مقالات رشته ریاضی: کوپلاس (پیوند) و کاربرد آن.

چکیده

این بررسی در مورد کوپلاس، بعضی از جنبه هایی از کوپلاس، خصوصیات آنرا مد نظر قرار داده که تاکیدی بر روی ارتباط آن با آمار و پیوند آن با مراحل مارکوف و پیش بینی شرطی دارد.

کوپلاس چیست؟

کوپلاس در سال 1959 توسط اسکلار معرفی شد. امروزه تحقیقات بر روی کوپلاس بسیار گسترده می باشد. خواننده در درجه اول، به کتاب های معتبر و بررسی های افرادی چون شویزر، اسکلار و نلسون ارجاع می گردد. همچنین کتاب های نوشته شده توسط جو و هاتچینسون و لی شامل اطلاعات مهمی می باشد؛ به این ترتیب مجموعه ای از مقالات و موضوعات آن ها، زمانی که نیاز به آن ها احساس می گردد، مد نظر قرار می گیرند. مقاله کنونی به معرفی بعضی از ویژگی ها و کاربردهای کوپلاس، حتی مواردی که دارای ارتباط نزدیک با موضوع نمی باشند، می پردازد. البته نمی توان وانمود کرد که وسعت یا تشابه عمیقی در آثار ذکر شده وجود دارد.

خرید

مطالب مرتبط


تخمین بایاس برای ارزیابی سیستم نظارت ترافیک هوایی (ترجمه)

چکیده

این مقاله به توصیف، برآورد بایاس برون خطی و سیستم اصلاح کنترل ترافیک هوایی مرتبط با حسگرها، که در تجهیزات توسعه یافته جدید تحت کنترل اروپا برای ارزیابی سیستم های نظارتی ATC (کنترل ترافیک هوایی) مورد استفاده قرار می گیرد، می پردازد. الگوریتم های تخمین بایاس اساس تمرکزشان را بر روی حسگرهای رادار قرار می دهند، اما راه اندازی حسگرهای جدید (به ویژه سامانه نظارتی اتوماتیک وابسته، و سامانه نظارتی چندگانه) نیازمند توسعه این روش ها می باشد. در این مقاله معماری تخمین بایاس بر مبنای مدل های خطا برای تمام حسگرها طراحی می گردد. مدل های خطای توصیف شده، وابسته به فیزیک فرایند اندازه گیری هستند. نتایج روش های تخمین بایاس با داده های شبیه سازی شده نشان داده می شود.

کلیدواژه: تخمین بایاس، کنترل ترافیک هوایی، ADS-B، سامانه نظارتی چندگانه

- مقدمه

TRES (بازسازی مسیر و مجموعه ارزیابی) در آینده نزدیک جایگزین بعضی از بخش های نسخه های کنونی مجموعه SASS-C (سیستم پشتیبان تحلیل نظارتی مراکز) می گردد [1]. این سیستمی می باشد که برای ارزیابی عملکرد مسیریابی چندحسگری/ چندهدف ATC (کنترل ترافیک هوایی) مورد استفاده قرار می گیرد. این مقاله به شرح معماری کلی سیستم های ارزیابی می پردازد، و جزییاتی را در مورد بعضی از عوامل مرتبط با فرصت بازسازی مسیر می دهد. فرصت بازسازی مسیر (OTR) به عنوان فرایند پیمانه ای در TRES می باشد که تمام داده های واقعی موجود از تمام حسگرها مورد استفاده قرار می گیرد تا به مسیر مناسبی برای تمام واپیماها در حوزه مورد نظر دست یابیم. این موارد نیازمند ارزیابی دققیق برای بازسازی مسیر، تخمین بایاس و اصلاح به منظور هماهنگی اندازه گیری های حسگر مختلف، و هموارسازی چندحسگر تطبیقی برای دستیابی به مسیرهای داخلی نهایی می باشد. باید اشاره کنیم که این یک فرایند پیمانه ای برون خطی بوده که بطور بلقوه کاملا متفاوت از سیستم های همجوشی داده تمام وقت معمول مورد استفاده در ATC (کنترل ترافیک هوایی) می باشد. ترتیب پردازش داده و تکنیک های پردازش متفاوت می باشند.

خرید

مطالب مرتبط


معماری هایبرید جدید شبکه برای افزایش تعبیه DG در سیستم های توزیع

چکیده

شبکه های توزیع، یک تغییر عمیق را در رابطه با طراحی و قواعد عملکردشان به علت انتظار افزایش اتصال تولید پراکنده (DG) به شبکه، تجربه می کنند. در حقیقت مطرح شدن بازار برق و نگرانی رشد جهانی برای موضوعات محیطی منجر به توسعه عظیم DG ها شده است. شمار زیادی از DG ها توانسته اند مسائل تکنیکی و مشکلات فنی شبکه های توزیعی که برای پخش توان دو جهته طراحی نشده اند را مرتفع نمایند.

راه حل های موجود برای حل اتصالات حاشیه ای DG ممکن است مناسب نباشند. شبکه های توزیع به طور قطعی باید به سمت هوشمند سازی و قابلیت انعطاف پذیری بیشتر پیش بروند. دو روش ممکن برای رسیدن به این هدف عبارتند از معماری های جدید و ایجاد و توسعه سیستم های هوشمند.

این مقاله بر روی معماری های جدید و مدهای عملکرد تمرکز می کند. شبکه های توزیع شعاعی مرسوم و سنتی می توانند DG های بیشتری را بوسیله مطرح کردن و معرفی کردن حلقه های ویژه مناسب، بپذیرند.

یک ساختار هایبرید (ترکیبی یا چندگانه) جدید که قادر به عملکرد بصورت شعاعی و مشی (مشبکی) می باشد پیشنهاد می شود و به بریکرهای اتوماسیون و کلیدهای اتوماتیک تجهیز می شود که قابلیت اطمینان آن را بهبود می بخشد. همچنین یک الگوریتم هیریستیک (ابتکاری) برای ساختار این معماری جدید، جهت تضمین ساختن استمرار و پیوستگی سرویس برای مشتریان و حداقل کردن هزینه کل، پیشنهاد می شود.

پروژه کارشناسی ارشد برق

فایل محتوای:

  • اصل مقاله لاتین 10 صفحه IEEE
  • متن ورد ترجمه شده بصورت کاملا تخصصی و قابل ویرایش 29 صفحه

خرید

مطالب مرتبط


آرایش ژنتیکی (Genetic Placement)

چکیده

یک الگوریتم آرایشی به نام Genie برای تخصیص مدول ها (modules) به مکان های موجود برروی قطعات ارائه می شود. Genie نوعی تطابق و انطباق تکنیک الگوریتم ژنتیکی است که درگذشته به عنوان ابزار جامعه هوش مصنوعی مورد استفاده بوده است. این تکنیک به نوعی به عنوان پارادایم آزمایش و بررسی فضای وضعیت محسوب می شود. این تکنیک با ملاحظه هم زمان و دستکاری مجموعه ای از جواب ها، به جواب های خود دست میابد. به عنوان مثال، راه ها جهت تولید و ایجاد راه حل های «فرزندان، با هم در جفت گیری» می کند. Genie در بسیاری از نمونه های آزمایشی کوچک به طور گسترده به آن ها پرداخته شده است. راه حل های مشاهده شده آن کاملاً خوب و در چند نمونه به صورت مطلوب بوده اند.

کلیدواژگان: آرایش، الگوریتم های ژنتیکی، VLSI، طرح فیزیکی

مقدمه

LAYOUT PROBLEM مشکل اصلی در طراحی قطعه های VLSI است. به دلیل پیچیدگی که دارد غالباً به چند مشکل فرعی مجزا تجزیه می شود:

1. طراحی قطعه

2. جزء بندی

3. آرایش

4. مسیریابی

در این مقاله به بررسی مشکل آرایش – تخصیص عناصر مدار به مکان های روی قطعه پرداخته می شود. مسئله آرایش عبارت است از مجموعه ای از عناصر مدار یا ورودی های m، { e m و ….، e 1} = M و مجموعه ای از سیگنال ها یا شبکه های n، { Sn و …، S1 } = N. شبکه عبارت است از مجموعه ای از مدال های به هم متصل. ما علاوه براین مجموعه ای از مکان های قطعه L یا Slot را ارائه خواهیم داد. وقتی L≥m است، { Cl و …..، C1 } = L. Solt ها به صورت یک ماتریس همراه با ردیف های r و ستون های C سازمان دهی می شوند. هدف از این، طراحی بهینه و مطلوب هر مدول متناسب با Solt خود آن در حالی که محدودیت های الکتریکی را تحقق می بخشد می باشد. در این وضعیت بهینگی و مطلوبیت بر اساس مسیریابی مورد انتظار آرایش اندازه گیری می شود. دو مؤلفه مشترک بسیاری از اندازه های مسیریابی عبارت است از برآورد میزان تراکم سیم و میزان سیم مورد نیاز برای مسیر تمام اتصالات و ارتباطات. به حداقل رساندن میزان تراکم سیم مورد انتظار اهمیت دارد به گونه ای که یک سیم کشی عملی معمولاً با تراکم کمتر راحتر است. کم کردن میزان مورد انتظار سیم نیز اهمیت دارد. به گونه ای میزان آماده سازی سیگنال مدار معمولاً نسبت معکوس با میزان سیم دارد.

خرید

مطالب مرتبط


مسیریابی در شبکه پویا با الگوریتم ژنتیک و موریانه ای

  • عنوان لاتین مقاله: Routing in Dynamic Network using Ants and Genetic Algorithm
  • عنوان فارسی مقاله: مسیریابی در شبکه پویا با استفاده از الگوریتم ژنتیک و الگوریتم موریانه ای.
  • دسته: کامپیوتر و فناوری اطلاعات
  • فرمت فایل ترجمه شده: WORD (قابل ویرایش)
  • تعداد صفحات فایل ترجمه شده: 14
  • ترجمه سلیس و روان مقاله آماده خرید است.

خلاصه

مسیریابی در شبکه پویا یک فعالیت چالش انگیز است، چون توپولوژی شبکه ثابت نمی باشد. این مسئله در این بررسی با استفاده از الگوریتم موریانه ای برای مد نظر قرار دادن شبکه هایی که از چنین بسته های اطلاعاتی استفاده می کنند، مطرح می گردد. مسیرهای ایجاد شده توسط الگوریتم انت (موریانه) به عنوان داده ورودی برای الگوریتم ژنتیک می باشد. الگوریتم ژنتیکی مجموعه ای از مسیرهای مناسب را پیدا می کند. اهمیت استفاده از الگوریتم موریانه ای، کاهش اندازه جدول مسیر می باشد. اهمیت الگوریتم ژنتیک بر مبنای اصل تکامل مسیرها به جای ذخیره مسیرهای از پیش محاسبه شده می باشد.

کلمات کلیدی:

مسیریابی، الگوریتم موریانه ای، الگوریتم ژنتیکی، معبر، جهش، هر یک از این موارد در زیر به بحث گذاشته می شود.

مقدمه

مسیریابی به عنوان فرایند انتقال بسته ها از گره مبدا به گره مقصد با هزینه حداقل می باشد. از این رو الگوریتم مسیریابی به دریافت، سازماندهی و توزیع اطلاعات در مورد وضعیت شبکه می پردازد. این الگوریتم به ایجاد مسیرهای عملی بین گره ها پرداخته و ترافیک داده ها را در بین مسیرهای گلچین شده ارسال کرده و عملکرد بالایی را حاصل می کند. مسیریابی به همراه کنترل تراکم و کنترل پذیرش به تعریف عملکرد شبکه می پردازد. الگوریتم مسیریابی می بایست دارای اهداف کلی از استراتژی مسیریابی بر مبنای اطلاعات سودمند محلی باشد. این الگوریتم همچنین می بایست کاربر را در مورد کیفیت خدمات راضی نگه دارد. بعضی از روش های مطرح شده برای رسیدن به این اهداف عبارتند از شبیه سازی حشرات اجتماعی و شبکه بسته شناختی. این دو روش از جدول مسیریابی احتمالات استفاده کرده و این امکان را به بسته ها می دهد تا به بررسی و گزارش توپولوژی و عملکرد شبکه بپردازند. دوریگو ام و دی کارو جی، شبکه موریانه ای را به عنوان روشی برای مسیریابی در شبکه ارتباطات مطرح می کنند. ار اسکوندر وورد، اون هالند، جانت (موریانه) بروتن و و لئون روسکرانت، در مقاله شان به بحث در مورد حاصل شدن توازن ظرفیت در شبکه های ارتباطاتی با استفاده از الگوریتم موریانه ای می پردازند. تونی وارد در مقاله تخصصی اش به شرح این موضوع می پردازد که چگونه عوامل محرک بیولوژیکی می تواند برای حل مشکلات مدیریت و کنترل در ارتباطات مورد استفاده قرار گیرد.

هدف این مقاله ایجاد راه حلی با استفاده از الگوریتم موریانه ای (استعاره حشره اجتماعی) و بهینه سازی راه حل با استفاده از الگوریتم های ژنتیکی می باشد. الگوریتم موریانه ای دسته ای از تراکم اطلاعاتی می باشد. تراکم اطلاعاتی روش جایگزینی را در ارتباط با طراحی سیستم اطلاعاتی ارائه می دهد که در آن عملیات خودگردانی، ظهور و توزیع جایگزین کنترل، پیش برنامه ریزی و تمرکز می گردد. این روش تمرکزش را بر روی توزیع، انعطاف پذیری، توانمندی و ارتباطات مستقیم و غیرمستقیم در میان عوامل نسبتا ساده قرار می دهد. الگوریتم ژنتیک به عنوان الگوریتمی می باشد که در آن جمعیت مرتبط با هر گره در مجموع برای حل مشکلات مشارکت دارد.

  • فرمت: zip
  • حجم: 0.39 مگابایت
  • شماره ثبت: 411

خرید

مطالب مرتبط