کامپوزیت هاي زمینه پلیمري از رایج ترین دسته کامپوزیت ها هستند که شامل زمینه اي از جنس پلیمر (رزین) که با فاز توزیع شده تقویت کننده متصل شده است. مواد پلیمري مانند اپوکسی و پلی استرها در مقایسه با فلزات خواص مکانیکی خیلی بالا ندارند. به عنوان مثال استحکام کششی قوي ترین پلیمرها، رزین اپوکسی 140 مگا پاسکال است و علاوه بر استحکام کم، مقاومت به ضربه این پلیمرها نیز کم است. در کامپوزیت هاي زمینه پلیمري الیاف تقویت کننده باید خواص مکانیکی از جمله استحکام کششی بسیار بالایی نسبت به زمینه پلیمري داشته باشند. با افزایش تقویت کننده به زمینه پلیمري استحکام کششی و مدول کشسانی کامپوزیت افزایش می یابد. در موقع اعمال بار قسمت اعظم نیرو توسط الیاف تحمل می شود و زمینه پلیمري در واقع ضمن حفاظت الیاف از صدمات فیزیکی و شیمیایی، کار انتقال نیرو به الیاف را انجام می دهد. در ضمن زمینه پلیمری، الیاف تقویت کننده را مانند یک چسب کنار هم نگه می دارد و البته گسترش ترك را محدود می کند. روش هاي مختلفی براي ساخت کامپوزیت ها وجود دارد که در کل به روش قالب گیري بسته و باز صورت می گیرد که ساده ترین روش نیز، فرآیند قالب گیري باز است که براي تولید قطعات بزرگ استفاده می شود. پالتروژن یکی از اقتصادي ترین روش هاي تولید پروفیل هاي کامپوزیتی مورد استفاده در صنایع ساختمان است که براي تولید قطعات سبک و مقاوم در برابر خوردگی استفاده می شود. امروزه کامپوزیت هاي زمینه پلیمري کاربردهاي فراوانی دارند که از جمله آنها می توان به قطعات به کار رفته در صنعت هوا و فضا، لوله هاي انتقال گاز، تابلو برق هاي کامپوزیتی و غیره اشاره نمود...

کاربرد روش های اکتشافی مبتنی بر تحليل بافت در گروه بندی کيفی محصولات فولادی

پتروگرافي و ژئوشيمي كانسار كروميت فارياب و سنگ هاي مرتبط با آن

مدل سازي مواد پیزوالکتریک در نرم افزار تحلیلی آباکوس

تکنولوژی پلاستیک و لوله های پلیمری

پروژه کامپوزیت هاي زمینه پلیمري (Polymer matrix composites)، مشتمل بر 3 فصل، 62 صفحه، تایپ شده، به همراه تصاویر، با فرمت pdf جهت دانلود قرار داده شده است و فصل بندی پروژه به ترتیب زیر می باشد:

فصل 1: معرفی مواد کامپوزیتی

• مقدمه
• تعریف کامپوزیت
• اجزاي یک ماده کامپوزیتی
• زمینه
• ترموپلاستیک ها
• ترموست ها
• الاستومرها
• پلیمرهاي مورد استفاده به عنوان زمیته در کامپوزیت هاي زمینه پلیمري
• تقویت کننده ها
• تقویت کننده فایبرگلاس ها GFPR
• تقویت کننده الیاف کربن CFRP
• تقویت کننده آرامید
• فصل مشترك

فصل 2: فرآیندهاي ساخت کامپوزیت هاي زمینه پلیمري

• مقدمه
• فرآیند قالب گیري باز
• لایه گذاري دستی
• پاشش رزین
• رشته پیچی
• فرآیند قالب گیري بسته
• قالب گیري فشاري
• قالب گیري ورقه اي SMC
• ترکیبات قالب گیري BMC,DMC
• قالب گیري تزریقی
• قالب گیري انتقالی
• پالتروژن
• مقایسه روش هاي شکل دهی

فصل 3: خواص کامپوزیت هاي زمینه پلیمري

• مقدمه و کلیات
• چگالی
• ضریب انبساط حرارتی در جهت طولی
• ضریب انبساط حرارتی در جهت عرضی
• استحکام کششی
• نتیجه گیري
• پیوست
• واژه نامه
• منابع

جهت دانلود پروژه کامپوزیت هاي زمینه پلیمري (Polymer matrix composites)، بر لینک زیر کلیک نمایید.

کامپوزیت هاي زمینه پلیمري

در اين پروژه به بررسی سرامیک ها و اهمیت اتصال در آنها پرداخته شده است. همچنین در فصل های دوم تا پنجم نحوه اتصال بين دو ماده سراميكي و اتصال بين يك ماده سراميكي با فلز بررسي مي‌شود. در ابتدا اتصال بين سراميك با فلز بررسي مي‌شود كه اين اتصال نيازمند متاليزه كردن يا فلزي كردن سطح سراميك مي‌باشد چرا كه با اين كار جذب و چسبندگي فلز به سراميك بهتر انجام مي‌شود. ابتدا فرآيند متاليزه كردن توضيح داده مي‌شود و بعد انواع تكنيك هاي آن كه عبارتند از:

• تكنيك پودر فلز زينتر شده
• تكنيك نمك فلز نسوز
• تكنيك پودر شيشه فلز
• روش رسوب دادن بخار

بعد از متاليزه كردن، اتصال سراميك به فلز با استفاده از فاز جامد و فاز مايع توضيح داده مي‌شود. در فصل بعد اتصال سراميك های اكسيدي با استفاده از شيشه مورد بحث قرار مي‌گيرد. در اين مورد مقاله‌اي درباره اتصال آلوسينا به يك كامپوزيت عنوان مي‌شود. اتصال سراميك های غیر اكسيدی مبحث بعدي مي‌باشد. در فصل آخر نيز كاربردهاي سراميك هاي پيشرفته و اتصالات آنها مورد بررسي قرار مي‌گيرد...

کاربرد روش های اکتشافی مبتنی بر تحليل بافت در گروه بندی کيفی محصولات فولادی

پتروگرافي و ژئوشيمي كانسار كروميت فارياب و سنگ هاي مرتبط با آن

مدل سازي مواد پیزوالکتریک در نرم افزار تحلیلی آباکوس

پروژه بررسی سرامیک ها و اهمیت اتصال در آنها، مشتمل بر 6 فصل، 54 صفحه، تایپ شده، به همراه تصاویر و نمودار، با فرمت pdf جهت دانلود قرار داده شده است و فصل بندی پروژه به ترتیب زیر می باشد:

فصل 1: متاليزه كردن و تكنيك های آن

• فرآيند متاليزه كردن
• تكنيك پودر فلز زينتر شده
• تكنيك نمك فلز نسوز يا راكتيو
• تكنيك پودر شيشه‌ فلز
• تكنيك رسوب دادن بخار

فصل 2: روش های اتصال سراميك به فلز با استفاده از فاز جامد

• تكنيك استفاده از پرس گرم
• اتصال بوسيله باند ديفوزيوني

فصل 3: روش های اتصال سراميك به فلز با استفاده از فاز مايع

• لحيم‌كاری
• جوشكاری (Brazing)

فصل 4: اتصال سراميك های اكسيدی به يكديگر

• اتصال سراميك هاي اكسيدي به يكديگر با استفاده از شيشه

فصل 5: اتصال سراميك های غير اكسيدی

• واكنش هاي اتصالي
• روش هاي اتصال
• اتصال حالت جامد
• اتصال يوتكتيك
• خواص اتصال
• مواد مخصوص اتصال

فصل 6: كاربرد سراميك ها و اتصالات آنها

• كاربرد در دستگاه های خودكار
• كاربرد در الكترونيك
• مصارف هسته‌اي
• كاربردهای متفرقه

جهت دانلود پروژه بررسی سرامیک ها و اهمیت اتصال در آنها، بر لینک زیر کلیک نمایید.

بررسی سرامیک ها و اهمیت اتصال در آنها

کتاب آموزش جامع (مدلسازی، مونتاژ، ورقکاری، نقشه کشی، شبیه سازی) نرم افزار Autodesk Inventor، یک کتاب آموزشی جامع و کم نظیر از آموزش نرم افزار اینونتور می باشد. الگوی آموزشی این کتاب مبتنی بر آموزش با مثال می باشد. همانطور که در تصاویر زیر مشخص است، در این کتاب آموزشی، کاربر اینونتور با نحوه طراحی و مدلسازی، مونتاژ، ورقکاری، ایجاد نقشه اجرایی و شبیه سازی حرکت مطابق تصاویر زیر در محیط اینونتور Autodesk Inventor آشنا می شود.

آموزش کاربردی نرم افزار اتودسک اینونتور 2012

آموزش کاربردی نرم افزار اتودسک اینونتور 2013

آموزش کاربردی نرم افزار اتودسک اینونتور 2014

این کتاب مشتمل بر 165 صفحه، در 8 فصل، به زبان انگلیسی روان و به همراه تصاویر هر محیط و نوار ابزارها، به ترتیب زیر گردآوری شده است:

(تصویر بالا مجموعه تمریناتی است که به صورت گام به گام در این کتاب به کاربر در نرم افزار Autodesk Inventor آموزش داده می شود)

Autodesk Inventor 2016 Learn by doing

Table of Contents

Chapter 1: Getting Started with Inventor 2016

• Starting Autodesk Inventor
• User Interface
• Ribbon
• Application Menu
• Quick Access Toolbar
• Browser window
• Status bar
• Navigation Bar
• View Cube
• Shortcut Menus and Marking Menus
• Dialogs
• Customizing the Ribbon, Shortcut Keys, and Marking Menus
• Color Settings

Chapter 2: Part Modeling Basics

• TUTORIAL 1
• Creating a New Project
• Starting a New Part File
• Starting a Sketch
• Adding Dimensions
• Creating the Base Feature
• Adding an Extruded Feature
• Adding another Extruded Feature
• Saving the Part
• TUTORIAL 2
• Starting a New Part File
• Sketching a Revolve Profile
• Creating the Revolved Feature
• Creating the Cut feature
• Creating another Cut feature
• Adding a Fillet
• Saving the Part
• TUTORIAL 3
• Starting a New Part File
• Creating the Cylindrical Feature
• Creating Cut feature
• Saving the Part
• TUTORIAL 4
• Start Extruded feature
• Applying Draft
• Saving the Part

Chapter 3: Assembly Basics

• TUTORIAL 1
• Top-Down Approach
• Bottom-Up Approach
• Starting a New Assembly File
• Inserting the Base Component
• Adding the second component
• Applying Constraints
• Adding the Third Component
• Checking the Interference
• Saving the Assembly
• Starting the Main assembly
• Adding Disc to the Assembly
• Placing the Sub-assembly
• Adding Constraints
• Placing the second instance of the Sub-assembly
• Saving the Assembly
• TUTORIAL 2
• Starting a New Presentation File
• Creating the Exploded View
• Animating the Explosion

Chapter 4: Creating Drawings

• TUTORIAL 1
• Starting a New Drawing File
• Editing the Drawing Sheet
• Generating the Base View
• Generating the Section View
• Creating the Detailed View
• Creating Centermarks and Centerlines
• Retrieving Dimensions
• Adding additional dimensions
• Populating the Title Block
• Saving the Drawing
• TUTORIAL 2
• Creating New Sheet Format
• Creating a Custom Template
• Starting a Drawing using the Custom template
• Adding Dimensions
• TUTORIAL 3
• Creating a New Drawing File
• Generating Base View
• Generating the Exploded View
• Configuring the Parts list settings
• Creating the Parts list
• Creating Balloons
• Saving the Drawing

Chapter 5: Additional Modeling Tools

• TUTORIAL 1
• Creating the First Feature
• Adding the Second feature
• Creating a Counterbore Hole
• Creating a Threaded hole
• Creating a Circular Pattern
• Creating Chamfers
• TUTORIAL 2
• Creating the first feature
• Creating the Shell feature
• Creating the Third feature
• Creating a Cut Feature
• Creating the Rib Feature
• TUTORIAL 3
• Creating the Coil
• TUTORIAL 4
• Creating First Section and Rails
• Creating the second section
• Creating the Loft feature
• Creating the Extruded feature
• Creating the Emboss feature
• Mirroring the Emboss feature
• Creating Fillets
• Shelling the Model
• Adding Threads
• TUTORIAL 5
• Creating a 3D Sketch
• Creating the Sweep feature
• Creating the Along Curve pattern
• Editing the Freeform Shape
• Create another Freeform box
• TUTORIAL 6
• Start a new part file
• Creating the second feature
• Adding Threads
• Creating iParts
• TUTORIAL 7
• Creating the First Feature
• Creating the Extruded surface
• Replacing the top face of the model with the surface
• Creating a Face fillet
• Creating a Variable Radius fillet
• Shelling the Model
• Creating the Boss Features
• Creating the Lip feature
• Creating the Grill Feature

Chapter 6: Sheet Metal Modeling

• TUTORIAL 1
• Starting a New Sheet metal File
• Setting the Parameters of the Sheet Metal part
• Creating the Base Feature
• Creating the flange
• Creating the Contour Flange
• Creating the Corner Seam
• Creating a Sheet Metal Punch iFeature
• Creating a Punched feature
• Creating the Rectangular Pattern
• Creating the Bend Feature
• Applying a corner round
• Creating Countersink holes
• Creating Hem features
• Mirroring the Features
• Creating the Flat Pattern
• Creating 2D Drawing of the sheet metal part

Chapter 7: Top-Down Assembly and Motion Simulation

• TUTORIAL 1
• Creating a New Assembly File
• Creating a component in the Assembly
• Creating the Second Component of the Assembly
• Creating the third Component of the Assembly
• Adding Bolt Connections to the assembly
• Applying the constraint to the components
• TUTORIAL 2
• Creating the Slider Joint
• Creating the Rotational Joint
• Creating the Rigid Joint
• Driving the joints

Chapter 8: Dimensions and Annotations

• TUTORIAL 1
• Creating Centerlines and Centered Patterns
• Editing the Hatch Pattern
• Applying Dimensions
• Placing the Datum Feature
• Placing the Feature Control Frame
• Placing the Surface Texture Symbols
• Modifying the Title Block Information
• Additional Exercises
• Exercise 1
• Exercise 2
• Exercise 3
• Exercise 4
• Exercise 5
• Exercise 6

جهت دانلود کتاب آموزش جامع (مدلسازی، مونتاژ، ورقکاری، نقشه کشی، شبیه سازی) نرم افزار Autodesk Inventor، بر لینک زیر کلیک نمایید.

آموزش مدلسازی، مونتاژ، ورقکاری، نقشه کشی، شبیه سازی نرم افزار اتودسک اینونتور

اين ساختمان صنعتي داراي دو دهانه هشتی شكل به عرض 20 متر مي باشد. ارتفاع ستون هاي كناري 6 متر و ارتفاع تاج هاي آن نسبت به تراز روي پي 7.5 متر مي باشد. اين ساختمان در جهت طولي داراي 11 قاب مي باشد كه فاصله اين قاب ها از هم 6 متر است. سازه سوله برای جلوگیری از توسعه تنش­ های حرارتی در دهانه هاي اول و آخر داراي بادبند ديوار و بادبند سقف مي باشد. كليه ستون هاي آن براي كمانش حول محور ضعيف خود داراي تكيه گاه جانبي مي باشند. فاصله این تكيه گاه ها از تراز روي پي 4.3 متر مي باشد. این ساختمان صنعتی همچنین دارای دو دستگاه جرثقیل به ظرفیت اسمی ۵ تن می ­باشد که در هر دو دهانه نصب می شود. برای تحلیل قاب­ های عرضی و پرلین­ ها از برنامه­ های ابتکاری نوشته شده به زبان متلب به روش اجزای محدود استفاده شده است. روش طراحی کلیه اجزای سوله، شامل ستون ها، تیرهای شیبدار، پرلین­ ها، میل مهارها، تیرهای پیوند، خرپاهای دیوار و سقف، ستون های کله و سینه ­بندها به طور کامل تشریح شده است. میل­ مهارها به دو روش تقریبی و دقیق تحلیل شده و اختلاف بین دو روش تشریح شده است...

پروژه طراحی و تحلیل ساختمان سوله صنعتی با استفاده از نرم افزار MATLAB، مشتمل بر 93 صفحه، تایپ شده، به همراه کد برنامه متلب با فرمت pdf به ترتیب زیر گردآوری شده است:

• شرح پروژه
• محاسبه و نمايش بارگذاري هاي مختلف قاب هاي عرضي
• تحليل قاب تحت بار مرده گسترده يكنواخت (کد برنامه)
• تحليل قاب تحت بارگذاري برف
• تحليل قاب تحت بارگذاري ناشي از باد
• تحليل سازه تحت بارگذاري جرثقيل
• نيروهاي طراحي ستون هاي كناري
• نيروهاي طراحي تير
• كنترل ستون هاي كناري
• كنترل ستون مياني
• كنترل تير شيب دار
• تعيين فواصل سينه بندها
• بارگذاري و تحليل لاپه ها
• طراحي ميل مهارها
• طراحي بادبندهاي ديوارها و سقف
• تحليل و طراحي ستون هاي كله
• طراحي تير آبچكان
• پیوست 1: تشريح برنامه نوشته شده براي تحليل قاب سوله
• پیوست 2: تشريح برنامه نوشته شده براي تحليل تير سراسري بدون انفصال در گره ها
• پیوست 3: ضوابط طراحي اعضاي قاب صنعتي مطابق آيين نامه AISC

جهت دانلود پروژه طراحی و تحلیل ساختمان سوله صنعتی با استفاده از نرم افزار MATLAB، بر لینک زیر کلیک نمایید.

طراحی و تحلیل ساختمان سوله صنعتی با استفاده از نرم افزار متلب

هدف از این پروژه ساخت آمپلی فایر دو کاناله EMG و مدلسازی فعالیت ایزومتریک ساعد و به دست آوردن رابطه کیفی بین نیروی وارد بر کف دست و دامنه EMG دو عضله دو سر و سه سر بازو و میزان نیروی متوسط ایجاد شده در آنها می باشد. سیگنال EMG دو عضله به وسیله کارت صوتی به کامپیوتر داده شده و از نرم افزار MATLAB برای نمایش و پردازش داده ها استفاده می شود. سپس با اضافه کردن وزنه ها در کف دست و مطالعه EMG دو عضله و انتگرال قدر مطلق آنها روابط مطرح شده در قسمت بالا را به دست می آوریم. در بخش مدل سازی، پس از ساده سازی به مدل سازی ماهیچه دو سر بازو می رسیم که برای ثبت پاسخ ان از سنسوری که خودمان طراحی نمودیم استفاده کرده و پاسخ این سنسور را هم با کارت صوتی به کامپیوتر می دهیم...

پروژه طراحی و ساخت دستگاه ثبت کننده سیگنال الکترومایوگرام دو کاناله و مدلسازي فعالیت ایزومتریک ساعد، مشتمل بر 6 فصل، 64 صفحه، به زبان فارسی، تایپ شده، به همراه تصاویر، روابط ریاضی مهم و کاربردی، با فرمت pdf به ترتیب زیر گردآوری شده است:

فصل 1: بررسی سیگنال EMG

• مقدمه
• منابع نویز
• منشاء سیگنال EMG

فصل 2: الکترودهای ثبت سیگنال

• بررسی الکترودها
• محل قرارگیری الکترودها
• بررسی انواع الکترود
• نکات مهم در مورد استفاده از الکترودها

فصل 3: سخت افزار پروژه

• تقویت اولیه سیگنال
• فیلترهای مدار
• طراحی فیلتر بالا گذر
• طراحی فیلتر پایین گذر
• مدار تقویت کننده ثانویه
• طراحی فیلتر میان گذر
• ایزولاسیون

فصل 4: کارت صدا

• کارت صوتی

فصل 5: مدلسازی حرکت ایزومتریک ساعد و به دست آوردن رابطه بین وزنه ها و دامنه EMG

• مدل سازی سیستم های بیولوژیک
• انقباض ایزومتریک و ایزوتونیک
• ساعد FOREARM
• بازو UPPER ARM
• حرکت ایزومتریک ساعد
• ماهیچه
• مدل سازی ماهیچه
• مدل مکانیکی Hills
• سنسور جابجایی
• رابطه ی EMG و وزنه ها

فصل 6: نرم افزار پروژه و الگوریتم های نوشته شده

• نرم افزار پروژه
• پیشنهادات
• منابع

جهت دانلود پروژه طراحی و ساخت دستگاه ثبت کننده سیگنال الکترومایوگرام دو کاناله و مدلسازي فعالیت ایزومتریک ساعد، بر لینک زیر کلیک نمایید.

طراحی و ساخت دستگاه ثبت کننده سیگنال الکترومایوگرام دو کانال

کتاب راهنمای پیشرفته MATLAB، مثال های عملی در علوم و مهندسی (Advanced Guide to MATLAB, Practical Examples in Sience and Engineering)، مشتمل بر 11 فصل، 375 صفحه، با فرمت pdf، همراه با تصاویر، به زبان انگلیسی، به ترتیب زیر گردآوری شده است:

Chapter 1: History of Computers, Computer Languages and MATLAB

• The Beginning of Computing
• Random Access Memory (RAM)
• The Microprocessor
• Motherboard
• Server
• Algorithm
• Kernel
• Programming Languages
• High-Level Language and Assembly Language
• Simple Terms Related to Computers
• Steps to Execute a Program
• History of MATLAB
• The Script Files
• Help
• Storage Duration of a Variable
• Fun with MATLAB and Built-in Demos
• Few Useful Commands Features

Chapter 2: The Compiler

• What is a Compiler
• How Does a Compiler Work
• Interpreter and Compiler
• The MATLAB Compiler

Chapter 3: Numbers, Review of Matrices and Matrix Operations

• Arrays and Matrices
• Array Operations in MATLAB
• Integer Representation in Various Formats
• Defining a Variable in MATLAB
• Real Number
• Absolute Value
• ASCII, EBCDIC
• Infinity (∞)
• Imaginary Number
• Mantissa
• eps
• Hadamard Matrix
• Upper and Lower Triangular Matrix
• pi
• meshgrid
• Convert Decimal to Binary and Binary to Decimal, dec2bin, de2bi and bin2dec
• Ones’ Compliment
• Logical Operators &, |, ~ and xor
• Relational Operators
• The ‘:’ Operator
• Use of Temporary Variable for Sorting an Array
• Product of Two Matrices
• Determinant, Finding Determinant of a Square Matrix
• Transpose of a Matrix
• Eigenvalue and Eigenvector
• Palindromic Number, Reversing a Number, Palindrome
• Identity Matrix
• Sparse Matrix
• Rotation Matrix
• Translation Matrix
• trace
• fliplr

Chapter 4: Plotting Using MATLAB

• Plotting a Line
• Colors in MATLAB
• ginput
• plot and plot3
• figure
• Scatter Plot
• colordef
• Mesh Plot
• surf and surfc Plots
• The Barnsley’s Fern Problem
• A Cone
• A Paraboloid
• Contour Plots
• A Plane
• Cube

Chapter 5: Image Processing Using MATLAB

• Digital Image
• image (c)
• Create a Shadow to a Plot
• Children
• Shading
• FaceAlpha
• Giving Color and Transparency to Edges of a Figure
• Types of Axis
• Lighting and Material
• View
• Creating Plots Using Markers Filled with Colors and Having Varying Sizes
• Rotation of an Image
• pcolor
• Reading an Image From an URL
• Changing the Background Color Using Figure(‘color’,c)
• Convert a 8-bit RGB Image to a Grayscale Image
• camup
• rotate
• Colormaps
• RGB Image
• camlight
• Insert Ellipse, Annotation or Double Arrow in a Figure
• Saving an Image with a New Filename
• Obtaining Information About an Image File
• Variation of Colors with the Variation in the Values in the Array
• Add Line and Text to an Image
• Buckyball

Chapter 6: Animation, Sound and Movies Using MATLAB

• Animation
• drawnow
• handle
• Making Movies with MATLAB
• getframe
• Sound
• Audio Data

Chapter 7: Numerical Methods Using MATLAB

• Numerical Integration
• System of Linear Equations
• System of Non-Linear Equations
• Solving System of Equations Using MATLAB Function fsolve
• Interpolation
• Straight Line Fit Using Least Square Method
• Curve Fitting Using Built-In Functions polyval and polyfit
• Cubic Fit Using Least Square Method
• Finding Roots of a Polynomial
• Solution to Ordinary Differential Equations (ODEs)

Chapter 8: Unconstrained Single Variable Optimization Methods

• Bracketing Methods
• Region Elimination Methods
• Gradient-based Methods

Chapter 9: Statistical Functions

• Statistics
• Mean, Median, Mode and Range
• Standard Deviation, Variance
• erf (x), Error Function
• erfc(x), Complimentary Error Function
• Normal Distribution
• Normalization
• Representation of Union, Intersection, Exclusive or and Subtraction
• Pie Chart
• Bar Chart
• Histogram
• boxplot
• Random Numbers

Chapter 10: Solved Problems

Chapter 11: Dictionary of Additional Terms

جهت دانلود کتاب راهنمای پیشرفته MATLAB، مثال های عملی در علوم و مهندسی (Advanced Guide to MATLAB, Practical Examples in Sience and Engineering) به لینک زیر مراجعه نمایید:

راهنمای پیشرفته MATLAB، مثال های عملی در علوم و مهندسی

با استفاده از تکنیکهای پردازش تصویر می‌توان دگرگونی اساسی در خطوط تولید ایجاد کرد. بسیاری از پروسه‌های صنعتی که تا چند دهه پیش پیاده سازی شان دور از انتظار بود، هم اکنون با بهره گیری از پردازش هوشمند تصاویر به مرحله عمل رسیده‌اند. از جمله منافع کاربرد پردازش تصویر به شرح زیر است:

• افزایش سرعت و کیفیت تولید
• کاهش ضایعات
• اصلاح روند تولید
• گسترش کنترل کیفیت

کتاب اصول و کاربردهای پردازش تصویر (Image Processing Principles and Applications)، مشتمل بر 452 صفحه، در 18 فصل، با فرمت PDF، به زبان انگلیسی، همراه با تصاویر به ترتیب زیر گردآوری شده است:

Chapter 1: Introduction

• Fundamentals of Image Processing
• Applications of Image Processing
• Human Visual Perception
• Components of an Image Processing System
• Organization of the book
• How is this book different
• Summary

Chapter 2: Image Formation and Representation

• Introduction
• Image formation
• Sampling and Quantization
• Binary Image
• Three-Dimensional Imaging
• Image file formats
• Some Important Notes
• Summary
• References

Chapter 3: Color and Color Imagery

• Introduction
• Perception of Colors
• Color Space and Transformation
• Color Space Quantization and Just Noticeable Difference
• Color Interpolation or Demosaicing
• Summary

Chapter 4: Image Transformation

• Introduction
• Fourier Transforms
• Discrete Cosine Transform
• Walsh-Hadamard Transform (WHT)
• Karhaunen-Loeve Transform or Principal Component Analysis
• Summary

Chapter 5: Discrete Wavelet Transform

• Introduction
• Wavelet Transforms
• Extension to Two-Dimensional Signals
• Lifting Implementation of the DWT
• Advantages of Lifting-Based DWT
  Summary

Chapter 6: Image Enhancement and Restoration

• Introduction
• Spatial Image Enhancement Techniques
• Distinction between image enhancement and restoration
• Histrogram based Contrast Enhancement
• Frequency Domain Methods of Image Enhancement
• Noise Modeling
• Image Restoration
• Image Reconstruction by Other Methods
• Summary

Chapter 7: Image Segmentation

• Preliminaries
• Edge Detector
• Edge, Line, and Point Detection
• Image Thresholding Techniques
• Region Growing
• Waterfall algorithm for segmentation
• Connected component labeling
• Document Image segmentation
• Summary
• References

Chapter 8: Recognition of Image Patterns

• Introduction
• Decision Theoretic Pattern Classification
• Bayesian Decision Theory
• Nonparametric Classification
• Linear Discriminant Analysis
• Unsupervised Classification Strategies - clustering
• K-Means Clustering Algorithm
• Syntactic Pattern Classification
• Syntactic Inference
• Symbolic Projection Method
• Artificial Neural Networks
• Summary

Chapter 9: Texture and Shape Analysis

• Introduction
• Gray Level Cooccurrence Matrix
• Texture Spectrum
• Texture Classification using Fractals
• Shape Analysis
• Active Contour Model
• Shape Distortion and Normalization
• Contour-Based Shape Descriptor
• Region Based Shape Descriptors
• Gestalt Theory of Perception
• Summary

Chapter 10: Fuzzy Set Theory in Image Processing

• Introduction to Fuzzy Set Theory
• Why Fuzzy Image
• Introduction to Fuzzy Set Theory
• Preliminaries and Background
• Image as a Fuzzy Set
• Fuzzy Methods of Contrast Enhancement
• Image Segmentation using Fuzzy Methods
• Fuzzy Approaches to Pixel Classification
• Fuzzy c-Means Algorithm
• Fusion of fuzzy logic with neural networks
• Summary

Chapter 11: Image Mining and Content-Based Image Retrieval

• Introduction
• Image Mining
• Image Features for Retrieval and Mining
• Fuzzy Similarity Measure in an Image Retrieval System
• Video Mining
• Summary

Chapter 12: Biometric And Biomedical Image Processing

• Introduction
• Biometric Pattern Recognition
• Face Recognition Using Eigenfaces
• Signature Verification
• Preprocessing of Signature Patterns
• Biomedical Image Analysis
• Biomedical Imaging Modalities
• X-Ray Imaging
• Dental X-Ray Image Analysis
• Classification of Dental Caries
• Mammogram Image Analysis
• Summary

Chapter 13: Remotely Sensed Multispectral Scene Analysis

• Introduction
• Satellite sensors and imageries
• Features of Multispectral Images
• Spectral reflectance of various earth objects
• Scene Classification Strategies
• Spectral classification-A knowledge-Based Approach
• Spatial Reasoning
• Other Applications of Remote Sensing
• Summary

Chapter 14: Dynamic Scene Analysis: Moving Object Detection and Tracking

• Introduction
• Problem Definition
• Adaptive Background Modeling
• Connected Component Labeling
• Shadow Detection
• Principles of Object Tracking
• Model of Tracker System
• Discrete Kalman Filtering
• Extended Kalman Filtering
• Particle Filter Based object Tracking
• Condensation Algorithm
• Summary

Chapter 15: Introduction to Image Compression

• Introduction
• Information Theory Concepts
• Classification of Compression algorithms
• Source Coding Algorithms
• Huffman Coding
• Arithmetic Coding
• Summary

Chapter 16: JPEG: Still Image Compression Standard

• Introduction
• The JPEG Lossless Coding Algorithm
• Baseline JPEG Compression
• Summary

Chapter 17: JPEG2000 Standard For Image Compression

• Introduction
• Why JPEG2000
• Parts of the JPEG2000 Standard
• Overview of the JPEG2000 Part 1 Encoding System
• Image Preprocessing
• Compression
• Tier-2 Coding and Bitstream Formation
• Summary

Chapter 18: Coding Algorithms in JPEG2000 Standard

• Introduction
• Partitioning Data for Coding
• Tier-1 Coding in JPEG2000
• Tier-2 Coding in JPEG2000
• Summary

جهت دانلود کتاب اصول و کاربردهای پردازش تصویر (Image Processing Principles and Applications)، به لینک زیر مراجعه نمایید:

اصول و کاربردهای پردازش تصویر

تهیه اطلاعات پیوسته به روز و دقیق در مورد مکان و سرعت یک شی معین فقط به کمک توالی مشاهدات در مورد موقعیت آن شی، که هر کدام شامل مقداری خطاست امکان پذیر است. این فیلتر در طیف گسترده‌ای از کاربری‌های مهندسی از رادار گرفته تا بصیرت رایانه‌ای کاربرد دارد. روش تصفیه کالمن یکی از عناوین مهم در تئوری کنترل و مهندسی سیستم‌های کنترلی می‌باشد.

فیلتر کالمن (Kalman Filter) یک فیلتر بازگشتی کارامد است که حالت یک سیستم پویا را از یک سری اندازه گیری‌های همراه با خطا بر آورد می‌کند. به همراه یک تنظیم کننده خطی مرتبه دوم (linear quadratic regulator LQR) فیلتر کالمن مسائل Gaussian control خطی مرتبه دوم (linear-quadratic Gaussian control - LQG) را حل می‌کند. فیلتر کالمن، LQR و LQG راه حلی هستند برای آنچه شاید اساسی‌ترین مسائل تئوری کنترل می نامند...

کتاب نظریه و تمرین فیلتر کالمن با استفاده از نرم افزار متلب (Kalman Filtering - Theory and Practice Using MATLAB)، مشتمل بر 9 فصل، 582 صفحه، با فرمت pdf، همراه با تصاویر، به زبان انگلیسی، به ترتیب زیر گردآوری شده است:

Chapter 1: General Information

• On Kalman Filtering
• On Optimal Estimation Methods
• On the Notation Used In This Book
• Summary
• Problems

Chapter 2: Linear Dynamic Systems

• Chapter Focus
• Dynamic System Models
• Continuous Linear Systems and Their Solutions
• Discrete Linear Systems and Their Solutions
• Observability of Linear Dynamic System Models
• Summary
• Problems

Chapter 3: Random Processes and Stochastic Systems

• Chapter Focus
• Probability and Random Variables (RVs)
• Statistical Properties of RVs
• Statistical Properties of Random Processes (RPs)
• Linear RP Models
• Shaping Filters and State Augmentation
• Mean and Covariance Propagation
• Relationships Between Model Parameters
• Orthogonality Principle
• Summary
• Problems

Chapter 4: Linear Optimal Filters and Predictors

• Chapter Focus
• Kalman Filter
• Kalman–Bucy Filter
• Optimal Linear Predictors
• Correlated Noise Sources
• Relationships Between Kalman–Bucy and Wiener Filters
• Quadratic Loss Functions
• Matrix Riccati Differential Equation
• Matrix Riccati Equation In Discrete Time
• Model Equations for Transformed State Variables
• Application of Kalman Filters
• Summary
• Problems

Chapter 5: Optimal Smoothers

• Chapter Focus
• Fixed-Interval Smoothing
• Fixed-Lag Smoothing
• Fixed-Point Smoothing
• Summary
• Problems

Chapter 6: Implementation Methods

• Chapter Focus
• Computer Round off
• Effects of Round off Errors on Kalman Filters
• Factorization Methods for Square-Root Filtering
• Square-Root and UD Filters
• Other Implementation Methods
• Summary
• Problems

Chapter 7: Nonlinear Filtering

• Chapter Focus
• Quasilinear Filtering
• Sampling Methods for Nonlinear Filtering
• Summary
• Problems

Chapter 8: Practical Considerations

• Chapter Focus
• Detecting and Correcting Anomalous Behavior
• Prefiltering and Data Rejection Methods
• Stability of Kalman Filters
• Suboptimal and Reduced-Order Filters
• Schmidt–Kalman Filtering
• Memory, Throughput, and Wordlength Requirements
• Ways to Reduce Computational Requirements
• Error Budgets and Sensitivity Analysis
• Optimizing Measurement Selection Policies
• Innovations Analysis
• Summary
• Problems

Chapter 9: Applications to Navigation

• Chapter Focus
• Host Vehicle Dynamics
• Inertial Navigation Systems (INS)
• Global Navigation Satellite Systems (GNSS)
• Kalman Filters for GNSS
• Loosely Coupled GNSS/INS Integration
• Tightly Coupled GNSS/INS Integration
• Summary
• Problems

* توجه: لازم به ذکر است که علاوه بر فایل کتاب آموزشی بالا،مجموعه کدهای تخمین حالت و پارامتر با فیلتر کالمن در نرم افزار MATLAB، جهت آموزش هرچه بهتر این مبحث نیز جهت دانلود قرار داده شده است:

• مدل سیمیولینک و برنامه فیلتر کالمن استاندار یک بعدی 1D standard Kalman Filter (Simulink model and program)
• بسته جامع فیلتر کالمن (Kalman Filter Package)
• فایل آموزشی فیلتر کالمن در متلب Kalman Filter in Matlab (Tutorial)
• آموزش فیلتر کالمن بی رد (Learning the Unscented Kalman Filter)
• فیلتر کالمن خطی (Linear Kalman Filter)
• چارچوب فیلتر کالمن برای تخمین حالت و پارامتر در متلب (Kalman filtering framework)
• فیلتر کالمن برای رفع نویز فیلم های دارای نویز (Kalman filter for noisy movies)
• بهینه سازی کمترین مربعات غیر خطی با استفاده از تخمین پارامتر توسط فیلتر کالمن بی رد (Nonlinear least square optimization through parameter estimation using the Unscented Kalman Filter)
• یادگیری فیلتر کالمن از دیدگاه فیدبک (Learning the Kalman Filter: A Feedback Perspective)
• آموزش پیاده سازی فیلتر کالمن در سیمیولینک (Learning Kalman Filter Implementation in Simulink)
• آموزش فیلتر کالمن توسعه یافته (Learning the Extended Kalman Filter)
• فیلتر کالمن توسعه یافته دوگانه (Dual Extended Kalman Filter)
• فیلتر کالمن توسعه یافته برای داده های سیستم موقعیت دهی عمومی (Extended Kalman Filter(EKF) for GPS)
• آموزش و طراحی شبکه های عصبی مصنوعی با استفاده از فیلتر کالمن بی رد (Neural Network training using the Unscented Kalman Filter)
• فیلتر کالمن دسته ای (Ensemble Kalman Filter)
• رابط گرافیکی یا GUI برای رفع نویز سیگنال های ویدئویی و تصویری با استفاده از فیلتر کالمن (GUI for denoising video signals with Kalman filter)
• تعقیب هدف دو بعدی با استفاده از فیلتر کالمن (2D Target tracking using Kalman filter)
• تخمین یک حالت دارای مقدار ثابت با استفاده از فیلتر کالمن (Estimating a constant state using the Kalman Filter)
• فیلتر کالمن سلسله مراتبی برای پیش بینی سری های زمانی پزشکی (Hierarchical Kalman Filter for clinical time series prediction)
• آموزش و طراحی شبکه های عصبی مصنوعی با استفاده از فیلتر کالمن توسعه یافته (Neural Network training using the Extended Kalman Filter)

جهت دانلود کتاب آموزشی و مجموعه کدهای تخمین حالت و پارامتر با فیلتر کالمن در نرم افزار MATLAB به لینک زیر مراجعه نمایید:

دانلود کتاب آموزشی و مجموعه کدهای تخمین حالت و پارامتر با فیلتر کالمن

This book is for people who need to solve ordinary differential equations (ODEs), both initial value problems (IVPs) and boundary value problems (BVPs) as well as delay differential equations (DDEs). These topics are usually taught in separate courses of length one semester each, but Solving ODEs with MATLAB provides a sound treatment of all three in about 250 pages. The chapters on each of these topics begin with a discussion of “the facts of life” for the problem, mainly by means of examples. Numerical methods for the problem are then developed
– but only the methods most widely used. Although the treatment of each method is brief and technical issues are minimized, the issues important in practice and for understanding the codes are discussed. Often solving a real problem is much more than just learning how to call a code. The last part of each chapter is a tutorial that shows how to solve problems by means of small but realistic examples

کتاب حل کردن مشکلات با استفاده از نرم افزار متلب (Solving ODEs with MATLAB)، مشتمل بر 4 فصل، 274 صفحه، با فرمت pdf، همراه با تصاویر، به زبان انگلیسی، به ترتیب زیر گردآوری شده است:

Chapter 1: Getting Started

• Introduction
• Existence, Uniqueness, and Well - Posedness
• Standard Form
• Control of the Error
• Qualitative Properties

Chapter 2: Initial Value Problems

• Introduction
• Numerical Methods for IVPs
• One-Step Methods
• Methods with Memory
• Solving IVPs in Matlab
• Event Location
• ODEs Involving a Mass Matrix
• Large Systems and the Method of Lines
• Singularities

Chapter 3: Boundary Value Problems

• Introduction
• Boundary Value Problems
• Boundary Conditions
• Boundary Conditions at Singular Points
• Boundary Conditions at Infinity
• Numerical Methods for BVPs
• Solving BVPs in Matlab

Chapter 4: Delay Differential Equations

• Introduction
• Delay Differential Equations
• Numerical Methods for DDEs
• Solving DDEs in Matlab
• Other Kinds of DDEs and Software
• Bibliography
• Index

جهت دانلود کتاب حل کردن مشکلات با استفاده از نرم افزار متلب (Solving ODEs with MATLAB) به لینک زیر مراجعه نمایید:

حل کردن مشکلات با استفاده از نرم افزار MATLAB

کتاب آموزش فشرده سازی تصاویر و ویدئو با استفاده از نرم افزار متلب (Still Image & Video Compression with MATLAB)، مشتمل بر 10 فصل، 443 صفحه، با فرمت pdf، همراه با تصاویر، به زبان انگلیسی، به ترتیب زیر گردآوری شده است:

Chapter 1: Introduction

• What is Source Coding
• Why is Compression Necessary
• Image and Video Compression Techniques
• Video Compression Standards
• Organization of the Book
• Summary
• References

Chapter 2: Image Acquisition

• Introduction
• Sampling a Continuous Image
• Image Quantization
• Color Image Representation
• Summary
• References
• Problems

Chapter 3: Image Transforms

• Introduction
• Unitary Transforms
• Karhunen–Lo`eve Transform
• Properties of Unitary Transforms
• Summary
• References
• Problems

Chapter 4: Discrete Wavelet Transform

• Introduction
• Continuous Wavelet Transform
• Wavelet Series
• Discrete Wavelet Transform
• Efficient Implementation of 1D DWT
• Scaling and Wavelet Filters
• Two-Dimensional DWT
• Energy Compaction Property
• Integer or Reversible Wavelet
• Summary
• References
• Problems

Chapter 5: Lossless Coding

• Introduction
• Information Theory
• Huffman Coding
• Arithmetic Coding
• Golomb–Rice Coding
• Run–Length Coding
• Summary
• References
• Problems

Chapter 6: Predictive Coding

• Introduction
• Design of a DPCM
• Adaptive DPCM
• Summary
• References
• Problems

Chapter 7: Image Compression in the Transform Domain

• Introduction
• Basic Idea Behind Transform Coding
• Coding Gain of a Transform Coder
• JPEG Compression
• Compression of Color Images
• Blocking Artifact
• Variable Block Size DCT Coding
• Summary
• References
• Problems

Chapter 8: Image Compression in the Wavelet Domain

• Introduction
• Design of a DWT Coder
• Zero-Tree Coding
• JPEG2000
• Digital Cinema
• Summary
• References
• Problems

Chapter 9: Basics of Video Compression

• Introduction
• Video Coding
• Stereo Image Compression
• Summary
• References
• Problems

Chapter 10: Video Compression Standards

• Introduction
• MPEG-1 and MPEG-2 Standards
• MPEG-4
• H.264
• Summary
• References
• Problems
• Index

جهت دانلود کتاب آموزش فشرده سازی تصاویر و ویدئو با استفاده از نرم افزار متلب (Still Image & Video Compression with MATLAB)، به لینک زیر مراجعه نمایید:

آموزش فشرده سازی تصاویر و ویدئو با استفاده از نرم افزار MATLAB

شبکه‌ های عصبی مصنوعی (Artificial Neural Network – ANN) یا به زبان ساده ‌تر شبکه‌ های عصبی سیستم‌ ها و روش ‌های محاسباتی جدیدی برای یادگیری ماشینی، نمایش دانش و در انتها اعمال دانش به دست آمده در جهت بیش‌ بینی پاسخ ‌های خروجی از سامانه ‌های پیچیده می باشد. این شبکه ها از تعداد دلخواهی سلول یا گره یا واحد یا نرون تشکیل می شود که مجموعه ورودی را به خروجی ربط می دهند. همچنین این شبکه‌ ها قادر به یادگیری‎ هستند...

جزوه آموزش شبکه عصبی مصنوعی، مشتمل بر 131 صفحه، در 7 فصل، با فرمت PDF، به زبان فارسی، همراه با تصاویر و روابط مهم ریاضی به ترتیب زیر گردآوری شده است:

فصل 1: هوش محاسباتی

• تاريخچه
• هوش مصنوعي
• چالش هاي بنيادين هوش مصنوعي
• هوش محاسباتي
• شبكه هاي عصبي (Neural Networks)
• مدل رياضي شبكه هاي عصبي
• منطق فازي (Fuzzy logic)
• الگوريتم هاي ژنتيك (GA)
• كاربردهاي شبكه هاي عصبي در پزشكي
• سيستم هاي تشخيص
• آناليزهاي شيمي پزشكي
• آناليز تصوير
• پيشرفتهاي دارويي و مدلسازي سيستم قلبي عروقی
• بويايي الكترونيكي
• شناخت الگو
• پزشك نمونه
• كاربردهاي سيستم هاي فازي در پزشكي
• سيستم هاي فازي در بيو انفورماتيك
• سيستم هاي فازي ژنتيك

فصل 2: شبکه های عصبی

• مقدمه
• معناي شبكه هاي عصبي
• انگيزه هاي بيولوژيكي
• تشابهات و انتظارات
• تاريخچه و كاربرد
• مدل رياضي نرون
• مدل تك ورودي
• برخي توابع تحريك مرسوم نرون مصنوعي
• مدل چند ورودي
• ساختار شبكه هاي عصبي
• شبكه هاي يك و چند لايه
• مثال: يك شبكه پيشخور 3 لايه
• چند سئوال
• شبكه هاي پسخور يا برگشتي
• مسائل حل شده

فصل 3: مسئله تشريحي شناسايي الگو

• شناسايي الگو
• روش هاي كلاسيك و شبكه هاي عصبي
• معرفي سه شبكه هاي نمونه: پرسپترون، همينگ و هاپفيلد
• پرسپترون تك لايه با تابع تحريك آستانه اي دو مقداره متقارن
• مثال تشريحي با پرسپترون
• شبكه همينگ
• شبكه همينگ، لايه اول
• شبكه همينگ، لايه دوم
• شبكه همينگ، لايه سوم
• شبكه هاپفيلد
• مهمترين ويژگي ها
• مهمترين نكات

فصل 4: پرسپترون تك لايه

• فرايند يادگيري
• يادگيري با ناظر
• يادگيري بدون ناظر
• خلاصه فرايند يادگيري
• سيستم هاي ديناميكي آموزش پذير
• معادله يادگيري در حالت كلي
• يادگيري با ناظر در شبكه عصبي
• يادگيري تشديدي (تقويتي) در شبكه عصبي
• يادگيري بدون ناظر در شبكه عصبي
• قانون يادگيري پرسپترون تك لايه (SLPR)

فصل 5: شبكه هاي آدالاين و یادگیری LMS

• مقدمه
• مباني بهينه سازي و نقاط بهينه
• بسط تيلور و تقريب توابع
• مشتقات برداري جهت دار
• شرايط لازم براي نقاط بهينه
• توابع درجه دوم
• توابع درجه دوم و ساختار ويژه
• روند مينيمم سازي، الگوريتم كلي
• روش بيشترين نزول (SD)
• نكات مربوط به الگوريتم SD
• مثالي از الگوريتم SD
• نكات

فصل 6: یادگیری LMS يا ويدرو هوف

• شبكه آدالاين
• معادلات ويدرو هوف در حالت تك نرون
• الگوريتم LMS
• فرم دسته اي يادگيري LMS در حالت تك نرون
• فرم دسته اي يادگيري LMS در حالت کلی
• بهبود هايي بر LMS
• كاربرد شبكه آدالاين در فيلترهاي تطبيقي

فصل 7: شبكه هاي عصبي چند لايه پيشخور و يادگيري پس انتشار خطا

• مقدمه
• تاريخچه
• شبكه پرسپترون چند لايه
• حل چند مسئله شناسايي الگو
• شناسايي الگو
• الگوريتم BP
• خلاصه الگوريتم BP

* توجه: لازم به ذکر است که علاوه بر جزوه آموزشی بالا، جزوه حل تمرینات درس شبکه عصبی مصنوعی (دکتر منهاج، 68 صفحه، به زبان فارسی، با فرمت pdf) نیز جهت دانلود قرار داده شده است.

جهت دانلود جزوه آموزش شبکه عصبی مصنوعی به همراه تشریح کامل مسائل، به لینک زیر مراجعه نمایید:

آموزش شبکه عصبی مصنوعی به همراه تشریح کامل مسائل

جزوه آموزشی مجموعه مثال های کاربردی حل شده در زمینه شبکه عصبی مصنوعی با استفاده از نرم افزار MATLAB، مشتمل بر 13 مثال کاربردی که به صورت گام به گام و به زبان روان به حل کامل مثال ها پرداخته شده است. جزوه مورد نظر 92 صفحه، با فرمت PDF، به زبان انگلیسی، به ترتیب زیر گردآوری شده است:

Example 1: Calculate the output of a simple neuron

Example 2: Create and view custom neural networks

Example 3: Classification of linearly separable data with a perceptron

Example 4: Classification of a 4-class problem with a 2-neuron perceptron

Example 5: ADALINE time series prediction with adaptive linear filter

Example 6: Classification of an XOR problem with a multilayer perceptron

Example 7: Classification of a 4-class problem with a multilayer perceptron

Example 8: Industrial diagnostic of compressor connection rod defects

Example 9: Prediction of chaotic time series with NAR neural network

Example 10: Radial basis function networks for function approximation

Example 11: Radial basis function networks for classification of XOR problem

Example 12: 1D and 2D Self Organized Map

Example 13: PCA for industrial diagnostic of compressor connection rod defects

* توجه: لازم به ذکر است که علاوه بر فایل جزوه آموزشی بالا، 3 فایل مرتبط با مباحث شبکه عصبی مصنوعی با عناوین زیر نیز جهت دانلود قرار داده شده است:

فایل 1: جزوه آموزشی شبکه عصبی مصنوعی (به زبان فارسی، 43 صفحه، فرمت JPEG)

فایل 2: جزوه آموزشی شبکه عصبی مصنوعی (به زبان فارسی، 23 اسلاید، فرمت powerpoint)

فایل 3: آموزش تصویری پیاده سازی شبکه عصبی برای داده های آماری بانک مرکزی (به زبان فارسی، 13 دقیقه، فرمت MP4)

جهت دانلود جزوه آموزشی مجموعه مثال های کاربردی حل شده در زمینه شبکه عصبی مصنوعی با استفاده از نرم افزار MATLAB به لینک زیر مراجعه نمایید:

مجموعه مثال های کاربردی حل شده در زمینه شبکه عصبی مصنوعی

جبر خطّی شاخه‌ای از ریاضیات است که به بررسی و مطالعه ماتریس ها، بردارها، فضاهای برداری (فضاهای خطّی)، تبدیلات خطی، و دستگاه‌های معادلات خطی می‌پردازد. جبر خطّی کاربردهای فراوان و گوناگونی در ریاضیات و محاسبات گسسته دارد. علاوه بر کاربردهای آن در زمینه‌هایی از خود ریاضیات همانند جبر مجرد، آنالیز تابعی، هندسه تحلیلی، و آنالیز عددی، جبر خطّی استفاده‌های وسیعی نیز در فیزیک، مهندسی، علوم طبیعی، و علوم اجتماعی پیداکرده است. این درس شامل موضوعاتی است که در یک درس جبر خطی دانشگاهی بررسی می شود که شامل فضاهای برداری، تبدیلات خطی، مقدار یکه و بردار یکه،‌ دستگاه معادلات خطی می باشد...

کتاب جبر خطی پیشرفته برای مهندسین با استفاده از نرم افزار متلب (Advanced Linear Algebra for Engineers with MATLAB)، مشتمل بر 6 فصل، 367 صفحه، با فرمت pdf، همراه با تصاویر، به زبان انگلیسی، به ترتیب زیر گردآوری شده است:

Chapter 1: Matrices, Matrix Algebra, and Elementary, Matrix Operations

• Introduction
• Basic Concepts and Notation
• Matrix Algebra
• Elementary Row Operations
• Solution of System of Linear Equations
• Matrix Partitions
• Block Multiplication
• Inner, Outer, and Kronecker Products

Chapter 2:Determinants, Matrix Inversion and Solutions to Systems of Linear Equations

• Introduction
• Determinant of a Matrix
• Matrix Inversion
• Solution of Simultaneous Linear Equations
• Applications: Circuit Analysis
• Homogeneous Coordinates System
• Rank, Null Space and Invertibility of Matrices
• Special Matrices with Applications
• Derivatives and Gradients

Chapter 3:Linear Vector Spaces

• Introduction
• Linear Vector Space
• Span of a Set of Vectors
• Normed Vector Spaces
• Inner Product Spaces
• Orthogonality
• Matrix Factorization

Chapter 4:Eigenvalues and Eigenvectors

• Introduction
• Matrices as Linear Transformations
• Eigenvalues and Eigenvectors
• Matrix Diagonalization
• Special Matrices
• Singular Value Decomposition
• Numerical Computation of Eigenvalues and Eigenvectors
• Properties of Eigenvalues and Eigenvectors of Different Classes of Matrices
• Applications

Chapter 5:Matrix Polynomials and Functions of Square Matrices

• Introduction
• Matrix Polynomials
• Cayley–Hamilton Theorem
• Functions of Matrices
• The State Space Modeling of Linear Continuous-time Systems
• State Space Representation of Discrete-time Systems
• Controllability of LTI Systems
• Observability of LTI Systems

Chapter 6:Introduction to Optimization

• Introduction
• Stationary Points of Functions of Several Variables
• Least-Square (LS) Technique
• Total Least-Squares
• Eigen Filters
• Stationary Points with Equality Constraints

جهتدانلود کتاب جبر خطی پیشرفته برای مهندسین با استفاده از نرم افزار متلب (Advanced Linear Algebra for Engineers with MATLAB)، به لینک زیر مراجعه نمایید:

جبر خطی پیشرفته برای مهندسین با استفاده از نرم افزار MATLAB

پیشرفت در جمع آوری و ذخیره داده در طول دهه های گذشته موجب انفجار داده در بیشتر موارد شده است. محققان در بسیاری از حیطه ها مانند مهندسی، ستاره شناسی، اقتصاد و تعاملات مصرف کننده، با مشاهدات و شبیه سازی بزرگ و بزرگتری روبه رو شده اند. چنین مجموعه داده ها در مقابل با مجموعه داده های کوچکتری که در گذشته مطالعه می شدند، چالش های جدیدتر در تحلیل داده ها به وجود آورده اند. به دلیل افزایش تعداد مشاهدات و از آن مهمتر به دلیل افزایش تعداد متغیرهای مربوط به هر مشاهده، روش های آماری قدیمی نسبتا درهم شکسته شد. مجموعه داده های با ابعاد زیاد چالش های ریاضیاتی زیادی همراه با فرصت های جدید به همراه داشتند. یکی از مسائل با مجموعه داده ابعاد بالا این است که در بسیاری از موارد همه متغیرهای اندازه گیری شده برای فهم موضوع موردنظر با اهمیت نیستند. کاهش بعد دسته بندی، تجسم، ارتباط و ذخیره داده با بعد بالا را تسهیل می بخشد. با وجود اینکه روش های جدید با هزینه محاسباتی بالا مدل های پیش بینی با دقت بالا از داده های با ابعاد بالا می سازند، هنوز هم در بسیاری از موارد تمایل به کاهش ابعاد داده اصلی به هر مدلی از داده است...

جزوه آموزش کاهش بعد با استفاده از شبکه های عصبی، مشتمل بر 22 صفحه، با فرمت PDF، تایپ شده، به زبان فارسی، به ترتیب زیر گردآوری شده است:

• ماشین بولتزمن محدود (RBM)
• نمونه سازی Gibbs
• رمزگذار خودکار
• شبکه های باور عمیق (DBN)
• کاهش بعد
• مقاله مورد بررسی
• توضیحات تکمیلی
• جزئیات پیش آموزش
• جزئیات میزان سازی دقیق
• متناسب شدن در logestic PCA
• تاثیر پیش آموزش میزان سازی دقیق در رمزگذار خودکارهای عمیق و سطحی
• جزئیات یافتن کدها برای اعداد MNIST
• جزئیات یافتن رمز برای چهره های Olivetti
• جزئیات یافتن رمزها برای اسناد رویتر
• مقایسه با جاسازی خطی محلی
• استفاده از پیش آموزش و میزان سازی دقیق برای دسته بندی اعداد
• مراجع

* توجه: لازم به ذکر است که علاوه بر فایل جزوه آموزشی بالا، مقاله زیر نیز جهت دانلود قرار داده شده است:

مقاله کاهش بعد داده های تصاویر تشدید مغناطیسی مغز با استفاده از شبکه عصبی آموزش یافته توسط الگوریتم ژنی (16 صفحه، به زبان فارسی)

جهت دانلود جزوه آموزش کاهش بعد با استفاده از شبکه های عصبی به انضمام مقاله، به لینک زیر مراجعه نمایید:

کاهش بعد با استفاده از شبکه های عصبی

شبکه هاي عصبی عمیق داراي کاربردهاي فراوانی در پردازش گفتار می باشند. در صورتی که این شبکه ها به صورت تصادفی مقدار دهی اولیه شوند به جواب درست همگرا نخواهند شد، چرا که داراي تعداد پارامترهاي فراوانی می باشند. روش هاي متعددي براي پیش تعلیم شبکه هاي عصبی عمیق مطرح شده است که باعث همگرا شدن شبکه می شوند. پیش تعلیم شبکه هاي عصبی می تواند هم بر مبناي شبکه باور عمیق و هم ماشین بولتزمان عمیق انجام گیرد. در این مقاله شبکه عصبی عمیق با روش پیش تعلیم جدیدي که بر مبناي ماشین بولتزمان عمیق می باشد، آموزش می بیند. در نهایت خروجی شبکه عصبی پس از پیش تعلیم توسط روش ارائه شده، براي طبقه بندي واج ها مورد استفاده قرار می گیرد. نتایج تجربی بر روي دادگان گفتار تیمیت بیانگر آن است که روش ارائه شده براي کاربردهاي بازشناسی واج مناسب می باشد. همچنین آزمایشات نشان داده است که روش ارائه شده بر مبناي ماشین بولتزمان عمیق به کاهش خطاي عمومی سیستم و افزایش کارائی آن کمک می کند و از طرفی باعث همگرائی سریع تر شبکه عصبی عمیق می شود...

مقالهروشی جدید براي پیش تعلیم شبکه عصبی بر مبناي ماشین بولتزمان عمیق به منظور افزایش سرعت آموزش و دقت در بازشناسی واج، مشتمل بر 7 صفحه، به زبان فارسی، تایپ شده، به همراه تصاویر، دیاگرام، فرمول ها و روابط ریاضی با فرمت pdf، به ترتیب زیر گردآوری شده است:

• چکیده
• مقدمه
• شبکه هاي عمیق
• ماشین بولتزمان محدود (RBM)
• شبکه باور عمیق (DBN)
• ماشین بولتزمان عمیق (DBM)
• روش جدید به منظور پیش تعلیم شبکه عصبی
• ارزیابی
• مقایسه روش هاي مختلف پیش تعلیم
• مقایسه تاثیر مقادیر متفاوت ابر پارامتر آلفا
• نتیجه گیري
• مراجع

جهت دانلود مقاله روشی جدید براي پیش تعلیم شبکه عصبی بر مبناي ماشین بولتزمان عمیق به منظور افزایش سرعت آموزش و دقت در بازشناسی واج، به لینک زیر مراجعه نمایید:

روشی جدید براي پیش تعلیم شبکه عصبی بر مبناي ماشین بولتزمان

اين مقاله در مورد طراحی يک نرم افزار به منظور استفاده بهينه از فرآيند جوشکاری اصطكاكي اغتشاشي است که يكي از فرآيندهاي نوين جوشكاري در حالت جامد است. اين نرم افزار که با زبانc# و با استفاده از الگوريتم ژنتيک طراحی شده، کاربر را قادر می سازد با ورود مقادير اندازه گيری شده خواص آلياژ و با ورود درصد ميزان اهميت خواص به سيستم، به مقادير بهينه ای از سرعت حرکت و سرعت چرخش که در ميزان تغييرات خواص آلياژ مؤثرند، دست يابد. اين نرم افزار با در نظر گرفتن وزن برای هر يک از خواص، اين امکان را ايجاد می کند که بتوان بعضی از خواص را نسبت به برخی ديگر در حصول نتيجه، برتری داد. با اين نوآوری امکان استفاده گسترده از اين متد در صنايع مختلف، که در آنها يک يا چند خاصيت، اهميت بيشتری نسبت به خواص ديگر دارند، فراهم می گردد...

مقاله کاربرد الگوريتم ژنتيک در بهينه سازی فرآيند جوشکاری اصطکاکی اغتشاشی، مشتمل بر 5 صفحه، به زبان فارسی، تایپ شده، به همراه تصاویر و جداول، با فرمت pdf، به ترتیب زیر گردآوری شده است:

• چکیده
• مقدمه
• مفاهيم و تعاريف اوليه
• روش جوشکاری FSW
• متدولوژی کاربرد الگوريتم ژنتيک در بهينه يابی سرعت چرخش و سرعت حرکت پين
• مرحله اول، مدلسازی داده ها (جمعيت اوليه)
• مرحله دوم، تقاطع (Crossover)
• مرحله سوم، جهش (Mutation)
• مرحله پايانی، برازندگی (Fitness)
• نتيجه گيری و پيشنهادها
• مراجع

جهت دانلود مقاله کاربرد الگوريتم ژنتيک در بهينه سازی فرآيند جوشکاری اصطکاکی اغتشاشی، به لینک زیر مراجعه مایید:

کاربرد الگوريتم ژنتيک در بهينه سازی فرآيند جوشکاری اصطکاکی اغتشاشی

پیش بینی پروفیل سایش غلتک های نورد به منظور برنامه ریزی پاس های نورد و برنامه نورد در کارخانجات نورد فولاد از اهمیت ویژه ای برخوردار است. در این پروژه طول غلتک نورد به بخش های کوچک تقسیم شد و برای هر بخش یک شبکه عصبی مجزا تعریف گردید که تمام این شبکه ها در یک شبکه واحد سفارشی تعریف گردیدند تا زمان مدل سازی کاهش یابد. برای هر بخش از طول غلتک معادله پروفیل سایش استخراج گردید و در اختیار الگوریتم ژنتیک برای کمینه کردن سایش قرار گرفت. در این پروژه از نرم افزار متلب MATLAB استفاده گردیده است. این پروژه بر مبنای داده های عملی خط نورد گرم فولاد سبا انجام شد. نتایج بدست آمده به خوبی با نمودارهای پروفیل سایش واحد سنگ زنی فولاد سبا تطابق دارد...

مقاله تعیین پروفیل سایشی غلتک های نورد گرم ورق با شبکه های عصبی و بهینه سازی توسط الگوریتم ژنتیک، مشتمل بر 7 صفحه، به زبان فارسی، تایپ شده، به همراه تصاویر، دیاگرام، فرمول ها و روابط ریاضی با فرمت pdf، به ترتیب زیر گردآوری شده است:

• چکیده
• مقدمه
• شبکه عصبی و الگوریتم ژنتیک
• نتایج و بحث
• نتیجه گیری
• پیوست
• مراجع

جهت دانلود مقاله تعیین پروفیل سایشی غلتک های نورد گرم ورق با شبکه های عصبی و بهینه سازی توسط الگوریتم ژنتیک، به لینک زیر مراجعه نمایید:

تعیین پروفیل سایشی غلتک های نورد گرم ورق با شبکه های عصبی

در اين مقاله با به كارگيري الگوريتم ژنتيك، به طراحي و بهينه يابي كنترل كننده فازي تناسبي مشتقي جهت تنظيم سوخت موتور توربوجت پرداخته شده است. در ابتدا با بهره گيري از روش مدل سازي وينر مدلي با ساختار بلوكي جهت شبيه سازي عملكرد موتور توربوجت پيشنهاد شده است كه اين نوع مدل سازي براي اهدافي نظير طراحي كنترل كننده مناسب مي باشد. در ادامه با توجه به رفتار غيرخطي موتور، كنترل كننده فازي اوليه اي كه قواعد و پارامترهاي آن بر اساس اطلاعات تجربي و شناخت قبلي از رفتار موتور تنظيم شده است، طراحي گرديد. در پايان با به كارگيري الگوريتم ژنتيك، قواعد و پارامترهاي كنترل كننده فازي اوليه با هدف كاهش ميزان مصرف سوخت و همچنين بهبود رفتار سيستم در مود كنترلي گذرا بهينه گرديد. نتايج شبيه سازي نشان مي دهد كه كنترل كننده طراحي شده علاوه بر كاهش ميزان مصرف سوخت، قادر است پاسخ زماني و مشخصه هاي عملكردي سيستم نظير خطاي حالت ماندگار، فراجهش و زمان خيزش را به طور قابل ملاحظه اي بهبود بخشد...

مقاله كاربرد الگوريتم ژنتيك در طراحي و بهينه يابي پارامترهاي كنترل كننده جهت تنظيم سوخت موتور توربوجت، مشتمل بر 11 صفحه، به زبان فارسی، تایپ شده، به همراه تصاویر، دیاگرام، فرمول ها و روابط ریاضی با فرمت pdf، به ترتیب زیر گردآوری شده است:

• چکیده
• مقدمه
• مدل سازي و شبيه سازي عملكرد موتور توربوجت
• طراحي كنترل كننده فازي سوخت
• طراحي كنترل كننده ژنتيك فازي
• كدگذاري ضرايب اصلاح
• كدگذاري پارامترهاي توابع عضويت
• كدگذاري پايگاه قواعد
• تعريف تابع برازش
• تحليل نتايج
• نتيجه گيري
• پي نوشت
• مراجع

جهت دانلود مقاله كاربرد الگوريتم ژنتيك در طراحي و بهينه يابي پارامترهاي كنترل كننده جهت تنظيم سوخت موتور توربوجت، به

لینک زیر مراجعه نمایید:

كاربرد الگوريتم ژنتيك در طراحي و بهينه يابي پارامترهاي كنترل كننده

کتاب طراحی شبکه های عصبی مصنوعی (Neural Network Design)، سعی دارد تا شبکه های عصبی مصنوعی را بیشتر با مفهوم و ساختار اساسی اش بیان نماید. این کتاب اثر هاگان بوده که به همراه دانشجویانش تولباکس شبکه عصبی را نیز در نرم افزار متلب طراحی نموده اند. این کتاب مشتمل بر 19 فصل، 733 صفحه، به زبان انگلیسی، همراه با تصاویر، فرمول ها و جداول مهم، با فرمت pdf، به ترتیب زیر گردآوری شده است:

• Chapter 1: Introduction
• Chapter 2: Neuron Model and Network Architectures
• Chapter 3: An Illustrative Example
• Chapter 4: Perceptron Learning Rule
• Chapter 5: Signal and Weight Vector Space
• Chapter 6: Linear Transformations for Neural Network
• Chapter 7: Supervised Hebbian Learning
• Chapter 8: Performance Surfaces and Optimum Points
• Chapter 9: Performance Optimization
• Chapter 10: Widrow Hoff Learning
• Chapter 11: Back propagation
• Chapter 12: Variations on Back Propagation
• Chapter 13: Associative Learning
• Chapter 14: Competitive Networks
• Chapter 15: Grossberg Network
• Chapter 16: Adaptive Resonance Theory
• Chapter 17: Stability
• Chapter 18: Hopfield Network
• Chapter 19: Epilogue

جهت دانلود کتاب طراحی شبکه های عصبی(Neural Network Design)، به لینک زیر مراجعه نمایید:

کتاب طراحی شبکه های عصبی مصنوعی