدست می آید بکار رود. کاربرد تجزیه مقادیر منفرد به دست آمده از روش الگوریتم ژنتیک را در مدلسازی فرآیند پیچیده برشکاری انفجاری افزایش می دهد.

سیستم های توصیه گر یکی از ضروری ترین ابزارهای هوشمندسازی تجارت الکترونیک است. این سیستم ها با انواع مختلف روش های فیلتر­, کردن داده ها و داده کاوی، قادر به انتخاب و ارایه بهترین پیشنهادات از بین انبوه موارد قابل انتخاب برای مشتریان هستند. در بین روش های متنوع سیستم های توصیه گر، فیلترهای اشتراکی پرکاربردترین روش برای ارایه پیشنهادات است. فیلترهای اشتراکی دامنه وسیعی از الگوریتم ها را شامل می شود و در این بین، روش تجزیه ماتریس به مقادیر منفرد یکی از مدل های پیشرفته در فیلتر اشتراکی است. در این مقاله به ارایه مدلی بهینه شده از سیستم توصیه گر فیلم مبتنی بر روش تجزیه مقادیر منفرد پرداخته شده که ضمن کاهش ابعاد ماتریس و کاهش حجم محاسبات و حافظه، با روش تکرار جاگذاری، دارای دقت مناسب نسبت به روش تجزیه ماتریس به مقادیر منفرد ساده و سایر روش های دیگر است. برای این پژوهش از مجموعه دیتاست های 100 هزار امتیازی مووی لنز و از برنامه نویسی پایتون استفاده شده است. ارزیابی میزان خطا با روش های جذر میانگین مربعات خطا و میانگین قدر مطلق خطا، نشان از بهبود مناسب نسبت به روش های مشابه در مراجع دیگر دارد.

در مهندسی معکوس گاهی اوقات با توجه به ابعاد و پیچیدگی قطعه کار نیاز به چندین بار برداشت نقاط توسط ماشین اندازه گیری مختصات و یا اسکن نوری و تنظیمات مربوطه می باشد. برای مدل سازی قطعه کار، لازم است نقاط به دست آمده از اندازه برداری های متفاوت در یک سیستم مختصات بیان شود، که به این عملیات تطابق می گویند. فرآیند تطابق برای دو یا چند ابر نقاط، تعیین تبدیل هندسی بین آنها در یک سیستم مختصات مطلق است. از تطابق، پارامترهای چرخش (سه زاویه) و جابجایی (سه مولفه جابجایی) به دست می آید. با داشتن مختصات حداقل سه نقطه متناظر در دو دستگاه مختصات محلی و مطلق، با توجه به معادلات ریاضی می توان پارامترهای تطابق را به دست آورد. در عمل با توجه به عدم دقت و وجود اغتشاش در داده ها، برای منطبق نمودن آنها (فرآیند تطابق) از روش های دیگر استفاده می شود. در این مقاله با توجه به مشکلات عملی و لزوم فرآیند تطابق در مباحث کاربردی، روش نلدر -  مید در کاربردی متفاوت، برای انجام فرآیند تطابق ابر نقاط به کار گرفته شده است، همچنین روش های تجزیه مقادیر منفرد و الگوریتم ژنتیک پیاده سازی شده اند. این روش ها از لحاظ دقت، میزان همگرایی و زمان اجرا با یکدیگر مقایسه شده اند.

داده میدان پتانسیل، مجموع اثرچشمه های زیر زمینی می باشد. محاسبه بی هنجاری باقیمانده و ناحیه ای یکی از مراحل مهم از فرایند مدل سازی و وارون سازی در روش گرانی سنجی می باشد. وجود مقداری نوفه در داده های تصحیح شده گرانی نیز اجتناب ناپذیر است. در این مقاله، ما یک روش جدید جداسازی بر اساس تجزیه مقادیر تکین (منفرد) (SVD) داده های گرانی ارایه می نماییم. با روش SVD، یک ماتریس از داده های گرانی بوگه، به یک سری از تصاویر ویژه تجزیه می شود. تعداد تصاویر ویژه یا حدود آستانه مورد نیاز برای بازسازی نقشه های بی هنجاری های ناحیه ای و باقیمانده (محلی) و همچنین نقشه پراکندگی نوفه از روی بی هنجاری بوگه، بر اساس مقادیر منفرد به دست آمده از روش SVD تعیین می شود. در فرایند بازسازی سری داده با تصاویر ویژه، ممکن است اطلاعات ناچیزی را از دست بدهیم که این میزان را برابر میانگین واریانس ماتریس های حاصل شده با تصاویر ویژه در نظر گرفته ایم. کارآیی روش تجزیه مقدار منفرد با یک مجموعه از داده های مصنوعی نوفه دار گرانی مربوط به مدلی ترکیبی که در آن یک کره به عنوان بی هنجاری محلی و صفحه ای شیب دار در عمق زیاد به عنوان بی هنجاری ناحیه ای در نظر گرفته شده بود، مورد آزمایش قرار گرفته است به طوری که نتایج جداسازی کاملا قابل قبول می‍ باشد. در نهایت، داده های مربوط به یک محدوده مطالعاتی در قم با استفاده از روش ارایه شده، مورد تحلیل قرار گرفت.

مقدمه و هدف: نخود به واسطه درصد پروتئین و ارزش تغذیه‎ای زیاد، یکی از حبوبات سرما دوست محسوب می شود و قابلیت کشت پائیزه در شرایط دیم را دارد. شناسایی ژنوتیپ‎هایی با عملکرد بالا و سازگاری به دامنه گسترده ای از محیط ها یکی از هدف های عمده در برنامه های به نژادی گیاهان زراعی می ­باشد. ترکیب دو روش ارزیابی پایداری بهترین پیش‎بینی نااریب خطی (BLUP) و اثرات اصلی جمع پذیر و برهمکنش‎های ضرب پذیر (AMMI) در آزمایش های ناحیه ای و گزینش پایداری چند صفتی (MTSI) به ارزیابی بهتر ژنوتیپ های گیاهی و دستیابی به نتایج دقیق تر کمک می کند. مدل های اثرات اصلی جمع‎پذیر و برهمکنش ضرب‎پذیر(AMMI) و بهترین پیش‎بینی نااریب خطی (BLUP)، از جمله روش های چند متغیره کاربردی در ارزیابی آزمایش های چند محیطی هستند. این پژوهش برای شناسایی ژنوتیپ‎های پایدار و پر محصول نخود در کشت پائیزه انجام شد. مواد و روش­ ها: در این پژوهش، هفده ژنوتیپ پیشرفته نخود همراه با دو شاهد عادل و آزاد در قالب طرح بلوک‎های کامل تصادفی در سه تکرار، در ایستگاه تحقیقات کشاورزی و منابع طبیعی سراب چنگائی خرم آباد (لرستان) به مدت چهار سال زراعی (1392-96)، مورد ارزیابی قرار گرفتند. برای کمی‎سازی پایداری ژنوتیپی، بهترین پیش‎بینی نااریب خطی، از برهمکنش‎های ژنوتیپ در محیط (سال) برآورد شدند. و تجزیه مقادیر منفرد (SVD) که اساس تجزیه AMMI است، بر روی ماتریس حاصله انجام شد. یافته­ ها: نمودار گرمایی مبین تنوع عملکرد دانه ژنوتیپ‎ها در سال‎های مختلف بود. نمودار موزائیکی نشان داد که سهم مجموع مربعات ژنوتیپ و برهمکنش ژنوتیپ در محیط( سال) در مجموع مربعات کل به ترتیب 15/45 و 31/26 درصد بود. آزمون نسبت درست نمایی (LRT) نشان داد که برهمکنش ژنوتیپ در سال بر عملکرد دانه، وزن صد دانه، ارتفاع بوته، سرعت پرشدن دانه و دوره پرشدن دانه معنی‎دار بود، با توجه به معنی‎دار بودن برهمکنش ژنوتیپ در محیط (سال)، میتوان تجزیهBLUP را بر روی این داده‎ها انجام داد. آزمون اسکریت نشان داد چهار مؤلفه اصلی اولیه سهم قابل توجهی در توجیه برهمکنش ماتریس ژنوتیپ در محیط (سال) حاصل از BLUP داشتند، بطوری که مؤلفه اصلی اول و دوم به ترتیب فقط 34/31 و 31/38 درصد از تغییرات برهمکنش ژنوتیپ در محیط (سال) را توجیه می­ کردند. رتبه­ بندی ژنوتیپ‎ها بر اساس شاخص پایداری چند صفتی (MTSI) انجام شده است که، ژنوتیپ 7 با 1/6 MTSI= به عنوان ژنوتیپ برگزیده، مشخص شد. نتیجه­ گیری: در مجموع، بر اساس نتایج کل روش ها و انتخاب همزمان بر اساس پایداری عملکرد دانه و همه صفات اندازه‎گیری شده (MTSI)، ژنوتیپ‎های شماره 7 (FLIP07-201C)، و 4 (FLIP06-43C) ژنوتیپ‎های پایدار و برتر نسبت به میانگین کل صفات ژنوتیپ‎ها بودند . ژنوتیپ شماره 4 از لحاظ دوره پر شدن دانه (32 روز)، عملکرد دانه (2536/9کیلوگرم در هکتار)، وزن صد دانه (34/3 گرم)، ارتفاع بوته (65/3 سانتی متر) و ژنوتیپ شماره 7، با میانگین سرعت پر شدن دانه (10/63 میلی گرم در دانه در روز ) و عملکرد دانه (2250 کیلوگرم در هکتار) بیشتر از میانگین کل صفات در ژنوتیپ‎ها و شاهد‎های (آزاد و عادل) در این پژوهش برتر بودند.