فهرس المقالات تبدیل موجک

• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  1 - بررسی کارایی مدل هیبریدی هالت-وینترز موجکی (WHW)در شبیه¬سازی تراز سطح ایستابی آبخوان ساحلی ارومیه
  محمد نخعی فرشاد  علیجانی میرعربی علی حميدرضا  ناصري
  پیش بینی تراز سطح آب زیرزمینی به‌منظور درک صحیح در مورد روند تغییرات آبخوان و مدیریت و برنامه ریزي این منابع آبی ارزشمند، بسیار مهم است. این مقاله از مدل هیبریدی هالت وینترز موجکی(WHW) برای اولین بار در شبیه‌سازی تراز سطح ایستابی بهره گرفته است. بدین منظور از سری زمانی أکثر

  پیش بینی تراز سطح آب زیرزمینی به‌منظور درک صحیح در مورد روند تغییرات آبخوان و مدیریت و برنامه ریزي این منابع آبی ارزشمند، بسیار مهم است. این مقاله از مدل هیبریدی هالت وینترز موجکی(WHW) برای اولین بار در شبیه‌سازی تراز سطح ایستابی بهره گرفته است. بدین منظور از سری زمانی 16 ساله نوسانات ماهانه تراز سطح آب زیرزمینی در دو چاه مشاهده-ای آبخوان ساحلی ارومیه استفاده شد. در WHW سری زمانی مادر به چندین زیر سری با مقیاس های زمانی مختلف تبدیل شد، سپس زیر سری های زمانی به‌صورت تک‌تک به‌عنوان ورودی مدل HW قرار گرفته و با تجمیع خروجی ها تراز محاسباتی سطح ایستابی به دست آمد. پس از آن عملکرد مدل WHW با مدل های خطی ARIMA، HW وSARIMA و نیز مدل های هوشمند غیرخطی شبکه عصبی(ANN) و رگرسیون بردار پشتیبان(SVR) مورد ارزیابی قرار گرفت. نتایج نشان داد که در مدل WHW در مقایسه با مدل های خطی، معیار خطای NSE و RMSE‌ در مرحله آزمون به ترتیب تا 30 و 60 درصد ارتقا یافته و در مقایسه با مدل های غیرخطی ANN و SVR عملکرد برابر و مشابه داشته است. همچنین نتایج نشان داد که هرچه تراز سطح آب زیرزمینی از تناوب های چندگانه و غیرفصلی بیشتری برخوردار باشد، دقت مدل WHWدر قیاس با مدل های خطی بیشتر می شود. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  2 - یک روش مبتنی بر یادگیری چنددقتی برای تطبیق تصاویر پزشکی چندکیفیتی
  سیده‌سمیه آل حجت خسمخی محمدرضا کیوان‌پور
  هدف اصلی در روش‌های مختلف تطبیق تصویر، پیداکردن پارامترهای تبدیل برای نگاشت دقیق یک تصویر بر روی مختصات تصویر دیگر است. در پزشکی، برقراری ارتباط دقیق میان داده‌های تصاویر پزشکی درکاربردهایی نظیر تشخیص و درمان از اهمیت بسیاری برخوردار است و بر این اساس، روش‌های متعددی بر أکثر

  هدف اصلی در روش‌های مختلف تطبیق تصویر، پیداکردن پارامترهای تبدیل برای نگاشت دقیق یک تصویر بر روی مختصات تصویر دیگر است. در پزشکی، برقراری ارتباط دقیق میان داده‌های تصاویر پزشکی درکاربردهایی نظیر تشخیص و درمان از اهمیت بسیاری برخوردار است و بر این اساس، روش‌های متعددی براي تطبیق تصاویر ارائه شده است. مقایسه نتایج الگوریتم‌های مختلف، انگیزه اصلی این پژوهش گردیده تا بتوان الگوریتم جدید ترکیبی ارائه و پیاده‌سازی نمود که از دقت بالایی برای تطبیق تصاویر چندکیفیتی برخوردار باشد. خودکارسازی فرایند تطبیق با بهره‌گیری از رویکرد یادگیری ماشین، نوآوری مقاله حاضر نسبت به روش‌های پیشین به شمار می‌رود. به این منظور، روش پیشنهادی به نام یادگیری چنددقتی از ترکیب یک روش تجزیه چنددقتی و یک شبکه عصبی سلسله مراتبی بهره می‌گیرد که با استفاده از ویژگی‌های سراسری تصویر، پارامترهای تبدیل را یاد گرفته و از پارامترهایِ تبدیلِ به دست آمده از فرایند یادگیری ، برای تطبیق تصاویر استفاده می‌کند. روش پیشنهادی بر روی پایگاه داده تصاویر پزشکی دانشگاه واندربیلت پیاده‌سازی و آزمون شده و نتایج به دست آمده دقت قابل قبولی را برای روش پیشنهادی در مقایسه با سایر روش‌ها نشان می‌دهد. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  3 - تشخیص خودکار بیماری های ریوی با استفاده از ویژگی های مبتنی بر تبدیل کسینوسی گسسته در تصاویر رادیوگرافی
  شمیم یوسفی صمد نجارقابل
  استفاده از نتایج خام رادیوگرافي در تشخیص بیماريهاي ریوي عملکرد قابلقبولي ندارد. یادگیري ماشین ميتواند به تشخیص دقیقتر بیماريها کمک کند. مطالعات گستردهاي در حوزه تشخیص خودکار بیماريها با کمک یادگیري ماشین کلاسیک و عمیق انجام شده؛ اما این روشها دقت و کارایي قابلقبولي ندار أکثر

  استفاده از نتایج خام رادیوگرافي در تشخیص بیماريهاي ریوي عملکرد قابلقبولي ندارد. یادگیري ماشین ميتواند به تشخیص دقیقتر بیماريها کمک کند. مطالعات گستردهاي در حوزه تشخیص خودکار بیماريها با کمک یادگیري ماشین کلاسیک و عمیق انجام شده؛ اما این روشها دقت و کارایي قابلقبولي ندارند یا به دادههاي یادگیري زیادي نیاز دارند. براي مقابله با این چالشها، در این مقاله، روش جدیدي براي تشخیص خودکار بیماريهاي ریوي بینابیني در تصاویر رادیوگرافي ارائه ميشود. در گام اول، اطلاعات بیمار از تصاویر حذف شده؛ سپس، پیکسلهاي باقیمانده، جهت پردازشهاي دقیقتر، استانداردسازي ميشوند. در گام دوم، پایایي روش پیشنهادي با کمک تبدیل رادان بهبود یافته، دادههاي اضافي با استفاده از فیلتر Top-hat حذف شده و نرخ تشخیص با بهرهبرداري از تبدیل موجک گسسته و تبدیل کسینوسي گسسته افزایش ميیابد. سپس، تعداد ویژگيهاي نهایي با کمک آنالیز تشخیصي حساس به مکان کاهش ميیابد. در گام سوم، تصاویر پردازششده به دو دسته یادگیري و تست تقسیم ميشوند؛ با استفاده از دادههاي یادگیري، مدلهاي مختلفي ایجاد شده و با کمک دادههاي تست، بهترین مدل انتخاب ميشود. نتایج شبیهسازيها بر روي مجموعه داده NIH نشان ميدهد که روش پیشنهادي مبتني بر درخت تصمیم با بهبود میانگین هارمونیک حساسیت و صحت تا 08 / 1 برابر، دقیقترین مدل را ارائه ميدهد. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  4 - آشکارسازی و تحليل سیگنال‌های آکوستيک تغییردهنده‌های تپ زير بار ترانسفورماتورهای قدرت جهت تشخيص خطا
  عادل یونسی عباس  غایب لو حسن رضا میرزائی
  <p class="Abstract" dir="RTL" style="text-align: justify; direction: rtl; unicode-bidi: embed;"><span lang="AR-SA" style="font-size: 14.0pt; line-height: 105%; font-family: 'B Nazanin'; font-weight: normal;">تغییردهنده&zwnj;های تپ قابل قطع زیر بار یکی از مهم&zwnj;ترین ت أکثر

  <p class="Abstract" dir="RTL" style="text-align: justify; direction: rtl; unicode-bidi: embed;"><span lang="AR-SA" style="font-size: 14.0pt; line-height: 105%; font-family: 'B Nazanin'; font-weight: normal;">تغییردهنده&zwnj;های تپ قابل قطع زیر بار یکی از مهم&zwnj;ترین تجهیزات ترانسفورماتورهای قدرت محسوب می&zwnj;شوند. این تجهیزات به&zwnj;دلیل داشتن حرکت&zwnj;های مکانیکی شدید و ایجاد قوس الکتریکی با انرژی بالا، دارای نرخ خرابی بالایی نسبت به دیگر تجهیزات داخلی ترانسفورماتور هستند. ارزیابی برخط و دقیق صحت عملکرد عادی تغییردهنده&zwnj;های تپ توسط روش&zwnj;هایی که در عملکرد عادی ترانسفورماتور خللی ایجاد نکنند، از اهمیت بسیار زیادی برخوردار است. در این مقاله، روند تشخیص عیوب تغییردهنده&zwnj;های تپ با استفاده از ویژگی&zwnj;های استخراج&zwnj;شده از سیگنال&zwnj;های آکوستیک مورد بحث و بررسی قرار گرفته است. این سیگنال&zwnj;ها توسط یک سنسور شتاب&zwnj;سنج از مخزن یک ترانسفورماتور قدرت و در حین تغییر تپ به&zwnj;صورت عملی آشکارسازی شده&zwnj;اند. در این مقاله علاوه بر بررسی ویژگی&zwnj;های معمول، دو ویژگی جدید شاخص زمان و شاخص فرکانس معرفی شده است. نهایتاً جهت انتخاب ویژگی&zwnj;های مناسب جهت تشخیص عیوب و ارائه روشی کارآمد جهت دسته&zwnj;بندی آنها، برخی از داده&zwnj;های عملی موجود با توجه به نتایج ارائه&zwnj;شده در مراجع به&zwnj;صورت تصادفی معیوب شده و توسط روش ماشین بردار پشتیبان، داده&zwnj;های سالم و معیوب به&zwnj;طور موفقیت&zwnj;آمیزی طبقه&zwnj;بندی شده&zwnj;اند.</span></p> تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  5 - تشخیص و مکان‌یابی خطا در شبکه‌های الکتریکی هیبریدی شناورها با استفاده از تبدیل موجک
  محسن علیانی آرش دهستانی کلاگر محمدرضا علیزاده پهلوانی
  <p>در سیستم قدرت هیبریدی شناورها، امکان بروز انواع مختلف خطا بسیار زیاد است. طبق مطالعات صورت&zwnj;گرفته در زمینه تشخیص و مکان&zwnj;یابی خطا در ریزشبکه&zwnj;های هیبریدی شناورها، فقدان تکنیک&zwnj;های جامع مدیریت خطا برای حفاظت ریزشبکه شناور از خطاهای اتصال کوتاه، مانع اص أکثر

  <p>در سیستم قدرت هیبریدی شناورها، امکان بروز انواع مختلف خطا بسیار زیاد است. طبق مطالعات صورت&zwnj;گرفته در زمینه تشخیص و مکان&zwnj;یابی خطا در ریزشبکه&zwnj;های هیبریدی شناورها، فقدان تکنیک&zwnj;های جامع مدیریت خطا برای حفاظت ریزشبکه شناور از خطاهای اتصال کوتاه، مانع اصلی استفاده از ریزشبکه&zwnj;های هیبریدی شناورها برای مأموریت&zwnj;های دریایی حیاتی به&zwnj;شمار می&zwnj;آید. با توجه به قیود و محدودیت&zwnj;های میدانی در شناورها، طراحی یک سیستم حفاظت الکتریکی برای ریزشبکه&zwnj;های هیبریدی شناورها، نیاز به توجه و دقت به الزامات ویژه&zwnj;ای دارد. هدف این مقاله، ارائه یک طرح حفاظتی مناسب جهت تشخیص، طبقه&zwnj;بندی و مکان&zwnj;یابی خطا در ریزشبکه&zwnj;های هیبریدی شناورهاست. در این راستا تشخیص، طبقه&zwnj;بندی و مکان&zwnj;یابی خطا در مدت زمان 034/0 ثانیه الی 54/0 ثانیه با استفاده از الگوریتم مبتنی بر پردازش سیگنال تبدیل موجک با مرتبه چهارم (4db) انجام می&zwnj;شود. مشاهده نتایج و تحلیل آنها نشان می&zwnj;دهد که الگوریتم پیشنهادی به&zwnj;خوبی، انواع خطاها حتی خطاهای بسیار گذرا (حدود 1 میلی&zwnj;ثانیه) را چه در بخش AC و چه در بخش DC ریزشبکه شناور، تشخیص، طبقه&zwnj;بندی و مکان&zwnj;یابی می&zwnj;نماید.</p> تفاصيل المقالة