سیستم بیومتریک گوش سه مرحله ای با تکنیک های پردازش تصویر در متلب

استفاده از گوش به عنوان یک سیستم بیومتریک (Biometric System) مفهومی نسبتا جدید در مقایسه با روش شناخته‌ شده تر تشخیص چهره می باشد. فعالیت های اخیر نشان داده است می توان از سیستم های بیومتریک به عنوان یک هدف مناسب برای شناسایی استفاده کرد. گوش ها دارای چندین ویژگی مفید هستند، مانند ساختار سه بعدی قابل توجه و ثبات بصری با افزایش سن. در مقایسه با تکنیک های تشخیص چهره که نیاز به دید مستقیم از هدف دارند، می توان تصاویر گوش را نیز با احتیاط ثبت کرد، در حالی که هدف از کنار آن عبور می کند. روش های مختلفی برای شناسایی منحصر به فرد و تطبیق تصاویر گوش با اهداف ارائه شده است.

⏬ اطلاعات بیشتر در لینک زیر: 👇👇

🔗 لینک دسترسی (اینجا کلیک کنید)

حل مسائل بهینه سازی عددی و محدودیت دار با الگوریتم هیبریدی کارا در متلب

در این مقاله یک الگوریتم هیبریدی (ترکیبی) کارا مبتنی بر الگوریتم چرخه آب و شعله پروانه به نام الگوریتم هیبریدی چرخه آب شعله پروانه (WCMFO) به منظور حل مسائل بهینه سازی عددی و مسائل بهینه سازی مهندسی محدودیت دار ارائه می شود. از الگوریتم چرخه آب به عنوان الگوریتم پایه استفاده شده و حرکت مارپیچ پروانه ها در الگوریتم پروانه شمع در داخل الگوریتم چرخه آب به جهت افزایش قابلیت جستجوی محلی الگوریتم اضافه شده است.

به علاوه، به منظور افزایش تصادفی بودن در الگوریتم هیبریدی جدید، به رودخانه ها در الگوریتم چرخه آب اجازه داده شده است تا مکان خود را در فضای جواب با استفاده از قدم های تصادفی (Levy Flight) تغییر دهند. قدم های تصادفی به میزان محسوسی قابلیت اکتشاف الگوریتم جدید را بالا برده و از به دام افتادن الگوریتم در بهینه های محلی جلوگیری می کند. کارایی الگوریتم ارائه شده در ۲۳ تابع بنچ مارک جهانی شامل توابع Unimodal , multi modal , fixed-dimension multimodal مورد بررسی قرار گرفته است.

⏬ اطلاعات بیشتر در لینک زیر: 👇👇

🔗 لینک دسترسی (اینجا کلیک کنید)

طراحی شبکه های تبادل انبوه (MEN) برای کاهش موثر پسماند با متلب

شبکه های تبادل انبوه (MENs) سیستم هایی از واحد های انتقال انبوه با تماس مستقیم به هم پیوسته هستند که از جریان های ناب فرآیند یا عوامل جدا کننده جرم خارجی برای حذف انتخابی اجزای خاص (اغلب آلاینده ها) از جریان‌ های فرآیند غنی استفاده می کنند.

در این مقاله برای اعمال مفاهیم یکپارچه سازی انبوه، یک سیستم با نرم افزار متلب بر اساس رویکرد طراحی گرافیکی نیروی محرکه ترکیب طراحی شده است. این کد متلب برای تجزیه و تحلیل جزئیات عملیات انتقال جرم با کمترین تعداد محاسبات ممکن ابداع شده است. کد گذاری دقیق این الگوریتم امکان طراحی شبکه های تبادل انبوه (Mass exchange networks – MENs) را در بالا و پایین پینچ (Pinch) فراهم می کند.

⏬ اطلاعات بیشتر در لینک زیر: 👇👇

🔗 لینک دسترسی (اینجا کلیک کنید)

تشخیص لومن آئورت از تصاویر CT scan با الگوریتم K-means در متلب

هدف از این پروژه تشخیص لومن آئورت (Aortic Lumen) در یک سری سی تی اسکن می باشد. به منظور انتخاب لومن آئورت در یک برش محوری از سی تی اسکن، از الگوریتم خوشه بندی K-means استفاده شده است. تصاویر CT با برش محوری در محیط متلب وارد شدند و داده های تصویر RGB استخراج شدند. الگوریتم کی مینز روی هر تصویر با مشخص کردن نقاط به صورت تصادفی استفاده شد و در خروجی حاصل مجموعه ای از سه تصویر خوشه بندی شده را نشان می دهد که یکی از آنها فقط آئورت و ستون فقرات را در پس زمینه سیاه نشان می دهد.

تصاویر زیر نمونه ای از نتایج حاصل از اجرای الگوریتم خوشه بندی kmeans را نشان می دهد. اگرچه الگوریتم به درستی نمی تواند مراکز خوشه ای را با هر تکرار تخصیص دهد، اما در انتخاب تنها لومن آئورت در تصویر مرکزی در شکل ۳ به خوبی عمل می کند. با پردازش تصاویر بیشتر، تشخیص مرکز لومن زمانی که در پس زمینه سیاه قرار دارد، بسیار بی اهمیت خواهد بود.

⏬ اطلاعات بیشتر در لینک زیر: 👇👇

🔗 لینک دسترسی (اینجا کلیک کنید)

پیش بینی تابش خورشید در یک ماه با شبکه عصبی بازگشتی NARX در متلب

در این پروژه با استفاده از شبکه اتورگرسیو غیرخطی NARX ، مدلی جهت پیش بینی تابش خورشید در یک ماه طراحی شده است. در مدل سازی سری زمانی ، مدل برونی خود پنداره غیر خطی یا مدل NARX به عنوان یکی از مدل های پر کاربرد است. شبکه عصبی NARX در پیش بینی تابش خورشید بهتر از سایر الگوریتم ها مثل شبکه عصبی MLP عمل می کند، زیرا توانایی بیشتری در مدل سازی وابستگی های زمانی غیر خطی در داده های سری زمانی دارد.


⏬ اطلاعات بیشتر در لینک زیر: 👇👇

🔗 لینک دسترسی (اینجا کلیک کنید)

محاسبه پارامتر های کینماتیکی مفاصل با موقعیت مارکر ها در MATLAB

در این پروژه مثالی در محیط نرم افزار متلب جهت محاسبه زوایای مفاصل ارائه شده است. داده های ورودی که موقعیت مارکر ها در فضا می باشد، در یک فایل txt ذخیره شده است. در این مثال داده ها از مدل DGaitModel23923 در نرم افزار Opensim گرفته شده.

این الگوریتم برای ۵ مارکر طراحی شده که قابل تغییر برای تعداد بیشتر و یا کمتر مارکر نیز می باشد. فرمت ایجاد فایل ورودی در کد توضیح داده شده است. (جهت جدا کردن داده ها در هر ردیف باید از space استفاده شود). خروجی این الگوریتم زاویه مفاضل، سرعت زاویه ای و شتاب زاویه ای بر حسب زمان می باشد.

⏬ اطلاعات بیشتر در لینک زیر: 👇👇

🔗 لینک دسترسی (اینجا کلیک کنید)

محاسبه اکسید نیتروژن از تولید ناخالص داخلی با روش MFCC در متلب

این برنامه ضریب همبستگی چند عاملی (MFCC) را برای انتشار گاز CO2 و N2O بین سال های ۱۹۷۰ و ۲۰۱۴ برای تولید ناخالص داخلی و تجارت چین محاسبه می کند. این برنامه MFCC را از بین عواملی مانند CO2 و N2O و تولید ناخالص داخلی سرانه، صادرات سرانه و واردات سرانه را محاسبه می کند.

⏬ اطلاعات بیشتر در لینک زیر: 👇👇

🔗 لینک دسترسی (اینجا کلیک کنید)

کتاب مقدمه ای بر MATLAB برای زیست شناسان (مواد آموزشی در علوم زیستی)

هدف اصلی این کتاب آموزشی متلب این است که دانش و مهارت های اصلی مورد نیاز برای تبدیل شدن به یک کاربر مطمئن متلب را در اختیار شما قرار دهد تا بتوانید بسیاری از توابع تخصصی و جعبه ابزارهایی را که برای پشتیبانی از طیف گسترده ای از برنامه های کاربردی زیستی – بیولوژیکی یا بیوانفورماتیک توسعه داده اند، بیابید و از آنها استفاده کنید.

نمونه های ارائه شده در این کتاب به گونه ای انتخاب شده اند که با دانشمندان زیست شناسی مرتبط باشند و برخی از راه های متعددی را که این برنامه می تواند در تحقیقات و مطالعات شما گنجانده شود و برای تقویت تحقیقات و مطالعات شما استفاده شود را نشان می دهد. این کتاب درسی برای دانشجویان و محققین علوم زیستی ضروری است.

⏬ اطلاعات بیشتر در لینک زیر: 👇👇

🔗 لینک دسترسی (اینجا کلیک کنید)

پیش بینی تقاضای بار الکتریکی با شبکه عصبی MLP در متلب

در این پروژه در مثالی از پیش بینی تقاضای بار، مجموعه داده نرمالیزه شده از مصرف مشترکین در ۲۴ ساعت روز به مدت یک سال موجود می باشد. از این مجموعه داده برای آموزش یک شبکه عصبی پرسپترون دو لایه (MLP) به منظور رسیدن به تابع پیش بینی مناسب استفاده می گردد. در این پروژه پیش بینی در چهار ساعت مختلف از شبانه روز انجام گرفته است.

در این پروژه شبکه عصبی ابتدا داده ها از فایل اکسل فراهم شده خوانده می شود و به صورت بردار با ابعاد مناسب برای تعریف شبکه عصبی بکار می روند. داده ها به تفکیک ساعت در طول شبانه روز مرتب می شوند. برای سیستم پیش بینی علاوه بر ساعت مورد نظر شبانه روز باید داده های گذشته (حداقل پنج روز) نیز فراهم باشد. در مرحله طراحی هر شبکه عصبی به ازای افق پیش بینی تعیین شده از این داده ها جهت آموزش خود استفاده می کند. در نهایت و پس از پایان آموزش شبکه، از تابع بدست آمده برای پیش بینی استفاده می گردد.

⏬ اطلاعات بیشتر در لینک زیر: 👇👇

🔗 لینک دسترسی (اینجا کلیک کنید)

شبیه سازی سیستم صف با ابزار SimEvents در سیمولینک متلب

این مسئله در نرم افزار MATLAB با استفاده از ابزار simevent در محیط سیمولینک شبیه سازی گردید. ورودی صف به کمک بلوک Entity Generator، صف با ظرفیت ۱۰۰ با بلوک Entity Queue، انتخاب خدمت رسان با بلوک Line selector و سرویس دهنده ها با Entity Server1 شبیه سازی شده است. در هر قسمت مطابق با جدول فوق، پارامتر های توزیع احتمال تنظیم شده است.

بلوک دیاگرام کلی فرایند در نرم افزار به صورت شکل زیر می باشد. نرخ ترافیک خروجی هر خدمت رسان، نرخ بلاک سیستم و متوسط تاخیر در شکل های زیر رسم شده است. سایر موارد برای حالت های مختلف مساله، در فایل های شبیه سازی قابل مشاهده می باشند.

⏬ اطلاعات بیشتر در لینک زیر: 👇👇

🔗 لینک دسترسی (اینجا کلیک کنید)

پیش پردازش داده های متنی برای آماده سازی جهت تجزیه و تحلیل در متلب

این مثال نحوه ایجاد تابعی را در متلب نشان می دهد که داده های متنی را برای تجزیه و تحلیل و پاکسازی پیش پردازش می کند. داده های متنی می تواند بزرگ باشد و همچنین حاوی نویزهای زیادی باشد که بر روی تحلیل آماری تأثیر منفی می گذارد.

⏬ اطلاعات بیشتر در لینک زیر: 👇👇

🔗 لینک دسترسی (اینجا کلیک کنید)

مصور سازی داده های متنی با ابر های کلمه ای در متلب

این مثال نحوه مصور سازی داده های متنی را با استفاده از ابر های کلمه ای (Word Clouds) نشان می دهد. جعبه ابزار تجزیه و تحلیل متن ، عملکرد تابع wordcloud را گسترش می دهد.

این پشتیبانی برای ایجاد ابرهای کلمه ای به طور مستقیم از آرایه های رشته ای و ایجاد ابرهای کلمه از مدل های بسته ای که شامل کلمات و موضوعات LDA می باشد را اضافه می کند. برای شروع کار داده های نمونه را بارگیری کنید. فایل factoryReports.csv حاوی گزارش های کارخانه، از جمله توضیحات متنی و برچسب های دسته بندی برای هر رویداد است.

⏬ اطلاعات بیشتر در لینک زیر: 👇👇

🔗 لینک دسترسی (اینجا کلیک کنید)

ایجاد مدل متنی ساده برای طبقه بندی در متلب

این مثال نشان می دهد که چگونه می توان یک طبقه بندی کننده متن ساده را با استفاده از مدل بسته ای کلمات در مورد تعداد فراوانی کلمات آموزش داد. شما می توانید یک مدل طبقه بندی ساده ایجاد کنید که از شمارش فراوانی کلمات به عنوان پیش بینی کننده استفاده می کند.

این مثال یک مدل طبقه بندی ساده را برای پیش بینی دسته گزارش های کارخانه با استفاده از توضیحات متنی آموزش می دهد.

⏬ اطلاعات بیشتر در لینک زیر: 👇👇

🔗 لینک دسترسی (اینجا کلیک کنید)

شبیه سازی سیستم برق خودرو با سیمولینک MATLAB

این مثال نحوه شبیه سازی سیستم الکتریکی یک خودرو را با استفاده از جعبه ابزار سیمولینک و تولباکس Simscape Electrical نشان می دهد. سیستم شبیه سازی شده از چند جزء تشکیل شده است. منبع تغذیه اصلی موتور احتراق داخلی (IC) یا موتور درونن سوز است که شفت دینام را به حرکت در می آورد. دینام برق AC را تولید می کند. دیود سه گانه جریان AC تولید شده از دینام را به جریان DC که به میدان دینام اعمال می شود اصلاح می کند.

⏬ اطلاعات بیشتر در لینک زیر: 👇👇

🔗 لینک دسترسی (اینجا کلیک کنید)

شبیه سازی سیستم کنترل آب و هوای خودکار در خودرو با سیمولینک MATLAB

این مثال نشان می دهد که چگونه می توان یک سیستم کنترل آب و هوای خودکار را در یک خودرو با استفاده از تولباکس Simulink و بسته Stateflow شبیه سازی کرد.

در این پروژه در بلوک User Setpoint in Celsius مقدار دمای هوای مورد نظر در خودرو تنظیم می شود. همچنین در بلوک External Temperature in Celsius نیز مقدار دمای هوای خارجی تنظیم می شود. بلوک نمایشگر دماسنج نشان دهنده قرائت سنسور دما است که در پشت سر راننده قرار گرفته است. این دمایی است که راننده احساس می کند.

⏬ اطلاعات بیشتر در لینک زیر: 👇👇

🔗 لینک دسترسی (اینجا کلیک کنید)

شبیه سازی سیستم تعلیق خودرو با سیمولینک MATLAB

در این مقاله آموزشی مثال پیش رو نشان می دهد که چگونه می توان یک مدل نیمه خودروی ساده شده را که شامل سیستم تعلیق عمودی مستقل جلو و عقب است، مدل سازی کرد. همچنین این مدل شامل سطح بدنه و درجه آزادی جهش است.

این مثال توصیفی از مدل ارائه می دهد تا نشان دهد که چگونه می توان از شبیه سازی برای بررسی ویژگی های سواری استفاده کرد. شما می توانید این مدل را همراه با یک شبیه سازی پیشرانه برای بررسی تغییر طولی ناشی از تغییرات در تنظیم دریچه گاز استفاده کنید.

⏬ اطلاعات بیشتر در لینک زیر: 👇👇

🔗 لینک دسترسی (اینجا کلیک کنید)

ایجاد تصویر حسگر نوری از داده های حرکتی در متلب

این مثال نحوه تولید یک فیلم با ۶۴ فریم و اندازه فریم ۶۴ در ۶۴ پیکسل (با سرعت ۱۰ فریم در ثانیه) را نشان می دهد. این فیلم شامل شبیه سازی یک هدف متحرک است که در حال حرکت در یک پس زمینه ساختار یافته می باشد و خود نیز در حال حرکت است.

یک حرکت لرزش ناشی از ارتعاش تصادفی نیز ایجاد می شود و حرکت لرزش به حرکت کلی حسگر اضافه می شود. در نهایت، تصویر از طریق یک تابع گسترش نقطه نوری گاوسی تار می شود. توجه: تغییر جزئیات در اینجا مستلزم تغییر در کادر محاوره ای و تنظیم پارامترها در ارتعاش مدل سیمولینک می باشد.

⏬ اطلاعات بیشتر در لینک زیر: 👇👇

🔗 لینک دسترسی (اینجا کلیک کنید)

شبیه سازی چهار سیلندر هیدرولیک با سیمولینک MATLAB

این مثال نحوه استفاده از سیمولینک را برای ایجاد یک مدل با چهار سیلندر هیدرولیک نشان می دهد. دو مثال مرتبط را ببینید که از اجزای اصلی یکسان استفاده می کنند. می توانید با تایپ دستور زیر در پنجره کامند متلب به این دو مثال دسترسی داشته باشید.

⏬ اطلاعات بیشتر در لینک زیر: 👇👇

🔗 لینک دسترسی (اینجا کلیک کنید)

مدل سازی آونگ فوکو (Foucault Pendulum) در سیمولینک MATLAB

آونگ فوکو زاییده فکر لئون فوکو فیزیک دان فرانسوی بود. هدف آن اثبات این بود که زمین به دور محور خود می چرخد. صفحه نوسان آونگ فوکو در طول روز در نتیجه چرخش محوری زمین می چرخد. صفحه نوسان یک دایره کامل را در بازه زمانی T تکمیل می کند که به عرض جغرافیایی بستگی دارد.

معروف ترین آونگ فوکو در داخل پانتئون پاریس نصب شد. این یک کره فلزی ۲۸ کیلو گرمی بود که به سیمی به طول ۶۷ متر متصل شده بود. این مثال نیز یک آونگ به طول ۶۷ متر در عرض جغرافیایی پاریس را شبیه سازی می کند.

⏬ اطلاعات بیشتر در لینک زیر: 👇👇

🔗 لینک دسترسی (اینجا کلیک کنید)

مدل سازی سیستم های سایبری فیزیکی با سیمولینک MATLAB

در این مقاله آموزشی متلب مثال پیش رو نشان می دهد که چگونه تکنیک های مدل سازی زمان پیوسته، رویداد گسسته و حالت متناهی برای شبیه سازی رفتار یک سیستم تسمه نقاله با سرعت متغیر ترکیب می شوند. در ابزار SimEvents موجودیت ها موارد مجزای مورد نیاز در یک شبیه سازی رویداد گسسته هستند. از آنجایی که هر یک از مسافران در حال انتقال از نوار نقاله به صورت مجزا هستند، توسط موجودیت های SimEvents که توسط بلوک Entity Generator ایجاد شده، مدل سازی می شوند.

چارت Stateflow حالت های عملیاتی و دینامیک موتور را از تسمه انتقال سرعت متغیر مدل می کند. در نهایت، بلوک تأخیر حمل و نقل موجودی، توان عملیاتی انتقال مسافران در حال انتقال از نوار نقاله را به عنوان تابعی از دینامیک تسمه نقاله مدل می کند و پلی بین حوزه های رویداد گسسته و زمان پیوسته ایجاد می کند.

⏬ اطلاعات بیشتر در لینک زیر: 👇👇

🔗 لینک دسترسی (اینجا کلیک کنید)