فهرست مقالات Nafiseh Osati Iraqi


  • مقاله

    1 - Deep Learning: Concepts, Types, Applications, and Implementation
    نظریه تقریب و کاربرد های آن , شماره 1 , سال 16 , بهار 2022
    Today, deep learning has attracted attention in various scientific and non-scientific fields. Deep learning is a branch of machine learning that simulates the human brain for various applications like recognizing voice, face, handwriting, identifying kinship, image proc چکیده کامل
    Today, deep learning has attracted attention in various scientific and non-scientific fields. Deep learning is a branch of machine learning that simulates the human brain for various applications like recognizing voice, face, handwriting, identifying kinship, image processing, and etc. In deep learning, a set of representation algorithms is used to model high-level abstract concepts through learning at different levels and layers. Deep learning has become popular due to its capabilities like automatic feature extraction, high extendibility, and wide application in different fields. In this paper, it is tried to describe different deep learning models and architectures, how they are trained, and the required hardware and software structures. پرونده مقاله

  • مقاله

    2 - مسیریابی شبکه های حسگر بی سیم با استفاده از خوشه بندی مبتنی بر الگوریتم بهینه سازی ازدحام ذرات چندهدفه
    روش‌های هوشمند در صنعت برق , شماره 4 , سال 12 , پاییز 1400
    در سال های اخیر، با گسترش کاربردهای شبکه های حسگر بی سیم، بهره‌برداری از این نوع شبکه ها به منظور رسیدگی بر محیط و تحلیل داده های جمع آوری شده از محیط های خاص و متنوع بسیار رواج یافته است. شبکه های حسگر بی سیم با توجه به سهولت پیکربندی و عدم نیاز به تجهیزات گران چکیده کامل
    در سال های اخیر، با گسترش کاربردهای شبکه های حسگر بی سیم، بهره‌برداری از این نوع شبکه ها به منظور رسیدگی بر محیط و تحلیل داده های جمع آوری شده از محیط های خاص و متنوع بسیار رواج یافته است. شبکه های حسگر بی سیم با توجه به سهولت پیکربندی و عدم نیاز به تجهیزات گران قیمت، یکی از بهترین گزینه ها برای جمع آوری داده ها از محیط هستند. انرژی گره های حسگر در شبکه های حسگر بی سیم محدود است که با توجه به عدم وجود منبع شارژ ثابت یکی از چالش های اساسی است که با آن مواجه می‌شویم. از آن جایی که بیشترین مقدار انرژی گره ها در طی انتقال داده ها اتلاف می شود، گره ای که بیشتر از بقیه به انتقال داده ها بپردازد و یا بسته های داده ای را در فواصل طولانی انتقال دهد، انرژی آن زودتر از بقیه به اتمام می رسد. با اتمام انرژی یک حسگر در شبکه ممکن است در روند کار شبکه اختلال ایجاد شود. بنابراین، با توجه به توپولوژی پویا و طبیعت توزیع‌شده شبکه‌های حسگر بی‌سیم، طراحی پروتکل‌های انرژی کارآمد برای مسیریابی یکی از چالش‌های اصلی است. ازاین‌رو در این مقاله پروتکل مسیریابی آگاه از انرژی براساس الگوریتم بهینه سازی ازدحام ذرات چندهدفه ارائه شده است. در رویکرد پیشنهادی تابع شایستگی الگوریتم بهینه سازی ازدحام ذرات برای انتخاب گره سرخوشه بهینه براساس هدف های کیفیت خدمات شامل انرژی باقیمانده، کیفیت پیوند، تأخیر انتها به انتها و نرخ تحویل استفاده شده است. نتایج شبیه سازی نشان می دهد روش پیشنهادی با توجه به ایجاد توازن در اهداف معیارهای کیفیت خدمات، نسبت به سایر روش های موجود اتلاف انرژی کمتر و طول عمر بیشتری دارد. پرونده مقاله