رکوردهای مرتبط با این شخص

تشخیص بیماری صرع با استفاده از روش طبقه‌بندی نزدیک‌ترین همسایگی مبتنی بر متوسط محلی چندگانه با تکیه‌بر خوشه بندی به روش بهینه‌سازی حشره آبزی mayfly و k-means (1401) / ملا کریمی خوزانی ، زهرا، نویسنده

نوع مدرک: متون چاپی سرشناسه ملا کریمی خوزانی ، زهرا، نویسنده رده‌بندی کنگره : ‭COM A ‭35 عنوان : تشخیص بیماری صرع با استفاده از روش طبقه‌بندی نزدیک‌ترین همسایگی مبتنی بر متوسط محلی چندگانه با تکیه‌بر خوشه بندی به روش بهینه‌سازی حشره آبزی mayfly و k-means عنوان موازی : Detection of Epileptic Seizures using the Multiple-Local Mean-based Nearest Neighborhood Classification Method relying on Mayfly Optimization and K-means ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1401 صفحه شمار: 69ص شابک/شاپا 24516 یادداشت پایان نامه کارشناسی ارشد: در رشته مهندسی کامپیوتر گرایش هوش مصنوعی و رباتیکز شناسه افزوده : شیرزادفر ، حمیدرضا، استاد راهنما توصیفگرها خوشه‌بندی K-means، طبقه‌بندی MLM-KNN، بیماری صرع  k-means clustering, MLM-KNN classification, epilepsy چکیده : بیماری صرع یکی از شایع ترین بیماری های مغزی است و افراد درصورت ابتلا به آن، طولانی مدت از این بیماری رنج می‌برند. حدود 65 میلیون نفر در جهان مبتلابه بیماری صرع هستند و پیش بینی شده است که این تعداد تا سال 2030 به یک میلیارد نفر خواهد رسید. اگرچه تاکنون روش‌های هوشمند مختلفی برای تشخیص این بیماری ارائه‌شده است اما اکثرشان خالی از ایراد نیست و با چالش‌هایی همچون حساسیت به پارامترهای تنظیمی، زمان اجرای بالا و صحت پایین مواجه هستند، از همین رو در این پایان‌نامه از تکنیک خوشه‌بندی به‌واسطه K_means بهبودیافته با روش فراابتکاری Mayfly برای خوشه‌بندی سیگنال‌ها در جهت استخراج ویژگی‌هایی همچون بعد همبستگی، آنتروپی و مدولاسیون آنتروپی از هر خوشه به‌طور مجزا پرداخته شده است تا علاوه بر تسریع در زمان اجرا، ویژگی‌ها با دقت بیشتری استخراج گردند سپس از طبقه بند جدید MLM-KNN برای طبقه‌بندی داده‌های استخراج‌شده در جهت تشخیص بیماری صرع استفاده شده است. یافته های حاصل از پژوهش بر روی پایگاه داده CHB_MIT حاکی از بهتربودن روش پیشنهادی در مقایسه با روشهای مقایسه ای از نظر معیار صحت (98.2)، دقت (95.6)، ویژگی (96.9) و حساسیت (100) می باشد لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=13591 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
24516	‭COM A ‭35	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

تشخیص بیماری کووید19- از تصاویر سی تی قفسه سینه با استفاده از یادگیری انتقالی (1401) / آسادوریان ، نازه، نویسنده

نوع مدرک: متون چاپی سرشناسه آسادوریان ، نازه، نویسنده رده‌بندی کنگره : ‭COM soft ‭69 عنوان : تشخیص بیماری کووید19- از تصاویر سی تی قفسه سینه با استفاده از یادگیری انتقالی عنوان موازی : Covid-19 Detection from Chest CT Scans Using Transfer Learning Approach ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1401 صفحه شمار: 75ص شابک/شاپا 24905 یادداشت کارشناسی ارشد:رشته مهندسی کامپیوتر گرایش نرم افزار کامپیوتر شناسه افزوده : شیرزادفر ، حمیدرضا، استاد راهنما یراقی ، شکوفه، استاد مشاور توصیفگرها یادگیری انتقالی، بیماری کووید،19- تصاویر سی تی قفسه سینه، شبکه عصبی کانولوشن، یادگیری عمیق  : Transfer Learning, Covid-19 Disease, Chest CT Scans, Convolutional Neural Network, Deep Learning چکیده : کووید19-)-2COV-SARS)که باعث سندرم حاد تنفسی می شود، یک بیماری مسری و کشنده است که اثرات مخربی بر جامعه و زندگی انسان دارد و به طور قابل توجهی بر اقتصاد جهان تأثیر گذاشته است. کووید- 19 می تواند عوارض جدی به خصوص در بیماران با مشکالت سالمت زمینهای مانند دیابت، فشار خون باال، سرطان ریه، سیستم ایمنی ضعیف و افراد مسن ایجاد کند. حیاتی ترین گام در مبارزه با کووید19- تشخیص سریع بیماران مبتال است. تصاویر سی تی قفسه سینه و کیتهای تشخیصی PCR-RT اغلب برای تشخیص بیماری استفاده می شوند. با این حال، به دلیل مشکالتی مانند ناکافی بودن کیتهای تست PCR-RT ، نتایج منفی کاذب در مراحل اولیه بیماری، زمانبر بودن بررسی تصاویر پزشکی بهدستآمده از تکنیکهای تصویربرداری سی تی قفسه سینه توسط متخصصان و پزشکان و افزایش حجم کار بر روی متخصصان، شناسایی کووید19- چالش برانگیز است. بنابراین، محققان جستجوی روشهای جدید در تشخیص کووید- 19 را پیشنهاد کردهاند. روش های یادگیری عمیق روشی سریع و دقیق در تشخیص این بیماری نظر گرفته شدهاند. پیشرفتهای اخیر در فناوری و در دسترس بودن روشهای یادگیری عمیق در تشخیص کووید19- با دقت بیشتر، بسیار امیدوارکننده به نظر میرسند. یکی از روشهای یادگیری عمیق جهت پردازش تصاویر شبکهی عصبی کانولوشن میباشد. برای عالمت گذاری کووید19- به عنوان مثبت یا منفی برای سی تی اسکن بهبودیافته، از مدل های از پیش آموزش دیده موجود مانند 16VGG، 50ResNet، 201DenseNet، L2EfficientNetV و 2InceptionResNetV استفاده شده است. مدل پیشنهادی در این تحقیق از مدل از پیش آموزش دیده 2InceptionResNetV استفاده کرده است و به صحت باالتری دست یافته است. صحت به دست آمده ،%97.59 دقت ،0.9878 بازیابی 0.9641 و میانگین 1F 0.9758 می باشد لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=13935 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
فاقد شماره ثبت

تشخیص حالت جزیره ای منابع تولید پراکنده و بررسی اثر تغییرات بار بر حفاظت ضد جزیره ای (1402) / کریمی ، مهرداد، نویسنده

نوع مدرک: متون چاپی سرشناسه کریمی ، مهرداد، نویسنده رده‌بندی کنگره : ‭ELE ‭61 1402 عنوان : تشخیص حالت جزیره ای منابع تولید پراکنده و بررسی اثر تغییرات بار بر حفاظت ضد جزیره ای عنوان موازی : Diagnosing the islanding state of distributed production resources and investigating the effect of load changes on anti-islanding protection ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1402 صفحه شمار: 83ص شابک/شاپا 25070 یادداشت پایان¬نامه برای دریافت درجه کارشناسی ارشد«M.Sc.»: مهندسی برق - قدرت شناسه افزوده : بهبهانی فرد ، حمیدرضا، استاد راهنما شیرزادفر ، حمیدرضا، استاد مشاور توصیفگرها حفاظت ضدجزیره‏ای، منابع تولید پراکنده (DG)، رله‏های مبتنی بر فرکانس، روAnti-island protection, Distributed Generation Resources (DG), Frequency based relays, Passive methods, Load changes چکیده : بهرهگیری از منابع تولید پراکنده در سیستمهای توزیع برق به طور قابل توجهی در سالهای گذشته افزایش یافته است. تنوع در نیروگاههای برق، کاهش میزان توان انتقالی توسط خطوط انتقال (کاهش تلفات خط) و افزایش قابلیت اطمینان سیستم از جمله فواید و مزایای منابع تولید پراکنده میباشد. با این حال، نصب و راهاندازی DGها، باید با مطالعات دقیقتری برای شناسایی اثرات ممکن بر شبکههای توزیع و منابع تولید پراکنده مانند شناسایی حالت جزیرهای، انجام گیرد. جزیرهای شدن یا قطع ارتباط بخشی از سیستم توزیع از شبکه اصلی در صورتی رخ میدهد که به واسطه برخی دلایل تأمین توان از شبکه اصلی قطع گردد و DG همچنان به تغذیه سیستم توزیع ادامه دهد. با توجه به اینکه حالت جزیرهای باعث ایجاد خطراتی برای افراد و تجهیزات الکتریکی شبکه میشود و اثرات منفی در حفاظت و عملکرد سیستم توزیع دارد، تداوم کار سیستم در این حالت قابل قبول نیست و برای جلوگیری از این خطرات و مشکلات، باید در کمترین زمان ممکن وضعیت جزیرهای شناسایی گردد و DGها از سیستم توزیع جدا شوند. حالت جزیرهای را به روشهای مختلفی از جمله روشهای از راه دور، روشهای اکتیو و پسیو میتوان شناسایی کرد. عملکرد حفاظت ضد جزیرهای تحت تأثیر عوامل مختلفی مانند بارهای وابسته به ولتاژ، ثابت اینرسی ژنراتور سنکرون، تغییرات بار در نقاط مختلف سیستم و ... قرار دارد. با توجه به مسایل ذکر شده ومشکلاتی که ناشی از جزیره ای شدن ناخواسته ی ریز شبکه میباشد .بایستی روش مناسب و کارامدی برای تشخیص این پدیده اتخاذ شود . هدف این پایاننامه، علاوه بر معرفی روشهای شناسایی حالت جزیرهای، بررسی اثرات تغییرات بار بر عملکرد رلههای مبتنی بر فرکانس میباشد. در این راستا، اثرات تغییرات بار در حالت توان اکتیو اضافی و کمبود توان اکتیو و در شرایطی که ژنراتور سنکرون در وضعیت کنترل ولتاژ و کنترل توان تنظیم شده باشد، مورد تجزیه و تحلیل قرار گرفته است . روش پسیو پیشنهاد شده مبتنی بر اندازه گیری تغییرات فرکانس در ریز شبکه حاوی ژنراتور سنکرون است . شبیه سازی های روش پیشنهادی در محیط نرم افزار ETAP انجام گرفته ونتایج شبیه سازی بر روی دو سیستم ریز شبکه تک ماشینه پنج باس و 39 باس IEEE نشان دهنده کارایی روش پیشنهادی در مقایسه با سایر روش های متداول است لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=14080 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
25070	‭ELE ‭61 1402	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت