به ماده یا موادی گفته می شود که به صورت پوششی بر یک سطح یا ماده می نشینند و باعث ایجاد خواص الکتریکی، فیزیکی و مکانیکی سطحی جدیدی می شود که که خصوصیات سطحی زیر لایه را ارتقاء میبخشد
مشخصات فایل
تعداد صفحات
190
حجم
6 کیلوبایت
فرمت فایل اصلی
doc
دسته بندی
مهندسی مواد
توضیحات کامل
دانلود پایان نامه کارشناسی ارشد رشته مواد
بررسی کارکرد لایه های نازک CuInSe و اهمیت اتصال به آنها
مقدمه:
لایه نازک در واقع لایه ای از مواد است که ضخامت آن در رنج کسری از یک نانومتر تا چند میکرومتر قرار گرفته باشد. اهمیت عمده لایه های نازک در صنایع الکترونیک، میکروالکترونیک و صنایع نوری می باشد که در سال های اخیر با پیشرفت فناوری نانو، رشد قابل ملاحظه ای را در اصلاح خواص سطحی مواد داشته است. خواص لایه های نازک وابسته به ساختار و مورفولوژی آنها طی فرایند رشد و جوانه زنی است.
به طور کلی لایه به ماده یا موادی گفته می شود که به صورت پوششی بر یک سطح یا ماده می نشینند و باعث ایجاد خواص الکتریکی، فیزیکی و مکانیکی سطحی جدیدی می شود که که خصوصیات سطحی زیر لایه را ارتقاء میبخشد.معمولا در فیزیک حالت جامد، مواد را به صورت توده ای مورد بررسی قرار می دهند. در عموم روش های لایه نشانی، هنگامی که ماده از حالت توده ای به صورت اتم ها، ملکول ها یا یون های مجزا درآیند و روی سطح زیرلایه نشینند، پوششی ایجاد می شود که آنرا لایه می نامند. چگالش ذرات اتمی، ملکولی یا یونی برای تشکیل لایه بر روی زیرلایه توسط فرایندهای فیزیکی و شیمیایی مختلفی صورت می گیرد.
معمولا اگر لایه تشکیل شده نازک باشد، خواص فیزیکی جدیدی از خود بروز می دهد که با خواص همان لایه به صورت توده ای متفاوت است که به این ترتیب می توان قابلیت های جدیدی به محصول افزود.
اصولاً لایه ها و پوشش های مختلف از نقطه نظر ضخامت به سه گروه تقسیم می شوندکه عبارتند از:
1. لایه های بسیار نازک با ضخامت کمتر از 50 انگستروم
2. لایه های نازک با ضخامت بین 50 تا 5000 انگستروم
3. لایه های ضخیم با ضخامت بیش از 5000 انگستروم
طبق تعریف بالا، لایه های نازک لایه هایی هستند که ضخامت آنها بین 50 تا5000 انگستروم می باشد. به بیان دیگر لایه های نازک ، لایه های با دقت اتمی طراحی شده ای از انواع مواد اعم از فلزات، عایق ها، نیمه رساناها هستند. لایه های نازک را می توان در دسته پوشش های نانو ساختار دسته بندی کرد. همچنین کاربرد عمده این لایه های نازک در اصلاح خواص سطح جامدات است.
لایه های نازک و بسیار نازک، از دو ویژگی مهم برخوردار هستند. اولین ویژگی، ضخامت زیرمیکرونی آن است که هر چه به اندازه نانو نزدیک تر شود، ویژگی های متفاوتتری را برای لایه به وجود می آورد. دومین ویژگی آن است که لایه ها می توانند سطوح فوق العاده بزرگی نسبت به ضخامت داشته باشند. این دو ویژگی باعث پدید آمدن خواص متفاوتتر، و کاربردی می شوند که در قسمت خواص لایه های نازک به آن پرداخته خواهد شد[1-3].
کلمات کلیدی:
لایه نازک
روش های سنتز
سلولهای خورشیدی
لایه های نازک CuInSe
اهمیت لایه های نازک
در سال های اخیر، علم لایه های نازک در میان سایر علوم رشد قابل ملاحظه ای داشته و حجم وسیعی از تحقیقات را به خود اختصاص داده است. بی شک رشد چشمگیر ارتباطات، پردازش اطلاعات، ذخیره سازی، صفحه های نمایش، صنایع تزئینی، ابزارآلات نوری، مواد سخت و عایق ها نتیجه تولید لایه های نازک براساس فناوری های نوین می باشد. در ساخت لایه های نازک نیز در سال های اخیر تحولات وسیعی صورت گرفته است که خود ناشی از پیشرفت در فناوری خلاء، تولید میکروسکوپ های الکترونی و ساخت وسایل دقیق و پیچیده ی شناسایی مواد است. همچنین باز شدن مباحثی نظیر میکروالکترونیک، اپتیک و نانوتکنولوژی مدیون اهمیت پوشش های لایه نازک می باشد. از نقطه نظر تاریخی در ابتدا تکنولوژی لایه نازک در صنایع مدارهای مجتمع(شکل 2)استفاده شد. در ادامه طی 40 سال اخیر، نیاز صنایع به ابزارهای کوچکتر و سریعتر، تکنولوژی و فیزیک لایه های نازک را جهت رسیدن به این هدف بهبود بخشید
فهرست مطالب
بررسی کارکرد لایه های نازک CuInSe و اتصالات اهمیت به آنها4
فصل اول:مقدمه ای بر لایه های نازک5
مفهوم لایه های نازک5
اهمیت لایه های نازک7
تاریخچه لایه های نازک9
فیزیک لایه های نازک10
بحث و نتیجه گیری12
فصل دوم:خواص لایه های نازک13
1-خواص لایه نازک14
1-1-خواص مکانیکی14
2-1- خواص الکتریکی15
6-1-خواص حرارتی19
فصل سوم:روش های سنتز، آنالیز و کاربردهای لایه های نازک20
بدون شک یکی از مهمترین عوامل مؤثر در فرایند یادگیری، نمایش مهارت است نمایش مهارت یکی از قدرتمندترین ابزارهایی است که مربیان تربیت بدنی از آن به منظور انتقال اطلاعات مربوط به مهارت به فراگیر در یک زمان کوتاه استفاده میکنند
مشخصات فایل
تعداد صفحات
235
حجم
1 کیلوبایت
فرمت فایل اصلی
doc
دسته بندی
تربیت بدنی
توضیحات کامل
دانلود پایان نامه کارشناسی ارشد تربیت بدنی و علوم ورزشی
تاثیر سطح مهارت الگو و تمرینات ذهنی بر عملکرد ، یاد داری و یادگیری مهارت سرویس ساده والیبال
(بصورت جامع و کامل در قالب 235 صفحه)
آپدیت اول:
تاثیر سطح مهارت الگو بر اکتساب و یاد داری سرویس ساده والیبال (10صفحه)
آپدیت دوم:
عوامل موثر بر تسهیل یادگیری مهارت سرویس والیبال در مبتدیان (17صفحه)
آپدیت سوم:
اثر تداخل ضمنی بر اکتساب، یادداری و انتقال مهارت های سرویس والیبال (18صفحه)
آپدیت چهارم:
تاثیر تمرین ذهنی بر دقت سرویس والیبال (10صفحه)
بیان مسأله
بدیهی است انتقال اطلاعات از طریق بینائی یکی از مهمترین و مؤثرترین منابع کسب اطلاعات در یادگیری است. در تائید این مطلب بلندین و پروتیو (1993)، کارول و بندورا (1982)، لندرز (1975)، مارتنز و برویتز (1976)، پالاک ولی (1992)، سوتارد و هیگینز (1987)، ویکس (1992)، مک کولا، ویس و رز (1989) معتقدند که مشاهده مهمترین ابزار برای یادگیری مهارت حرکتی است (9).در واقع الگوسازی یک عمل منجر به توسعة یک بازنمائی شناختی یا ادراکی توسط مشاهدهگر میشود. این بازنمائی شناختی به عنوان یک منبع و مرجع استاندارد به مشاهدهگر کمک میکند تا اجراهای خود را با آن مقایسه کرده و در نهایت اجرای مهارت را اصلاح کند (کارول و بندورا، 1982، 1985، 1987، 1990؛ شفیلد ، 1961) (10).
بنابراین از آنجائیکه مدل ماهر ویژگیهای مطلوبی از مهارت را نشان میدهد، بدین طریق برای فرد مبتدی فرصتی را فراهم میکند تا عملکرد مطلوب را مشاهده کرده و اطلاعات لازم را برای یادگیری آن به دست آورد. نظریه پردازانی مانند آدامز (1971)و اشمیت (1975) معتقدند ، یادگیری حرکتی یک فرایند حل مسأله می باشد که فرد براساس آن یک عمل را برای دستیابی به الگوی حرکت ویا نتیجه انجام می دهد و سپس با بازخورد حاصل از این عمل ، اجرا را در کوششهای بعدی تعدیل می کند . بنابراین با تأکید بر فرایند کوشش و خطا و اصلاحاتی که از این طریق به دست می آید ، موجب توسعة دانش اساسی وهم چنین ارزیابی فرد از حرکت می شود . در این نظریه به دلیل اینکه اجرای ماهرانه حرکت فرایندهای حل مسأله را نفی میکند، لذا اطلاعات کمتری مربوط به خطا برای پردازش در اختیار مشاهدهگر قرار میگیرد. آدامز (1986) دریافت که یادگیری مشاهدهای برای بهبود اجرای مشاهده گرانی مؤثر است که الگوی فرد غیر ماهری را که در حال اجرای یک تکلیف است، مشاهده کنند .
با توجه به اینکه اجراهای یک فرد مبتدی، متغیر است و از پایداری لازم برخوردار نیست و هنگام اجرای مهارت خطاهای بیشتری وجود دارد به نظر میرسد، مشاهدهگر فرصت بیشتری برای درگیرشدن با فرایند های شناختی دارد (9). همچنین نتایج برخی تحقیقات نشان داده است که اگر فرد از بازخوردهای ارائه شده به الگوی در حال یادگیری مطلع باشد، مشاهدة مدل در حال یادگیری مؤثرتر خواهد بود (مک کولا و کایرد ، 1990) (8). در این زمینه تحقیقات بیشماری انجام شده است. جهت تأئید یا رد نتایج پژوهشهای انجام شده در این زمینه، در این تحقیق سعی شده است به سوال زیر پاسخ داده شود: آیا مشاهدة مدل در حال یادگیری در مقایسه با مدل ماهر موجب بهبود عملکرد و یادگیری مهارت حرکتی میگردد.
کلمات کلیدی:
علم ورزش
رشته ورزشی والیبال
سرویس ساده والیبال
عملکرد و یادگیری مهارت سرویس ساده والیبال
• ضرورت و اهمیت تحقیق
از آنجا که اکثر مربیان به دنبال کسب بهترین نتیجه در کوتاهترین زمان هستند، پس باید تمامی امکانات و شرایط را برای تحقق این امر فراهم کنند. بنابراین همواره راهبردهائی توسط مربیان برای آموزش مهارتهای حرکتی اتخاذ میشود. نمایش مهارت و آموزش کلامی دو روش معمول برای آموزش مهارتهاست. نمایش مهارت رایجترین روش برای انتقال اطلاعات مربوسط به مهارت است (4). از اینرو مربیان از وسائل کمک آموزشی بصری مانند فیلم، نوار ویدئوئی، نمایش مهارت توسط فراگیر ماهر یا مربی به عنوان مکمل خوبی برای آموزش مهارت استفاده میکنند (11). اصل عمومی نمایش مهارت این است که نمایش دهنده باید آن را صحیح اجرا کند.
پژوهشهائی مانند لندرز و لندرز (1973) از این اصل حمایت میکنند. در این پژوهش تأثیر مشاهده مدل ماهر و غیرماهر بر یادگیری مهارت بالا رفتن از نردبان مقایسه شد. نتایج نشان داد که الگوی ماهر در مقایسه با الگوی غیر ماهر منجر به اجرای بهتری از سوی شاگردان شد. با مشاهدة الگوی ماهر فراگیر میتواند اطلاعات مربوط به راهبردهای الگو را برای حل مسائل حرکتی ادراک کند. در واقع مشاهدهگر در تلاشهای اولیة خود در اجرای مهارت راهبردهای مشاهده شده را تقلید میکند.در تحقیقی که توسط هربرت و لندین (1994) انجام گرفت، نشان داده شده است که شاگردان میتوانند با مشاهده مبتدیان دیگر یادگیری مهارت ضربه والی تنیس را تسهیل کنند. یکی از فوائدی که بر این نوع نمایش پیشنهاد میشود این است که مشاهدة مدل غیر ماهر، تشویقی برای تقلید کردن از اجرای الگو نیست، بلکه مشاهدهگر را به شیوهای فعالتر درگیر فعالیتهای حل مسأله میکند(4).
شواهد مربوط به این رویکرد به دهه 1930 (مانند تویتمر ، 1931) و پس از آن آدامز(1986) بر میگردد. پس از انتشار پژوهشهای آدامز، مک کولا و کایرد (1990)؛ پالاک ولی (1992)؛ ویر و لیویت (1990) مطالعات مرتبط با استفاده از الگوی غیر ماهر را دنبال کردند. یکی از شرایط سودمند بودن مشاهدة الگوی غیر ماهر زمانی است که مشاهدهگر او را ببیند و نیز بازخورد افزودهای از طرف مربی بشنود. در این حالت مشاهدهگر به طور فعال در حل مسأله درگیر خواهد شد(2). بنابراین مربیان وزشی بدون در اختیار داشتن الگو یا فرد ماهر و امکانات آموزشی نظیر فیلم میتواند شاگردان خود را وادار کنند تا با مشاهده مبتدیان دیگر یادگیری مهارت را تسهیل کنند. یکی از مشکلات رو در روی مربیان این است که کدامیک از روشهای نمایش مهارت، الگوی ماهر یا در حال یادگیری، در یادگیری یک مهارت مؤثرتر است؟ با توجه به نتایج متناقض تحقیقات در مورد تأثیر سطح مهارت الگو بر یادگیری، ضروری است تحقیقی در این مورد صورت گیرد تا مربیان بتوانند به عنوان یک رویکرد آموزشی از آن استفاده کنند.
فهرست مطالب
فصل اول: مقدمه و بیان مسأله
مقدمه
بیان مسأله
ضرورت و اهمیت تحقیق
اهداف تحقیق
فرضیههای تحقیق
پیش فرضهای تحقیق
محدودیتهای تحقیق
تعریف عملیاتی متغیرها
فصل دوم: مروری بر ادبیات تحقیق
مقدمه
زمینة نظری موضوع تحقیق
اثر بخشی یادگیری مشاهدهای از دیدگاه دو نظریه یادگیری حرکتی
تبیینهای اولیه اولیه از یادگیری مشاهدهای
تبیین میلر و دلار
توجیه بندورا از یادگیری مشاهدهای
تحلیل اسکینر از یادگیری مشاهدهای
مشاهدة نمایش چگونه بر یادگیری اثر میگذارد؟
عوامل مؤثر بر یادگیری مشاهدهای
ویژگیهای الگو
ویژگیهای نمایش
ویژگیهای مشاهدهگر
توجیهات رشدی در الگودهی
پیشینه تحقیق
نتیجهگیری
فصل سوم: روش تحقیق
روش تحقیق
جامعه تحقیق و آزمودنیها
متغیرهای تحقیق
ابزار اندازهگیری
روش جمعآوری اطلاعات
نحوة اجرای آزمون
مراحل آزمون
روشهای آماری
فصل چهارم: یافتههای تحقیق و تجزیه و تحلیل آنها
تجزیه و تحلیل توصیفی یافتهها
تجزیه و تحلیل استنباطی یافتهها
فصل پنجم: بحث و نتیجهگیری
خلاصه تحقیق
بحث و تفسیر یافتهها
پیشنهادهای پژوهشی
فهرست منابع
فهرست جداول
(1ـ4) امتیازات نتیجه اجرای مهارت سرویس ساده والیبال در گروه مشاهدة الگوی ماهر
(2ـ4) امتیازات نتیجة اجرای مهارت سرویس سادة والیبال در گروه مشاهده الگوی در حال یادگیری
(3ـ4) میانگین امتیازات الگو یا فرایند اجرای مهارت سرویس سادة والیبال برای گروه مشاهدة الگوی ماهر
(4ـ4) میانگین امتیازات الگو یا فرایند اجرای مهارت سرویس سادة ولیبال برای گروه مشاهدة الگوی در حال یادگیری
(5ـ4) نتایج آزمون تحلیل واریانس عاملی مرکب در مورد تأثیر گروه و مرحلة آزمون بر نتیجة اجرا
(6ـ4) نتایج آزمون تحلیل واریانس عاملی مرکب در مورد تأثیر گروه و مرحلة آزمون بر الگو یا فرایند اجرا
(7ـ4) نتایج آزمون تی مستقل برای متغیر نتیجة اجرا در دو گروه مشاهدة الگوی ماهر و در حال یادگیری در مرحلة پیش آزمون
(8ـ4) نتایج آزمون تی مستقل برای متغیر فرایند اجرا در دو گروه مستقل مشاهده الگوی ماهر و در حال یادگیری در مرحلة پیش آزمون
(9ـ4) نتایج آزمون تی مستقل برای متغیر نتیجة اجرا در دو گروه مستقل مشاهدة الگوی ماهر و در حال یادگیری در مرحلة پس آزمون
(10ـ4) نتایج آزمون تی مستقل برای متغیر فرایند اجرا در دو گروه مستقل مشاهده الگوی ماهر و در حال یادگیری در مرحله پس آزمون
(11-4) نتایج آزمون تی مستقل برای متغیر نتیجة اجرا در دو گروه مستقل مشاهده الگوی ماهر و در حال یادگیری در مرحله یادداری
(12ـ4) نتایج آزمون تی مستقل برای متغیر فرایند اجرا در دو گروه مستقل مشاهدة الگوی ماهر ور در حال یادگیری در مرحله یادداری
فهرست نمودارها
(1ـ4) مقایسه نتیجة اجرای مهارت سرویس ساده والیبال بین مراحل مختلف آزمون در گروههای مشاهده الگوی ماهر و در حال یادگیری
(2ـ4) مقایسه الگو یا فرایند اجرای مهارت سرویس سادة والیبال بین مراحل مختلف آزمون در گروههای مشاهدة الگوی ماهر و در حال یادگیری
(3ـ4) مقایسة نتیجة اجرای مهارت سرویس ساده والیبال بین گروههای مشاهده الگوی ماهر و در حال یادگیری در مرحلة پیش آزمون
(4ـ4) مقایسه الگو یا فرایند اجرای مهارت سرویس سادة والیبال بین گروههای مشاهدة الگوی ماهر و در حال یادگیری در مرحلة پیش آزمون
(5ـ4) مقایسة نتیجة اجرای مهارت سرویس سادة والیبال بین گروههای مشاهده الگوی ماهر و در حال یادگیری در مرحله پس آزمون
(6ـ4) مقایسة الگو یا فرایند اجرای مهارت سرویس ساده والیبال بین گروههای مشاهده الگو ماهر و در حال یادگیری در مرحله پس آزمون
(7ـ4) مقایسة نتیجة اجرای مهارت سرویس سادة والیبال بین گروههای مشاهدة الگوی ماهر و در حال یادگیری در مرحلة یادداری
(8ـ4) مقایسة الگو یا فرایند اجرای مهارت سرویس سادة والیبال بین گروههای مشاهده الگوی ماهر و در حال یادگیری در مرحله یادداری
بینایی سه بعدی با استفاده از نور ساختار یافته با الگوی رنگی پژوهش کارشناسی ارشد مناسب برای رشته کامپیوتر و برق تعداد صفحات : 135 فرمت : docx , word رفرنس دهی و ارجاعات استاندارد.فاقد غلط املایی.گارانتی بازگشت وجه.چکیده :
...
بینایی سه بعدی با استفاده از نور ساختار یافته با الگوی رنگی
پژوهش کارشناسی ارشد مناسب برای رشته کامپیوتر و برق
تعداد صفحات : 135
فرمت : docx , word
رفرنس دهی و ارجاعات استاندارد.
فاقد غلط املایی.
گارانتی بازگشت وجه.
چکیده :
هدف از این پروژه استخراج پروفایل سه بعدی اجسام به استفاده از روش نور ساختار یافته است.
با توجه به بررسی های انجام شده نور ساختار یافته دارای مزایای ویژه ای می باشد . برای مثال سیستمهای مبتنی بر اُپتیک معمولا دارای هزینه پایین تری هستند . همچنین سیستم های بینایی استرﻳو ( شامل دو دوربین ) یا استریو فتو گرامتری برای سنجش برد کوتاه دارای کاربردهای زیادی می باشد . اما این سیستم در اندازه گیری فواصل کوتاه دارای نواقص و مشکلات مربوط به خود است . این مطلب باعث شده روشهای نور ساختار یافته در فواصل کوتاه بیشتر مورد توجه قرار گیرد . وجود کدینگ در نور ساختار یافته و کاربرد آن در تناظر یابی باعث بالاتر رفتن ضریب اطمینان می شود . برای راه اندازی این سیستم نیاز به یک پروژکتور LCD و یک دوربین تصویر برداری است که با توجه به الگو از آن می توان برای بازسازی اجسام متحرک نیز استفاده کرد . در این میان نقش اساسی را الگوریتم و نرم افزار نوشته شده برای پردازش ها و اندازه گیریها برعهده دارد . مراحل کاری این سیستم در فلوچارت به صورت کلی آورده شده است .
این سیستم دارای کاربردهای فراوانی در استخراج مدل سه بعدی اجسامی از قبیل آثار هنری ، ایجاد مدل کامپیوتری از عروسک ها و مجسمه ها در کاربردهای انیمیشن سازی دارد . همچنین دارای کاربردهای قابل تطبیق، در سیستم های پزشکی و برخی مسائل صنعتی مانند مهندسی معکوس نیز می باشد .
_________________________
بخشی از فهرست مطالب پروژه پایان نامه بینایی سه بعدی با استفاده از نور ساختار یافته با الگوی رنگی
چکیده فصل اول : تئوری نور ساختار یافته و کاربردهای بینایی سه بعدی 1-1- مقدمه 1-2- روشهای غیر فعال بینایی سه بعدی 1-2-1- روش استریوفتوگرامتری 1-3- روشهای فعال بینایی سه بعدی 1-3-1- بکار گیری سنسور تماسی دربینایی سه بعدی 1-3-2- بکار گیری سنسور غیر تماسی دربینایی سه بعدی 1-3-2-1- روش ارسال امواج 1-3-2-2- روش های انعکاسی 1-3-2-2-1- رهیافتهای غیر اپتیکی در روشهای انعکاسی 1-3-2-2-2- رهیافتهای اپتیکی در روشهای انعکاسی 1-3-2-2-2-1 رادار تصویر برداری 1-3-2-2-2-2- روشهای اینترفرومتریک 1-3-2-2-2-3- استخراج عمق از طریق تمرکز بر روش فعال 1-3-2-2-2-4- استریوی فعال 1-3-2-2-2-5- راستراستریوفتوگرامتری 1-3-2-2-2-6- سیستم مجتمع تصویر برداری 1-3-2-2-2-7- تکنیک نور ساختار یافته 1-4- مقایسه روشها وتکنیکها و کاربردهای آنها 1-5- نتیجه گیری فصل دوم : روشهای مختلف کدینگ الگو 2-1- مقدمه 2-2- روشهای طبقه بندی کدینگ الگوهای نوری 2-2-1- الگوهای نوری از دیدگاه درجات رنگی 2-2-2- الگوهای نوری از دیدگاه منطق کدینگ 2-2-2-1- روشهای مبتنی بر الگوهای چند زمانه (کدینگ زمانی) 2-2-2-1-1- کدینگهای باینری 2-2-2-1-2- کدینگ با استفاده از مفهوم n-ary 2-2-2-1-3- کدینگ با استفاده از مفهوم انتقال مکانی 2-2-2-1-4- کدینگ با استفاده از همسایگی 2-2-2-2- روشهای مبتنی بر همسایگیهای مکانی(کدینگ مکانی) 2-2-2-2-1- کدینگهای غیر متعارف (ابتکاری) 2-2-2-2-2- کدینگ بر اساس دنباله De_Bruijn 2-2-2-2-3- کدینگ بر اساس منطق M-Arrays 2-2-2-3- کدینگ مستقیم 2-3- نتیجه گیری فصل سوم :پیاده سازی کدینگ و پردازش تصویر 3-1- مقدمه 3-2- تولید کلمه های رمز با استفاده از دنباله De_Bruijn 3-3- تابش الگو و عکسبرداری 3-4- پردازش تصویر 3-4-1- دوسطحی سازی 3-4-2- تشخیص لبه ها و اسکلت بندی 3-4-3- نازک سازی 3-4-4 نقاط تقاطع 3-4-5- شناسایی خطوط 3-5- نتیجه گیری فصل چهارم شناسایی رنگ و حل مسئله تطابق و بازسازی سه بعدی 4-1- مقدمه 4-2- شبکه عصبی و شناسایی رنگ 4-2-1- مسئله تغییر رنگ 4-3- طراحی شبکه عصبی 4-4- مسئله تطابق 4-5- بازسازی سه بعدی 4-6- بررسی خطاهای موجود 4-6-1- تغییر رنگ و خروجی غیر قطعی شبکه 4-6-2- ناپیوستگی های تصویر رنگی 4-6-3-خطای همپوشانی 4-7- نتیجه گیری فصل پنجم : نتیجه گیری و پیشنهادات 5-1 مقدمه 5-2- انتخاب روش و پیاده سازی 5-3- پیشنهادات پیوست الف : نرم افزار تهیه شده پیوست ب : مثلث بندی مراجع شکل 1-1) ساختار سیستم استریوفتوگرامتری شکل 1-2) روشهای استخراج پروفایل سه بعدی شکل 1-3) تصویر برداری از سطوح مختلف توسط رادار جدول 1-1 : تاخیر زمانی امواج صوتی و نوری شکل 1-4 : a ) مویره سایه b ) مویره تصویر شکل 1-5 : دستگاه اندازه گیری سه بعدی بر اساس روش مویره شکل 1-6 : ساختار سیستم راستر استریو فتوگرامتری شکل 1-7 : ساختار یک سیستم مجتمع تصویر برداری شکل 1-8 : ساختار سیستم نور ساختاریافته شکل 1-9 :تصویر نورساختار یافته موازی این تصویر با تاباندن یک الگو با خطوط عمودی موازی بر روی صورت ساخته شده است جدول 1-2 :مقایسه روشها و کاربرد آنها شکل2-1 : طبقه بندی روشهای کدینگ در نورساختاریافته شکل2-2 : پرده های نوری و نحوه بکارگیری یک الگوی چند زمانه شکل2-3 : نمونه بازسازی تصویر مجسمه اسب و نقاط دست انسان به وسیله الگوی چند زمانه و روش Postdamer شکل2-4 : نمونه الگوهای طراحی شده با روش n-ary شکل2-5 : نمونه بازسازی تصویر مجسمه اسب و نقاط دست انسان به وسیله الگوی چند زمانه و تکنیک n-ary شکل2-6 : نمای پیک تصویر و انتقال مکانی آن شکل2-7 : a) الگوی شامل خطوط بریده با اندازه خطوط به عنوان مشخصه مهم b) الگوی تشکیل شده از خطوط افقی با سه سطح خاکستری شکل2-8 : الگوی طراحی شده با دنباله De-Bruijn شکل 2-9 : a) طراحی الگوی مرانو b)الگوی کامل شده مرانو شکل 2-10 : نمونه بازسازی تصویر مجسمه اسب و نقاط دست انسان به وسیله تکنیک M-Array شکل 2-11 : الگوی طراحی شده توسط گریفین شکل 2-12 : الگوی خاکستری در رمز نگاری مستقیم شکل 3-1 : گراف مربوط به B(2,3) شکل 3-2 : نرم افزار نوشته شده برای تولید الگو و کد 63 شکل 3-3 : نمونه الگوی طراحی شده شکل 3-4 :تابش نور و شرایط عکس برداری شکل 3-5 : فلوچارت مراحل تناظر یابی شکل 3-6 : عمل دوسطحی سازی در نرم افزار نوشته شده شکل 3-7 : نمونه عمل دوسطحی سازی شکل 3-8 : نمونه خطای ایجاد شده در استفاده از الگوریتم سبل شکل 3-9 : نمونه نا پیوستگی ایجاد شده در استفاده از الگوریتم اسکلت بندی ساده شکل 3-10 : تصویر خروجی مرحله شناسایی لبه ها در نرم افزار نوشته شده شکل 3-11 : تصویر خروجی مرحله شناسایی لبه ها پس از اعمال ماسک (خطوط پیوسته هستند) شکل 3-12 :نمونه تصویر خروجی مرحله نازک سازی شکل 3-13 :ماسکهای استفاده شده برای کشف نقاط تقاطع شکل3-14 : دسته نقاط یافت شده به عنوان نقاط تقاطع شکل 3-15 : نقاط تقاطع نهایی شکل 3-16 : شکل رنگی نشان دهنده اثر همپوشانی خطوط شکل 3-17 : برچسب گذاری تصویر اسکلت بندی شده شکل 3-18 : بخشی از فایل خروجی شناسایی خطوط شکل 4-1 : مقادیر کانالهای رنگی در تصویر گرفته شده از جسم شکل 4-2 :نرم افزار نوشته شده برای بدست آوردن نقاط نمونه از تصویر و مقادیر کانالهای رنگی متناظر نقاط از تصویر گرفته شده از جسم شکل 4-3 : شبکه عصبی طراحی شده شکل 4-4 : نمودار خطای آموزش شبکه برای تصویر الگو شکل 4-5 : نمودار خطای آموزش شبکه برای تصویر الگوی تابیده شده روی شی جدول 4-1 : قسمتی از اطلاعات خروجی شبکه پس از عمل گرد سازی شکل 4-6 : فلوچارت مراحل تناظر یابی جدول 4-2 : قسمتی از جدول امتیاز دهی به تصویر نقاط الگو و تصویر جسم جدول 4-3 : قسمتی از جدول نقاط تناظر داده شده و اختلاف مختصات آنها شکل 4-7 : تصویر یک جعبه تحت تابش شکل 4-8 : شکل سه بعدی جعبه از روی برایند اختلاف مختصات دو نقطه (محور عمودی ) شکل 4-9 : تصویر یک ماوس تحت تابش شکل 4-10 : شکل سه بعدی جعبه از روی برایند اختلاف مختصات دو نقطه (محور عمودی ) شکل 4-11 : تصویر یک گلدان تحت تابش شکل 4-12 : شکل سه بعدی گلدان از روی برایند اختلاف مختصات دو نقطه (بدست آمدن شکل تقریبی نیم استوانه ) شکل الف -1 : محیط برنامه نویسی C# و راه حل به همراه پروژه های تولید الگو و پردازش تصویر و تولید نقاط نمونه برای ورودی شبکه عصبی شکل الف -2 : تصویر یک جعبه رنگ شکل الف -3 : تصویر فرم مربوط به ایجاد الگو در برنامه نوشته شده شکل الف -4 : یک الگوی مناسب تولیدی توسط برنامه شکل الف -5 : نمایی از فرم برنامه تهیه شده شکل الف -6 : نمایی از برنامه پردازش تصویر در حال کار شکل الف-7 : نمایی از برنامه در حال فعال بودن نمودار هیستوگرام و انجام عمل اکولایز کردن شکل ب-1 :دو دستگاه مختصات الگو و تصویر در سیستم نوری نور ساختاریافته شکل ب-2 : هندسه ساده سیستم نوری نور ساختاریافته شکل ب-3 : هندسه مربوط به دوربین و پروژکتور H نقطه ای از جسم است که توسط پروژکتور روشن شده است شکل ب-4 : مدل pinhole پروژکتور برای محاسبه پهنای خطوط
طراحی و ساخت دستگاه ثبت کننده سیگنال الکترومایوگرام دو
کاناله و مدلسازی فعالیت ایزومتریک ساعدفرمت : docتعداد صفحات : 63چکیده
هدف از این پروژه ساخت آمپلی فایر دو
کاناله EMG و مدلسازی فعالیت ایزومتریک ساعد و به دست آوردن
رابطه کیفی بین نیروی...
طراحی و ساخت دستگاه ثبت کننده سیگنال الکترومایوگرام دو کاناله و مدلسازی فعالیت ایزومتریک ساعد
فرمت : doc
تعداد صفحات : 63
چکیده
هدف از این پروژه ساخت آمپلی فایر دو کاناله EMG و مدلسازی فعالیت ایزومتریک ساعد و به دست آوردن رابطه کیفی بین نیروی وارد بر کف دست و دامنه EMG دو عضله دو سر و سه سر بازو و میزان نیروی متوسط ایجاد شده در آنهاست.
سیگنال EMG دو عضله به وسیله کارت صوتی به کامپیوتر داده شده و از نرم افزار MATLAB برای نمایش و پردازش داده ها استفاده می شود.سپس اضافه کردن وزنه هادر کف دست و مطالعه EMG دو عضله و انتگرال قدر مطلق آنها روابط مطرح شده در قسمت بالا را به دست می آوریم.
در بخش مدل سازی پس از ساده سازی به مدل سازی ماهیچه دو سر بازو می رسیم که برای ثبت پاسخ ان از سنسوری که خودمان طراحی کردیم استفاده می کنیم و پاسخ این سنسور را هم با کارت صوتی به کامپیوتر می دهیم.
واژگان کلیدی : MATLAB، پردازش داده ها، سنسور، آمپلی فایر.
ارائه روش جدید جهت حذف نویز
آکوستیکی در یک مجرا استفاده هم زمان از فیلترهای
وفقی و شبکه های عصبی در حالت فرکانس متغیر قابل ویرایش مناسب برای دانشجویان رشته مهندسی برق فرمت : word بسیار کامل در 7 فصل چکیده
تاکنون...
ارائه روش جدید جهت حذف نویز آکوستیکی در یک مجرا استفاده هم زمان از فیلترهای وفقی و شبکه های عصبی در حالت فرکانس متغیر
قابل ویرایش
مناسب برای دانشجویان رشته مهندسی برق
فرمت : word
بسیار کامل در 7 فصل
چکیده
تاکنون برای حذف نویزهای آکوستیکی از روش های فعال[1] و غیر فعال[2]استفاده شده است. برخلاف روش غیر فعال میتوان بوسیلهی روش فعال، نویز را در فرکانس های پایین (زیر 500 هرتز)، حذف و یا کاهش داد. در روش فعال از سیستمی استفاده می شود که شامل یک فیلتر وفقی است. به دلیل ردیابی خوب فیلتر [3]LMSدر محیط نویزی، الگوریتم FXLMS[4]بعنوان روشی پایه ارائه شده است. اشکال الگوریتم مذکور این است که در مسائل کنترل خطی استفاده می شود. یعنی اگر فرکانس نویز متغیر باشد و یا سیستم کنترلی بصورت غیرخطی کار کند، الگوریتم فوق به خوبی کار نکرده و یا واگرا می شود.
بنابراین در این پایان نامه، ابتدا به ارائه ی گونه ای از الگوریتم FXLMS می پردازیم که قابلیت حذف نویز، با فرکانس متغیر، در یک مجرا و در کوتاهترین زمان ممکن را دارد. برای دستیابی به آن می توان از یک گام حرکت وفقی بهینه در الگوریتم FXLMS استفاده کرد. به این منظور محدوده ی گام حرکت بهینه در فرکانس های 200 تا 500 هرتز را در داخل یک مجرا محاسبه کرده تا گام حرکت بهینه بر حسب فرکانس ورودی به صورت یک منحنی اسپلاین مدل شود. حال با تخمین فرکانس سیگنال ورودی به صورت یک منحنی اسپلاین مدل شود. حال با تخمین فرکانس سیگنال ورودی بوسیله ی الگوریتم MUSIC[5] ، را از روی منحنی برازش شده، بدست آورده و آن را در الگوریتم FXLMS قرار میدهیم تا همگرایی سیستم در کوتاهترین زمان، ممکن شود. در نهایت خواهیم دید که الگوریتم FXLMS معمولی با گام ثابت با تغییر فرکانس واگرا شده حال آنکه روش ارائه شده در این پایان نامه قابلیت ردگیری نویز با فرکانس متغیر را فراهم می آورد.
همچنینبه دلیلماهیت غیرخطی سیستمهایANC ، به ارائهی نوعی شبکهی عصبیRBF TDNGRBF )[6](میپردازیم که توانایی مدل کردن رفتار غیرخطی را خواهد داشت. سپس از آن در حذف نویز باند باریک فرکانس متغیر در یک مجرا استفاده کرده و نتایج آن را با الگوریتم FXLMSمقایسه می کنیم. خواهیم دید که روش ارائه شده در مقایسه با الگوریتم FXLMS، با وجود عدم نیاز به تخمین مسیر ثانویه، دارای سرعت همگرایی بالاتر (3 برابر) و خطای کمتری (30% کاهش خطا) است. برای حذف فعال نویز به روش TDNGRBF، ابتدا با یک شبکه ی GRBF به شناسایی مجرا میپردازیم. سپس با اعمال N تاخیر زمانی از سیگنال ورودی به N شبکه ی GRBF (با ترکیب خطی در خروجی آنها)، شناسایی سیستم غیرخطی بصورت بر خط امکان پذیر می شود. ضرایب بکار رفته در ترکیب خطی با استفاده از الگوریتم [7]NLMS بهینه می شوند.
سمینار ساخت داربست های مهندسی بافت به روش Gas Foaming تعداد صفحات : 198 فرمت : doc , word فهرست مطالب
پیشگفتار
نتایج قانونمند و استاندارد شده
گزینش و جداسازی سلول
تولید داربست های پلیمری: قالب گیری حلال&n...
سمینار ساخت داربست های مهندسی بافت به روش Gas Foaming
تعداد صفحات : 198
فرمت : doc , word
فهرست مطالب
پیشگفتار
نتایج قانونمند و استاندارد شده
گزینش و جداسازی سلول
تولید داربست های پلیمری: قالب گیری حلال
تولید داربست های پلیمری: لایه سازی غشاء
تولید داربست های پلیمری: انجماد - خشک سازی
تولید داربست های پلیمری: اشکال کامپوزیت پلیمر- سرامیک
تولید داربست های پلیمری: جداسازی فاز
تولید داربست های پلیمری: پلیمریزاسیون (بسپارش)
تولید داربست های پلیمری: پردازش اسفنج گازی
بر هم کنشهای سلولی سطح مصنوعی: بیومواد خود مجتمع
برهم کنش های سلولی سطح مصنوعی: چسبندگی سلول هدف
_________________
بخشی از متن فایل :
پیش گفتار
یکی از معضلات بزرگی که علم پزشکی از دیرباز با آن درگیر بوده است، ارائه درمانی قطعی برای بازسازی بافت های از کار افتاده و یا معیوب است. متداول ترین شیوه در درمان این نوع بافت ها، روش سنتی پیوند است که خود مشکلات عدیده ای را به دنبال دارد. از جمله این مشکلات می توان به کمبود عضو اهدائی، هزینه بالا و اثرات جانبی حاصل از پیوند بافت بیگانه Allograft)) که مهمترین آنها همان پس زنی بافت توسط بدن پذیرنده است اشاره کرد. این محدودیت ها دانشمندان را بر آن داشت تا راه حلی مناسب برای این معضل بیابند.
مهندسی بافت با عمر حدوده 1 ساله خود روشی نوید بخش در تولید گزینه های بیولوژیکی برای کاشتنی ها (Implants) و پروتزها ارائه کرده و وعده بزرگ تهیه اندام های کاملاً عملیاتی برای رفع مشکل کمبود عضو اهدائی را می دهد. اهداف مهندسی بافت فراهم سازی اندام های کارآمد یا جایگزین های قسمتی از بافت برای بیمارانی با ضعف یا از کارافتادگی اندام و یا بیماری های حاد است که این امر با استفاده از روشهای درمانی متنوع اندام مصنوعی- زیستی تحقق می یابد. بنا به تعریف، مهندسی بافت رشته ای است که از ترکیب علم بیولوژی مواد و علم مهندسی یا به عبارتی Biotech جهت بیان ارتباطات ساختاری بافت های فیزیولوژیکی و طبیعی پستانداران در راستای توسعه روش های نوین ترمیم بافت و جایگزین سازی بافت، توسعه یافته است. مهندسی بافت شامل مباحثی نظیر ترکیبات نوین سلول ها، بیومواد غیرسلولی، داروها، فرآورده های ژنی یا ژن هایی می باشد که قابل طراحی، تشخیص و ساخت بوده و امکان رهایش آنها به طور همزمان یا ترتیبی به عنوان عامل های درمانی میسر باشد. اگرچه داروها یا بیومواد غیر سلولی به مواد بسیاری اطلاق می گردد اما درمان های منهدسی بافت در واقع منحصر به فرد هستند.
تلخیص و تفسیر اطلاعات مالی می باشد. (تراز آزمایشی – ترازنامه صورت سود و زیان – صورت سرمایه – صورت گردشی وجوه نقد.
ب) حسابداری حرفه خدماتی است که وظیفه آن ارائه خدمات مالی بر استفاده کنندگان (درون سازمان – برون سازمان) می باشد.
ج) حسابداری یک سیستم اطلاعاتی است که از طریق همکاری بین اجزاء به هم پیوسته و وابسته در جهت میل به هدف مشترک در همان تهیه اطلاعات مالی مورد نیاز استفاده کنندگان است می نماید اجزاء این سیستم عبارتند از:
1- اصول، استانداردها و مقررات 2- دفاتر و نهادها 3- ابزار و وسایل کار 4- کارکنان
د) حسابداری علم است. امروزه تلاش محققان رشته حسابداری آن است که حسابداری را به عنوان علم تعریف آن را به سمت عدم طبیعی. مهمترین خاصیت در ویژگی علم آن است که اولاً در طول زمان ثابت و غیرقابل تغییر است، ثانیاً پیش بینی آینده را دارد.
2- اصول پذیرفته شده حسابداری: مجموعه ای از قواعد و ضوابط به عنوان رهنمود حسابداران است انجام مراحل حسابداری مورد استفاده قرار گرفته و به سه گروه اصل زیر پذیرفته شده و طبقه بندی شده:
الف) مفروضات بنیادی یا فرضیات مبنا
ب)اصول کلیات حسابداری
ج) ثبتهای محدود کننده
الف) مفروضات حسابداری: اصول بدیهی و آشکاری هستند که نیازی به اثبات نداشته و زیربنای اصول عملیاتی حسابداری می باشد مورد قبول تمام جوامع حسابداری هستند. این فرضیات عبارتند از:
1- فرض تفکیک شخصیت 2- فرض تداوم یا استمرار فعالیت 3- فرض دوره مالی 4- فرض واحد اندازه گیری (پولی) 5- فرض تعهدی.
فرض تعهدی: بر اساس این فرض در حسابداری باید درآمدها در هنگام تحقق شناسائی و ثبت شود زمان تحقق زمانی است که کالا به فروش رسیده و تحویل شده و خدمات انجام شده باشد حتی اگر وجه نقدی دریافت نگردد همچنین هزینه ها در هنگام وقوع یا تحویل باید شناسایی و ثبت شوند زمان وقوع زمانی است که کالای خریداری شده دریافت گردد و خدمات نیز مصرف شود حتی اگر هیچ وجه نقدی پرداخت نگردد.
نکته: فرض نقدی عبارت است از آنکه درآمدها و هزینه ها فقط در هنگام دریافت و پرداخت وجه نقد شناسایی گردد. این فرض امروزه منسوخ شده بدلیل آنکه درآمدها و هزینه های واقعی یک دوره زمانی را نمی تواند شناسایی کند.
نکته: با استفاده از فرض تعهدی است که از حسابهای پیش پرداخت وجه نقد شناسایی گردد این پیش دریافت استفاده می شود بدلیل آنکه در این حسابها هنوز درآمد و هزینه نشده است ولی در فرض نقدی از حسابهای فوق استفاده نمی گردد.
1/7 ) بیمه یکساله به مبلغ 000/120
ب) اصول عملیاتی حسابداری: آنگرده از مفاهیم اساسی حسابداری از رهنمودها که و روشهای لازم در مورد نمونه اندازه گیری ثبت، گزارش اطلاعات مالی را فراهم می آورد اصل حسابداری نامیده می شود که این اصول معمولاً جنبه کاربردی و عملی دارند مهمترین این اصول عبارتند از:
3.Angelo.L.D, 1990 , Equity Valuation and Corporate Control , The Accounting Review, P100.
محتوای فایل دانلودی
word||pdf
راهنمای استفاده
پایانامه بررسی شرکت های خصوصی حسابداری و اساسنامه آنها 68 صفحه ایی-این پایانامه ها به صورت کامل ویراستاری شده و دارای تضمین کیفیت می باشد و آماده صحافی و ارایه می باشد.
بررسی روشهای دسته بندی توسط الگوریتم اجتماع پرندگان 148 صفحه ایی
بررسی روشهای دسته بندی توسط الگوریتم اجتماع پرندگان
چکیده:
با گسترش سیستمهای پایگاهی و حجم بالای دادههای ذخیره شده در این سیستمها به ابزاری نیاز است تا بتوان این دادهها را پردازش کرد و اطلاعات حاصل از آن را در اختیار کاربران قرار داد. از اینرو دادهکاوی یکی از روشهای بسیار مهمی است که با کمترین دخالت کاربر اطلاعاتی را در اختیار کاربران و تحلیلگران قرار میدهد.
در این پروژه ضمن آشنایی با دادهکاوی فازی، دسته بندی و الگوریتم اجتماع پرندگان، با کاربرد بهینهسازی الگوریتم اجتماع پرندگانبرای دسته بندی آشنا میشویم. الگوریتم بهینه سازی اجتماع پرندگان الهام شده از مشاهده پرندگان واقعی برای یافتن کوتاهترین مسیر به سمت منابع غذایی میباشد.
در پایان هم به معرفی نرم افزار وکا که یک نرم افزار دادهکاوی میباشد، میپردازیم.
:[17]Jensen T.R., Toft B., "Graph Coloring Problems", Wiley Interscience Series in Discrete Mathematics, and Optimization, 1995
:[18]Kubale M., "Introduction to Computational Complexity and Algorithmic Graph Coloring", Gdanskie, Towarzystwo Naukowe, 1998.
:[19]de Werra D., " Heuristics for Graph Coloring", Computing Suppl. 7, 1990, pp. 191-208.
:[20] De JongK A., Spears W. M.: Learning concept classification rules using genetic algorithms In: Proceedings of the Tweifth International Conference on Artificial Intelligence (IJCAI), 2, 1991.
:[21]Thrun S. B., Bala J., Bloedorn E., Bratko I., Cestnik B., Cheng J., De JongK., Dzeroski S., Fahlman S. E., Fisher D., Hamann R., Kaufman K., Keller S., Kononenko I., Kreuziger J., Michalski R. S, Mitchell T., Pachowiez P., Reich Y., Varaie H., Van de Welde W., Wenzel W., Wnek J., Zhang J.: The MONK's problems: A performance comparison of different leaming algorithms.Technical Report CS-91-197, Pittsburgh, PA, 1991.
:[22]Timothy Ross. (1995) ‘Fuzzy Logic with Engineering Application’ Tata McGraw-Hill Publishing Company limited, New Delhi
:[23] Devaraj D., Murthy and Yegnanarayana B. (1999) ‘A Fuzzy System Model for Plant Condition Monitoring’,Proceedings of the ASME International Conference, Jaipur, India, pp.210-214.
:[24]Takagi T.and Sugeno M, (1985) ‘Fuzzy identification of systems and its application to modeling and control’, IEEE Transaction on Systemics Man Cybernetics, Vol.15, pp. 116-132
:[25] Jang J.S.R. (1992) ‘Fuzzy controller design without domain experts’, Proceedings of the 1st IEEE International Conference on Fuzzy Systems, San Diego, CA, pp. 289-296
:[26]Wang L.X. and Mendel J.M. (1992) ‘Generating fuzzy rules by learning from examples’, IEEE Transaction on Systemics Man Cybernetics, Vol.22, pp.1414-1427.
:[27] Sugeno M.and Yasukawa T. (1993) ‘A fuzzy-logic based approach to qualitative modeling’,IEEE Transaction on Fuzzy System, Vol.1, pp.7-31.
:[28] Abe S., Lan M.S. (1995) ‘A Method for fuzzy rule extraction directly from numerical data andits application to pattern classification’, IEEE Transaction on Fuzzy System,Vol. 3, pp.1828.
:[29]Ishibuchi H., Nakashima T., and Murata T. (1999) ‘PerformanceEvaluation of Fuzzy Classifier Systems for Multidimensional Pattern Classification Problems’, IEEETransaction on System,Man and Cybernetics-Part B: Cybernetics, Vol. 29, No.5, pp.601-617.
:[30] Yuhui Shi, Russell Eberhart, and Yaobin Chen. (1999) ‘Implementation of Evolutionary Fuzzy System’, IEEE Transaction on Fuzzy System, Vol. 7, No.2, pp. 109-119.
:[31]Magne Setnes and Hans Roubos. (2000) ‘GA-Fuzzy Modeling and Classification: Complexity and Performance’, IEEE Transaction on Fuzzy Systems, Vol.8, No.5, pp.509-522.
:[32] Hans Roubos and Magne Setnes. (2001) ‘Compact and Transparent Fuzzy Models and Classifiers Through Iterative Complexity Reduction’, IEEE Transaction on Fuzzy Systems, Vol.9, No.4, pp.516-524.
:[33]Wang.C.H. Hong.T.and Tseng.S (1998) ‘Integrating FuzzyKnowledge by Genetic Algorithms’, IEEE Transaction on Evolutionary Computation, Vol.2, No.4, pp. 138-148.
:[34] Marco Russo (2000) ‘Genetic Fuzzy Learning’, IEEE Transaction on Evolutionary Computation, Vol.4, No.3, pp.259-273.
:[35]. Goldberg D. E., (1989) ‘Genetic Algorithms in Search, Optimization,and Machine Learning. Reading’ Addison-Wesley,Canada.
:[36] J.Kennedy and R.Eberhart, “Particle Swarm Optimization”proceedings of the IEEE International Conference on Neural Networks, vol.4, pp.1942-1948, Australia, 1995.
:[37]Newman D.J., Hettich S., Blake C.L., Merz, C.J., (1998). ‘UCI Repository of machine learningdatabases,http://www.ics.uci.edu/~mlear/MLRep ository.html, University of California, Irvine.
:[38] Ishibuchi H., Nozaki K., Yamamoto N.,and Tanaka.H.(1995) ‘Selecting fuzzy if-then rules for classification problems using genetic algorithms’, IEEE Transaction on Fuzzy System, Vol. 3, pp. 260-270.
:[39]Heesoo Hwang (2004) ‘Identification of a Gaussian FuzzyClassifier’ International Journal of Control, Automation, and Systems, Vol.2, No.1, pp.118-124.
:[40] H. Ishibuchi, T. Nakashima and T. Murata, “Performance Evaluation of Fuzzy Classifier Systems for Multidimensional Pattern Classification Problems,” IEEE Transactions on Systems, Man and Cybernetics29:601-618, 1999.
:[41]Y.F. Yuan and H. Zhuang, “A Genetic Algorithm for Generating Fuzzy Classification Rules,” Fuzzy Sets and Systems 84:1-19, 1996.
:[42] W. Romao, A.A. Freitas and R.C.S. Pacheco, “AGenetic Algorithm for Discovering Interesting Fuzzy Prediction Rules: Applications to Science and Technology Data,” Proceedings of the Genetic and Evolutionary Computation Conference (GECCO-2002) 343-350, 2002.
:[43]S. F. Smith, “A learning system based on genetic adaptive algorithms,” Doctoral dissertation, Department of Computer Science.University of Pittsburgh, 1980.
:[44] R. Gallion, D.C. St.Clair, C. Sabharwal & W.E. Bond, “Dynamic ID3: A Symbolic Learning Algorithm for Many-Valued Attribute Domains,” Proceedings of the 1993 Symposium on Applied Computing 14-20, 1993.
:[45] Janikow C Z, “A knowledge-intensive GA for supervised learning,” Machine Learning 13:189-228, 1993.
:[46] R.S. Parpinelli, H.S. Lopes, A.A. Freitas, “ Data Mining with an Ant Colony Optimization Algorithm.,” IEEE Transactions on Evolutionary Computation 6:321-332, 2002.
:[47]J. Casillas, O. Cordon, F. Herrera , “Learning Fuzzy Rules using Ant Colony Optimization Algorithms,” Proceedings of the 2nd International Workshop on Ant Algorithms (ANTS 2000) 13-21, 2000.
:[48] S. Abe, M.Lan, “Fuzzy rules extraction directly from numerical data for function approximation,” IEEE Transactions on Systems, Man and Cybernetics, 25(1):119-129, 1995.
امنیت فیزیکی در مراکز حساس IT-به صورت فایل ورد و قابل ویرایش می باشد
امنیت فیزیکی در مراکز حساس IT
اشاره : برقراری امنیت فیزیکی، یعنی کنترل تردد و دسترسی افراد به تأسیسات و مناطق خاص، نقش حساسی را در نیل به اهداف یک مرکز داده ایفا مینماید. امروزه بهکارگیری فناوریهای جدید مانند تعیین هویت با استفاده از ویژگیهای بیومتریک و مدیریت از راه دور امنیت اطلاعات، در گستره وسیعی به کمک فعالان حوزه امنیت آمده است که نتیجه آن، کنار گذاشتن روشهای سنتی (کارت و نگهبان) توسط سیستمهای امنیتی مدرن در داخل و اطراف مراکز داده است. در این راه و پیش از صرف سرمایه و خرید تجهیزات، مدیران IT باید با تشخیص و تخمین صحیح نیازهای امنیتی سازمان خود، مناسبترین و مقرون به صرفهترین روش حفاظتی را انتخاب نمایند. این مقاله به صورت اجمالی اصول تشخیص هویت افراد (Personnel Identification) و روشهای اجرایی آن، عناصر اصلی و شیوههای رایج در بحث سیستمهای امنیتی را بررسی مینماید.
نیروی انسانی؛ ریسکی که باید مدیریت شود زمانی که از امنیت یک مرکز داده صحبت میکنیم، اولین چیزی که به ذهن خطور میکند، حفاظت در برابر خرابکاری، جاسوسی و دزدی اطلاعات خواهد بود. نیاز به محافظت در برابر اخلالگران و جلوگیری از وارد آمدن آسیبهای عمدی نیز امری بدیهی به حساب میآید. با اینحال خطراتی که از جانب فعالیتهای روزمره کارکنان و کارمندان متوجه یک مرکز داده میشود، مخاطرات و آسیبهای عموماً پنهانی هستند که اغلب تأسیسات اطلاعاتی به طور دائم با آن روبهرو هستند. کارکنان جزو لاینفک یک مرکز داده به حساب میآیند. به طوری که مطالعات نشان میدهند، شصت درصد از مواردی که منجر به از کار افتادن یک مرکز داده میشود به علت اشتباهات فردی، استفاده نادرست از ابزار و تجهیزات، عدم الصاق برچسب و نصب نوشتههای راهنما، سقوط اشیا، اشتباه در تایپ فرامین و دیگر موارد پیشبینی نشده کوچک و بزرگ اتفاق میافتند از آنجایی که حضور کارکنان همواره همراه با اشتباهات اجتنابناپذیر انسانی است، کنترل و ایجاد محدودیت در تردد کارکنان به مناطق حساس، یکی از نکات کلیدی در مقوله مدیریت ریسک است. این مطلب حتی در زمانی که احتمال حرکات و فعالیتهای مشکوک ضعیف به نظر میرسد نیز به قوت خود باقی است.
فشرده سازی فایلهای متنی با استفاده از الگوریتم هافمن و الگوریتم فشرده سازی حسابی
فشرده سازی فایلهای متنی با استفاده از الگوریتم هافمن و الگوریتم فشرده سازی حسابی
فایل همراه با دایکیومنت + کد سورس و شرح کامل پروژه است.
صورت سوال تمرین
یک متن انگلیسی حداقل با ۱۰۰۰ کلمه را در یک فایل txt وارد کنید
برنامه ای بنویسید حداقل به دو روش زیر فشرده سازی فایل رانجام دهد.نتایج را از لحاظ سرعت-نرخ فشرده سازی-پیچیدگی مورد بحث قرار دهد.
تشریح پروژه
در این پروژه که با استفاده از نرم افزار برنامه نویسی متلب نسخه ۲۰۱۳ نوشته شده است، هدف اصلی فشرده سازی فایل های متنی(Text File) و ارزیابی نتایج سرعت، حافظه و نرخ فشرده سازی می باشد. در این پروژه فایلهایی در قالب فایلهای txt به شبیه ساز داده شده، الگوریتم های فشرده سازی هافمن و حسابی بر روی فایل مربوطه اعمال می گردد و نتایج فشرده سازی در قالب یک فایل دیگر در خروجی ذخیره سازی می گردد.
در قسمت زیر مراحل و نتایج مربوط به هر کدام از الگوریتم های گفته شده نشان داده شده است.
شبیه سازی الگوریتم فشرده سازی هافمن
در این قسمت نحوه عملکرد الگوریتم فشرده سازی هافمن بر روی فایل های متنی مورد بررسی قرار گرفته و تحلیل می گردد. نتایج مربوطه استخراج و مورد مقایسه قرار می گیرد.
فایلهای متنی نقش بسیار مهمی در نمایش اطلاعات حیاتی و نیاز به ذخیره سازی برای استفاده های آینده دارند که می توانند از طریق یک رسانه انتقال داده شوند. به منظور استفاده موثر از فضای دیسک و سرعت انتقال، فایلهای متنی نیاز به فشرده سازی دارند. در واقع فشرده سازی فایلهای متنی تکنیکی است که جهت کاهش حجم فایل متنی و افزایش سرعت ارسال در رسانه های ارتباطی و حفظ کیفیت فایل در یک سطح قابل قبول مورد استفاده قرار می گیرند. این کاهش حجم باعث صرفه جویی در مصرف دیسک، فضای حافظه و غیره می شود. همچنین این امکان را فراهم می سازد تا انتقال فایلهای متنی در محیط های چند رسانه ای سریعتر انجام شود. لذا در این پروژه جهت فشرده سازی فایلهای متنی از الگوریتم فشرده سازی هافمن استفاده می شود که در ادامه به تشریح کامل این الگوریتم خواهیم پرداخت.
الگوریتم فشرده سازی هافمن در سال ۱۹۵۲ توسط دیوید هافمن مطرح شد. الگوریتم هافمن می تواند برای فشرده سازی انواع داده ها مورد استفاده قرار گیرد. این الگوریتم مبتنی بر آنتروپی است که متکی به تحلیل فرکانس نمادها در یک آرایه می باشد. کد گذاری هافمن می تواند به وضوح با فشرده سازی یک فایل متنی شطرنجی نشان داده شود. فرض کنید ما یک تصویر شظرنجی ۵*۵ با ۸ بیت سلول به ازای هر سلول داریم. در حالت عادی برای ذخیره سازی رنگ های این تصویر شطرنجی غیره فشرده نیاز به ۲۵۶ بیت فضا خواهیم داشت (۵*۵*۸ = ۲۵۶ ) [۲۳] . حال اگر از الگوریتم هافمن جهت فشرده سازی استفاده کنیم تعداد بیت مصرفی کاهش خوبی خواهد داشت. در این قسمت نشان می دهیم که با اعمال الگوریتم فشرده سازی روی فایل متنی مورد نظر، چگونه میزان فضای مورد نیاز را در حدود ۷ برابر کاهش می دهیم.
الگوریتم فشرده سازی حسابی
در این قسمت نیز الگوریتم فشرده سازی حسابی از نقطه نظرهای سرعت، پیچیدگی و حافظه مورد بررسی قرار گرفته و مقایسه می گردد
این پروژه با زبان متلب همراه با مستندات کامل و فیلم اموزش کار با پروژه و فایل کد نویسی در متلب ضمیمه شد
محتوای فایل دانلودی
فایل همراه با دایکیومنت + کد سورس و شرح کامل پروژه است.
راهنمای استفاده
فایل همراه با دایکیومنت + کد سورس و شرح کامل پروژه است.