ترغب بنشر مسار تعليمي؟ اضغط هنا

يقدم البحث تصميماً لنظام تفقد آلي للطلبة، يقوم النظام بالتقاط صورة للطالب ثم استخلاص ملامح الوجه الأساسية، تم تدريب الشبكة باستخدام خوارزمية الانتشار العكسي، إذ تم توليد قاعدة بيانات تدريبية لكل طالب، مكونة من 15 عينة تدريبية له لمرة واحدة في بداية ا لفصل الدراسي، كل عينة تحتوي تعابير الوجه اللازمة للتعرف على طالب، تُدرب الشبكة العصبونية على قاعدة بيانات الطلبة من أجل الحصول على شبكة عصبونية مدربة قادرة على التعرف على طلاب كل فئة بالاعتماد على ملامحهم، وبالتالي معرفة من حضر الجلسة ممن لم يحضر، تم تزويد النظام المصمم لهذا الغرض بالشبكة المدربة، يقدم النظام إمكانية إجراء التفقد الآلي للطلاب حسب فحوى الدراسة مع التنبيه في حال وجود صورة لطالب لا ينتمي لنفس المجموعة.
يعتمد البحث المقدم على تقديم طريقة جديدة لاستحصال إشارة قلب الجنين و ذلك باستخدام إشارة وحيدة لقلب الأم يتم استحصالها من منطقة الصدر و اشارة أو أكثر يتم استحصالها من منطقة البطن تحتوي على إشارة قلب الأم في منطقة البطن و إشارة قلب الجنين و العديد من مكونات الضجيج المضاف.
يعرض هذا البحث طريقة جديدة للتعرف على الوجه في حالات انفعالية مختلفة. تعتمد هذه الطريقة على خوارزميتنا المقترحة SD.R&C لاكتشاف الجلد البشري و تحديد الوجه, و على تصنيف نوع التعبير.
يقدم هذا البحث خوارزمية لتصميم نظام يقوم بتصنيف التعابير القياسية السبعة لوجه الإنسان (الخوف – الاشمئزاز – الحزن – التفاجؤ – الغضب – السعادة – التعبير الطبيعي) باستخدام بعض تقنيات معالجة الصورة، حيث يتم تصنيف تعبير الوجه الموجود في الصورة المدخلة للن ظام بالاعتماد على استخلاص سمات المظهر من الوجه المعتبر و إدخالها إلى شبكة عصبونية لإتمام عملية التصنيف و ذلك باستخدام لغة البرمجة Matlab. تم إنجاز العمل على مراحل متعددة و هي: (مرحلة تجميع الصور، مرحلة المعالجة المسبقة للصورة، مرحلة استخلاص السمات، مرحلة تدريب الشبكة العصبونية، مرحلة التصنيف و الاختبار). و قد تمكن نظامنا المعتبر من تحقيق أعلى نسبة تصنيف عند تعبير الغضب حيث وصلت 100% , بينما أدنى نسبة تصنيف كانت عند تعبير الحزن و هي 50%.
الهدف من هذا البحث هو استعمال الشبكة العصبونية ذات الانتشار العكسي BNN في تصنيف كتل الثدي من صور الماموغرام بهدف تخفيض عدد الخزعات الجراحية غيـر الضـرورية. قارنا في هذه الدراسة أداء تصنيف كتل الثدي في صور الماموغرام بين الشبكة العصـبونية ذات الانت شار العكسي (BNN (Network Neural Backpropagation و بين أطبـاء أشـعة. دخل BNN هو الصفات الشكلية وصفات الكسوة المستخلصة من الكتل.
الصرع هو اضطراب عصبي مزمن يحدث في الدماغ، و يصيب ما يقارب 2% من سكان العالم، حيث يواجه المرضى الكثير من الصعوبات في الحياة اليومية بسبب حدوث النوبات. تستخدم إشارات التخطيط الكهربائي للدماغ (EEG) في الكشف الآلي لحدوث نوبات الصرع, EEG لديها خصائص غ ير خطية و غير ثابتة. في هذا البحث قمنا بالكشف الآلي عن نوبات الصرع من إشارات EEG لفروة الرأس باستخدام التحويل المويجي المتقطع DWT من المستوى 5 لتحليل الإشارة و استخراج المميزات الإحصائية مثل (الحد الأقصى، الحد الأدنى، المتوسط، متوسط الطاقة، الانحراف المعياري، النسبة بين متوسط القيم) و استخدمت الشبكات العصبونية ANN من أجل التصنيف و حقق نظام الكشف المقترح دقة 89.85 % و حساسية 90.69 %، و خصوصية 89.1%.
التعرف على الأشخاص باستخدام بصمة اليد يلقى الكثير من الاهتمام بالتزامن مع الحاجة إلى تقنيات جديدة ترفع من مستوى الأمان. في هذه الدراسة تم اقتراح تقنية جديدة للتعرف على الأشخاص عن طريق بصمة اليد و ذلك من خلال استخلاص السمات من معاملات التحويل المويجي لصور راحة اليد بالاعتماد على فكرة التقاطعات الصفرية (عدد مرات التقاطع مع القيمة صفر). حيث تم إيجاد التحويل المويجي عند المستوى الرابع لكامل صورة اليد و الذي نتج عنه أربع مصفوفات، ثلاث مصفوفات تفاصيل (أفقية – شاقولية- قطرية) و مصفوفة تقريبات و تم الاعتماد على مصفوفات التفاصيل دون التقريبات لأن المعلومات التي نحتاجها (خطوط و منحنيات اليد) محتواة في مصفوفات التفاصيل. بعد ذلك تم استخلاص ستة عشر معامل (سمة ) من كل مصفوفة تفاصيل و ترتيب هذه السمات ضمن شعاع واحد ليتشكل شعاع السمات المستخلص من كل عينة من عينات اليد و المكون من ثمان و أربعين (48) سمة و الذي تم استخدامه كدخل للشبكة العصبونية المستخدمة. تم خلال هذه الدراسة بناء قاعدة بيانات مكونة من 400 صورة لراحة اليد عائدة لأربعين شخص بمعدل 10 صور لكل شخص. حيث أظهرت الاختبارات العملية أن النظام المصمم نجح في التعرف بمعدل 91.36%.
تعتبر أنظمة التعليق من أهم المكونات في المركبات الحديثة كما أنها تعد أهم عوامل الراحة و الأمان فيها لذلك كان لابد من تأمين متحكم يضمن التفاعل الكامل بين مكونات نظام التعليق و يساعد في اتخاذ القرارات الدقيقة في الوقت المناسب, يقترح البحث تصميم متحكم ب استخدام نظام الاستدلال العصبي الضبابي المكيف الموسع (EANFIS) و استخدامه كوحدة اتخاذ قرار في نظام التعليق لنموذج ربع المركبة بغاية المحافظة على ثبات المركبة على الطرقات لتأمين راحة الركاب حيث يقوم بتحقيق دقة في اتخاذ القرار للمساهمة في تخفيض الاهتزازات و امتصاص الصدمات الناتجة عن عدم استواء الطريق و بالتالي يمنع وصولها إلى مقصورة القيادة و يؤمن الثبات و التماسك المطلوب تم تطبيق المتحكم على نموذج ربع المركبة و دراسة استجابة النموذج في حال حدوث اضطرابات مختلفة و مقارنة أداء المتحكم مع متحكم يعتمد على نظام الاستدلال الضبابي و مع استجابة النموذج الرياضي ذو الحلقة المفتوحة بوجود اضطرابات دخل مختلفة و قد أظهر المتحكم تفوقاً في الأداء من حيث تخفيض الإزاحات و سرعة الاهتزاز و تسارعه.
قمنا من خلال هذا البحث ببناء نظام خبير يدعى Transformer Fault Detection و اختصارا Exformer مهمته مساعدة المهندسين و الفنيين في إكتشاف و تشخيص أعطال محولات القدرة الكهربائية الزيتية المعطلة أو المشتبه بأنها معطلة قبل خروجها من الخدمة, إضافة إلى إس تخدام المنطق العائم في الحالات التي تكون فيها المعطيات غامضة أو مبهمة مما تطلب كتابة قواعد عائمة لاستخدامها في قاعدة المعرفة للنظام الخبير, كما قمنا بوضع القواعد اللازمة لبناء و تدريب شبكة عصبونية صنعية لتحقيق نفس الغاية في كشف أعطال المحولات و المقارنة مع تقنيات الذكاء الصنعي الأخرى.
تم في هذه الدراسة تصميم متحكم عصبوني ضبابي متكيف (ANFIS) و مقارنة أداءه مع أداء المتحكم المقترح و مع استجابة النموذج الرياضي للمركبة بدون وجود متحكم (حلقة مفتوحة) و بوجود اضطرابات دخل مختلفة.
mircosoft-partner

هل ترغب بارسال اشعارات عن اخر التحديثات في شمرا-اكاديميا