شبکه های نوری شفاف با مسیردهی به تفکیک طول موج یک کاندید برای شبکه های نسل آینده با پهنای باند بالا و هزینه پایین محسوب می گردند. عوامل تخریب موجود در فیبرها و ادوات نوری این شبکه های شفاف تاثیر بسزایی بر مسیرهای نوری گذاشته به طوری که بهترین رویکرد مسیریابی که بر اساس عملکرد لایه شبکه مشخص شده، بهترین رویکرد مسیریابی بر اساس عملکرد لایه فیزیکی محسوب نمی گردد و ممکن است حتی بدترین رویکرد به نظر برسد. برای فائق آمدن بر این مساله، در این مقاله پیشنهاد خواهد شد که در رویکردهای مختلف مسیریابی باید عملکرد هر دو لایه شبکه و فیزیکی همزمان در نظر گرفته شوند و بهترین رویکرد مسیریابی باید بر اساس عملکرد کلی و نه فقط عملکرد لایه شبکه مشخص گردد. .اصل مقاله به صورت متن کامل انگلیسی، در بخش انگلیسی قابل رویت است

در این مقاله، یک روش پیش تعلیم دوسویه برای همگرا نمودن تعلیم شبکه های عصبی عمیق با یادگیری دیگر انجمنی ارائه شده است. تعلیم این شبکه ها به دلیل مواجه بودن با تعداد بالای کمینه های موضعی اغلب همگرا نمی گردد. این در حالی است که با مقداردهی اولیه مناسب وزن های شبکه، می توان از بسیاری از کمینه های موضعی اجتناب نمود. روش پیش تعلیم لایه به لایه دوسویه روشی سریع و کارا می باشد که در یک مسیر دوسویه به طور جلوسو و عقب سو با استفاده از ورودی ها و خروجی های مطلوب شبکه، به تنظیم مقادیر اولیه وزن های آن می پردازد. برای این منظور از تعلیم شبکه های کمکی یک لایه پنهان مبتنی بر وزن های لایه تحت پیش تعلیم از شبکه عمیق و وزن های کمکی استفاده می شود. سپس مقادیر وزن حاصل از تعلیم اینها در ساختار اصلی شبکه تحت پیش تعلیم قرار داده می شوند و برای تنظیم دقیق وزن ها، تعلیم یکپارچه صورت می گیرد. این روش برای پیش تعلیم وزن های سه شبکه عصبی عمیق بازشناس فرد، حالت های احساسی و ارقام دستنوشتار مورد استفاده قرار گرفت و نشان داده شد که با به کارگیری این روش پیش تعلیم، سرعت همگرایی تعلیم به طور چشمگیری افزایش می یابد. همچنین میزان بازشناسی ها در پایگاه داده های چهره به میزان قابل توجهی بهبود می یابد که حاکی از افزایش قدرت تعمیم شبکه با استفاده از این روش می باشد.

شبکه دو لایه ای، یکی از عمومی ترین نوع سازه های فضاکار است که به دلیل سبکی وزن، سختی زیاد و کارایی بالا گزینه مناسبی برای ساختمان های با دهانه های وسیع محسوب می شود و نمونه های زیادی از آن به خصوص در نیم قرن گذشته در نقاط مختلف جهان به اجرا در آمده است. در این مقاله نتایج یک مطالعه پارامتری بر روی چهار تاشه معروف شبکه های دو لایه ای؛ یعنی مربع روی مربع، مربع روی مورب، مورب روی مربع و مورب روی مورب ارایه شده و تاثیر پارامترهایی چون تعداد چشمه، ارتفاع شبکه و نوع تکیه گاه بر روی وزن، خیز و زمان تناوب طبیعی سازه مورد بررسی قرار گرفته است.

ما یک شبکه مغناطیسی دائمی سه لایه ای را برای اتم های فرا سرد معرفی می کنیم که توسط دو آرایه دو بعدی از بره های مربعی مغناطیسی به همراه یک میدان مغناطیسی یکنواخت خارجی ایجاد می شود. سه آرایه دو بعدی مجزا از میکروتله های مغناطیسی، در بالای لایه ی بالایی بره های مغناطیسی، زیر لایه ی پایینی و بین آنها تولید می شود. ما عباراتی تحلیلی برای تعیین مکان کمینه های میدان مغناطیسی غیر صفر و همینطور برای مشخص کردن مقادیر فیزیکی دیگری، مانند اندازه میدان مغناطیسی (B)، خمیدگی ها و بسامدهای تله در هر کمینه ارائه می کنیم. عبارت های تحلیلی برای B با نتایج عددی هم-خوانی خوبی دارند. بنابراین، تمام عبارت های تحلیلی به دست آمده از آن ها قابل اعتماد هستند. برخی از کمیت های فیزیکی مرتبط را می توان با استفاده از میدان مغناطیسی یکنواخت کنترل کرد. همچنین، بسامدهای تله بین لایه های مغناطیسی در یک شبکه سه لایه ای، در مقایسه با بسامدهای ایجاد شده توسط یک لایه از آهنربا ها در یک شبکه دو لایه ای بالاتر هستند. بنابراین، از دست دادن اتم ها کاهش می یابد و محدود سازی بهتری برای آن ها فراهم می شود.

شبکه های دو لایه یکی از متداولترین سازه های فضاکار بوده و لذا بهینه سازی آن می تواند به مقدار قابل توجهی در کاهش هزینه ها و مصرف مصالح موثر باشد. در این مقاله، به بهینه سازی شبکه دو لایه از دو دیدگاه بهینه سازی سطح مقطع اعضا و بهینه سازی ارتفاع پرداخته شده است. برای حل مساله بهینه سازی ارتفاع و سطح مقطع اعضا، یک روش تکرار دو مرحله ای پیشنهاد شده است. در مرحله اول با ثابت در نظر گرفتن ارتفاع، بهینه سازی سطح مقطع اعضا به روش معیار بهینگی انجام می شود. به این ترتیب به ازای هر ارتفاع داده شده وزن بهینه به دست می آید. در مرحله دوم برای یافتن ارتفاع بهینه سازه، از روش میانیابی درجه دو استفاده می شود. دو مرحله فوق تا رسیدن به همگرایی تکرار می شود. قیدهای اعمال شده در بهینه سازی، قیود تنشی و یک قید افت (شکم) سازه هستند. برای نشان دادن قابلیتهای الگوریتم پیشنهادی، سطح مقطع و ارتفاع بهینه چهار شبکه دو لایه برای پوشش فضایی مشخص با بارگذاری و شرایط تکیه گاهی یکسان و توپولوژی متفاوت محاسبه شده است. الگوریتم پیشنهادی زمینه را برای مقایسه توپولوژیهای مختلف و انتخاب توپولوژی بهینه فراهم می نماید. در مثالهای حل شده، توپولوژی بهینه در میان چهار توپولوژی مذکور تعیین شده است.

در این مقاله به بررسی مکانیزم اتلاف انواع موج در لایه های مختلف خورشید و نقاط روشن مناطق میان-شبکه و شبکه کروموسفر، پرداخته شده است. برای این منظور، ابتدا نقاط روشنی در کروموسفر انتخاب می شود.این انتخاب با کمک تصاویر SJI از آیریس انجام می شود. سپس، برش های زمانی سرعت دوپلری طیف مینیزیم (Mg II k) در سرعت مشخصی ترسیم میشود و به عنوان ورودی به تابع تبدیل موجک داده می شود تا تحلیل زمان-فرکانسی انجام شده و دوره ی نوسان سرعت دوپلری به دست آید. از نتایج دوره نوسان سرعت، برای شناسایی نقاط روشن مناطق میان-شبکه و شبکه کروموسفر، استفاده میشود به این صورت که، دوره های نوسانی حدود 180 ثانیه مربوط به نقاط میان-شبکه کروموسفر خورشیدی است و دوره های نوسانی حدود 300 ثانیه ای مربوط به نقاط شبکه کروموسفری خورشیدی است. سپس نمودار شیفت دوپلری برای خط طیفی سیلیسیوم (Si IV 1394) بر حسب زمان رسم میشود. این نمودار، در بازه هایی از زمان، نموداری میراست. این میرایی، بیانگر اتلاف موج در لایه های خورشیدی می باشد. بر طبق نتایج به دست آمده، نقاط روشن شبکه کروموسفری دارای زمان میرایی در حدود 15 دقیقه و نقاط روشن میان-شبکه کروموسفر خورشیدی دارای زمان میرایی در حدود 25 دقیقه هستند.

هدف از مهندسی شبکه های عصبی بررسی معایب و مزایای شبکه های عصبی مصنوعی و ارایه روشهایی برای بهبود کارایی آنهاست. یکی از موضوعات مورد بحث در مهندسی شبکه های عصبی چندلایه، یافتن ساختار مناسب (نزدیک به بهینه) برای حل مساله میباشد. معیار و نحوه انتخاب اندازه شبکه عصبی برای یک مساله خاص هنوز شناخته شده نیست. در روشهای کلاسیک، طراح شبکه در ابتدای آموزش ساختاری را برای شبکه تعیین و سپس شبکه را آموزش میدهد و ساختار تعیین شده در حین آموزش ثابت نگاه داشته میشود. تعیین اندازه شبکه عصبی (تعداد واحدها و لایه های مخفی) تاثیر عمده ای بر روی کارایی شبکه های عصبی خواهد داشت. طراحی یک شبکه با ساختار بهینه یک مساله ذاتا مشکل است. بهمین جهت بیشتر الگوریتم های ارایه شده برای تعیین ساختار شبکه های عصبی، الگوریتم های تقریبی هستند. این الگوریتم ها را میتوان به پنج گروه عمده الگوریتم های هرس، الگوریتم های سازنده، الگوریتم های ترکیبی، الگوریتم های تکاملی و الگوریتم های بر اساس اتوماتانهای یادگیر تقسیم کرد. تنها الگوریتم گزارش شده براساس اتوماتان یادگیر، الگوریتم بقا نام دارد که توسط بیگی و میبدی ارایه گردیده است. این الگوریتم از یک اتوماتان یادگیر مهاجرت اشیا (بعنوان یک ابزار جستجوی عمومی) و الگوریتم یادگیری انتشار خطا به عقب استفاده میکند و در ضمن آموزش، تعداد واحدهای مخفی یک شبکه سه لایه را تعیین مینماید. در این مقاله سه الگوریتم براساس اتوماتانهای یادگیر مهاجرت اشیا و الگوریتم یادگیری انتشار خطا به عقب ارایه شده است که ساختار مناسب شبکه عصبی سه لایه (ساختاریکه دارای اندازه کوچک، پیچیدگی آموزش کم و قدرت تعمیم بالا باشد) را برای یک مجموعه از الگوهای آموزشی تعیین می نماید. اغلب روشهای گزارش شده برای تعیین ساختار شبکه از الگوریتم های کوهنوردی استفاده میکنند و مشکل گرفتاری در حداقل محلی را دارند. در روش پیشنهادی در این مقاله بدلیل استفاده از روشهای جستجوی عمومی، امکان گرفتاری در حداقل های محلی فضای ساختارها کاهش می یابد. الگوریتم های ارایه شده روی مسایل متنوعی از جمله شناسایی اعداد فارسی و شناسایی اعداد انگلیسی آزمایش شده اند. از طریق شبیه سازی نشان داده شده است که شبکه های تولید شده توسط الگوریتم های پیشنهادی دارای کارایی بالایی هستند. همچنین الگوریتم های پیشنهادی با الگوریتم هرس کارنین مقایسه گردیده است. نتایج الگوریتم های پیشنهادی هم از لحاظ ساختار تولید شده، هم از نظر زمان مورد نیاز برای تعیین ساختار شبکه عصبی، بسیار بهتر از الگوریتم هرس کارنین عمل کرده اند.

در طراحی بهینه سازه های فضاکار به دلیل پر عضو بودنشان نسبت به سازه های دیگر، زمان زیادتری برای تحلیل، طراحی و یا تعیین وزن آنها مورد نیاز می باشد. در این مقاله برای اجتناب از تحلیل های مرکر و وقت گیر مرسوم در روش های معمول، با استفاده از روش شبکه های عصبی مصنوعی و الگوریتم ژنتیک طراحی بهینه سازه های فضاکار از نوع شبکه دو لایه انجام گردیده است. برای این کار، 180 نمونه شبکه دو لایه فولادی با سه توپولوژی مختلف با دهانه هایی بین 10 تا 75 متر و ارتفاع 1 تا 2.5 متر تحلیل شده و در هر مورد وزن بهینه سازه تعیین گردیده است. نتایج حاصل برای آموزش، آزمایش و طراحی یک شبکه عصبی مصنوعی برای تخمین وزن سازه به کار گرفته شده است. آن گاه از روش الگوریتم ژنتیک در تعامل با شبکه عصبی، برای انتخاب یک سازه فضاکار بهینه استفاده شده است. بدین ترتیب می توان با توجه به ابعاد زمین، مناسب ترین پوشش از نوع شبکه دو لایه را با یک توپولوژی مشخص به همراه ارتفاع، فاصله ستون ها و طول اعضای افقی پیشنهاد نمود.