مقاله درباره ریاضی سوال

اختصاصی از حامی فایل مقاله درباره ریاضی سوال دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 2

مسئله ای از نسبتهای مثلثاتی - 12-14-2007, 10:05 PM

مسئله ای از نسبتهای مثلثاتی

مقاله درباره ریاضی کاربردی 13 ص

اختصاصی از حامی فایل مقاله درباره ریاضی کاربردی 13 ص دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 13

ریاضی کاربردی

ریاضیات کاربردی و علوم کامپیوتر

از سلول های عصبی انسانی تا سلول های عصبی مصنوعی

ما این شبکه های عصبی را با تلاش اولیه در جهت یافتن خصوصیات اساسی سلول های عصبی و اتصالات آنها ، هدایت می کنیم. سپس بطور معمول یک کامپیوتر را برای شبیه سازی این خصوصیات برنامه ریزی می کنیم .اگر چه بدلیل اینکه دانش ما از سلول های عصبی ناقص است و قدرت محاسبات ما محدود است ، مدل های ما لزوما آرمان های خام و ناقصی از شبکه های واقعی سلول های عصبی است .

یک روش مهندسی

یک سلول عصبی ساده

یک سلول عصبی مصنوعی دستگاهی است با تعداد زیادی ورودی و یک خروجی . سلول عصبی دو گونه عمل دارد ; حالت یادگیری پرورشی و حالت کاربردی . در حالت یادگیری سلول می آموزد که برای حالت خاصی فعال و بر انگسخته شود ( یا برای همان حالت بر انگیخته نشود). و در حالت کاربردی و استفاده وقتی الگوی ورودی آموزش یافته ای در ورودی شناسایی شود خروجی مرتبط با آن خروجی کنونی سلول می شود . اگر الگوی ورودی به لیست الگو های ورودی ای کا از پیش به سلول آموزش داده شده نباشد ، قوانین فعال سازی سلول خروجی سلول را تعیین می کند که آیا فعال کننده باشد یا نه.

قوانین فعال سازی

قانون فعال سازی مفهوم مهمی در شبکه های عصبی است و مسئول انعطاف پذیری بالای دستگاه می باشد . قانون فعال سازی تعیین میکند که چگونه یک واحد محاسبه کند که آیا یک سلول عصبی باید برای هر الگوی ورودی واکنش فعال سازی را انجام دهد. این قانون برای کلیه الگو ها شرح داده می شود نه فقط برای آنهایی که گره عصبی برایش پرورش یافته است.

یک قانون فعال سازی ساده بوسیله تکنیک فاصله Hamming قابل اجرا است قواننین به صورت زیر اجرا میشود:

یک مجموعه از الگو های آموزشی را برای یک گره عصبی انجام دهید، تعدادی از این الگوها سبب فعالسازی (مجموعه الگوهای آموزشی با حاصل 1) و باقی که از فعالیت آن جلوگیری می کنند (مجموعه الگوهای آموزشی با حاصل0 ) سپس الگو های خارج از مجموعه ای سبب فعال سازی گره عصبی می شوند که عناصر مشترک بیشتری با نزدیکترین الگو در مجموعه آموزشی 1 دارند تا با نزدیکترین الگو در مجموعه آموزشی 0 . اگر در این بین گرهای وجود داشته باشد الگوی مورد نظر در وضعیت غیر تعریف شده باقی می مانند.

بعنوان مثال ، یک سلول عصبی با 3 ورودی در نظر بگیرید که آموزش یافته تا خروجی 1 را زمانی بدهد که ورودی (x1 ،x2 وx3) 111 یا 101 است و خروجی 0 را زمانی داشته باشد که ورودی 000و001 است. پس قبل از اعمال قانون فعال سازی ، جدول درستی به صورت زیر است:

X1:

0

0

0

0

1

1

1

1

X2:

0

0

1

1

0

0

1

1

X3:

0

1

0

1

0

1

0

1

OUT:

0

0

0/1

0/1

0/1

1

0/1

1

010 را بعنوان مثالی که در آن قوانین فعال سازی اعمال می شود در نظر بگیرید. این ورودی با ورودی 000 در یک عنصر و با ورودی001 در دو عنصر متفاوت است ، با 101 در سه عنصر وبا 111 در دو عنصر متفاوت است . بنابر این نزدیکترین الگو به آن 000 است که به الگوهای آموزشی با حاصل0 تعلق دارد . در نتیجه قوانین فعال سازی لازم می داند زمانی که ورودی 001 است تا سلول عصبی فعالیتی نکند . از طرف دیگر ، 011 در فاصله ای برابر بین در دسته الگو های آموزشی است که دارای خروجی های متفاوتی هستند بنابراین خروجی این الگو بدون تعریف می ماند (1/0).

با اعمال قوانین فعال سازی تمام ستون های جدول درستی زیر به دست آمده است:

X1:

0

0

0

0

1

1

1

1

X2:

0

0

1

1

0

0

1

1

X3:

0

1

0

1

0

1

0

1

OUT:

0

0

0

0/1

0/1

1

1

1

تفاوت بین دو جدول عمومیت دادن سلول عصبی نامیده می شود بنابر این قوانین فعالسازی به سلول عصبی حس تشخیص شباهت ها را می دهد و آنها را قادر می کند تا هوشمندانه به الگو هایی که در طول تمرین آنها را ندیده اند جواب بدهد.

الگوشناسی- یک مثال

یکی از کاربردهای شبکه های عصبی تشخیص الگو است.الگوشناسی با استفاده از شبکه های عصبی که ازپیش (مانند شکل 1) تغذیه شده اند و مطابق با موضوع پرورش یافته اند قابل اجرا است.وقتی از شبکه استفاده می کنیم خودش الگو های ورودی را شناسایی می کند و سعی می کند تا خروجی متناسب با آن الگو را بدهد . توان شبکه های عصبی زمانی خودش را نشان می دهد که الگویی به عنوان ورودی به آن داده شود که از قبل خروجی مرتبط با آن را نداشته ، در یان وضعیت خروجی متناسب است با یک الگوی ورودی که داری حداقل اختلاف با الگوی داده شده است.

بعنوان مثال:

شبکه عصبی در شکل 1 برای شناسایی الگوهای حروف T وH آموزش داده شده اند.همانگونه که شکل نشان می دهد الگوهای مرتبط بترتیب تماما سیاه و تماما سفید هستند .

اگر ما مربع های سیاه را با 0 و مربع های سفید را با با 1 نمایش دهیم بنابراین جدول درستی برای سه سلول عصبی بعد از عمومیت دادن (با قانون فعال سازی ) به صورت زیر است.

X11:

0

0

0

0

1

1

1

1

X12:

0

0

1

1

0

0

1

1

X13:

0

1

0

1

0

1

0

1

OUT:

0

0

1

1

0

0

1

1

خروجی سلول بالایی

X21:

0

0

0

0

1

1

1

1

X22:

0

0

1

1

0

0

1

1

X23:

0

1

0

1

0

1

0

1

OUT:

1

0/1

1

0/1

0/1

0

0/1

0

خروجی سلول میانی

X21:

0

0

0

0

1

1

1

1

X22:

0

0

1

1

0

0

1

1

X23:

0

1

0

1

0

1

0

1

OUT:

1

0

1

1

0

0

1

0

خروجی سلول پایینی

می توان موضوعات تداعی شده زیر را از جداول بالا است استخراج کرد.

پاورپوینت کاروفنآوری هفتم ( پودمان کاربرد فناوری اطلاعات و ارتباطات )

اختصاصی از حامی فایل پاورپوینت کاروفنآوری هفتم ( پودمان کاربرد فناوری اطلاعات و ارتباطات ) دانلود با لینک مستقیم و پر سرعت .

پاورپوینتی زیبا و جذاب در 16  اسلاید قابل ویرایش به همراه تصاویر زیبا و جذاب

مقاله ترافیک و مشکلات پارکینگ

اختصاصی از حامی فایل مقاله ترافیک و مشکلات پارکینگ دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 31

مقاله ترافیک و مشکلات پارکینگ

بخش پنجم : پارکینگ

1-12 ترافیک و مشکلات پارکینگ

یکی از مشکلات ناشی از ترافیک جاده ای مشکل یا معضل پارکینگ می باشد ومسائل نقلیه نه تنها به فضای حرکت بلکه همچنین به فضاهایی جهت پارک کردن یا سوار کردن یا پیاده کردن نیاز دارند آمار نشان می دهد که از 8760 ساعت در سال هر اتومبیل فقط چیزی حدود 400 ساعت تردد جاده ای دارد و 8360 ساعت باقیمانده را متوقف است صاحبان اتومبیل ها ترجیح می دهند اتومبیل های خود را حد الامکان در نزدیکترین مکان به محل اقامتشان یا کارشان پارک کنند و پیاده روی را به حداقل برسانند .

این مساله نیاز مبرم به ایجاد فضای پارک در نواحی مرکزی بریتانیا (C-B-D: Centeral British Districts) و سایر مناطقی را که فعالیتهای متمرکز در آنها صورت می گیرد افزایش می دهد افزایش روز افزون و سائط نقلیه موتوری ، ابعاد تازه ای به مشکل پارکینگ بخشیده است بررسی سیستماتیک ویژگیها به میزان نیاز و وضع قوانینی که درجهت کنترل پارکینگ ها بکار می رود کمک بزرگی به مهندسین ترافیک وهمچنین شهر سازان به حساب می آید .

2-12 پارک اتومبیل و اثرات چند گانه آن

1-2-12 سد معبر

یکی از مشکلات اساسی کمبود پارکینگ اشغال فضای تردد خیابانها و افزایش بار ترافیکی است .

نقصان فضای تردد سرعت و سائط نقلیه را کاهش ، زمان مسافرت را طولانی و تاخیر در آمدو شد را افزایش می دهد در نتیجه ، عملا وسائط نقلیه هزینه بیشتری را متحمل می شوند وزیانهای اقتصادی جدی را متوجه جامعه می کنند .

2-2-12 تصادفات :

مانورهایی که رانندگان به هنگام پارک یا خروج از پارک انجام می دهند موجب افزایش حجم تصادفات جاده ای می شود بی دقتی در باز کردن درب اتومبیل های پارک شده ویا ورود و خروج از محل پارک یکی از دلایل اصلی و متداول تصادفات جاده ای محسوب می شود .

3-2-12 ممانعت از عملیات اطفاء حریق :

اتومبیل های پارک شده مانع ازحرکت اتومبیل های آتش نشانی می شوند و عامل مهمی در کندی عملیات آنها به حساب می آیند علاوه بر آن دسترس به شیرهای آتش نشانی منصوب در پیاده روها و همچنین دسترسی به ساختمانها را مشکل می سازند .

4-2-12 محیط :

وسائط نقلیه پارک شده درمرکز شهر ، آنرا از حالت طبیعی خارج می سازد و توقف و روشن شدن آن سبب ایجاد سرو صداهای مزاحم و دود و بخارمی شود اتومبیل های پارک شده درهر فضای کوچک قابل دسترس ، زیبایی شناسی بصری ساختمانها را تحت الشعاع قرار می دهد ، گویی ساختمانها بر صفحه ستونهایی از اتومبیل استوار است .

5-2-12

اما علیرغم تمامی اثرات مخرب یاد شده و جود پارکینگ در خیابانها ویا حاشیه آنها ونزدیک به مقصد کسانی که از آنها استفاده می کنند امری ضروری به نظر می رسد راحتی جامعه و بهینه سازی مرکز شهر مستلزم نگرش عمیق به نیازهای پارکینگ و دستیابی به بهترین امکانات پارک شهری است .

3-12 حریم و استانداردهای فضای پارک :

پارک خیابانی و مقررات مربوطه به آن همواره یکی از سیاستهای پارک درون شهر ما بوده وخواهد بود با وجوداین ، روند توسعه آینده ، بهره وری از زمین و فعالیتهای ساختمانی ، توجه و دقت لازم به نیازهای پارک شهری امری ضروری است از اینرو ، تمامی ساختمانهای جدید

مقاله درباره کاربرد روش L1 تقریب در معادلات انتگرال تکین

اختصاصی از حامی فایل مقاله درباره کاربرد روش L1 تقریب در معادلات انتگرال تکین دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 21

- کاربرد روش L1 – تقریب در معادلات انتگرال تکین

1- مقدمه: معادلات انتگرال را می‌توان با استفاده از فن LP – تقریب (به ویژه L1 تقریب) به طور موثری حل کرد. در این متن فن کلی را مورد بحث قرار می‌دهیم و سپس آن را با حل چند معادله انتگرال مختلف توضیح می‌دهیم. علاوه برامتیازات دیگر، این روش به طور موفقیت آمیزی در مورد معادلات انتگرال تکین و همین طور معادلات انتگرال قویاً تکین (نظیر انتگرال های آدامار یا متناهی – قسمت) تعمیم داده شده و به کار رفته است. در بحث حاضر، مروری بر این مطالعه ارائه می‌شود.

2- مقدمات ریاضی :

به طور کلی هدف این متن عبارت است از کاربرد فن LP- تقریب در حل یک معادله انتگرال فردهولم (خطی یا غیر خطی) نوع اول یا دوم به صورت

در معادلة بالا تابع هدایتگر و هسته K توابعی معلوم اند، در حالی که تابع مجهول است که باید آن را بیابیم پارامتر نیز معلوم است. مساله کلی LP- تقریب پیوسته را می‌توان به صورت زیر فرمول بندی کرد:

تابع f معین روی یک بازة حقیقی مانند x همراه با یک تابع تقریب مانند F(A)، که به متغیر n پارامتری A=(a1 , …,an) در Rn وابسته است، مفروض اند.

در این صورت مساله LP- تقریب پیوسته به این معنی است که باید برداری مانند به گونه ای بیابیم که به ازای هر رابطة :

برقرار باشد.

جنبة اصلی مساله که باید مورد بحث واقع شود فرمول بندی مجدد مساله معادله انتگرال به صورت یک مساله LP- تقریب است. برای این منظور، فرض کنیم بتوان تابع جواب را با تابع F(A)، که ممکن است خطی یا غیر خطی باشد، تقریب زد. اگر این تقریب را در معادله انتگرال بگذاریم، رابطة زیر به دست می‌آید:

در آن صورت مساله تقریب را می‌توان بر حسب LP- نرم به صورت:

بیان کرد که در آن F(A,x) نسبت به A روی Rn و نسبت به x روی [a,b] تعریف شده است. توجه داشته باشید که می‌توان عبارت

را تابعی مانند تلقی کنیم که فقط به A بستگی دارد. پس می‌توان مسأله تقریب را به عنوان یک مسأله مینیمم سازی غیر مقید وابسته به n متغیر an,...,a1 در نظر گرفت. بنابراین، J فقط باید نسبت به این متغیرها مینیمم شود. در نتیجه، با حل مسأله مینیمم سازی بالا امکان حل تقریبی معادله انتگرال وجود دارد.

برای مطالعة درباره جزئیات این فن (و از جمله آنالیز ریاضی) مراجع [19] , [18] تالیف De Klerk را ببینید.

در این مرحله دو تفسیرزیر ضروری اند:

مقادیر مخلتف P را می‌توان مورد استفاده قرار داد. برای مثال به ازای P=1 مسأله منجر می‌شود به مسأله کمترین قدر مطلق و به ازای P=2 مسأله منجر می‌شود به مسألة کمترین مربعات. دلیلی وجودندارد که مقادیر مثبت دیگر P را در نظر نگیریم. حالت P=2 را بیشتر می شناسیم، در حالی که حالت P=1 کمتر آشناست. بنابراین احساس می‌شد که این حالت باید حاوی چالش های عددی جالبی (در رابطه با قدر مطلقی که در انتگرالده ایجاد می شود) باشد. توجه داشته باشید که خطی یا غیر خطی بودن انتگرالده بالا نسبت به A بستگی به تابع تقریب F(A) و هسته K دارد. در روش عددی ای که در اینجا مورد بحث قرار می‌گیرد تمایز خاصی بین خطی یا غیر خطی بودن قائل نمی‌شویم.