هماهنگ سازی بهینه در رله ها (مقاله رایگان pdf)

چکیده

          این مقاله یک تغییر بهینه در الگوریتم بهینه سازی ازدحام ذرات  که به آن ضرایب شتاب تغییر پذیر با زمان گفته می شود را جهت حل کردن هماهنگ ساز بهینه رله های جریان زیاد جهت دار (DOCR) در یک سیستم قدرت عَمَلی، با درنظر گرفتن جریان رشد بهینه (Ip) به صورت پارامتر گسسته، و تنظیمات صفحه زمانی به صورت پارامتر پیوسته به منظور دستیابی به حداقل زمان اجرا برای رله ها در حالیکه محدودیت های مرزی مختلف را برآورده کند، ارائه می کند. نتایج مقایسه با روش های بهینه سازی کلی استاندارد مانند GA با استفاده از جعبه ابزار متلب، PSO و دیگر روش ها، بیانگر بازده در متغیر پیشنهاد شده بوده و ظرفیت آن را جهت بهبود جواب هماهنگ سازی بهینه در رله های جریان زیاد، تایید می کند. 

بستر محاسباتی مه (مقاله رایگان pdf)

چکیده

             با معرفی ریزشبکه، مدیریت انرژی برای کنترل تولید برق و مصرف در حوزه‌های مسکونی، صنعتی و تجاری، به عنوان مثال در ریزشبکه مسکونی و خانه‌ها ضروری است. مدیریت انرژی ممکن است برای رسیدن به انرژی خالص صفر برای حوزه‌های مسکونی به ما کمک کند. بهبود در فن‌آوری، هزینه و اندازه ویژگی موجب می‌شود دستگاه‌ها در همه جا به یکدیگر متصل شوند و تعامل برقرار کنند، که اینترنت اشیاء نامیده می‌شود. افزایش پیچیدگی و داده‌ها، با توجه به تعداد فزاینده‌ی دستگاه‌هایی مانند سنسورها و دیسک، نیاز به منابع محاسباتی قدرتمند دارند که ممکن است توسط محاسبات ابری ارائه شده باشد. با این حال، مقیاس‌پذیری به موضوعی بالقوه در محاسبات ابری تبدیل شده است. در این مقاله، محاسبات مه به‌عنوان یک پلت‌فرم جدید برای مدیریت انرژی معرفی شده است. مقیاس‌پذیری، سازگاری و ویژگی‌های نرم‌افزاری/سخت‌افزاری منبع باز در پلت‌فرم پیشنهادی موجب می‌شود تا کاربر مدیریت انرژی کنترل به عنوان را انجام دهد، درحالی‌که هزینه اجرا و زمان ارائه به بازار به حداقل رسیده است. برای نشان دادن مدیریت انرژی به‌عنوان یک سرویس بر روی پلت‌فرم محاسباتی مه در حوزه‌های مختلف، دو نمونه‌ی مدیریت انرژی خانه و مدیریت انرژی در سطح ریزشبکه اجرا و آزمایش شده است. 

شبکه های حسگر بی سیم ناهمگن (مقاله رایگان pdf)

چکیده

          در این مقاله، یک نسخه بهبود یافته از پروتکل خوشه‌بندی نابرابر توزیع‌شده‌ی انرژی آگاه (EADUC) ارائه شده است. پروتکل EADUC معمولا برای حل مشکل فقدان انرژی در شبکه‌های حسگر بی‌سیم چند هاپی استفاده می‌شود. در EADUC، به محل ایستگاه پایه و انرژی باقی‌مانده به‌عنوان پارامترهای خوشه‌بندی اهمیت داده می‌شود. براساس این پارامترها، شعاع رقابت مختلفی به گره اختصاص داده می‌شود. در اینجا، یک رویکرد جدید به‌منظور بهبود کار EADUC، با انتخاب سخوشه با توجه به تعداد گره همسایگی علاوه بر دو پارامتر بالا مطرح شده است. گنجایش اطلاعات همسایگی برای محاسبه شعاع رقابت، تعادل انرژی بهتری در مقایسه با روش‌های موجود فراهم می‌کند. علاوه بر این، برای انتخاب گره هاپ بعدی، متریک به‌طورمستقیم از نظر هزینه انرژی به‌جای اطلاعات از راه دور مورد استفاده در EADUC و فاز انتقال داده در هر دور با گسترش تعداد جمع‌آوری داده‌ها از طریق استفاده از اسلات‌های بزرگ و کوچک تعریف می‌شود. روش مورد استفاده، جهت حفظ خوشه یکسان برای چند دور و درنتیجه کاهش سربار خوشه موثر است. عملکرد پروتکل ارائه شده تحت سه سناریو مختلف مورد ارزیابی قرار گرفته و از طریق شبیه‌سازی با پروتکل‌های موجود مقایسه شده است. نتایج نشان می‌دهد که این طرح پیشنهادی از نظر طول عمر شبکه در تمام حالات بهتر از پروتکل‌های موجود است. 

تحمل پذیری خطا (مقاله رایگان pdf)

چکیده

            در این مقاله یک الگوریتم بهینه‌سازی عملکرد برای پیکربندی مجدد کنترلر در کنترل پیش‌بینی مدل توزیع‌شده با تحمل‌پذیری خطا  برای سیستم‌های بزرگ مقیاس ارائه شده است. پس از تشخیص خطا در سیستم، چند پیکربندی دیگر برای کنترلر به‌عنوان اقدامات اصلاحی برای جبران خسارت خطا انجام می‌گیرد. راه‌حلِ مجموعه‌ای از مسائل بهینه‌سازی محدود با فعال‌کننده‌های مختلف استفاده از یک رویکرد اصلی و بهره‌برداری از اطلاعات مربوط به محدودیت فعال در زیرسیستم‌های غیرمعیوب است. بنابراین، مسئله بهینه‌سازی به دو زیر مسئله بهینه‌سازی تقسیم می‌شود، که انجام محاسبات آنلاین تا حد زیادی کاهش می‌یابد. پس از آن، کارآیی پیکربندی‌های مختلف محاسبه شده و از میان آن‌ها پیکربندی با اجرای بهتر انتخاب شده و برای جبران خطا به کار گرفته شده است. تاثیر رویکرد پیشنهاد شده با استفاده از رویکرد Alkylation of benzene، نشان داده شده است که یک فرآیند معیار برای کنترل پیش‌بینی مدل توزیع‌شده است. 

ابهام رفتاری (مقاله رایگان pdf)

چکیده

              توضیحات فرآیند متنی به طور گسترده در سازمان ها مورد استفاده قرار می گیرد زیرا تقریباً هر کسی می تواند آن را ایجاد و درک کند. با این حال، ابهام ذاتی در زبان طبیعی، مانع تحلیل خودکار توصیفات فرآیند متنی می شود. در حالی که خوانندگان انسانی می توانند از دانش زمینه خود برای درک صحیح جملات با چندین تفسیر ممکن استفاده کنند، تکنیک های تجزیه و تحلیل خودکار در حال حاضر باید فرضیاتی را درباره معنای صحیح صورت دهند. در نتیجه، تکنیک های تجزیه و تحلیل خودکار مستعد در رسیدن به نتیجه گیری های نادرست در مورد اجرای صحیح یک فرآیند هستند. برای غلبه بر این موضوع، ما مفهوم فضای رفتاری را به عنوان ابزاری برای مقابله با ابهام رفتاری در توصیفات فرآیند متنی معرفی می کنیم. یک فضای رفتاری، همه تفاسیر ممکن از توصیف فرآیند متنی را به روشی منظم در بر دارد. بنابراین، از تمرکز بر یک تفسیر واحد جلوگیری می کند. ما از یک سناریوی چک کردن تطابق و ارزیابی کمیتی با مجموعه ای از 47 توصیف فرآیند متنی به منظور نشان دادن سودمندی یک فضای رفتاری برای استدلال درباره یک فرآیند شرح داده شده توسط یک متن استفاده می کنیم. ارزیابی ما نشان می دهد که یک فضای رفتاری، تعادل بین نادیده گرفتن اظهارات مبهم و تحمیل تفسیرات ثابت بر روی آنها را ایجاد می کند.

استخراج فریم کلیدی (مقاله رایگان pdf)

خلاصه 

          الگوریتم های بهینه برای ثبت متن و موقعیت یابی آن در سکانس های ویدئویی در بازار چند رسانه ای و استخراج داده امروز بسیار پرطرفدار هستند. به خاطر چالش هایی از قبیل وضوح تصویر پایین، کنتراست پایین، پیش زمینه پیچیده و متنون با استایل، جهت، رنگ و چینش مختلف، استخراج متن از تصویر ویدئویی یک کار چالش بر انگیز است. در این مقاله روشی برای استخراج بهینه و کارآمد فریم های کلیدی از ویدئو بر اساس لحظات رنگی و پس از آن موقعیت یابی متن تنها بر روی همین فریم های کلیدی انجام میشود. به این خاطر که اطلاعات متن با هر فریم تغییر نمیکند، استخراج متن تنها از این فریم های کلیدی میتواند به کاهش هزینه محاسباتی و زمانی الگوریتم کمک شایانی بکند. علاوه بر این، این مقاله یک روش کارآمد هایبرید برای محلی کردن صحنه و متن گرافیکی در فریم های ویدئویی آن هم با استفاده از DWT (تبدیل موج دو بعدی هار)  ، لاپلاس فیلتر گاوسی و روش تفاوت حداکثری گرادیان ارائه میکند. DWT یک روش تجزیه سریع تصویر ارائه میکند که تصویر را به سه بخش جزئیات تخمینی میشکند. این سه جزء اطلاعاتی درباره لبه های عمودی، افقی، محوری از تصویر در خود دارند که باعث میشود متن سریعتر تشخیص داده شود. روش تفاوت گرادیان حداکثری نیز برای موقعیت یابی و محلی کردن بیشتر متن در تصویر به کار میرود، دامنه تفاوت گرادیان هم در فرآیند حد نصاب سنجی  به کار میرود. یک تکنیک حد نصاب سنجی پویا برای تبدیل نوع تصویر به فرم باینری مورد استفاده قرار گرفته است. از آنجایی که این تکنیک مقادیر متنوعی برای تصاویر مختلف حاصل میکند، میتواند برای موقعیت یابی اتوماتیک متن در تصاویر ویدئویی به کار رود. دو عملگر ماسک هم برای به دست آوردن یک معادله به کار رفته اند و زمانی استفاده میشوند که پیکسل ها مساوی با مقدار حد نصاب تعیین شده باشند. مثبت و منفی ها با استفاده از عملگرهای مورفولوژیکی حذف میشوند و آنالیز اجزای به هم پیوسته صورت میگیرد تا در نهایت جایگاه متن مشخص گردد. معیارهای مقایسه در نتایج نشان میدهند که روش ارائه شده عملکرد مناسبی در نرخ شناسایی، نرخ هشدار نادرست و نرخ شناسایی نادرست ارائه میکند.

شبکه های حسگر بی سیم زیرآب (مقاله رایگان pdf)

چکیده

           در شبکه‌های حسگر بی‌سیم زیرآب (UWSNs) گره‌ها با محدودیت در انرژی باتری روبه‌رو هستند و جایگزینی باتری با توجه به محیط زیرآب بسیار پرهزینه است. بنابراین، روش EBECRP، پروتکل مسیریابی مبتنی بر خوشه‌بندی انرژی کارآمد و مصرف متعادل انرژی برای UWSNs را پیشنهاد می‌کنیم. در پروتکل مسیریابی مبتنی بر عمق، گره‌های نزدیک (گره‌های کم عمق) در هیچ زمانی به دلیل بار بالا از بین نمی‌روند. ما از مسیریابی مبتنی بر عمق در طرح پیشنهادی جلوگیری می‌کنیم و از sink برای تعادل بار بر روی تمام گره‌ها استفاده می‌کنیم. همچنین از مفهوم خوشه به‌منظور کاهش در نتایج مصرف انرژی استفاده می‌کنیم. سرخوشه‌ی انتخاب شده (CHS) اطلاعات را از گره همسایه برای کاهش ارتباطات جهانی در ارتباطات فشرده محلی جمع‌آوری می‌کند. نتایج شبیه‌سازی نشان می‌دهد که EBECRP به حداکثر ثبات و طول عمر شبکه در طول حیات دست می‌یابد. 

تشخیص عیوب لوله (مقاله رایگان pdf)

چکیده

          این مقاله یک الگوریتم موثر برای شناسایی و تشخیص نقص در لوله‌های صنعتی ارائه می‌کند. در خیلی از صنایع، روش‌های تشخیص نقص معمولا توسط نیروی انسانی با تجربه که نقص را با الگوهای دستی شناسایی می‌کنند انجام می‌شود. بااین‌حال، روش‌های تشخیص بسیار گران و وقت‌گیر هستند. برای غلبه بر این مشکلات، یک روش برای تشخیص خودکار و موثر نقص در لوله‌های صنعتی بر اساس پردازش تصویر معرفی شده است. اگر چه اغلب روش‌های مبتنی بر تصویر بر روی دقت تشخیص خطا تمرکز دارند، زمان محاسبه برای کاربردهای عملی بسیار مهم است. الگوریتم پیشنهادی شامل سه مرحله است. در گام اول، تصویر RGB از لوله را به یک تصویر سیاه و سفید تبدیل می‌کند و لبه‌ها را با استفاده از روش گرادیان سوبل مشخص می‌کند، و بعد از آن اشیا نامطلوب را بنا به اندازه آنها حذف می‌کند. در مرحله دوم، ابعاد لوله را مشخص می‌کند و در نهایت این الگوریتم نقص را به‌عنوان مثال، حفره‌ها و ترک در لوله براساس ویژگی‌های آنها را شناسایی و تشخیص می‌دهد. آزمایشات بر روی انواع لوله‌ها بااستفاده از الگوریتم انجام شده است و نتایج نشان می‌دهد که دقت نرخ شناسایی حدود 96٪ در تشخیص سوراخ و 93٪ در تشخیص ترک است.

تشخیص عمق لبه (مقاله رایگان pdf)

چکیده

           از آنجا که فن‌آوری اندازه‌گیری سه بعدی به‌طورگسترده در صنایع تولیدی تشخیص لبه در یک تصویر عمق استفاده شده‌اند بنابراین نقش مهمی در برنامه‌های کاربردی بینایی کامپیوتر دارند. در این مقاله، یک فرآیند تشخیص لبه در یک تصویر عمق براساس عملیات هموار کردن و مورفولوژیکی پیشنهاد شده است. در این روش از اصل فیلتر میانه، که دارای یکی از ویژگی‌های مشهور برای حفظ خواص لبه است استفاده کرده‌ایم. تشخیص لبه براساس اصل تشخیص لبه canny انجام شده است و با عملیات مورفولوژیکی به سرانجام رسیده است، که به‌عنوان ترکیبی از erosion و dilation نشان داده شده است. سپس، نتایج حاصل را با برخی از روش‌های موجود مقایسه کرده و نشان دادیم که این روش نتایج بهتری تولید می‌کند. اما، این روش در برنامه‌های کاربردی چند فریمی با نرخ فریم موثر کار می‌کند. بنابراین این روش به تشخیص عمق لبه در تصاویر و ترویج برنامه‌های کاربردی در تشخیص عمق تصاویر مانند تشخیص شی، تقسیم‌بندی جسم و غیره کمک خواهد کرد.

ساختار جامعه (مقاله رایگان pdf)

چکیده

        ساختارهای اجتماعی در شبکه‌ای وجود دارد که دارای پیچیدگی‌های زیستی، اجتماعی، تکنولوژیکی و حاوی اطلاعات مهم باشد. ساختارهای شبکه و جامعه در سیستم‌های کامپیوتری به ترتیب توسط نمودارها و زیرگراف‌ها نمایش داده می‌شود. مسئله تشخیص ساختار جامعه یک مسئله‌‌ی NP سخت است، به ویژه نتایج نهایی بهترین ساختارهای اجتماعی برای شبکه‌های بزرگ پیچیده ناشناخته هستند. در این مقاله، برای حل مسئله تشخیص ساختار جامعه یک الگوریتم مبتنی بر الگوریتم ژنتیک، AGA-net که یکی از تکنیک‌های تکاملی است پیشنهاد شده است. این الگوریتم دارای ویژگی همگرایی سریعی به مقدار بهینه بدون اینکه در بهینه محلی به دام بیافتد است بنابراین توسط پارامترهای جدید پشتیبانی شده است. شبکه دنیای واقعی که اغلب در کارهای گذشته استفاده می‌شود به‌عنوان داده‌های آزمایشی مورد استفاده قرار گرفته و نتایج به دست آمده با10 الگوریتم متفاوت مقایسه شده است. پس از تجزیه‌وتحلیل نتایج آزمون مشاهده شده است که الگوریتم پیشنهادی نتایج خوبی در مورد شبکه‌های پیچیده ارائه می‌دهد.