رکوردهای مرتبط با این شخص

ارائه روشی جهت ادغام و همگام‌سازی سرویس‌های Soap با سرویس‌های Rest تحت مدیریت وب (1396) / مبارکه ، مسلم، نویسنده

نوع مدرک: متون چاپی سرشناسه مبارکه ، مسلم، نویسنده رده‌بندی کنگره : ‭COM soft ‭22 1398 عنوان : ارائه روشی جهت ادغام و همگام‌سازی سرویس‌های Soap با سرویس‌های Rest تحت مدیریت وب ناشر: دانشگاه شهید اشرفی اصفهانی : بی نا سال نشر : 1396 صفحه شمار: ه،73ص شابک/شاپا 22742 یادداشت پایان نامه کارشناسی ارشد : مهندسی نرم افزار شناسه افزوده : کلینی ، مینا، استاد راهنما یراقی ، شکوفه، استاد مشاور توصیفگرها رست  رست فول  معماری سرویس گرا  سواپREST  RESTful  Service-Oriented Architectures  Soap چکیده : یکی از اصلی‌ترین چالش‌های پیش رو در توسعه دستگاه‌های با وسعت زیاد تغییرات متداول در نیازمندی‌های مشتریان و محیط کسب‌وکارهای آن‌ها است. معماری سرویس گرا با ادغام و همگام‌سازی سرویس‌ها به‌عنوان یک‌راه حل مؤثر برای رفع این مشکلات مطرح کرد که مزیت استفاده از این روش قابلیت یکپارچه‌سازی با تغییرات چندباره در نیازمندی‌های کاربران میسر است. هدف اصلی این پایان‌نامه،امکان ادغام و همگام‌سازی سرویس‌های وب رست و سرویس‌های تحت سوپ با ارائه مدل متاداده ای برای توصیف هم‌زمان آن‌ها است. سعی بر آن است کـه درروش ارائه‌شده، امکـان ادغام و همگام‌سازی سرویس‌های وب رست فول و سرویس‌های وب مبتنی بر سواپ با ارائه مـدل متـاداده ای بـرای توصـیف هم‌زمان آن‌ها، فـراهم گردد. برای رسیدن به این هدف ضمن مطالعه روش‌های موجود، سعی شده است که نقاط ضعف سایر روش‌های موجود پوشـش داده شـود و از نقاط قوت آن‌ها نیز بهره برده شود. در این پایان‌نامه با استفاده از API راهکاری جهت بهبود سرعت، امنیت و کارایی ارائه گردیده است. راهکار ارائه‌شده با تکیه‌بر سیستم رست و رست فول باعث تکمیل و بهبود سیستم لرا شده است و به ارائه نگاشت‌هایی که از این پیاده‌سازی پشتیبانی کند، پرداخته می‌شود و مستنداتی برای این نوع پیاده‌سازی ارائه می‌گردد. سپس راهکار ارائه‌شده با راهکار مشابه مقایسه می‌شود. در طراحی از زبان جاوااسکریپت استفاده‌شده است. نتایج حاصل نشان‌دهنده افزایش 5 درصدی سرعت، کیفیت، بهینه‌سازی با استفاده از سیستم LRAF می‌باشد لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=1525 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
22742	‭COM soft ‭22 1398	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

ارتباط ماشین با ماشین در خانه های هوشمند درمحیط اینترنت اشیاء (1400) / تحریریان ، محمدمهدی، نویسنده

نوع مدرک: متون چاپی سرشناسه تحریریان ، محمدمهدی، نویسنده رده‌بندی کنگره : ‭COM A ‭18 1400 عنوان : ارتباط ماشین با ماشین در خانه های هوشمند درمحیط اینترنت اشیاء عنوان موازی : Machine-to-Machine Communications for Smart Home in the Internet of Things environment ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1400 صفحه شمار: 77ص شابک/شاپا 23915 یادداشت پایان نامه کارشناسی ارشد: مهندسی کامپیوتر گرایش هوش مصنوعی و رباتیکز شناسه افزوده : کلینی ، مینا، نویسنده توصیفگرها اینترنت اشیاء  ارتباط ماشین با ماشین  خانه هوشمند  پروتکل tcp/ip  IoT  machine to machine communication  smart home  tcp / ip protocol چکیده : در سالهای اخیر تحقیقات زیادی در مورد فواید و امکانات خانه هوشمند شده است و به عنوان فناوری های کامل و ارزان، ارتباطات بی سیم افزایش یافته وطیف وسیعی از برنامه های کاربردی در حال گسترده تر شدن هستند. وقتی شما وارد منزل می شوید و سناریو ورود فعال می شود سرمایش و گرمایش هوشمند شروع به کار می کند تا دما و درجه ی مطلوبی که شما برنامه ریزی کرده بودید برسد. البته ممکن است در بعضی فضاها دستگاهها خاموش باشند یا دمای متفاوتی کار کنند. در بعضی فضاها هم مثل انبار ، اتاق مهمان و ... چون کمتر استفاده می کنید بر اساس حضور شما سیستم فعال می شود.باتوجه به کاهش هزینه اجرای طرح پیشنهادی از 736.6دلار در مقاله مرجع به 40.6 دلار در طرح پیشنهادی کاهش هزینه اجرای طرح پسشنهادی قابل ملاحظه است.وهمچین سرعت انتقال انتقال اطلاعات دما و رطوبت از 3 ثانیه به 1 ثانیه در طرح پیشنهادی کاهش یافته که باعث شده دما و رطوبت بدون وقفه در خانه و محیط اینترنت اشیاء قابل مشاهده باشد.ما در این پایان نامه بر اساس مقاله ارتباط ماشین با ماشین در خانه های هوشمند نوشته اقای رسول داس از ترکیه با انجام تغییرات و تعویض برد هوشمند زربری پای 2 به آردینو و حذف سخت افزارهای ارتباطی با سخت افزار های ارزان تر و در دسترس اقدام به اجرای کولر هوشمند در خانه هوشمند با تغییرات جدید کردیم و به نتایج خوبی ازجمله راحتی اجرا و کاهش هزینه ها رسیدیم لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=13113 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
23915	‭COM A ‭18 1400	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

بخش بندی تصاویر CT کبد با استفاده الگوریتم آبپخشان (1400) / بهروز دهکردی ، زهره، نویسنده

نوع مدرک: متون چاپی سرشناسه بهروز دهکردی ، زهره، نویسنده رده‌بندی کنگره : ‭COM A ‭27 عنوان : بخش بندی تصاویر CT کبد با استفاده الگوریتم آبپخشان عنوان موازی : Segmentation of CT images of the liver using a diffusion algorithm ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1400 صفحه شمار: 110ص شابک/شاپا 24508 یادداشت پایان نامه کارشناسی ارشد : رشته‌ی مهندسی کامپیوتر گرایش هوش مصنوعی و رباتیکز شناسه افزوده : کلینی ، مینا، استاد راهنما توصیفگرها ﺗﻮﻣﻮر، ﺷﺪت روﺷﻨﺎﯾﯽ، ﺗﺼﺎوﯾﺮ ﭘﺰﺷﮑﯽ، ﮐﺒﺪ، ﺗﺼﻮﯾﺮ ﺑﺮداري، پیکسل  tumor, light intensity, medical images, liver, imaging, pixels چکیده : یکی از مراحل اساسی در پردازش تصویر تقطیع یا بخش‌بندی تصویر است که تصویر را به نواحی جدا از هم به گونه ای تقسیم می کند که هر ناحیه مجموعه ای از پیکسل های مجاور و متصل بهم می باشند هدف از تقطیع این است که یک تصویر را به مناطق معنی دار و راحت تجزیه کنیم. به دلیل اهمیت حیاتی کبد، بیماری‌های کبد تهدید کننده زندگی بشر هستند که بدون هیچ پیش هشداری رخ می دهند. در قطعه¬بندی تصاویر پزشکی کبد، هدف اصلی تجزیه کردن آنها به ساختارهای مختلف آناتومی می‌باشد، که اجزایی مانند رگ های خونی وتومورهای کبد را از پیش¬زمینه آنها جدا می¬سازد. تاکنون روش هایی بسیاری برای تقطیع تصویر انجام گرفته که از جمله می‌توان به روش های آماری و روش‌های خوشه¬بندی فازی روش‌های بهینه¬سازی و روش‌های مبتنی برگراف اشاره کرد. روش‌های آماری و روش‌های بسیارکار امد ولی پر هزینه است. تابحال روش‌های مختلفی برای بخش‌بندی تصاویر CT کبد معرفی شده است اما پیچیدگی زیاد تصاویر و تنوع شکل در آن¬ها باعث می‌شود حتی با وجود استفاده از انواع ویژگی‌ها، فرآیند بخش‌بندی با دقت کافی انجام نشود. ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻣﻮارد ﻓﻮق ﻫﺪف اﺻﻠﯽ اﯾﻦ ﭘﮋوﻫﺶ اراﺋﻪ روش ﺑﺨﺶﺑﻨﺪی ﺗﻮﻣﻮرﻫﺎی ﮐﺒﺪ ﺑﺎ ﺷﺪت روﺷﻨﺎﯾﯽ‌ﻫﺎی ﻣﺘﻔﺎوت از روی ﺗﺼﺎوﯾﺮ ﭘﺰﺷﮑﯽ ﻣﯽﺑﺎﺷﺪ. در ﺗﺼﻮﯾﺮ ﺑﺮداری از ﮐﺒﺪ ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻓﺎز ﺗﺼﻮﯾﺮﺑﺮدای، ﭼﻨﺎﻧﭽﻪ ﺷﺪت روﺷﻨﺎﯾﯽ ﺑﺎﻓﺖ ﺗﻮﻣﻮر از ﺷﺪت روﺷﻨﺎﯾﯽ ﮐﺒﺪ ﺑﯿﺸﺘﺮ ﺑﺎﺷﺪ ﺑﻪ اﯾﻦ ﺗﻮﻣﻮر Hyperintense ﮔﻔﺘﻪ ﻣﯽﺷﻮد. ﻫﻤﭽﻨﯿﻦ ﺗﻮﻣﻮرﻫﺎﯾﯽ ﮐﻪ ﺷﺪت روﺷﻨﺎﯾﯽ آنﻫﺎ از ﺷﺪت روﺷﻨﺎﯾﯽ ﺑﺎﻓﺖ ﮐﺒﺪ ﮐﻤﺘﺮ ﺑﺎﺷﺪ Hypointense ﻧﺎﻣﯿﺪه ﻣﯽﺷﻮﻧﺪ. با توجه به آنکه بخش عمدهای از کار بخش‌بندی در ارتباط با روش CAP می‌باشد میزان تاثیر نویز داده و تاثیر آن بر خروجی روش CAP با استفاده از دادهی مصنوعی بررسی شد که نتایج نشان داده شده که، روش CAP توانسته است به خوبی بر نویز موجود در تصویر غلبه نماید و عملا این نویز در نتیجه موثر نیست لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=13583 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
24508	‭COM A ‭27	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

بهبود حریم خصوصی پایگاه¬های داده مبتنی برکاوش در قوانین انجمنی با استفاده از الگوریتم فرا اکتشافی وال تطبیقی دودویی (1401) / زاهدی ، علی، نویسنده

نوع مدرک: متون چاپی سرشناسه زاهدی ، علی، نویسنده رده‌بندی کنگره : ‭COM A ‭33 عنوان : بهبود حریم خصوصی پایگاه¬های داده مبتنی برکاوش در قوانین انجمنی با استفاده از الگوریتم فرا اکتشافی وال تطبیقی دودویی عنوان موازی : privacy preserving improvement of databases based on association rules mining using binary adaptive whale metaheuristic algorithm ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1401 صفحه شمار: 74ص شابک/شاپا 24514 یادداشت پایاننامه کارشناسی ارشد :رشته مهندسی کامپیوتر گرایش هوش مصنوعی و رباتیکز شناسه افزوده : کلینی ، مینا، استاد راهنما توصیفگرها داده کاوی، قوانین پرتکرار، حریم خصوصی، مخفی سازی، الگوریتم انطباقی وال  Data mining, Recurrent rules, Privacy, Concealment, Wall adaptive algorithm چکیده : در دو دهه گذشته پیشرفت صنعت رایانه، تولید رشد کیفیت داده را به دنبال داشته است. تکنولوژی داده‌کاوی هم یک تکنولوژی متداول در تمامی رشته‌ها و تخصص‌ها شده است. اگرچه داده‌کاوی سبب شده است که حریم خصوصی سازمان‌ها و افراد مورد تجاوز قرار بگیرد. در نتیجه سبب شده است حفظ حریم خصوصی در الویت قرار بگیرد. به منظور حفظ حریم خصوصی الگوریتم‌های PPDM مورد توجه قرار گرفته‌اند. حفظ حریم خصوصی در کاوش قوانین انجمنی یکی از زیر شاخه‌های PPDM است. در این تحقیق روش‌های PPDM به کارگرفته شده است تا اطلاعات حساس موجود در پایگاه داده حفظ و نگهداری شوند. یکی از جنبه‌های مهم مخفی کردن اطلاعات حساس، مخفی کردن قوانین انجمنی است. مخفی کردن قوانین انجمنی به منظور رعایت حریم خصوصی در داده‌ها است. یکی از چالش¬های موجود در حفظ حریم خصوصی وجود هزینه¬های از دست رفته، قوانین ساختگی و همچنین دستکاری است. در این پایان یک روش جدید برای کاوش در قوانین انجمنی ارائه شده است که با استفاده از الگوریتم بهینه سازی انطباقی وال بهترین قوانین حساس انجمنی موجود در پایگاه داده را شناسایی می¬کند، سپس مخفی سازی آنها را انجام می¬دهد. در روش پیشنهادی پس از آنکه قوانین انجمنی شناسایی شد، با تعریف توابع برازندگی مناسب، در الگوریتم بهینه سازی انطباقی وال، اقدام به شناسایی قوانین انجمنی حساس کرده و با شناسایی این قوانین، پایگاه داده سنتز شده تولید خواهد شد. نتایج بدست آمده در معیارهای ارزیابی خطای مخفی کردن، هزینه از دست رفته و الگوهای ساختگی و زمان اجرا و مقایسه با الگوریتم کولونی زنبور عسل باینری نشان از برتری روش پیشنهادی دارد. به گونه ای که زمان بیش از 500 میلی ثانیه کاهش داشته است. قواعد ساختگی به صفر رسیده است و الگوهای گم شده در مقایسه با الگوریتم کولونی زنبور عسل باینری به صفر رسیده است. هزینههای از دست رفته هم به اندازه 5% کاهش داشته است لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=13589 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
24514	‭COM A ‭33	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

بهبود شناسایی جنسیت با استفاده از ویژگی‌های گشتاورهای تغییرناپذیر و هیستوگرام گرادیان جهتدار در بافت تصاویر عنبیه‌ی چشم (1398) / دوستی ، فاطمه، نویسنده

نوع مدرک: متون چاپی سرشناسه دوستی ، فاطمه، نویسنده رده‌بندی کنگره : ‭COM A ‭7 1398 عنوان : بهبود شناسایی جنسیت با استفاده از ویژگی‌های گشتاورهای تغییرناپذیر و هیستوگرام گرادیان جهتدار در بافت تصاویر عنبیه‌ی چشم عنوان موازی : Improving Gender Identification Rate Using The features of Invariant moments and Histogram of Oriented Gradients in the texture of the iris images ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1398 صفحه شمار: س، 72ص یادداشت پایان نامه کارشناسی ارشد: هوش مصنوعی شناسه افزوده : کلینی ، مینا، استاد مشاور ترابیان اصفهانی ، مهدی، استاد راهنما توصیفگرها تشخیص جنسیت  تشخیص جنسیت مبتنی بر عنبیه  گشتاورهای تغییرناپذیر زرنیک و لژاندر  هیستوگرام گرادیان جهت‌دار  بافت تصویر عنبیه  Gender Identification  Iris-Based Gender Identification Zernic and Legendre Invariant Moments  Oriented Gradient Histogram  Iris Image Texture چکیده : سال‌هاست که بیومتریک عنبیه به عنوان مشخصه‌ای برای شناسایی هویت شناخته می‌شود و اغلب پژوهشگران و محققین این بیومتریک را به‌عنوان یکی از مطمئن‌ترین و دقیق‌ترین بیومتریک‌ها می‌شناسند. ولی در سال‌های اخیر از این بیومتریک‌ها برای شناسایی دیگر ویژگی‌های انسان همچون سن، نژاد، جنسیت و غیره استفاده شده است. علارغم کاربردهای گسترده‌ای که استفاده از عنبیه برای تشخیص جنسیت دارد تاکنون تحقیقات انجام شده در این حوزه بسیار محدود بوده و نتایج اندک تحقیقات انجام شده فاصله‌ی زیادی تا ایده‌آل‌های مورد انتظار دارد. بیومتریک عنبیه ذاتاً در مقابل نور تغییرپذیر است. با بررسی‌های گسترده در پیشینه‌ی تحقیق این حوزه، مشخص گردید، روش‌های شناسایی جنسیت موجود مبتنی بر عنبیه تاکنون، نرخ شناسایی پایین یا پیچیدگی محاسباتی بالا و زمان پاسخگویی پایین داشته‌اند. هدف اصلی این پژوهش نیز پاسخ به چالش‌های ذکر شده است. بنابراین باید به ابداع روشی که در مقابل تغییرات پایدار و زمان پاسخگویی خوبی داشته باشد ازجمله گشتاورهای تغییرناپذیر زرنیک و لژاندر و هیستوگرام گرادیان جهت‌دار پرداخت. در این پژوهش از یک پایگاه داده‌ی تصاویر رنگی عنبیه با مشخصه‌ی جنسیت CVBL استفاده شده است. در روش ارائه شده، ناحیه‌بندی و نرمال‌سازی از طریق الگوریتم داگمان، و استخراج ویژگی از تصاویر عنبیه از ادغام توصیفگرهای زرنیک، لژاندر و هیستوگرام گرادیان جهت‌دار و طبقه‌بندی ویژگی‌های مستخرج توسط توصیفگرها نیز از خانواده‌ی طبقه‌بند ابرصفحه‌ها به نام ماشین بردار پشتیبان استفاده شده است. در نهایت پس از پیاده‌سازی ایده‌های مدنظر در روش پیشنهادی، نتایجی شامل %5/97 و %93 به‌ترتیب برای چشم چپ و راست حاصل گردیده است لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=12597 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
23282	‭COM A ‭7 1398	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

بهبود فرایند جداسازی رگ‌های خونی شبکیه با استفاده از رویکرد ترکیبی (1399) / رنجبر چالشتری ، بنیامین، نویسنده

نوع مدرک: متون چاپی سرشناسه رنجبر چالشتری ، بنیامین، نویسنده رده‌بندی کنگره : ‭COM A ‭14 1399 عنوان : بهبود فرایند جداسازی رگ‌های خونی شبکیه با استفاده از رویکرد ترکیبی عنوان موازی : Improve the process of separation of retinal blood vessel using hybrid approach ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1399 صفحه شمار: خ، 64ص شابک/شاپا 23829 یادداشت پایان‌نامه کارشناسی ارشد رشته هوش مصنوعی و رباتیکز شناسه افزوده : کلینی ، مینا، استاد راهنما چکیده : شناسایی رگ‌های شبکیه به دو دلیل عمده تشخیص هویت و همچنین درمان و تشخیص برخی از بیماری‌ها دارای اهمیت بالایی می‌باشد، با این وجود مشکلاتی همانند کمبود پزشک متخصص، وجود برخی از خطاهای انسانی، اهمیت تشخیص زودهنگام باعث شده است که پژوهشگران راهکارهای را برای تشخیص رگ‌های شبکیه به کمک کامپیوترها و هوش مصنوعی ارائه دهند، در طی سالیان اخیر مقالاتی زیادی در این مورد منتشرشده و روش‌های مبتنی بر یادگیری ماشین، پردازش تصویر، بینایی ماشین و... ارائه‌شده است. در این پایان‌نامه روش جدیدی برای تشخیص رگ‌های شبکیه به کمک پردازش تصویر پیشنهاد می‌شود، در این روش برای استخراج رگ‌های شبکیه در ابتدا از زوج تابع MF-FDOG استفاده می‌شود و رگ‌ها استخراج می‌شوند و از طرفی دیگر با استفاده از فیلتر Log و آستانه‌یابی محلی Niblack تصویر دیگری از رگ‌ها استخراج می‌شود، این دو تصویر باهم ترکیب‌شده و درنهایت تصویر رگ‌های شبکیه به دست می‌آید، برای محاسبه دقت این روش از دو مجموعه داده DRIVE و STARE شامل تصاویر فوندوس شبکیه استفاده می‌شود، میانگین دقت روش پیشنهادی، برای مجموعه داده DRIVE برابر با 21/96% و برای مجموعه داده STARE برابر با 04/94% به‌دست‌آمده است لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=13044 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
23829	‭COM A ‭14 1399	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

بهبود واترمارکینگ مبتنی بر تبدیل موجک گسسته و تبدیل کسینوسی گسسته و مقاوم سازی آن در برابر برخی از حملات با استفاده از بهینه سازی فراابتکاری و یک روش یادگیری ماشین مبتنی بر آمار (1400) / حاجیان ، شیرین، نویسنده

نوع مدرک: متون چاپی سرشناسه حاجیان ، شیرین، نویسنده رده‌بندی کنگره : ‭COM A ‭26 عنوان : بهبود واترمارکینگ مبتنی بر تبدیل موجک گسسته و تبدیل کسینوسی گسسته و مقاوم سازی آن در برابر برخی از حملات با استفاده از بهینه سازی فراابتکاری و یک روش یادگیری ماشین مبتنی بر آمار عنوان موازی : Improve watermarking based on discrete wavelet transform and discrete cosine transform and make it resistant to some attacks using meta-heuristic optimization and a statistical machine learning method ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1400 صفحه شمار: 79ص شابک/شاپا 24507 یادداشت پایان نامه کارشناسی ارشد:رشته مهندسی کامپیوتر گرایش هوش مصنوعی و رباتیکز شناسه افزوده : کلینی ، مینا، استاد راهنما توصیفگرها واترمارکینگ ، بهینه سازی متاهیوریستیک ، یادگیری ماشین ، تبدیل موجک گسسته ، تبدیل کسینوسی گسسته  Watermarking, Metaheuristic optimization, machine learning, Discrete wavelet transform, Discrete cosine transform چکیده : روش واترمارکینگ در تصاویر به یکی از اصلی‌ترین و مورد بحث‌ترین فناوری‌های روز تبدیل شده و می‌توان از کاربردهای آن به حمل اطلاعات مخفی در تصویر اشاره کرد.هدف اصلی این تحقیق ارائه ایده ای مبتنی بر روش‌های بهینه‌سازی فراابتکاری و یادگیری ماشین به‌منظور بهبود روش واترمارکینگ مبتنی بر تبدیل موجک و تبدیل کسینوسی گسسته و مقاوم سازی آن خصوصاً در برابر برخی حملات می باشد. از این رو با ترکیب سه تبدیل تجزیه مقادیر منفرد،تبدیل موجک گسسته و کسینوسی گسسته به همراه الگوریتم نهنگ کوهان دار به این مهم پرداخته ایم. با توجه به بررسی های انجام شده تاکنون روشی که بتواند به طور همزمان در مقابل اکثر حملات، مقاومت مناسبی را داشته باشد، ارائه نشده است و اگرچه روشهای قوی مبتنی بر تبدیل موجک، روشهای یادگیری ماشین و ... پیشنهاد شده است اما هر یک از آنها محدود به مقاومت در برابر حملات خاصی هستند روش پیشنهادی با توجه به استفاده همزمان از سه تبدیل موجک،کسینوسی و تجزیه مقادیر منفرد این ضعف را پوشش داده همچنین به استفاده از رویکرد تکاملی جهت فاکتور مقیاس برای اعمال ضرایب تبدیل میپردازد لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=13582 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
24507	‭COM A ‭26	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

بهبود کنتراست تصاویر MRI با استفاده از الگوریتم خفاش مجازی پویا (1401) / عزیزی سورشجانی ، موسی، نویسنده

نوع مدرک: متون چاپی سرشناسه عزیزی سورشجانی ، موسی، نویسنده رده‌بندی کنگره : ‭COM A ‭38 عنوان : بهبود کنتراست تصاویر MRI با استفاده از الگوریتم خفاش مجازی پویا عنوان موازی : Contrast Enhancement of MRI images using Dynamic Virtual Bat Algorithm ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1401 صفحه شمار: 154ص شابک/شاپا 24741 یادداشت پایان نامه کارشناسی ارشد:رشته کامپیوتر گرایش هوش مصنوعی و رباتیک شناسه افزوده : کلینی ، مینا، استاد راهنما توصیفگرها متعادل‌سازي هيستوگرام (HE)، الگوريتم هاي تكاملي ، بهبود كنتراست تصاوير ، الگوريتم خفاش مجازي پويا (DVBA)  Histogram equalization (HE) ,MRI Images Contrast Enhancement ,Evolutionary Algorithms, Medical images, Dynamic Virtual Bats Algorithm (DVBA) چکیده : امروزه، تشخیص خودکار بیماری‌ها با استفاده از تصاویر پزشکی به عنوان یکی از موفق‌ترین حوزه‌های کاربرد هوش مصنوعی در پزشکی شناخته می‌شود. به همین دلیل، افزایش کنتراست و بهبود کیفیت تصاویر پزشکی برای مثال بهبود کیفیت تصویر بافت مغز در تصاویر MRI نقشی مهم در آنالیز تصاویر پزشکی دارد. متعادل‌سازی هیستوگرام (HE) یکی از مهمترین روش‌های بهبود کیفیت تصویر می‌باشد، زیرا این روش ساده بوده و از نظر محاسباتی به سرعت قابل اجرا است. در این پایان‌نامه، بهبود کنتراست تصویر به عنوان یک مسئله‌ی بهینه‌سازی در نظر گرفته شده است و از الگوریتم خفاش مجازی پویا (DVBA) برای یافتن پاسخ بهینه‌ی این مسئله‌ی بهینه‌سازی استفاده می‌شود. هدف از ارائه‌ی روش پیشنهادی این است که تصاویر MRI با کنتراست پایین که پس‌زمینه‌ی تیره‌ای دارند و از کیفیت مناسبی برخوردار نیستند، اصلاح شوند. به همین منظور در روش پیشنهادی، پیش از به کار بردن روش متعادل‌سازی هیستوگرام سراسری، ابتدا هیستوگرام اولیه‌ی تصویر ورودی به چهار زیرهیستوگرام تقسیم‌بندی می‌شود. هر زیرهیستوگرام با استفاده از یک پارامتر بُرش بریده می‌شود تا بتوان فرآیند بهبود را کنترل کرده و مانع از تغییر غیرطبیعی در تصویر بهبود یافته شد. الگوریتم خفاش مجازی پویا نیز به منظور یافتن مقادیر بهینه پارامترها مورد استفاده قرار می‌گیرد. پس از انجام این اصلاحات در هیستوگرام اولیه، هر زیرهیستوگرام با روش متعادل‌سازی هیستوگرام سراسری بهبود می‌یابد. سپس، نتایج چهار زیرهیستوگرام با یکدیگر ترکیب می‌شوند تا تصویر خروجی با کیفیت بهتری حاصل شود. نتایج آزمایش‌ها نشان می‌دهد که الگوریتم بهینه‌سازی ارائه‌شده کیفیت کنتراست تصویر را بهبود می‌بخشد و می‌تواند جزئیات و اطلاعات بیشتری را نسبت به سایر روش‌های قابل مقایسه و همچنین در پارامتر حذف نویز و شباهت ساختاری و حفظ روشنایی تصویر ارائه دهد لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=13807 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
24741	‭COM A ‭38	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

بهینه سازی فاکتورهای پیش بینی راهبردی کسب و کار مبتنی بر الگوریتم های ترکیبی داده کاوی در تصمیم گیری بر اساس رقابت استعماری (1401) / باقری ، محمد، نویسنده

نوع مدرک: متون چاپی سرشناسه باقری ، محمد، نویسنده رده‌بندی کنگره : ‭COM A ‭30 عنوان : بهینه سازی فاکتورهای پیش بینی راهبردی کسب و کار مبتنی بر الگوریتم های ترکیبی داده کاوی در تصمیم گیری بر اساس رقابت استعماری عنوان موازی : Optimization of strategic business forecasting factors based on combined data mining algorithms in decision making, by Imperialism Competitive Algorithm ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1401 صفحه شمار: 60ص شابک/شاپا 24511 یادداشت پایان نامه کارشناسی ارشد :رشته مهندسی کامپیوتر گرایش هوش مصنوعی و رباتیکز شناسه افزوده : کلینی ، مینا، استاد راهنما توصیفگرها کسب و کار، داده کاوی،پیش بینی، تصمیم گیری، رقابت استعماری  : Business, Data Mining, Forecasting, Decision making, Imperialism Competitive چکیده : با توجه به تمایل قابل توجه مدیران حوزه کسب و کار و دیگر کاربران برای استفاده از برنامه‌های کاربردی مبتنی بر داده کاوی، برای بهبود کیفیت در ارائه خدمات، افزایش دقت و امنیت در این حوزه اهمیت زیادی دارد. در این راستا به دلیل تعداد کم الگوریتم های با دقت بالا برای انجام تصمیم گیری های مرتبط با آینده ، ایجاد چنین روشی می‌تواند یکی از نیازهای اصلی صاحبان کسب و کار و توسعه دهندگان نرم افزار آنها را برآورده کند. به همین دلیل، در این تحقیق با بررسی الگوریتم های موجود، با رویکردی تحلیلی و متمرکز، مواردی مانند تسریع چرخه تولید نرم‌افزار، منابع آزمایشی محدود و کمبود تخصص امنیت در میان برنامه‌نویسان را بررسی کرده و روشی بهینه برای افزایش راندمان تصمیم گیری ها ارائه می دهیم. هر چند الگوریتم های رایج ، اغلب برای بهبود کیفیت از یادگیری ماشین و داده‌کاوی برای پیش‌بینی تصمیم گیری‌های نرم‌افزاری استفاده می کنند، اما تلاش لازم برای انتخاب و ارزیابی ویژگی‌های تصمیم گیری هنوز محدود است. به همین دلیل در این تحقیق، بررسی ها با استفاده از مجموعه بزرگی از فاکتور های تصمیم گیری‌، داده های موجود را ارزیابی می کند. روش پیشنهادی ما موسوم به یادگیری ماشین - رقابت استعماری با بهبود رفتار روش الگوریتم رقابت استعماری ، منجر به شناسایی مجموعه های کوچک اما کارآمد از توابع برای پیش بینی و بهینه سازی فاکتورهای کسب و کار می شود. با توجه به اینکه در عصر حاضر حجم زیادی از اطلاعات در شبکه های کامپیوتری، سرورها و سیستم های نرم افزاری تولید، پردازش و منتقل می شود (صرف نظر از تفاوت اساسی بین امنیت داده ها و داده کاوی)، دستیابی به ترکیب الگوریتم ها با استناد به رقابت استعماری منجر به تصمیم های راهبردی کسب و کار بهینه تر خواهد شد. در پایان و پس از پیاده سازی و نتیجه گیری مشاهده خواهیم کرد که الگوریتم ترکیبی پیشنهادی نسبت به خود الگوریتم رقابت استعماری و همچنین چندی از روش های موجود نتایج بهتری عرضه می کند و از نظر پارامتر های مقایسه ای مانند دقت و صحت به مراتب بالاتر می باشد و می توان نتیجه گرفت که این روش ، می تواند روشی قابل قبول برای بهینه سازی فاکتور های پیش بینی کسب و کار باشد و به نتایج آن استناد نمود لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=13586 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
24511	‭COM A ‭30	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

تشخیص بدافزار بر اساس تحلیل رفتار مبتنی بر هم‌افزایی آتوماتای یادگیر و شبکه عصبی (1400) / رحمتی نوش آبادی ، علیرضا، نویسنده

نوع مدرک: متون چاپی سرشناسه رحمتی نوش آبادی ، علیرضا، نویسنده رده‌بندی کنگره : ‭COM A ‭23 1400 عنوان : تشخیص بدافزار بر اساس تحلیل رفتار مبتنی بر هم‌افزایی آتوماتای یادگیر و شبکه عصبی عنوان موازی : Detection of Malware Based on the Analysis of the Behavior of Learning Automata and Neural Network ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1400 صفحه شمار: 74ص شابک/شاپا 24323 یادداشت پایان نامه کارشناسی ارشد: مهندسی کامپیوتر گرایش هوش مصنوعی و رباتیکز شناسه افزوده : کلینی ، مینا، استاد راهنما توصیفگرها بدافزار، تحلیل رفتار، شبکه عصبی، آتوماتای یادگیر  Malware, behavior analysis, neural network, learning automata چکیده : بخاطر رشد سریع تولید بدافزار و آسیب‌های بالقوه آن‌ها، نیاز به سیستم‌های هوشمند و خودکار برای تشخیص بدافزار نیز رشد کرده است. اگرچه، محصولات آنتی‌ویروس که بر اساس امضا قادر به تشخیص کد بدخواه هستند، موثر جلوه داده شده‌اند؛ اما در برابر حملات جدید و ناشناخته، کارآمدی ندارند. در این پایان‌نامه، یک سیستم تشخیص بدافزار پویای جدید بر اساس کاوش دنباله API ارائه شده است. در روش پیشنهادی پایگاه داده‌ای متشکل از فایل‌های اجرایی سالم و مخرب ایجاد شد. براساس روش نوین مبتنی بر رفتار فراخوانی‌های سیستمی با اجرای مخرب و غیربدافزار در محیطی کنترل‌شده بدست می‌آید. بعلاوه، یک تکنیک اشکال‌زدایی ارائه می‌شود که قادر به غلبه بر کمبودهای تکنیک‌های اشکال‌زدایی در محیط‌های کنترل شده برای تشخیص بدافزار می‌باشد. به ‌منظور کاهش داده‌ها در مرحله انتخاب ویژگی از الگوریتم ماشین بردار پشتیبان به عنوان تابع هزینه و الگوریتم فاخته به عنوان استراتژی جستجو برای انتخاب زیرمجموعه‌ای بهینه از ویژگی‌ها استفاده شده است. روش پیشنهادی روشی با دقت بالا است که با استفاده از بهینه‌سازی شبکه عصبی توسط آتوماتای یادگیر به دقت 99.06 درصد برای تشخیص بدافزار دست یافته است لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=13398 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
24323	‭COM A ‭23 1400	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

تشخیص بقا در بیماران نارسایی قلبی با استفاده از داده کاوی، در دو روش درخت تصمیم و رگرسیون و مقایسه نتایج این دو روش (1400) / باقری ، عارفه، نویسنده

نوع مدرک: متون چاپی سرشناسه باقری ، عارفه، نویسنده رده‌بندی کنگره : ‭COM A ‭20 1400 عنوان : تشخیص بقا در بیماران نارسایی قلبی با استفاده از داده کاوی، در دو روش درخت تصمیم و رگرسیون و مقایسه نتایج این دو روش عنوان موازی : Diagnosis of survival in heart failure patients using data mining, in two methods of decision tree and regression and comparison of the results of these two methods ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1400 صفحه شمار: و؛ 73ص شابک/شاپا 23946 یادداشت پایان نامه کارشناسی ارشد: مهندسی کامپیوتر هوش مصنوعی شناسه افزوده : کلینی ، مینا، استاد راهنما توصیفگرها تشخیص بقا  نارسایی قلبی  درخت تصمیم  رگرسیون  داده کاوی  Diagnosis of survival  heart failure  decision tree  regression  data mining چکیده : بیماری‌های قلبی- عروقی شایع‌ترین علت مرگ و میر در اکثر کشورهای جهان است. بیش از 30 درصد مرگ و میر در کشورهای صنعتی بر اثر بیماری‌های قلبی- عروقی بـه وقـوع می‌پیوندد. نارسایی قلبی یکی از شایع‌ترین این بیماری‌هاست. در کشورهای درحال توسعه و به خصوص در کشور ما به دلیل پایین بودن فرهنگ عمومی در زمینه آشنایی با عوامل خطرزای بیماری‌های قلبی- عروقی و عـدم رعایـت اصول پیشگیری از این بیماری‌ها، میزان مرگ و میر ناشـی از آن در حال افزایش است. به همین علت این تحقیق تمرکز خود را در راستای شناسایی عوامل موثر و میزان اثر گذاری این عوامل در رخداد واقعه نافرجام مرگ این نوع بیماران نهاده تا پزشکان و بیماران بتوانند با توجه بیشتری به این عوامل، از مرگ پیشگیری کنند. در تحقیق حاضر با استفاده از اطلاعات مربوط به بیماران مبتلا به نارسایی قلبی در انستیتوی قلب و عروق فیصل آباد و بیمارستان متفقی فیصل آباد، عملیات پیاده‌سازی جهت شناسایی عوامل موثر در وقوع مرگ در این نوع بیماران انجام می‌شود. این دادگان دارای دقت بسیار بالایی بوده و پزشکان و متخصصین می‌توانند به ارزیابی این دادگان پرداخنه و در صورت تایید از آن‌ها برای انجام آزمایشات و تشخیص‌های خود استفاده کنند. این تحقیق از دو تکنیک درخت تصمیم و رگرسیون جهت انجام کار پیاده‌سازی کمک گرفته و در نهایت کارایی هر یک مورد بررسی و مقایسه قرار می‌گیرند. نتایج حاصل از این تحقیق نشان می‌دهد که میزان دقت تشخیص در این تحقیق با روش درخت تصمیم برابر با 95.65% و با تکنیک رگرسیون دارای میزان دقت 91.28% است. پس از بررسی ویژگی‌های تکرار شده در درخت تصمیم و همچنین ویژگی‌های با ضریب بالا در جداول رگرسیون متوجه اتفاق نظر هر دو روش در اهمیت بالای سه ویژگی Age و Sodium Serum و Fraction Ejection خواهیم شد. در نتیجه با توجه به میزان اهمیت این سه ویژگی بیماران و پزشکان با کنترل سن و میزان سرم سدیم و کسر جهشی، می‌توانند از وقوع مرگ در بیماران نارسایی قلبی جلوگیری کنند لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=13144 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
23946	‭COM A ‭20 1400	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

تشخیص بلادرنگ چهره و احساسات کارمندان در محیط کار توسط شبکه¬های عصبی (1401) / کاظمی ، زکیه، نویسنده

نوع مدرک: متون چاپی سرشناسه کاظمی ، زکیه، نویسنده رده‌بندی کنگره : ‭COM A ‭36 عنوان : تشخیص بلادرنگ چهره و احساسات کارمندان در محیط کار توسط شبکه¬های عصبی عنوان موازی : Real-time Recognition of Employees' faces and Emotions in the Workplace by Neural Networks ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1401 صفحه شمار: 63ص شابک/شاپا 24714 یادداشت پایان نامه کارشناسی ارشد: رشته مهندسی کامپیوتر گرایش هوش مصنوعی و رباتیکز شناسه افزوده : کلینی ، مینا، استاد راهنما توصیفگرها تشخيص احساسات، هوش مصنوعي، شبكه عصبي، تشخيص چهره  emotion recognition, artificial intelligence, neural network, face recognition. چکیده : اهمیت روزافزون تجارت مدرن و هوشمند، مدیران را ملزم به درک بهتر رفتار کارمندان در فرآیندهای کاری می‌کند. یکی از راه‌های درک بهتر رفتار کارمندان، ردیابی احساس کارمند در طول انجام وظایف است. از آنجایی که چهره یکی از مهم‌ترین کانال‌های ارتباط اجتماعی است، استخراج نشانه‌های بصری از چهره در طول تعاملات می‌تواند منبع ارزشمندی از اطلاعات در مورد کارمند باشد. مرحله مهم در این فرآیند، در ابتدا توانایی شناسایی کارمند (تشخیص چهره) و پس از آن، درک اینکه آیا او از این کار در لحظه لذت می¬برد یا نه (تشخیص حالت چهره) است. در این پایان¬نامه پیشنهاد می¬شود که تصاویر توسط وب¬کم در ساعت‌های مختلفی گرفته شود و بصورت بلادرنگ، احساسات کارمندان پردازش و ذخیره شوند. برای تشخیص چهره از مدل FaceNet که مبتنی بر یک شبکه عصبی عمیق است استفاده می¬شود و برای تشخیص احساسات، از یک کلاس بهینه از پیش آموزش دیده به نام مجموعه داده CK+ استفاده می¬شود. این مجموعه داده دارای 327 تصویر از 123 فرد است که می¬تواند هفت احساس اساسی انسان مانند: خشم، نفرت، ترس، شادی، غم، تعجب و خنثی را تشخیص و به کاربر نشان دهد. در این روش ابتدا تصویر توسط وب¬کم ثبت می¬شود سپس با استفاده از کتابخانه Dlib چهره در تصویر شناسایی می¬شود و بعد از آن توسط مدل FaceNetکه مبتنی بر تابع هزینه سه¬گانه است به تشخیص چهره می¬پردازد و در نهایت با استفاده از مجموعه داده گفته شده که این مجموعه داده برای ردیابی چهره از مدل ظاهر فعال و برای طبقه¬بندی احساسات از ماشین بردار پشتیبان استفاده می¬کند، به تشخیص احساسات می¬پردازد. به طور کلی دقت مدل پیشنهادی برابر با %1/96 است. بنابراین مطالعه پیشنهادی می‌تواند توسط تشخیص احساسات کارمندان با دقت بالا، کمک موثری در نظارت و تصمیم‌گیری مدیران برای رسیدن به اهداف مطلوبشان داشته باشد لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=13780 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
24714	‭COM A ‭36	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

تشخیص بیماری آلزایمر با استفاده از شبکه عصبی عمیق U-Net بهینه‌یافته با الگوریتم ملخ (1400) / اختری ، علیرضا، نویسنده

نوع مدرک: متون چاپی سرشناسه اختری ، علیرضا، نویسنده رده‌بندی کنگره : ‭COM A ‭17 1400 عنوان : تشخیص بیماری آلزایمر با استفاده از شبکه عصبی عمیق U-Net بهینه‌یافته با الگوریتم ملخ عنوان موازی : Diagnosis Of Alzheimer's Disease Using U-Net Deep Neural Network Optimized By Grasshopper Algorithm ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1400 صفحه شمار: 71ص شابک/شاپا 23862 یادداشت پایان نامه کارشناسی ارشد: رشته مهندسی کامپیوتر گرایش هوش مصنوعی و رباتیکز شناسه افزوده : کلینی ، مینا، استاد راهنما توصیفگرها بیماری آلزایمر  یادگیری عمیق  شبکه U-NET  الگوریتم ملخ  Alzheimer's disease  deep learning  u-net network  locust algorithm چکیده : بیماری آلزایمر، شایع‌ترین نوع زوال عقل است که هنوز درمان مؤثری برای آن وجود ندارد. طبقه‌بندی دقیق بیماری آلزایمر می‌تواند به تشخیص و انتخاب مؤثرترین گزینه‌های درمانی کمک نماید. هدف این پایان نامه، ارائه یک روش تشخیص خودکار و دقیق بیماری آلزایمر با استفاده از تصاویر MRI می‌باشد. به همین منظور قطعه‌بندی تصاویر مغزی با استفاده از الگوریتم یادگیری عمیق U-Net توسعه یافته، پیشنهاد شده است. در روش پیشنهادی جهت بهبود عملکرد شبکه U-NET، مقدار بهینه هایپرپارامترهای این شبکه توسط الگوریتم ملخ بدست آمده است. جهت ارزیابی روش پیشنهادی از مجموعه داده ADNI استفاده شده است. نتایج اولیه نشان دهنده اثربخشی سیستم تشخیص آلزایمر است. همچنین نتایج ارزیابی‌ها نشان می‌دهد که در مدل پیشنهادی ضریب دایس9504/0 و دقت 953/0 می‌باشد که در مقایسه با روش‌های دیگر به عملکرد بهتری دست یافته است لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=13077 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
23862	‭COM A ‭17 1400	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

تشخیص بیماری دیابت با تکنیک های داده کاوی و شبکه عصبی چند لایه (1401) / زمانی ، احسان، نویسنده

نوع مدرک: متون چاپی سرشناسه زمانی ، احسان، نویسنده رده‌بندی کنگره : ‭COM soft ‭52 عنوان : تشخیص بیماری دیابت با تکنیک های داده کاوی و شبکه عصبی چند لایه عنوان موازی : A method for diagnosing diabetes with data mining techniques and multi-layer neural network ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1401 صفحه شمار: 66ص شابک/شاپا 24537 یادداشت پایان نامه کارشناسی ارشد: رشته کامپیوتر شناسه افزوده : کلینی ، مینا، استاد راهنما یراقی ، شکوفه، استاد مشاور توصیفگرها شبکه عصبی، دیابت، داده کاوی  A method for diagnosing diabetes with data mining techniques and multi-layer neural network چکیده : تشخیص زودهنگام بیماری دیابت به منظور جلوگیری از عوارض و آسیب های ناشی از این بیماری امری حیاتی است. هدف از این مقاله طراحی یک سیستم هوشمند در دسته بندی افراد مبتلا به دیابت، با روش رگرسیون مبتنی بر شبکه عصبی پرسپترون چندلایه است. در این مطالعه ی توصیفی- تحلیلی یک سیستم هوشمند برای دسته بندی افراد به دو دسته سالم و مبتلا به بیماری دیابت شبیه سازی شده است. سیستم طراحی شده با استفاده از زبان تحلیل داده پایتون بر روی مخزن داده PIMA انجام شده است. این مجموعه داده شامل 768 رکورد از زنان هندی و 8 فاکتور تشخیصی برای بیماری دیابت است. داده های این مجموعه پس از پیش پردازش به صورت تصادفی به دو دسته از کل مجموعه داده تقسیم شدند که شامل داده های آموزشی و آزمون متفاوت بودند. در دسته بندی مجموعه داده از 70 درصد داده ها برای مرحله ی آموزش و 30 درصد باقیمانده برای مرحله ی آزمون استفاده شد. نتایج حاصل در بهترین حالت براساس شاخص های حساسیت، اختصاصیت، صحت و دقت در دسته بندی افراد، به دست آمد. نتایج به دست آمده برتری سیستم هوشمند طراحی شده در دسته بندی افراد به دو دسته سالم و بیمار را نسبت به سایر روش های پیاده سازی شده بر این مجموعه داده تأکید می کند. استفاده از شبکه عصبی پرسپترون چندلایه برای تقریب تابع، موجب افزایش دقت سیستم پیشنهادی شده است لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=13612 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
24537	‭COM soft ‭52	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

تشخیص بیماری ذات الریه از تصاویر اشعه ایکس قفسه سینه با استفاده از شبکه عصبی کانولوشن (1401) / کریمی ، ملیحه، نویسنده

نوع مدرک: متون چاپی سرشناسه کریمی ، ملیحه، نویسنده رده‌بندی کنگره : ‭COM A ‭28 عنوان : تشخیص بیماری ذات الریه از تصاویر اشعه ایکس قفسه سینه با استفاده از شبکه عصبی کانولوشن عنوان موازی : Pneumonia Detection from Chest X-ray Images Using Convolutional Neural Network Approach ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1401 صفحه شمار: 48ص شابک/شاپا 24509 یادداشت پایان نامه کارشناسی ارشد :در رشته مهندسی کامپیوترگرایش هوش مصنوعی و رباتیکز شناسه افزوده : کلینی ، مینا، استاد راهنما توصیفگرها شبکه عصبی کانولوشن، بیماری ذات‌الریه، تصاویر اشعه ایکس قفسه سینه، تصویر پردازی، یادگیری انتقالی عمیق  Convolutional neural network, pneumonia, chest x-ray images, image processing, deep transfer learning چکیده : بیماری ذات‌الریه یک بیماری تهدید‌کننده زندگی انسان است که در ریه‌ها به دلیل عفونت ویروسی یا باکتریایی ایجاد می‌شود. فرد مبتلا به ذات‌الریه علائمی از جمله سرفه، تب و لرز، تنگی نفس، انرژی و اشتهای کم دارد و اگر به موقع درمان نشود، علائم تشدید شده و زندگی انسان را به خطر می‌اندازد. بیماری ذات‌الریه با استفاده از روش و دستگاه‌های مختلفی مانند آزمایش‌خون، نمونه‌برداری مخاط و انواع تصویربرداری قابل تشخیص است، اما رایج‌ترین روش تشخیص، تصویربرداری اشعه ایکس قفسه سینه است. با توجه به پیشرفت‌های حاصل شده در تشخیص بیماری ذات‌الریه، مشکلاتی از جمله پایین بودن دقت تشخیص در مسائل دو کلاسه و سه کلاسه وجود دارد، که هدف این مقاله تشخیص بیماری ذات‌الریه از تصاویر اشعه‌ایکس قفسه سینه با استفاده از یادگیری انتقالی و شبکه مولد متخاصم، در دو کلاس نرمال و ذات‌الریه و سپس تعمیم روش به سه کلاس نرمال، ذات‌الریه ویروسی و ذات‌الریه باکتریایی است. دیتاست مقاله دارای 5856 تصویر اشعه‌ایکس قفسه سینه شامل تصاویر نرمال، ذات‌الریه ویروسی و ذات‌الریه باکتریایی می‌باشد و به منظور افزایش حجم داده و دقت تشخیص از شبکه مولد متخاصم استفاده گردید. سه شبکه عصبی کانولوشن عمیق از پیش آموزش دیده مختلف شامل: DenseNet121 و MobileNet برای یادگیری انتقال عمیق استفاده شد. نتیجه‌ی بدست آمده در دو کلاس نرمال و ذات‌الریه با استفاده از شبکه DenseNet121 به دقت 99/0 و با استفاده از شبکه MobileNet نیز به دقت 99/0 رسیده است که نسبت به روش پیشین مورد مقایسه 4 درصد افزایش دقت به همراه داشت لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=13584 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
24509	‭COM A ‭28	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت