جزوه اجزای محدود خطی پروفسور وحید لطفی دانشگاه صنعتی امیرکبیر

اختصاصی از اینو دیدی جزوه اجزای محدود خطی پروفسور وحید لطفی دانشگاه صنعتی امیرکبیر دانلود با لینک مستقیم و پر سرعت .

این جزوه به صورت دستنویس است.

این جزوه درس اجزای محدود خطی پروفسور وحید لطفی دانشگاه صنعتی امیرکبیر می باشد که به طور کامل به ارائه مباحث مطرح در این واحد درسی پرداخته است.

درس اجزای محدود خطی از جمله دروس رشته مهندسی عمران و مهندسی مکانیک در مقطع کارشناسی ارشد می باشد. این جزوه در 287 صفحه با کیفیت عالی اسکن شده و امیدواریم در جهت کمک به شما عزیزان مورد استفاده قرار بگیرد.

جزوه جبر خطی 1 (مبانی جبر) دکتر مجتبی بهرامیان دانشگاه کاشان

اختصاصی از اینو دیدی جزوه جبر خطی 1 (مبانی جبر) دکتر مجتبی بهرامیان دانشگاه کاشان دانلود با لینک مستقیم و پر سرعت .

این جزوه به صورت دست نویس است.

این جزوه درس جبر خطی 1 (مبانی جبر) دکتر مجتبی بهرامیان دانشگاه کاشان می باشد که به طور کامل به ارائه مباحث مطرح در این واحد درسی پرداخته است.

درس جبر خطی از مهمترین دروس کارشناسی رشته ریاضی می باشد. این جزوه در 73 صفحه با کیفیت عالی اسکن شده و امیدواریم در جهت کمک به شما عزیزان مورد استفاده قرار بگیرد.

تحقیق در مورد روش های استخراج ویژگی و روش های خطی و غیر خطی دسته بندی 17 ص

اختصاصی از اینو دیدی تحقیق در مورد روش های استخراج ویژگی و روش های خطی و غیر خطی دسته بندی 17 ص دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 17

/

Islamic Azad University of Mashhad

Faculty of Engineering

Department of Computer Engineering-Artificial Intelligence

Pattern Recognition

Fifth Report

Feature Extraction

Presenter:

Seyed Majid Ghafouri

[e-mail]

Supervisor:

Dr. Rahati

1386/11/4

1) چکیده:

در این تمرین روش های استخراج ویژگی و روش های خطی و غیر خطی دسته بندی را مورد مطالعه قرار می‌دهیم. در ابتدا روش های مختلف استخراج ویژگی که از آن جمله PCA، LDA، روش قاب بندی و چند روش دیگر هستند را و سپس برای ویژگی های استخراج شده از روش های دسته بندی خطی بیزین و SVM خطی و سپس روش های غیر‌خطی RBF ، MLP و همچنین SVM غیر‌خطی برای دسته بندی استفاده شده‌ است. بسته به روش شناسایی بکار گرفته شده، معمولا ویژگی های متفاوتی از دنباله نقاط استخراج می شود. در اکثر روش های موجود استخراج ویژگی، ویژگی ها از روی مختصات نقاط نمونه برداری شده ورودی استخراج می شوند. از مجموعه ی ویژگی های استخراج شده معمولاً تعدادی مفید تر و موثرترند. ما برای تشخیص و انتخاب ویژگی های تاثیرگذارتر از یک الگوریتم ژنتیک استفاده کرده ایم. اما پس از استخراج و انتخاب ویژگی ها نوبت به دسته بندی می رسد. در ابتدا از چند دسته بند خطی استفاده کرده ایم. به راحتی می‌توان نشان داد که ناحیه‌های تصمیم‌گیری یک ماشین خطی محدودند و این محدودیت انعطاف‌پذیری و دقت دسته‌بند را کاهش می‌دهد. مسایل بسیاری وجود دارد که توابع جداساز خطی برای داشتن حداقل خطا در آنها کافی نیستند. علاوه بر این مرزهای تصمیم‌گیری که کلاسها را از یکدیگر تفکیک می‌کنند ممکن است همیشه خطی نباشند و پیچیدگی مرزها گاهی اوقات نیاز به استفاده از سطح‌های کاملاً غیر خطی را دارند. بنابراین در ادامه ی کار از چند دسته بند غیرخطی نیز استفاده نمودیم. در استفاده از شبکه‌های عصبی چندلایه، شکل غیر خطی بودن از مجموعه‌ی آموزش فرا گرفته می‌شود. در روشهای RBF و SVM غیرخطی مشکل اصلی انتخاب توابع هسته غیر خطی مناسب است.

2) مقدمه

اولین الگوریتم دسته‌بندی در سال 1936 توسط Fisher ارایه شد و معیارهای آن برای بهینه بودن، کم کردن خطای دسته‌بندی کننده‌های الگو‌های آموزشی بود. بسیاری از استراتژی‌های موجود نیز از همین روش پیروی می‌کنند. در ساده‌ترین شکل ممکن، دسته بند‌های خطی می‌توانند دو دسته‌ی متفاوت را تفکیک کنند. با توجه به این موضوع مساله‌ای را جدایی‌پذیر خطی می‌نامند که با یک ابرصفحه بتوان محدوده‌ی تصمیم را به دو گروه تقسیم‌بندی کرد. در عمل می‌توان دسته بند‌های خطی‌ای را طراحی کرد که بیش از دو گروه را از هم تفکیک کنند. این عمل را با تنظیم محدوده‌های تصمیم متعدد و آزمون‌های چندگانه بر اساس شرایط موجود می‌توان انجام داد. ما در این مساله یک دسته بندی با 26 کلاس را داریم.

در روش بیزین احتمال شرطی تعلق بررسی می‌شود. به این ترتیب که الگوی مورد نظر به دسته‌ای تخصیص داده می‌شود که احتمال شرطی تعلق بردار مشخصه‌ی الگو به آن دسته ازتمام دسته‌های دیگر بیشتر باشد. روش بیزین به طور کلی می تواند برای کارایی بسیار مطلوب بهینه شوند. این روش مزایای دیگری نیز دارد که استفاده‌ی از آن را توجیه می‌کند. این روش می‌تواند با چند فرض ساده در مورد داده‌ها کاملاً به شکل روشهای ساده‌ی خطی عمل کند، به علاوه این کار می‌تواند به گونه‌ای انجام شود که در پایان، مدل قطعی بدون هیچ گونه رجوع به آمار به دست آید. در روش بیزین مشکل کار تعریف احتمالات شرطی مورد نظر قاعده‌ی بیز است.

یک محقق روسی به نام Vladimir Vapnik در سال 1965 گام مهمی در طراحی دسته‌بندها برداشت [1] و نظریه‌ی آماری یادگیری را بصورت مستحکم‌تری بنا نهاد و ماشین بردار پشتیبان را ارایه کرد. ماشین‌های بردار پشتیبان در دو حالت جدایی‌پذیر و جدایی‌ناپذیر برای دسته‌بندی الگوهای یک مساله‌ی چندکلاسه از چند مرز جداکننده‌ی خطی یا ابرصفحه استفاده می‌کنند و در واقع حاصلضرب داخلی بردار ورودی با هر یک از بردارهای پشتیبان در فضای d بعدی ورودی محاسبه می‌شود. Vapnik نشان داد که می‌توان بردار ورودی را با یک تبدیل غیرخطی به یک فضای با بعد زیاد انتقال داد و در آن فضا حاصلضرب داخلی را بدست آورد که با این شرایط هسته‌ی مفیدی را خواهیم داشت.

روش RBF یک دسته‌بندی و تقریب‌ساز تابعی الگوست و شامل دو لایه می‌باشد که نرون‌های خروجی ترکیبی خطی از توابع پایه‌ای را به وجود می‌آورند که توسط نرون‌های لایه‌ی پنهان محاسبه شده‌اند. زمانی که ورودی در ناحیه‌ی تعیین شده‌ی کوچک از فضای ورودی قرار گیرد، توابع اساسی(غیر خطی) در لایه‌ی پنهان، پاسخ غیر صفری به محرک ورودی می‌دهند. همچنین این مدل به عنوان یک شبکه‌ی دریافت‌کننده‌ی ناحیه‌ای شناخته شده است. ما در روش RBF از معمول‌ترین تابع هسته‌ی غیر خطی یعنی سیگموئید استفاده کرده‌ایم.

به طور کلی شبکه‌های پرسپترون چند‌لایه شامل چندین پرسپترون ساده هستند که به طور ساختار سلسله‌مراتبی، یک شکل پیش‌خورد با یک و یا چند لایه‌ی میانی (لایه‌های پنهان) بین لایه‌های ورودی و خروجی را شکل می‌دهد. تعداد لایه‌ی پنهان و تعداد نرون‌های هر لایه ثابت نیستند. هر لایه ممکن است از نرون‌های مختلفی تشکیل شده باشد که این موضوع به کار آنها بستگی دارد. الگوریتم‌های آموزشی متفاوتی در روش چند لایه استفاده می‌شوند.

3) روشهای به کار رفته در این گزارش

در این قسمت روشهای استخراج ویژگی، روشهای انتخاب ویژگی ها جهت بهینه کردن آنها و کم کردن ابعاد مساله با کاهش تعداد آنها و روشهای دسته‌بندی (خطی و غیرخطی) به کار رفته بررسی شده‌اند.

3-1) روشهای استخراج ویژگی

در این قسمت انواع روشهای استخراج ویژگی ها ذکر شده است. ذکر این نکته لازم است که برخی الگوریتم های استخراج برای انتخاب ویژگی های موثر نیز استفاده می شوند ازجمله ی آنها PCA و LDA هستند. اما در این گزارش ما برای بهینه کردن ویژگی ها و کم کردن تعداد آنها و یا به عبارت دیگر برای کاهش ابعاد (Curse of Dimensionality) از الگوریتم ژنتیک استفاده نموده ایم.

3-1-1) روش PCA خطی

روشهای استخراج ویژگی یک زیرفضای مناسب m بعدی در فضای اصلی ویژگی ها از d بعد را تعیین می کنند(m<=d). تبدیل خطی مثل PCA، آنالیز فاکتور، LDA و تعقیب تصویر بطور گسترده در شناسایی

پاورپوینت اموزشی موتورهای خطی

اختصاصی از اینو دیدی پاورپوینت اموزشی موتورهای خطی دانلود با لینک مستقیم و پر سرعت .

تعداد اسلاید: 45

vموتور خطی چیست؟

vانواع موتورهای خطی

vتاریخچه

vاساس کار موتورهای خطی

vمقایسه موتورهای خطی با موتورهای الکتریکی

دانلود تحقیق اصول رگولاتورهای خطی ولتاژ 56 ص

اختصاصی از اینو دیدی دانلود تحقیق اصول رگولاتورهای خطی ولتاژ 56 ص دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 56

اصول رگولاتورهای خطی ولتاژ

چکیده

این مقاله درباره عملکرد رگولاتورهای خطی ولتاژ می‌باشد. متداول‌ترین روش‌های رگولاسیون مطرح خواهند شد. در قسمت رگولاتورهای خطی، انواع استاندارد، LDO و نیمه LDO به همراه مثالهای مداری ، تشریح خواهند شد. البته رگولاتورهای سویچینگ دارای انواع کاهشی، کاهشی – افزایشی ، افزایشی و بازگشتی نیز وجود دارند. همچنین مثالهایی از کاربردهای عملی با استفاده از این رگولاتورها ارائه می‌شود.

مقدمه

رگولاتور خطی بلوک ساختاری اساسی تقریبا هر منبع تغذیه الکترونیکی می‌باشد. استفاده از IC رگولاتور خطی آسان است و بطور کامل حفاظت شده (fool proof) می‌باشد و آنقدر ارزان است که معمولا یکی از ارزان‌ترین اجزای یک سیستم الکترونیکی می‌باشد. این مقاله اطلاعاتی برای درک عمیق‌تر عملکرد رگولاتور خطی ارائه می‌دهد و کمک می‌کند تا کاربردها و مشخصه‌های رگولاتور به خوبی معلوم گردد. تعدادی مدار واقعی از رگولاتورهای تجاری که در حال حاضر موجودند، ارائه می‌شود.

محصولات جدید در حوزه تنظیم کننده‌های LDO واقع شده اند که در بسیاری از کاربردها، مزایای بیشتری نسبت به رگولاتورهای استاندارد ارائه می‌دهند.

عملکرد رگولاتورهای خطی ولتاژ

مقدمه

هر مدار الکترونیکی نیاز به ولتاژ تغذیه‌ای دارد که معمولا ثابت فرض می‌شود. یک رگولاتور ولتاژ، این ولتاژ خروجی dc ثابت را فراهم می‌کند و شامل مجموعه‌ مداراتی است که بطور مداوم ولتاژ خروجی را بدون توجه به تغییرات جریان بار یا ولتاژ ورودی، در مقدار طراحی، ثابت نگه می‌دارد(فرض بر این است که جریان بار و ولتاژ ورودی در محدوده عملکرد تعیین شده برای قطعه می‌باشند).

رگولاتور ولتاژ خطی پایه

یک رگولاتور خطی به کمک یک منبع جریان کنترل شده با ولتاژ، ولتاژ معین و ثابتی را در پایانه خروجی‌اش ایجاد می‌کند. (شکل 1 را ببینید).

ژ

شکل 1ـ دیاگرام عملکرد رگولاتور خطی

مجموعه مدارات کنترلی باید ولتاژ خروجی را حس کند و منبع جریان را( به میزانی که مورد نیاز بار است) برای نگه داشتن ولتاژ خروجی در میزان مطلوب تنظیم نماید. محدودیت طراحی منبع جریان، حداکثر جریان باری را که رگولاتور می‌دهد، در حالی که همچنان به صورت رگوله باشد، معین می‌کند. ولتاژ خروجی با یک حلقه فیدبک که به نوعی جبران سازی برای حصول اطمینان از پایداری حلقه نیاز دارد، کنترل می‌شود. بیشتر رگولاتورهای خطی دارای جبران سازی داخلی هستند و بدون نیاز به به اجزای خارجی، کاملا پایدار می‌باشند. برخی رگولاتورها( مانند انواع LDO ) ، به مقداری ظرفیت خازنی خارجی که از خروجی به زمین وصل شده است، برای حصول اطمینان از پایداری تنظیم کننده احتیاج دارند. مشخصه دیگر هر رگولاتور خطی این است که برای اصلاح ولتاژ خروجی بعد از تغییر در جریان بار، به مقدار محدودی زمان نیاز دارد. این تاخیر زمانی بیانگر مشخصه پاسخ زودگذر است که نشان می‌دهد یک رگولاتور بعد از تغییر بار با چه سرعتی می تواند به شریط حالت پایدار بازگردد.

عملکرد حلقه کنترلی

عملکرد حلقه کنترلی در یک رگولاتور خطی واقعی با استفاده از دیاگرام مختصر شده شکل 2 توضیح داده خواهد شد. (وظیفه حلقه کنترلی در همه انواع رگولاتورهای خطی ، یکسان است).