سیستم هوشمند جداسازی زمان واقعی پسته های خندان و ناخندان با تلفیق تکنیک های صوتی و شبکه عصبی مصنوعی

اسناد مشابه

• سیستم هوشمند جداسازی زمان واقعی پسته‌های خندان و ناخندان با تلفیق تکنیک‌های صوتی و شبکه عصبی مصنوعی

  مقاله۲۰۱۰تحقیقات مهندسی سازه های آبیاری و زهکشی (تحقیقات مهندسی کشاورزی سابق)اسدالله اکرم، اصغر محمودی، محمود امید، مهدی علی اکبری

  در این تحقیق با تلفیق تکنیک‌های صوتی و شبکة عصبی مصنوعی،یک دستگاه هوشمند برای جداسازی پسته‌های خندان از ناخندان طراحی و پیاده‌سازی شد. این سیستم شامل سه بخش تغذیه، تشخیص صوتی، و حذف پسته معیوب (ناخندان) به کمک یک سیستم نیوماتیکی است. صفات پسته‌های خندان و ناخندان، ناشی از برخورد

• طراحی و بررسی کارایی سیستم هوشمند جداسازی و طبقه بندی آریتمی های موجود در سیگنال های صوتی قلب با استفاده از فیلتر تطبیقی و شبکه عصبی چند لایه پس انتشار (mlp-bp)

  مقالهپژوهندهخسرو رضایی، khosro rezaee دکتر جواد حدادنیا، javad haddadnia khorasan razavi, sabzevar, hakim sabzevari university, electrical and computer engineering department, biomedical group; phone: +98 571 4003587, fax: +98 571 4002174, mobile: +98 9185214681دانشگاه علوم پزشکی سبزوار، مرکز تحقیقات نوین پزشکی، تلفن: 4003587 (0571)، نمابر: 4002174 (0571)، تلفن همراه: 09151710649؛

  سابقه و هدف: شنیدن سیگنال های صوتی قلب یکی از روش های غیر تهاجمی و در عین حال آسان در تشخیص بی نظمی های عملکردی قلب انسان محسوب می شود که تحلیل صحیح آن، به دانش و تجربه ی پزشک متخصص نیاز دارد. هدف این مقاله، طراحی و پیاده سازی یک سیستم هوشمند در جداسازی و طبقه بندی آریتمی های موج

• طراحی و بررسی کارایی سیستم هوشمند جداسازی و طبقه‌بندی آریتمی‌های موجود در سیگنال‌های صوتی قلب با استفاده از فیلتر تطبیقی و شبکه عصبی چند لایه پس انتشار (MLP-BP)

  مقاله۲۰۱۳پژوهندهخسرو رضایی، دکتر جواد حدادنیا

  سابقه و هدف: شنیدن سیگنال‌های صوتی قلب یکی از روش‌های غیر تهاجمی و در عین حال آسان در تشخیص بی‌نظمی‌های عملکردی قلب انسان محسوب می‌شود که تحلیل صحیح آن، به دانش و تجربه‌ی پزشک متخصص نیاز دارد. هدف این مقاله، طراحی و پیاده‌سازی یک سیستم هوشمند در جداسازی و طبقه‌بندی آریتمی‌های موج

• فرایند های متفاوتی به منظور تبدیل گاز طبیعی به گاز سنتز به کار می روند که در این میان ریفرمینگ خشک متان به دلیل تبدیل گازهای گلخانه ای متان و co2 به مخلوط گاز سنتز با نسبت h2 به co تقریبا واحد در سال های اخیر توجه زیادی را به خود معطوف کرده است. در میان کاتالیست های مورد بررسی برای فرایند مذکور کاتالیست های با فاز فعال نیکل از لحاظ اقتصادی مقرون به صرفه بوده و فعالیت کاتالیستی خوبی دارند اما با گذشت زمان بر اثر رسوب ترکیبات کربن دار سریعا غیر فعال می شوند. به منظور فائق آمدن بر مشکل مذکور می توان از تقویت کننده های مختلف و روش های سنتز متفاوت بهره گرفت. در این مطالعه نانو کاتالیست های پروسکیتی با ساختار laxba1-xniycu1-yo3 به عنوان کاتالیست جدید برای فرایند ریفرمینگ خشک متان انتخاب و روش سل-ژل احتراقی سنتز گردید. هدف کار پژوهشی حاضر بهینه سازی شرایط تهیه کاتالیست برای رسیدن به کاتالیست بهینه برای فرایند مذکور می باشد. در جهت دستیابی به کاتالیست بهینه، طراحی کاتالیست با استفاده از سیستم هوشمند شبکه عصبی مصنوعی صورت گرفت. برای تولید پایگاه داده مورد نیاز برای مدلسازی، آزمایش با رویکرد رویه پاسخ (rsm) با در نظر گرفتن سه فاکتور (جزء مولی لانتانیوم، جزء مولی نیکل و دمای کلسیناسیون) موثر بر ساختار و عملکرد کاتالیست انجام شد. در نهایت کاتالیست های la0.91ba0.09ni0.91cu 0.09 o3 با دمای کلسیناسیو°c 640 به عنوان کاتالیست منتخب و la0.996ba0.004ni0.6cu 0.4 o3 به عنوان کاتالیست بهینه سازی شده توسط الگوریتم ژنتیک انتخاب شدند. برای بررسی ساختار و مورفولوژی و ارتباط آنها با فعالیت و پایداری کاتالیست ها به ترتیب از تکنیک های xrd و sem استفاده گردید.

  پایان‌نامه۲۰۱۵وزارت علوم، تحقیقات و فناوری - دانشگاه تبریز - دانشکده مهندسی شیمی و نفتمیلاد عباسی

  فرایند های متفاوتی به منظور تبدیل گاز طبیعی به گاز سنتز به کار می روند که در این میان ریفرمینگ خشک متان به دلیل تبدیل گازهای گلخانه ای متان و co2 به مخلوط گاز سنتز با نسبت h2 به co تقریبا واحد در سال های اخیر توجه زیادی را به خود معطوف کرده است. در میان کاتالیست های مورد بررسی بر