چندی سازی برداری یکی از روش های پرکاربرد در فشرده سازی تصویر است. پژوهشگران، الگوریتم های مختلفی با چندی سازی برداری به منظور رسیدن به کتاب-کد بهینه ارائه داده اند. ازجمله این الگوریتم ها می توان از الگوریتم ژنتیک، الگوریتم بهینه سازی ازدحام ذرات و الگوریتم کرم شب تاب نام برد. در این مقاله برای چندی سازی برداری، روش جدیدی بر اساس الگوریتم کرم شب تاب بهبودیافته ارائه شده است. در روش پیشنهادی عملگر ترکیب ژنتیک با الگوریتم کرم شب تاب پایه، به منظور بهبود الگوریتم پایه، ادغام شده و از آن در تولید کتاب-کد چندی سازی برداری، استفاده گردیده است. نتایج پیاده سازی روش پیشنهادی، نشان می دهد که این الگوریتم کرم شب تاب بهبودیافته در مقایسه با الگوریتم های ژنتیک و کرم شب تاب پایه، بهتر عمل می کند. درصد بهبود کیفیت روش پیشنهادی نسبت به الگوریتم کرم شب تاب پایه حدود یک درصد است. علاوه بر آن، با افزایش سایز کتاب-کد عملکردی مشابه با الگوریتم بهینه سازی ازدحام ذرات دارد.

طیف سیگنال گفتار به پارامترهای پیش بینی خطی (LPC) حساسیت زیادی داشته و بروز خطاهای کوچک در چندی سازی منجر به ناپایداری در فیلتر سنتز می شود و این در حالی است که پارامترهای زوج طیفی (LSP) در این مورد به عنوان روش بازنمایی موثرتر مطرح هستند. از سوی دیگر شبکه های عصبی مصنوعی تاکنون به عنوان ابزاری موفق برای بهبود کیفیت و کاهش پیچیدگی محاسباتی کد کننده های گفتار بکارگرفته شده اند. بر این اساس در این مقاله با ایجاد تغییراتی در ساختار کد کننده مبتنی بر استاندارد FS-1015، سعی در کاهش نرخ بیت 2.4 کیلوبیت برثانیه ای این الگوریتم، ضمن بهبود نتایج عملکردی آن شده است. در این راستا، با بکارگیری پارامترهای LSP به جای LPC و نیز چندی کننده های برداری مبتنی بر شبکه های عصبی KSOFM (نسخه با آموزش تحت نظارت) و ARTMAP فازی، نرخ بیت کد کننده به 1.9 kbps کاهش و کیفیت گفتار سنتزشده در ملاک MOS نیز به ترتیب به میزان 0.13 و 0.26 بهبود یافته است. همچنین زمان اجرای الگوریتم در صورت بکارگیری دو روش چندی سازی عصبی مذکور به ترتیب به میزان %27 و %43 کاهش پیدا می کند.

در تقاطع­­های راست گوشه سه شاخه یا چهار شاخه کانال­های روباز، مطالعه جدایی جریان بسیار حائز اهمیت می­باشد. برخی پارامترهای موثر در این زمینه نسبت دبی ورودی و عمق جریان می­باشد که در این تحقیق تاثیر نسبت دبی ورودی و نسبت ارتفاع سرریزها (عمق جریان) در الگوی جریان و ابعاد ناحیه جداشدگی به صورت عددی شبیه­سازی شده است. بررسی نتایج مدل عددی نشان داد که مدل k-ω بیشترین مطابقت را با نتایج آزمایشگاهی دارد، به طوریکه میزان خطای شبیه­سازی کمتر از 20% بود. ابعاد ناحیه جداشدگی در کانال­­های اصلی و فرعی با نسبت دبی ورودی رابطه مستقیم داشت. همچنین با افزایش ارتفاع سرریزهای خروجی، عمق جریان افزایش یافت و منجر به کاهش ابعاد ناحیه جداشدگی شد. مطابق نتایج عددی، ابعاد ناحیه جداشدگی در راستای قائم از کف کانال به سطح آب افزایش یافت، به­طوری­که برای نسبت دبی 6/0 و نسبت ارتفاع سرریز 377/0، طول ناحیه جداشدگی در کف کانال، فاصله 1/0 متر از کف و در سطح آب به ترتیب در حدود 60 سانتیمتر، 75 سانتیمتر و 85 سانتیمتر بود. بنابراین از سطح آب به سمت کف کانال طول ناحیه جداشدگی در حدود 29% کاهش یافت.

شبکه های عصبی عمیق به دلیل موفقیت در کاربردهای مختلف، به جذابیت فوق العاده ای دست یافته اند. اما پیچیدگی محاسبات و حجم حافظه از موانع اصلی برای پیاده سازی آن ها در بسیاری از دستگاه های نهفته تلقی می شود. از مهم ترین روش های بهینه سازی که در سال های اخیر برای برطرف نمودن این موانع ارائه شده، می توان به کوانتیزاسیون و هرس کردن اشاره کرد. یکی از روش های معروف کوانتیزاسیون، استفاده از نمایش اعداد چندرقمی باینری است که علاوه بر بهره بردن از محاسبات بیتی، افت صحت شبکه های باینری را در مقایسه با شبکه های دقت کامل کاهش می دهد. اما به دلیل نداشتن قابلیت نمایش عدد صفر در آن ها، مزایای تنکی داده ها را از دست می دهند. از طرفی، شبکه های عصبی عمیق به صورت ذاتی تنک هستند و با تنک کردن پارامترهای شبکه عصبی عمیق، حجم داده ها در حافظه کاهش می یابد و همچنین به کمک روش هایی می توان انجام محاسبات را تسریع کرد. در این مقاله می خواهیم هم از مزایای کوانتیزاسیون چند رقمی و هم از تنکی داده ها بهره ببریم. برای این منظور کوانتیزاسیون چند رقمی ترنری برای نمایش اعداد ارائه می دهیم که علاوه بر افزایش صحت شبکه نسبت به شبکه چندرقمی باینری، قابلیت هرس کردن را به شبکه می دهد. سپس میزان تنکی در شبکه کوانتیزه شده را با استفاده از هرس کردن افزایش می دهیم. نتایج نشان می دهد که تسریع بالقوه شبکه ما در سطح بیت و کلمه می تواند به ترتیب 15 و 45 برابر نسبت به شبکه چند رقمی باینری پایه افزایش یابد.

بر این باوریم که شاهنامة فردوسی، یکی از شاهکارهای عمدة ادبیات جهان است که نه تنها ایرانیان بلکه اغلب محققان منصف در عرصة ادبیات جهانی به ارزش و عظمت آن معترفند و در این اثر سترگ، ما با پهلوانانی با سیمای عرفانی مواجهیم به طوری که شاهنامه جلوه گاه تمام نمای انسان آرمانی-عرفانی در سه حوزة اجتماعی، فردی و عرفانی است. بر این اساس در این پژوهش با اذعان به این نکته که فردوسی به هیچ وجه اصطلاح انسان کامل و یا ایده آل و آرمانی را صراحتاً در شاهنامه مطرح نکرده است، با تکیه بر چندی از روایت های شاهنامه و شخصیت های ایدآل آنها به معرفی سجایای عرفانی پهلوانان ایرانی و انیرانی می پردازیم. نتایج پژوهش حاضر نشان می دهد که فردوسی به موضوعات متعددی به عنوان ابعاد عرفانی پهلوانان اشاره کرده است و ویژگی های انسان عرفانی در این اثر در سه حوزه: رابطه انسان با خدا (اخلاق عرفانی)، رابطه انسان با خود (اخلاق فردی) و رابطه انسان با خلقت (اخلاق اجتماعی) نمود یافته است.

یکی از کارآمدترین راه‌کارهای فشرده‌سازی و کاهش انرژی مصرفی شبکه‌های عصبی عمیق در دستگاه‌های نهفته، کوانتیزاسیون با استفاده از نمایش اعداد ممیز ثابت است. در سال‌های اخیر، روش‌های متنوعی برای بهبود صحت شبکه‌های کوانتیزه‌شده مطرح شده است که اغلب سربارهای محاسباتی زیادی به شبکه تحمیل می‌کنند، اگرچه این موضوع تاکنون از دید طراحان شبکه‌های عصبی عمیق پنهان مانده‌است. در این پژوهش، روش‌های مختلف کوانتیزاسیون ممیزثابت، بر اساس مولفه‌های تاثیرگذار در سربارهای سخت افزاری، طبقه‌بندی و مدل شده است. پس از آن، معماری‌های سخت‌افزاری ارائه‌شده برای هریک از مدل‌ها به صورت عادلانه، با در نظرگرفتن هزینه‌فایده‌ی بین صحت شبکه و بهره‌وری انرژی سخت‌افزار، بررسی و مقایسه می‌شوند. نتایج نشان می‌دهد تکنیک‌هایی که برای کاهش خطای روش‌های کوانتیزاسیون به کار گرفته می‌شود، اگرچه به افزایش صحت شبکه‌های عصبی منجر می‌شود اما از طرف دیگر بهره‌وری انرژی سخت‌افزار را کاهش می‌دهد. براساس نتایج شبیه‌سازی، افزودن ضریب مقیاس و آفست به کوانتیزاسیون ممیزثابت LSQ، صحت شبکه را حدود 1/0 افزایش می‌دهد اما بهره‌وری انرژی سخت‌افزار حدود 3 برابر کمتر شده است. این موضوع لزوم توجه به سربارهای سخت‌افزاری را به‌خصوص در سیستم‌های نهفته، بیش از پیش نشان می‌دهد.

در مطالعه حاضر مدیریت آب سد کارده با استفاده از روش برنامه ریزی تصادفی بازه ای چند مرحله ای در شرایط عدم قطعیت مورد بررسی قرار گرفت. برنامه ریزی بازه ای چند مرحله ای از ترکیب دو برنامه ریزی پویا و بازه ای در چارچوب بهینه سازی تصادفی تشکیل می شود. پویایی مدل، به کارگیری خط مشی از پیش تعریف شده در طی فرایند بهینه سازی و استفاده از پارامترهای بازه ای و احتمالات در شرایط عدم قطعیت از مزیتهای این تکنیک است. این روش، سناریوهای تصمیم گیری تحت مقادیر مختلف کمبود آب را ارایه می دهد. داده های مطالعه از سازمان آب منطقه ای و شرکت آب و فاضلاب استان خراسان رضوی و برای سالهای 67 تا 86 جمع آوری شد. نتایج نشان داد در بدترین شرایط، طی سه سال آینده (تا سال 90) به ترتیب 9/1، 55/2 و 1/3 میلیون مترمکعب کمبود آب در بخش شهری و 22/0، 32/0 و 75/0 در بخش کشاورزی رخ خواهد داد. کاهش 5/0، 7/0 و 1 مترمکعب در الگوی مصرف ماهانه بخش شهری و افزایش 6، 11 و 20 درصد در راندمان آبیاری بخش کشاورزی تحت پوشش سد کارده، راهکارهای مناسبی برای رویارویی با بحران کم آبی در سه سال آینده است.