جزوه آموزشی کنترل دیجیتالی و غیر خطی

اختصاصی از فی فوو جزوه آموزشی کنترل دیجیتالی و غیر خطی دانلود با لینک مستقیم و پر سرعت .

این فایل حاوی جزوه آموزشی کنترل دیجیتالی و غیر خطی می باشد که به صورت فرمت PDF در 96 صفحه در اختیار شما عزیزان قرار گرفته است، در صورت تمایل می توانید این محصول را از فروشگاه خریداری و دانلود نمایید.

فهرست
آشنایی با مبانی کنترل دیجیتال
تبدیل z
مطالب زمینه ای برای بررسی سیستم ها در حوزه z
بررسی سیستم ها و کنترل کننده های دیجیتالی
خلاصه ای از کنترل غیر خطی

تصویر محیط برنامه

معرّفی نسخه های خطی دیوان فدایی یزدی

اختصاصی از فی فوو معرّفی نسخه های خطی دیوان فدایی یزدی دانلود با لینک مستقیم و پر سرعت .

فرمت فایل : word(قابل ویرایش)تعداد صفحات17

میرزا سیّد یحیی متخلّص به «فدایی» فرزند میرزا محمّد علی وامق (مؤلّف تذکرة میکده که با خط خوش فدایی به رشته تحریر در آمد) و نوة میر محمد باقربن محمد سعید بن محمد امین حسینی حسنی یزدی ، عالم دینی و ادیب و شاعر سدة سیزدهم هـ.ق است. فدایی در مدرسه مصلّای صفدرخان به تحصیل و تدریس مشغول بود و در ادبیات عرب و صرف و نحو به ویژه علم نحو تبحّر داشته و دارای آثاری چون مستیقظ و منظومه در نحو است که نسخه هایی از آن در کتابخانة وزیری یزد نگهداری می شود. او جدای آشنایی با علوم عربی، فردی ادیب و شاعر بود که از اقسام شعر بیشتر به غزل و رباعی تمایل داشته و مهارت او در سرودن ماده تاریخ در دیوانش زبانزد است.
و پدرش میرزا محمد علی وامق او را فردی خوش اخلاق، سالک، پرهیزکار، خوش حافظه و دارای خطی نیکو و طبعی روان دانسته است و در وصف او گوید:
«فرزند دلبند این صداقت اندیش،و به دو واسطه هم نام جد امجد نامی خویش. اسمش میرزا سید یحیی و دل پژمردة این افسرده را موجب سرور و احیا، از جمله طلّاب علوم سعادت مرسوم و سادات رفیع الدرجات این مرز و بوم به علوم عربیّت مربوط و جواهر زواهر نکات نحویه را گنجور حافظه اش مضبوط نموده. مدت العمر در مصلّای صفدرخان به تعلیم و تعلّم و تفهیم و تفهّم به سر برده و با ارباب فضل و کمال طریق مجالست و مخالطت سپرده و در طریق سلوک احدی را از وی گله‌مند ندیده و سخن شکایتی و نسب جنایتی درباره‌اش نشنیده، بلکه خود نیز در عالم پدر فرزندی از سلوک او هرگز نرنجیده ام.
مجملاً کثیر القبول و قلیل الفضول، خالی از مکر و حیله و امین قوم و قبیله، طبعش عالی و دلش از حقد و حسد خالی، از لهو و لعب دور و دلش به صحبت ارباب کمال مایل و مسرور، طبع روان و از اقسام شعر بیشتر به غزل و رباعی تر زبان است و منتخب اشعارش بیشتر از همه معاصرین و شعرای بلاغت آیین اهل این زمان است. خداوند بی منّت جلّ اسمه، سعادت و عاقبت را روزی و نصیب او فرماید.»
فدایی با به یادگار گذاشتن دیوان شعری از خود در سال 1282 هـ .ق بر اثر ابتلا به بیماری وبا چهره در نقاب خاک کشید.
سه نسخه خطی بسیار نفیس از اشعار او در کتابخانه وزیری یزد نگهداری می شود که بک نسخه آن به شماره 3689 مجموعه ای از غزل، قصیده و رباعی است که فدایی با فخامت و متانت و استواری کلام در مدح و منقبت رسول اکرم (ص) و حضرت علی (ع) و ائمه اطهار شروع کرده و این مدح و ستایش امامان در جای جای دیوان نمود دارد و به کرّات از الکن بودن زبان و ناقابل بودن شعر خود در مدح و توصیف آنها داد سخن داده است.

تحقیق در مورد روش های استخراج ویژگی و روش های خطی و غیر خطی

اختصاصی از فی فوو تحقیق در مورد روش های استخراج ویژگی و روش های خطی و غیر خطی دانلود با لینک مستقیم و پر سرعت .

لینک پرداخت و دانلود *پایین مطلب*

فرمت فایل:Word (قابل ویرایش و آماده پرینت)

 تعداد صفحه17

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 الگو برای استخراج ویژگی ها و کاهش ابعاد استفاده شده اند. بهترین استخراج کننده ی ویژگی شناخته شدهPCA یا توسعه یافته ی Karhunen-loeve است که m بردار مشخصه بزرگتر را از ماتریس کوواریانس d×d از n الگوی d بعدی محاسبه می کند. تبدیل خطی به شکل Y=XH تعریف شده است که X ماتریس الگوی n×d داده شده و Y از ماتریس الگوی n×m مشتق شده است . H ماتریس d×m از تبدیل خطی است که ستون های آن بردارهای مشخصه هستند. قبل از اینکه PCA از ویژگی های پرمعنی تر استفاده کند (بردار ویژگی های با بزرگترین مقدار ویژه)، بطور کاملاً موثر داده ها را با یک زیرفضای خطی با استفاده از معیار خطای میانگین مربعات تخمین می زند. سایر روش ها مانندتعقیب تصویر و ICA برای توزیع های غیرگاوسی تا وقتی که به مشخصه ی مرتبه ی دوم داده ها مربوط نباشد مناسب ترند. ICA با موفقیت برای جداسازی منابع دیده نشده استفاده شده است. استخراج ترکیب خطی ویژگی ها منابع نابسته را تعریف می کند. این جداسازی در صورتی امکان پذیر است که حداکثر یکی از منابع دارای توزیع گاوسی باشد.

مقایسه عملکرد مدل های شبکه عصبی موجکی، رگرسیون خطی چند متغیره و شبکه عصبی- مصنوعی در تخمین اکسیژن خواهی شیمیایی رودخانه کرج

اختصاصی از فی فوو مقایسه عملکرد مدل های شبکه عصبی موجکی، رگرسیون خطی چند متغیره و شبکه عصبی- مصنوعی در تخمین اکسیژن خواهی شیمیایی رودخانه کرج دانلود با لینک مستقیم و پر سرعت .

عنوان مقاله :مقایسه عملکرد مدل های شبکه عصبی موجکی، رگرسیون خطی چند متغیره و شبکه عصبی- مصنوعی در تخمین اکسیژن خواهی شیمیایی رودخانه کرج

محل انتشار: دهمین کنگره بین المللی مهندسی عمران تبریز

تعداد صفحات:11

نوع فایل :  pdf

گزارش تخصصی معلمان چگونه توانستم مشکل بد خطی و نارسا نویسی را در مبینا برطرف سازم

اختصاصی از فی فوو گزارش تخصصی معلمان چگونه توانستم مشکل بد خطی و نارسا نویسی را در مبینا برطرف سازم دانلود با لینک مستقیم و پر سرعت .

 دانلود گزارش تخصصی معلمان چگونه توانستم  مشکل بد خطی و نارسا نویسی را در مبینا برطرف سازم با فرمت وردقابل ویرایش در 19 صفحه این گزارش تخصصی به صورت کامل و قابل آماده میباشد و تمامی قسمتهای مورد نیاز گزارش تخصصی را دارا میباشد با هم بخشی از آن را می بینیم

در پژوهش حاضر ، با توجه به این اصل که کودک بیشتر به بازی علاقه مند است ، بد خطی دانش آموز اصلاح شده است . همچنین به صورت ریشه ای به مشکل پرداخته شده است ، نه این که متوسل به رو نویسی هایبی هدف و خسته کننده شود که در مواردی به تشدید مشکل منجر می شود .

این نوشتار شامل چندین بخش است که پس از بیان مسئله و ارائه ی شواهد و تحلیل داده ها ، راه حلهایی را بطور موقّت در نظر گرفته و سر انجام پس از گزینش روش مؤثّر با نظارت بر آن شواهدی دال بربهبود مشکل ارائه کرده و پس از تأیید وضع مطلوب از جانب چند مرجع ، توصیه هایی شده است.

آموزشگاهی که این پژوهش در آن انجام می شود ، دارای ویژگیهای زیر می باشد :

دانش آموز مورد نظر دختری با قد متوسط  ( 120 سانتی متر)  و وزن ( 25 کیلو گرم) می باشد. او فرزند چهارم یک خانواده ی 4 نفری می باشد. و والدین او دارای سواد چهارم ابتدایی هستند و از نظر مالی در سطح متوسط می باشند.او دارای یک برادر 3 ساله نیز می باشد.

   در نوشته های این دانش آموز اندازه ی حروف در یک کلمه با هم تناسب ندارند .          ( حروف دندانه دار ، ریز و حروف قبلی و بعدی را درشت می نویسد ) دو جزء کلمات ترکیبی را خیلی با فاصله می نویسد ، به طوری که دو کلمه ی جدا از هم تصور می شود. حروف گودی دار ( مقعر ) مانند " ی "  ، " ل " و " ن " را به صورت شکسته و گوشه دار می نویسد.

اتصالات حروف را در کلمات به صورت اصولی انجام نمی دهد و در نوشته هایش خط زمینه را رعایت نمی کند. گاهی که اشتباه می نویسد دوباره بدون پاک کردن ، روی همان کلمه ی اشتباه شروع به تصحیح می نماید . بنابراین نوشته ها ی وی نا مفهوم و کثیف به نظر می رسد. به خاطر همین بد خطی و عدم استفاده از مداد پاک کن در اکثر مواقع ، دفاتر و کتابهایش اغلب کثیف و نا مرتب است.

البته گاهی با تشویق های من و مادرش حوصله به خرج می دهد و خوب می نویسد. و این روزنه ای برای شروع به اصلاح وضع موجود برای من می باشد.