پیش بینی ترافیک آینده (مقاله رایگان pdf)

چکیده  
            تخمین و پیش بینی حجم ترافیک شبکه موضوع تحقیقاتی مهمی است که توجه مداوم انجمن شبکه و انجمن یادگیری ماشین را جلب کرده است. اگر چه کار زیادی بر روی تخمین و پیش بینی ماتریس ترافیک با استفاده از مدل های سری زمانی، تجزیه ماتریس با رنک پایین وجود دارد، بر اساس آنچه ما و همکاران می دانیم کارهای کمی برای بررسی این مسئله که آیا ما می توانیم حجم شبکه مبتنی بر برخی آمارگان (آماره های) های ترافیک که جمع آوری آنها، کم هزینه تر هستند مانند جریان شمارش flow count ، تخمین زده یا پیش بینی کنیم. در این مقاله، مدلی برای ارتباط بین حجم ترافیک و آمارگان (آماره های) های ساده  مانند جریان flows با استفاده مدل پنهان مارکف پیشنهاد می دهیم که بر اساس آن می توانیم از اندازه گیری مستقیم حجم داده اجتناب کنیم اما در عوض حجم ترافیک پنهان شده مبتنی بر آن آمارگان (آماره های) ساده جریان flow که به وسیله برخی تکنیک‌های طراحی جمع آوری شده اند، تخمین زده و پیش بینی کنیم. سادگی و تاثیرگذاری روش پیشنهادی را با استفاده از تعدادی شبه شبیه سازی و نتایج تجربی حاصل از داده واقعی نشان می دهیم.

کنترل کننده لغزشی (مقاله رایگان pdf)

چکیده 
          یک روش حل به منظور کنترل لغزشی وسیله ی چهار چرخ در این مقاله ارائه شده است. مزیت این نوع کنترل کننده نسبت به روش ها ی قبلی در واقع کاربردش در انواع بیشتری از وسایل چرخ دار است که هر دوی وسایل تک هدایت شونده و دو هدایت شونده را شامل می شود. همانطور که در نتایج شبیه سازی نشان داده شده است روش لغزشی حل را نسبت به خطاها و نوسانات قوی تر می کند.

تشخیص وسیله نقلیه (مقاله رایگان pdf)

چکیده
            این مقاله مطالعه ای در مورد تشخیص وسایل نقلیه از نقشه های هوایی با وضوح و دقت بالا را ارائه می دهد.در این مقاله، روش بخش بندی سوپرپیکسل طراحی شده برای عکس های هوایی برای کنترل بخش بندی با نرخ شکست پایین  پیشنهاد شده است. برای کارایی بیشتر تمرین و تشخیص، تکه های مهم و عمده ای مبتنی بر مراکز سوپرپیکسل های بخش بندی شده را استخراج کردیم. بعد از بخش بندی، با استفاده استراتژی تکرار انتخاب نمونه های آموزشی که مبتنی بر ارائه پراکنده است، از مجموعه کلی اصلی زیرمجموعه ای آموزشی و کوچک و کامل فراهم می آوریم.توسط زیرمجموعه آموزشی انتخاب شده، فرهنگی دارای توانایی تمییز و تفاوت قائل شدن برای تشخیص وسایل نقلیه فراهم می آوریم.طی آموزش و تشخیص، شبکه مشخصه های گرادیان متمایل هیستوگرام (HOG)  به منظور استخراج ویژگی ها استفاده شده اند.برای بهبود بیشتر کارایی تشخیص و آموزش،روشی برای تخمین جهت اصلی مشخص شده برای هر  تکه و قطعه ارائه شده است . با چرخش هر قطعه به جهت اصلی آن، جهات ثابتی به قطعات می دهیم. تحلیل های جامع و مقایسات بر روی دو مجموعه داده ها، عملکرد رضایت بخش الگوریتم پیشنهادی را نشان می دهد.

الگوریتم تطبیق سریع (مقاله رایگان pdf)

چکیده
             تشخیص لبه مسلما مهم ترین عملیات در بینایی کامپیوتری به خصوص در بینایی سطح پایین کامپیوتر می باشد. انتقال میانگین یک الگوریتم تکرار شونده ای است که به طور گسترده ای برای تشخیص لبه مورد استفاده قرار می گیرد.اما هزینه محاسبانی الگوریتم انتقال میانگین به قدری بالا می باشد که آن را غیر قابل استفاده برای فضاهایی با ابعاد بالا کرده است.در این مقاله ، یک الگوریتم تطبیق سریع انتقال میانگین سریع برای تشخیص لبه پیشنهاد شده است. این الگوریتم از یک تقریب نزدیک ترین روش جست و جو همسایه ها استفاده می کند ، به عنوان مثال LSH (محل حساس به هش شدن (خرد شدن)) ابتدا استفاده می شود، که به طور چشمگیری سبب کاهش تکرار محاسبه در ابعاد بالا می شود. علاوه بر آن، روند LSH می تواند برای تعیین پهنای باند پنجره کرنل (هسته) انطباقی نیز به ما کمک کند. نتایج تجربی نیز بیانگر موثر بودن روش پیشنهادی ما می باشد.

شباهت معنایی تصویر (مقاله رایگان pdf)

چکیده 
              تعیین شباهت بین تصایر از جمله دسته بندی تصویر ،برچسب زنی تصویر و همچنین بازیابی ، مرحله اساسی در بسیاری از برنامه های کاربردی است . روش های اتوماتیک برای ارزیابی شباهت اغلب ناکارآمد است و وقتی که زمینه معنایی برای کار نیاز است نیاز به قضاوت انسان پیش می آید چنین قضاوتهائی را می توان از طریق فنون جمع سپاری بر اساس کارهای ارائه شده توسط کاربران وب جمع آوری نمود. با این حال برای ممکن ساختن برآورد شباهت تصاویر با زمان و هزینه معقول ایجاد کارها برای مقدار انبوه باید به طریقه دقیقی انجام شود . ما مشاهده کردیم که فواصل بین همسایگی های محلی اطلاعات ارزشمندی فراهم می کند که به ما این امکان را می دهد که معیارشباهت کلی را سریع و دقیق ایجاد کنیم. این ملاحظه کلیدی ما را به سمت راه حلی براساس وظائف دسته بندی ومقایسه تصاویر نسبتاً مشابه هدایت می کند درهرجستجو،اعضای گروه مجموعه کوچکی از تصاویر را درداخل صندوق های خود جمع آوری می کنند . نتایج حاکی از شباهت های نسبی زیاد بین عکس ها می باشد ، که برای ایجاد معیار شباهت مورد استفاده قرار گرفته اند. این معیاربه صورت تصاعدی اصلاح می شود و برای ترتیب دادن تحقیقات بهتر ومکانی تر در تکرارهای بعدی بهبود می یابد . ما موثر بودن روش خودمان را بر روی مجموعه داده ها وقتی زمینه میدانی وجود داشته باشد و روی مجموعه ای از تصاویر در صورتی که شباهتهای معنایی را نمی توان اندازه گیری کرد اثبات می کنیم . درحالت خاص نشان می دهیم روش ما گزینه بهتری از روش های مرجع است و موثر بودن تحقیقات جمع آوری و فرآیند اصلاح ما را بهبود می بخشد .

ژنراتورهای القایی (مقاله رایگان pdf)

چکیده

               این  تحقیق با یک رویکرد معتبر برای تشخیص اولیه مدار اتصال کوتاه در  سیم پیچ استاتور است که در ژنراتورهای القایی که در توربین های بادی استفاده می شود. با استفاده از یک بستر آزمایشی توربین بادی ، انواع مختلفی از اتصال کوتاه را در ژنراتور وارد کردیم. پیشنهاد دادیم که از چهار تکنیک استخراج ویژگی به همراه سه دسته بند  استفاده کنیم‌ .  MLP شرایط نرمال  مولد را با خطای   مثبت و منفی ۱%  تعیین کرد‌. با استفاده از توپولوژی های مختلف MLP ، می توان مدارهای اتصال کوتاه اولیه را در چرخش 1.41٪ و  با دقت 99.33٪ شناسایی کرد.  ترکیب فوریه و  MLP  در تشخیص خطا، بسیار مفید است، چون توانسته به دقت ۸۴.۴۸% برسد  و ۹۹.۹۸% از شرایط نرمال را به درستی  دسته بندی کرد.

جنگل های تصادفی (مقاله رایگان pdf)

چکیده

          این مقاله یک رویکرد جدید برای تشخیص نقص شکست روتور شکسته در یک موتور خطی دائمی مغناطیسی آغازین (LS-PMSM) با استفاده از جنگل های تصادفی ارائه می دهد. سیگنال جریان گذرا در هنگام راه اندازی موتور از یک موتور سالم و یک موتور معیوب با خطای یک روتور شکسته به دست آمد. ما 13 ویژگی آماری دامنه زمانی را از سیگنال جریان گذرا شروع کردیم و از این ویژگی ها برای آموزش و آزمایش یک جنگل تصادفی برای تعیین اینکه آیا موتور در شرایط نرمال یا معیوب عمل می کند، استفاده کردیم. برای انتخاب ویژگی، ما از اهمیت ویژگی ها از جنگل تصادفی برای کاهش تعداد ویژگی ها به دو ویژگی استفاده کردیم. نتایج نشان داد که جنگل تصادفی شرایط موتور را چه سالم و چه معیوب با دقت 98.8٪ با استفاده از تمام ویژگی ها طبقه بندی می کند و با استفاده از شاخص های متوسط و ویژگی های تاثیرگذارتر با دقت 4/98٪ می باشد. عملکرد جنگل تصادفی با یک درخت تصمیم گیری، طبقه بندی Bayes Naïve، رگرسیون لجستیک، ریج خطی و support vector machineها با یکدیگر به صورت تصادفی از دقت بیشتری نسبت به الگوریتم های دیگر، مقایسه شد. روش پیشنهادی میتواند در صنعت برای نظارت آنلاین و تشخیص خطا از موتورهای LS-PMSM استفاده شود و نتایج میتواند برای ایجاد طرحهای نگهداری پیشگیرانه در کارخانجات مفید باشد.

شناسایی سرطان پستان (مقاله رایگان pdf)

چکیده

          تشخیص کامپیوتری برای سرطان پستان حالا بیش از پیش مورد توجه قرار گرفته است که این موضوع به دلیل افزایش اجرای تصویر برداری های ماموگرام می باشد. به صورت خاص، تشخیص و دسته بندی کردن جرم های موجود در تصویر های ماموگرام اهمیت بسیار زیادی دارند. به همین دلیل، مطالعه های زیادی در این زمینه انجامشده است و تکنیک های مختفی نیز ارائه شده است. این مقاله یک شبکه عصبی پیچه ای (CNN) را برای شناسایی خودکار سرطان پستان با استفاده از داده های بخش بندی شده از دیتابیس دیجیتال برای پویش ماموگرافی ها (DDSM) ارائه می کند. ما یک شبکه با معماری CNN را ایجاد کردیم که دیگر ویژگی های دستی متداول را استخراج نمی کند بلکه استخراج ویژگی ها و دسته بندی آن ها را به صورت همزمان در قالب شبکه های عصبی انجام می دهد. ازین رو این روش می تواند یک تشخیص خودکار را بدون مدیریت کاربر، ارائه کند. روش ارائه شده ، نرخ دسته بندی بهتری را فراهم می کند که این موضوع باعث می شود تشخیص های بسیار بهتری ایجاد شود.

شبیه سازی ترافیکی (مقاله رایگان pdf)

چکیده

          در این مقاله، تمرکز بر روی شبیه سازی ترافیکی دو تقاطع T مجاور در ساعات شلوغی در خیابان دانشگاه در شهرستان Skudai، جوهور، مالزی است. این مطالعه با هدف شبیه سازی ترافیکی در شبکه به منظور درک و تجزیه و تحلیل تنگناها و ارائه راه حل ها برای بهبود آن انجام شده است. مدل شبیه سازی با نرم افزار ARENA توسعه داده شد، و نتیجه اولیه نشان می دهد که یک صف قابل توجهی در یکی از مسیرها وجود دارد، بازوی C. مدل  A با چراغ راهنما برای مقابله با این مشکل ارائه شده است. نتایج به دست آمده از مدل بهبودیافته نشان داد که متوسط زمان انتظار در بازوی C تا 67٪ کاهش می یابد. علاوه بر این، متوسط زمان صف های انتظار در کل سیستم تا 53٪ کاهش یافت. علاوه بر این، در این مقاله، نشان داده شد که چگونه می توان نرم افزار Arena را برای شبیه سازی مشکلات ترافیک به طور موثر اتخاذ نمود. روش این تحقیق را می توان برای بررسی حالات ترافیکی مختلف و پیامدهای آنها قبل از اجرای آنها در واقعیت اعمال نمود.

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.