در این مقاله، یک مدار مقایسه کننده جدید کم توان و پرسرعت به کمک ترانزیستور اثر میدان باله ای (Finfet) در فناوری 65 نانومتری طراحی شده است. علاوه بر این، با استفاده صحیح از قابلیت های فناوری Finfet، تعداد ترانزیستورها کاهش یافته و درنتیجه، سطح کمتری اشغال می شود. جایگزینی ترانزیستورهای MOSFET با Finfet باعث کاهش تأخیر و مصرف توان مدار شده، عملکرد کلی مدار بهبود می یابد. اولین نوآوری در طرح پیشنهادی این است که برای کاهش اندازه و مصرف توان، دو ترانزیستور حذف شده اند و گیتهای پشتی دو ترانزیستور به صورت متقاطع قرار گرفته اند. نوآوری دوم، اتصال گیتهای پشتی به نقاط مناسبی از مدار است که سرعت مقایسه را افزایش می دهد. در این مطالعه، تغذیه 0.8 ولت به مدار اعمال می شود تا نشان دهد که مدار پیشنهادی با Finfet باعث کاهش تأخیر به 272 پیکوثانیه و مصرف توان به 6.7میکرووات می شود. Manuscript profile

ECG cardiac signals play a crucial role in determining heart disease. Somehow, by knowing the heart rate on the ECG, one can distinguish the type of arrhythmia and the type of disease. Arrhythmias are a type of heart disease that affects the normal functioning of the heart. The electrical activity of the heart is shown at the peaks of P, QRS, T, and the ST and PR sections. In this study, an effective method for identifying cardiac arrhythmias based on morphological features is presented. The extracted features are classified using SVM and KNN classification and random forest RF. Accuracy, sensitivity, positive predictive rate, negative predictive rate as well as execution time were used to evaluate the proposed method. The results show the superiority of the proposed method. Manuscript profile

رشد سریع تولیدات پراکنده متصل به شبکه (DG)، تغییر ویژگی های بهره برداری شبکه های توزیع (DNs) را به دنبال دارد. برای پیاده سازی DNها با DGها، باید با چالش هایی مواجه شد؛ به ویژه در مورد مسائل حفاظتی که ممکن است طرح های حفاظتی مرسوم را ناکارآمد کند. تکنیک‌های MAS شبکه برق را قادر می‌سازد تا هوشمندتر، قابل اعتمادتر، خود ترمیم شونده و قوی‌تر باشد. ماهیت غیرمتمرکز و استحکام عملیاتی، برنامه MAS را به یک فناوری پیشرو تبدیل کرده است. علیرغم عملکرد سریع، قابل اعتماد و چند منظوره طرح‌های حفاظتی مبتنی بر MAS، تأخیر یا خرابی ذاتی سیستم ارتباطی نباید بر نقش حیاتی پاک کردن عیب تأثیر بگذارد؛ به عبارتی افزایش روزافزون DGها در DNها و همچنین افزایش اندازه شبکه، منجر به یک بار ارتباطی سنگین شده است که منجر به تاخیر یا حتی شکست در ارتباطات می شود. در این مقاله، یک الگوریتم حفاظتی هوشمند ارائه شده است که با استفاده از ارتباط نقطه به نقطه بین عوامل رله در اولین لایه MAS، شبکه را در هنگام قطع ارتباط بین عامل ها محافظت می کند. کاهش عوامل مصرفی و عدم نیاز به اتصال به لایه های بالاتر MAS، از مزایای این روش می باشد. برای شبیه سازی از DN نمونه 16 باس استفاده شده است که نتایج، کارآیی مدل پیشنهادی را برای هماهنگی حفاظت شبکه، تایید می کند. Manuscript profile

Creating the desired depth of anesthesia is done by controlling the amount of anesthetic drug applied to the patient. Applying an excessive amount of anesthetic causes the patient to regain consciousness, and on the other hand, using an amount less than necessary causes the patient to perceive the painful stimuli caused by the surgery. In this article, using the lowest amount of drug as a control input, the desired depth of anesthesia (the desired value of 50%) is created as the output of the model in the patient. The aim of designing an improved control method to adjust the drug dose is to use the second type of fuzzy logic, which is more advanced and has higher accuracy and flexibility than the first type of fuzzy logic. In order to analyze the results of this research, the system has been simulated using MATLAB software, and the effects of disturbance and noise have been considered in the output of the model. The results show that the proposed control structure controls the model well. Based on the simulation done in MATLAB software, the use of type two fuzzy control structure can reduce the amount of fluctuations in disturbance and measurement noise by 25% compared to type one fuzzy method, and in the conditions Without disturbance and noise, the proposed method does not have any subjugation and at the same time, the amount of time to achieve the desired value is improved by 87% compared to the type one fuzzy method. Manuscript profile

اعتیاد به مواد مخدر سبب ایجاد تغییرات ساختاری و عملکردی در مغز انسان می گردد و می توان آن را به عنوان یک بیماری مزمن در نظر گرفت. تاکنون مطالعات مختلفی جهت بررسی اعتیاد بر روی سیگنال الکتروانسفالوگرام (EEG) انجام شده که از نظر روش، شرایط تجربی، نمونه ها و نتایج متفاوت هستند. بررسی مطالعات قبلی و روش های تجربی جهت بررسی بهتر مسائل و چالش های موجود در طراحی مطالعات اعتیاد ضروری است. سیگنال الکتروانسفالوگرام، به عنوان یک ابزار غیرتهاجمی دارای توانایی بالقوه جهت بررسی فعالیت عملکردی و شناختی مغز است. از الکتروانسفالوگرام می توان جهت بررسی ارتباط تغییرات ایجاد شده در مغز در اثر مصرف مواد مخدر استفاده کرد. در این مقاله به بررسی تغییرات ایجاد شده در سیگنال الکتروانسفالوگرام در اثر مصرف مواد و همچنین پس از ترک مواد مخدر اشاره خواهد شد. نتایج نشان می دهد که مصرف مواد مخدر سبب کاهش پردازش توجه و ایجاد اختلالات عملکردی و ناهنجاری های مغزی می گردد. در افراد معتاد افزایش فعالیت زیرباندهای بتا و دومین زیرباند آلفا، تأخیر در رخداد و کاهش دامنه P300 مشاهده شده است. همچنین نسبت توان زیرباند آلفا به تتا در T6 کاهش نشان داده و اختلاف معنا دار در زیرباند دلتا به زیرباند آلفا در نسبت توان مشاهده شده است. یافته ها نشان می دهند که ولع و سابقه مصرف مواد افراد بر توان سیگنال الکتروانسفالوگرام تأثیر می گذارد. فعالیت عصبی در زیرباند آلفای افرادی که اعتیاد را ترک کرده اند نیز به طور معنی داری در لوب پاریتال (BA3 و BA7)، لوب فرونتال (BA4 و BA6) و لوب لیمبیک (BA24) ضعیف تر است. Manuscript profile

In this paper, we propose a new multi-resolution wavelet based mesh free method for numerical analysis of electromagnetic field problems. In problems with variable object geometries or mechanical movements, the mesh free methods yield more accurate simulation results compared to the finite element approach in solving the inverse problem, because they are based on a set of nodes without using the connectivity of the elements. The wavelet based mesh free method requires effectively no local integration in the vicinity of nodes in numerical implementations. Moreover, wavelets give a more efficient approximation using multi-resolution analysis. On the other hand, boundary condition constraints are difficult to be applied on the wavelet based mesh free method. In order to apply boundary and interface conditions, we utilize a new form of jump functions in the set of basic functions. The boundary and interface conditions are applied effectively using the suggested slope jump functions. The simulation results of the proposed method using two different jump functions in solving some simple boundary problems are compared. The results are validated by analytical solutions. The results of this study can be used in future for inverse problem of Magnetic resonance electrical impedance tomography (MREIT) studies as an imaging technique for reconstructing the cross-sectional conductivity distribution of a human brain or body using EIT technique integrated with the MRI. Manuscript profile

The main cause of oscillation during the movement of the vehicle is the unevenness of the road. Therefore, in order to maintain the stability of the car in swing states, the suspension system plays an essential role. Therefore, the active suspension system is used to replace the conventional passive suspension system, to improve comfort and smoothness. To reduce the displacement of the spring mass in the active vehicle suspension system, a high-order sliding mode controller is proposed in this paper. Uncertainty of system parameters, nonlinear characteristic of damping and spring, load changes and unknown path disturbance are estimated by disturbance observer. The controller only needs the information of the spring mass state variables and therefore does not need separate sensors to measure the suspension mass state variables. Particle swarm optimization algorithm has been used to determine the control parameters. The efficiency of the proposed method has been shown using simulation in MATLAB software and the results have been compared with the passive suspension system. Manuscript profile

The interface between brain and computer has received increasing attention in the last decade of scientific progress The most common use of this type of technology is the direct control of a computer cursor by a person or animal using brain computer interfaces (BCIs) based on electrophysiological signals. brain computer interface systems can benefit the elderly in many ways, such as: teaching motor/cognitive abilities, controlling household appliances, communicating with others, and controlling the exoskeleton. Exchange can be done between software, computer hardware, peripherals, humans and a combination of them. This paper presents a limb movement classification system based on the electroencephalogram signal. The system contains five parts: preprocessing using wavelet transform, feature extraction, feature reduction and classification. The experimental results are shown that the support vector machine classifier with non-linear kernel and nearest neighbor classifier has an efficiency higher than 80%. The best indicators for support vector machine classification with nonlinear kernel and nearest neighbor are shown by the simulation results. Manuscript profile