در گزارش حاضر نتایج طرح تحقیقاتی ساخت و مشخصه یابی نانوالیاف ساخته شده از پلی کاپرولاکتان، ژلاتین و گل همیشه بهار ارائه شده است. به منظور ساخت نانوالیاف از روش الکتروریسی استفاده شد و نانوالیافی با درصد های متفاوت مواد اولیه تولید شدند. به منظور ارزیابی نانوالیاف تولید شده، آنالیزهای ساختاری و مکانیکی بر روی آن ها انجام شد و همچنین رفتار آب دوستی آن ها بررسی گردید. نتایج نشان دهنده تغییرات چشمگیر ایجاد شده در رفتار آب دوستی و تغییرات اندک در خواص مکانیکی نانوالیاف تولید شده می باشند. در همین راستا، با افزودن گل همیشه بهار به ساختار، خصوصیات مکانیکی تا حدودی افت کرده و از سویی دیگر آب دوستی نانوالیاف افزایش می یابد. همچنین با افزودن گل همیشه بهار به ساختار قطر نانوالیاف افزایش می یابد.

کوپلیمرهای دوگانه دوست به دلیل ماهیت هم زمان آب دوستی و آب گریزی توانایی خودآرایی در محیط های آبی دارای رنگ و همچنین کپسوله کردن رنگ در محیط را دارند. همین امر موجب ایجاد برهم کنش مناسب رنگ با بسترهایی مانند پنبه می شود که در آن ها رنگرزی توسط چاپ دیجیتال به سختی انجام می گیرد و معمولاً رنگ پایداری مناسب ندارد. در این طرح، انواع مختلف کوپلیمرهای دوگانه دوست با استفاده از مونومرها و پلیمرهای مختلف تهیه شدند که بعد از بررسی اولیه از نظر ثبات امولسیونی، چندین نمونه انتخاب و با آنالیزهای مختلف مورد بررسی قرار گرفتند. برای شناسایی کوپلیمرها از آزمون هایی مانند H NMR، XRD، DSC، TGA و GPC استفاده و رفتار خودآرایی کوپلیمرها در محلول های آبی با DLS مطالعه شد. نمونه های انتخاب شده دارای ساختار آمورف بودند و پایداری حرارتی بالاتر از &#xB0, C 300 داشتند. همچنین، خودآرایی آن ها در محیط آبی باعث به وجود آمدن امولسیون ها در مقیاس nm100> شد. نمونه ها بعد از چاپ با جوهرهای ارائه شده توسط شرکت متقاضی شامل پیگمنت های مختلف آبی، قرمز، زرد و مشکی، ثبات شستشویی، ثبات مالشی و پایداری بسیار خوبی (5/5) نشان دادند. نتایج این طرح نشان داد که کوپلیمرهای دوگانه دوست می توانند به عنوان یک عامل کمکی در چاپ دیجیتال بر روی پنبه استفاده شوند. این کوپلیمرها با کپسوله کردن رنگ در خود، باعث می شوند که رنگ با پنبه برهم کنش مناسب داشته باشد و از آن در برابر عوامل محیطی محافظت نماید.

"تعمیرات و نگهداری سازه های فراساحلی، مانند سکوهای نفت و گاز، یک فرآیند مهم و ضروری است که باید با دقت و ایمنی انجام شود. شرایط آب وهوایی، به ویژه سرعت باد و ارتفاع امواج، می تواند تأثیر قابل توجهی بر ایمنی و بهره وری این عملیات داشته باشد. در حال حاضر، پیش بینی آب وهوا برای بازه های زمانی طولانی تر از 10 روز با دقت پایینی انجام می شود. این امر می تواند خطرات قابل توجهی را برای عملیات تعمیر و نگهداری سازه های فراساحلی ایجاد کند. هدف این پروژه، توسعه یک مدل پیش بینی پنجره های آب وهوایی در بازه های 10 تا 90 روز، برای تعمیر و نگهداری سازه های فراساحلی است. در این پروژه، یک مدل پیش بینی پنجره های آب وهوایی بر اساس ترکیبی از روش های شبیه سازی آب وهوایی و یادگیری ماشین توسعه یافته است. در بخش شبیه سازی آب وهوایی، از یک مدل جهانی برای پیش بینی میدان باد و امواج استفاده شد. سپس، این نتایج با استفاده از یک مدل یادگیری ماشین بهبود یافت. مدل یادگیری ماشین از داده های تاریخی باد و امواج برای یادگیری الگوهای آب وهوایی استفاده نمود. در نهایت، یک مدل نهایی با ترکیب نتایج دو مدل شبیه سازی و یادگیری ماشین توسعه داده شد. این مدل دقت پیش بینی را برای بازه های 10 تا 90 روز به طور قابل توجهی بهبود بخشید. برای بازه 10 روز، دقت پیش بینی مدل توسعه یافته حدود 90 درصد برآورد شده است. این میزان دقت، تقریباً دو برابر دقت پیش بینی های مدل های جهانی است. برای بازه 90 روز، دقت پیش بینی مدل توسعه یافته حدود 70 درصد است. این میزان دقت نیز، همچنان بالاتر از دقت پیش بینی مدل های جهانی است. این مدل می تواند برای بهبود ایمنی و بهره وری عملیات تعمیر و نگهداری سازه های فراساحلی مورد استفاده قرار گیرد. همچنین، مدل توسعه یافته می تواند برای برنامه ریزی فعالیت های دریایی مانند حمل و نقل، ماهیگیری و گردشگری نیز استفاده شود. "

"با توجه به اهمیت تشخیص بسیاری از بیماری ها به خصوص بیماری های عصبی و روان، در مراحل اولیه، لزوم استفاده از ابزاهای مجهز به هوش مصنوعی و سیستم های تصمیم یار بالینی، بیشتر احساس می شود. در این طرح یک سیستم تصمیم یار بالینی ایجاد شده است که با استفاده از صدا و گفتار بیمار، وجود بیماری در سه دسته کلی بیماری های حنجره، بیماری های عصبی و مشکلات روانی، به عنوان بیماری هایی که پروزودی گفتار را تحت تاثیر قرار می دهند، تشخیص می دهد. در انجام این کار، ابتدا یک مرور دامنه برای شناسایی الگوریتم های یادگیری ماشین جهت تشخیص بیماری های پروزدیک گفتاری با استفاده از صدا یا گفتار با تمرکز بر سه دسته بیماری های عصبی، حنجره و روان انجام گرفت. در مرحله دوم طرح، برای هر دسته از بیماری های هدف این طرح، مدل یادگیری عمیق پیاده سازی گردید و معیارهای ارزیابی مدل ها ارائه شد. در مرحله سوم یک سیستم تصمیم یار بالینی، بر پایه مدل های یادگیری عمیق پیاده سازی شده در مرحله قبل، جهت تشخیص وجود بیماری حنجره، عصبی یا روانی ایجاد شد. نتایج مرحله اول نشان داد که الگوریتم های یادگیری ماشین برای تشخیص بیماری های حنجره صرفا از ویژگی های آکوستیک صدا و برای تشخیص بیماری های روان عمدتا از ویژگی های پروزودیک استفاده کرده است. همچنین در خصوص بیماری های عصبی نیز، ویژگی های آکوستیک بیشتر از ویژگی های پروزودیک مورد استفاده قرار گرفتند. از دیگر نتایج حاصل شده در این طرح می توان به کاربردپذیری سیستم تصمیم یار بالینی پیاده سازی شده اشاره کرد. نتایج این طرح نشان داد که می توان از صدا یا گفتار بیمار به عنوان یک منبع غنی برای تشخیص بیماری های عصبی، روان و حنجره بهره جست. "

"در سال های ابتدایی پس از تولد و حتی پیش از آن، عوامل محیطی، تاثیر بسیاری در رشد فیزیکی، شناختی و عصبی افراد دارد. هدف از این طرح، مطالعه بر روی اختلالات و مشکلات در بین کودکان زیر 5 سال، با رویکرد استفاده از پرسشنامه سنین و مراحل در راستای شناسایی عوامل موثر، تشخیص اختلالات و مداخله زودهنگام بوده است. در این پروژه با بررسی چند هزار پرونده ی روانشناسی مربوط به مراجعین مرکزی درمانی در شهر تهران، مجموعه داده ای به حجم 1، 400 مورد، متشکل از پاسخ پرسشنامه سنین و مراحل، نتایج چک لیست رفتاری کودکان، اطلاعات جمعیت شناسی و برخی ویژگی های مربوط به تولد، تحول و پزشکی جمع آوری شد. سپس با استفاده از تحلیل ها و آزمون های آماری پارامتری و ناپارامتری به کشف روابط موجود بین این دادگان و نتایج حاصل از چک لیست رفتاری کودکان پرداخته شد. از جمله مهم ترین ویژگی های موثر کشف شده در بروز برخی از این اختلالات، می توان به شاغل بودن مادر، جنسیت، تحصیلات پدر و مادر و همچنین حیطه های پرسشنامه ی سنین و مراحل اشاره نمود. در ادامه این کار با استفاده از روش های یادگیری ماشین، به همراه استفاده از روش های کاهش بعد و انتخاب ویژگی ها، یادگیری مشخصات شناختی موجود، به تشخیص هر کدام از این اختلالات پرداخته شد. در نهایت به پیاده سازی نتایج این پژوهش به عنوان یک سیستم پیشنهاددهنده در اپلیکیشن مربوطه پرداخته شد. در این سیستم با گرفتن اطلاعات پروفایل شناختی کودکان و نتایج آزمون های روانشناسی ذکر شده، بر اساس مدل های مبتنی بر هوش مصنوعی و بر پایه ی دادگان جمع آوری شده تشخیص و پیش بینی 15 اختلال و یا مشکل روانشناسی میسر شد. "

"قارچ های ساپروفیت، شایع ترین قارچ ها و از عوامل مهم بیولوژیک آلوده کننده محیط زیست از جمله هوا، به راحتی قادرند در دمای محیط برروی هرگونه مواد آلی تکثیر یابند و برای رشد و تکثیر احتیاج به رطوبت و ماده اولیه آلی به عنوان منبع تغذیه دارند. تاکنون روش های مختلفی برای مبارزه با این قارچ ها استفاده شده است که هر یک از این روش ها دارای محدودیت ها و معایب یا مزایای خاص خود هستند. در همین راستا یکی از بهترین روش ها استفاده از تجهیزات مه پاش حرارتی است استفاده از این دستگاه جهت ضدعفونی مزایای زیادی از قبیل سرعت بالای سم پاشی، مصرف کمتر محلول ضدعفونی کننده، پخش یکنواخت ماده گندزدا و نفوذ کامل آن به تمامی نقاط دارد. اهداف مهم این طرح، فرموله کردن مکمل برای دستگاه مه پاش حرارتی و تاثیر این دستگاه در ضدعفونی و از بین بردن قارچ های ساپروفیت رایج در مکان های بسته می باشد. بررسی کنترل آلودگی های قارچی در فضای بسته، تعیین غلظت مناسب برای ترکیبات گندزدا و مکمل مورد مطالعه در محیط آزمایشگاهی در اتاقکی مورد آزمایش قرار گرفت. به علاوه، ترکیبات گندزدا بر پایه پراستیک اسید به دلیل سمیت پایین و اثربخشی آن با مکمل و دستگاه مه پاش حرارتی بررسی شد. بررسی آزمایشگاهی تاثیر ضدقارچی ماده گندزدای پراستیک اسید و تعیین غلظت قارچ کشی آن روی قارچ های ساپروفیت نشان داد که این ماده در غلظت های بالاتر از ppm 1، 000 توانایی جلوگیری از رشد قارچ های مورد مطالعه در این بررسی را دارد. نتایج این طرح نشان از تاثیر بالای استفاده از این دستگاه در قارچ زدایی فضای محیط های بسته و همچنین سطوح مورد بررسی دارد. "

"کانکتورهای فلزی از محصولات مهم و پرکاربرد در صنایع مختلف هستند. این محصولات در انواع و جنس های مختلف در قطعات و تجهیزات الکتریکی/الکترونیکی مورد استفاده قرار می گیرند. یکی از روش های تولید کانکتورهای فلزی، استفاده از قالب های پروگرسیو است. این قالب ها به دلیل مزایای متعدد، از جمله سرعت تولید بالا، دقت بالا و قابلیت تولید قطعات با کیفیت، در صنایع مختلف مورد استفاده قرار می گیرند. با توجه به اهمیت کانکتورهای فلزی و نقش قالب های پروگرسیو در تولید آن ها، طراحی و ساخت این نوع قالب ها از اهمیت ویژه ای برخوردار است. در ایران، تا پیش از این، طراحی و ساخت قالب های پروگرسیو برای کانکتورهای فلزی به طور کامل وابسته به واردات خارجی بود. این امر باعث ایجاد مشکلات و چالش های متعددی از جمله ارزبری، کندی تحویل و وابستگی به منابع خارجی می شد. طراحی و ساخت قالب پروگرسیو برای این محصولات، از چالش های مهم تولید آن ها است. در این طرح، طراحی و ساخت قالب پروگرسیو برای یکی از مدل های کانکتور خودرویی مورد بررسی قرار گرفت. روش اجرای این پروژه شامل مراحل طراحی و ساخت قالب، پوشش دهی کانکتورها، کنترل کیفیت و راه اندازی خط تولید بود. در انتهای این پروژه، قالب پروگرسیو کانکتور مدنظر خودرویی مطابق با استاندارد و نرخ بازدهی 53. 76 درصد طراحی و تولید شده و نمونه زنی اولیه نیز انجام شد. "

افراد مبتلا به دیابت برای دست یابی به یک وضعیت سلامتی پایدار نیاز ویژه ای به پایش و کنترل قند خون خود دارند. روش های مرسوم اندازه گیری تهاجمی گلوکز خون، روش هایی دقیق اما نامناسب برای استفاده پیوسته هستند. در حال حاضر این اندازه گیری با روش های تهاجمی معروف به دستگاه های تست قند خون (گلوکومتر) و خون گیری از نوک انگشتان فرد صورت می پذیرد. در واقع در خانه و محل کار یک فرد دیابتی به ویژه مبتلایان به دیابت نوع یک، باید دستگاه تست قند خون وجود داشته باشد. این تجهیز در بازار کشور عمدتاً وارداتی است و همچنین نوار تستی دارد که یک بارمصرف است و پس از اتمام بسته های 50 تا 100 عددی آن باید دوباره بسته جدید خریداری شود. به طور خلاصه هر فرد دیابتی نه تنها باید یک دستگاه تست قند خون را خریداری کند بلکه همواره به لَنست و نوار تست نیاز دارد که امری هزینه بردار است. هدف از این طرح ارائه یک راهکار جایگزین برای روش های تهاجمی موجود است که نیاز به خون گیری و نوار تست دارند و برای بیماران دیابتی هزینه بر و آسیب رسان هستند. در این طرح از یک شبکه عصبی پیچشی برای تخمین قند خون بر اساس سیگنال های نوری مرتبط با طیف گلوکز خون استفاده شد. این شبکه با داده های حاصل از دستگاه گلوکومتر تهاجمیAccu-Check Active آموزش داده شد و دقت و پایداری خوبی از خود نشان داد. این دستگاه در میان دستگاه های خود مراقبتی موجود بیش ترین صحت اندازه گیری غلظت قند خون را به صورت حداکثر اختلاف 15 میلی گرم بر دسی لیتر برای 99. 8 درصد از نمونه ها ارائه داد. نتایج این پروژه نشان داد که می توان با استفاده از روش های غیرتهاجمی، قند خون را با دقت مناسب و قابل قبولی اندازه گرفت و به بیماران دیابتی کمک کرد.

فرایند کشف و تشخیص اشیای پنهان از طریق دستگاه های تصویربرداری موج میلی متری در فرودگاه ها و مراکز حساس امنیتی که توسط اپراتور انسانی بررسی می شوند، از چالش برانگیزترین مسائل امنیتی به شمار می روند. دستگاه بادی اسکنر موج میلی متری با استفاده از نوع خاصی از امواج الکترومغناطیسی، تصویر حالت فردی که در باکس بازرسی قرار دارد را از جلو و پشت به کمک امواج از طریق دو فرستنده چرخشی تولید و به اپراتور ارسال می کند. استفاده از هوش مصنوعی و پردازش تصویر شخصی سازی شده مربوط به این تصاویر از بدیع ترین راهکارهای فناورانه برای رفع این چالش امنیتی است. برای ساخت دیتاست های تخصصی تر، یکی از چالش های مهم استفاده از خبرگان امر امنیت که تجربه زیادی در شیوه های پنهان سازی دارند، می باشد. این افراد می توانند جزئیات پنهان سازی و استفاده از مواد مختلف جهت فریب دادن سیستم هوش مصنوعی را به داده های آموزش اضافه کنند. در این طرح، با کمک افراد دارای تجربه در امنیت فیزیکی فرودگاه ها دیتاستی شامل 3، 500 داده مجزا جمع آوری شد. سپس فرایند برچسب گذاری همه 3، 500 داده انجام شد. طراحی معماری شبکه های عصبی عمیق مبتنی بر ناحیه (segmented)، R-CNN سریع شده و Mask R-CNN به همراه کد آن ها که دقت بالای 90 درصد را نشان داد، تحویل داده شد. به علاوه، آموزش شبکه های عصبی، پیاده سازی روی GPU با قابلیت تشخیص خودکار، قابلیت ارتباط با FPGA و سخت افزار نیز صورت پذیرفت.

افزایش تعداد و پیچیدگی شبکه های موبایل در سال های اخیر و مدیریت موثر شبکه به یکی از چالش های اساسی اپراتورها تبدیل شده است. برای غلبه به این چالش ها، تمایل زیادی برای افزایش درجه اتوماسیون در طراحی و بهره-برداری شبکه های تلفن همراه وجود دارد. شبکه های خود سازمان دهنده (SON) به عنوان راه حلی در پیاده سازی شبکه-های مخابراتی، به طوریکه از سه ماژول کلیدی برای پیکربندی، بهینه سازی و نگهداری از شبکه به صورت خودکار تشکیل می شوند، پیشنهاد شده است. در این پروژه، از یک الگوریتم ژنتیک برای بهینه سازی پارامترهای شبکه استفاده شد. الگوریتم ژنتیک یک روش یادگیری تقویتی است که از مفاهیم تکامل طبیعی برای یافتن راه حل های بهینه استفاده می کند. این ماژول بر اساس یک الگوریتم توسعه یافته است و می تواند پارامترهای شبکه نظیر توان، زوایای آنتن ها و وضعیت کار سلول ها را به منظور بهبود عملکرد شبکه از نظر پوشش، ظرفیت و بالانس بار شبکه بهینه سازی کند. نتایج شبیه سازی نشان داد که ماژول پیشنهادی در مقایسه با سایر روش های موجود، عملکرد بهتری را ارائه می دهد. به عنوان مثال، در سناریوی شهر قم، ماژول پیشنهادی توانسته است، در حالی که بالانش شبکه را نیز حفظ نموده، پوشش و ظرفیت شبکه را به طور قابل توجهی بهبود بخشد. علاوه بر این، ماژول پیشنهادی قادر به در نظر گرفتن شرایط پویا شبکه نظیر از کار افتادن سلول ها و تغییر توزیع جمعیت نیز می باشد. این امر به بهبود عملکرد شبکه در شرایط واقعی کمک می کند.