در این بخش ترجمه مقاله تشخیص احساسات از طریق شناسایی ویژگی های چهره را برای شما دوستان آماده کردیم. انسان ها مجموعه ای از احساسات جهانی و اساسی را که از طریق اصطلاحات مرسوم ارائه می شوند، به اشتراک می گذارند. یک الگوریتم که تشخیص، استخراج و ارزیابی این حالات چهره را انجام می دهد، که به تشخیص احساسات خودکار انسان در عکس و فیلم ها تشخیص اجازه می دهد. الگوریتم ارائه شده در اینجا روش استخراج ویژگی ترکیبی و تشخیص چهره است که با استفاده از تشخیص cascade object Viola-Jones و نقاط گوشه Harris برای استخراج چهره ها و ویژگی های صورت از تصاویر و استفاده از تجزیه و تحلیل مولفه اصلی، هیستوگرام گرادیان های شیب گرا (HOG)، و ماشین های بردار پشتیبانی (SVM) برای آموزش پیش بینی چند طبقه ای برای طبقه بندی هفت حالات صورت بنیادی انسان صورت گرفته است. جهت مطالعه اطلاعات کامل مقاله و دریافت آن برروی لینک زیر کلیک نمایید.
در این بخش پروژه شبیه سازی عملکرد تقویت کننده دقیق را با استفاده از IC 741 Op Amp در نرم افزار Proteus آماده کردیم که پروژه مرتبط با درس کنترل ابزار دقیق می باشد. در ادامه به تشریح صورت مسئله پرداخته و تقویت کننده عملیاتی و آی سی آپ امپ (۷۴۱) نیز معرفی شدند. به تقویت سیگنال کوچک ۱۰mV در یک سنسور دما یا فشار نیاز داریم؛ یک مدار تقویت کننده دقیق با استفاده از آپ امپ در نرم افزار پروتئوس طراحی کنید تا گینی در حدود ۱۰۰ ایجاد کند. کد PSPICE را با فرض سیگنال تفاضلی Vd (10mV در ۱۰KHZ) و سیگنال مد مشترک VC (5v در ۱ KHZ) برای ورودی آپ امپ بنویسید. خروجی و ورودی را زمانی که هر دو سیگنال مد مشترک و تفاظلی وجود دارند و همچنین زمانی که فقط مد مشترک وجود دارد رسم کنید و همچنین CMMRR را نیز محاسبه نمائید. جهت مشاهده تصاویر خروجی پروژه و دریافت آن بر روی لینک زیرکلیک نمایید.
لینک: شبیه سازی عملکرد تقویت کننده دقیق با آی سی ۷۴۱ Op Amp در پروتئوس
در این بخش پیش بینی تخمین حالت امن بر اساس فیلتر کالمن برای سیستم های فیزیکی سایبری در برابر حملات خصمانه را آماده کردیم. سیستم های سایبری فیزیکی در کاربرد های مختلفی مانند شبکه های قدرت، فرآیند های تولید و سیستم های حمل و نقل هوایی یافت می شود. حفظ امنیت این سیستم ها در برابر حملات سایبری یک وظیفه مهم و چالشی است. از آنجایی که این حملات می توانند نا منظم نیز باشند، در نتیجه مدل سازی آن ها مشکل است. تخمین حالت امن، تخمینی از چگونگی حالت صحیح سیستم، هنگامی که اندازه گیری ها دچار اختلال شده اند و یا ورودی های کنترلی توسط مهاجمین به خطر افتاده است. جهت مطالعه اطلاعات کامل مقاله و دریافت آن بر روی لینک زیر کلیک نمایید.
لینک: فیلتر کالمن برای سیستم های فیزیکی سایبری در برابر حملات خصمانه
در این بخش پروژه خوشه بندی داده های شرکت تولیدی را با نرم افزار R به همراه داکیومنت آماده کردیم. در این تحلیل قرار است تا داده های ۳۷۹ شرکت تولیدی را بر اساس ۱۴ بعد انعطاف پذیری تولید خوشه بندی کنیم. برای کلاسبندی داده ها از سه روش خوشه بندی شامل الگوریتم خوشه بندی سلسله مراتبی (Hierarchical)، الگوریتم رقابت استعماری (ICA) و الگوریتم بردار ماشین پشتیبان (SVM) استفاده نمودیم. ما با استفاده از ۳ روش خوشه بندی متفاوت ۱۸ خوشه بندی متفاوت روی داده ها انجام دادیم. برای هر روش خوشه بندی خوشه بندی را از ۳ تا ۸ خوشه انجام دادیم. سپس با استفاده از شاخص های متفاوت ارزیابی خوشه ها را بررسی نمودیم. نتیجه نهایی به این صورت بود که خوشه SVM با ۳ خوشه بر اساس ۴ شاخص Calinski_Harabasz ، Dunn GDI ، Ratkowsky Lance و Wemmert Gancarski بهترین خوشه می باشد. جهت مشاهده تصاویر خروجی پروژه و دریافت آن بر روی لینک زیر کلیک نمایید.
لینک: خوشه بندی داده های شرکت تولیدی به روش مختلف در R به همراه داکیومنت
در این بخش پروژه ای برای تحلیل آماری چند متغیری کاربردی آماده کردیم که در آن به مباحث تحلیل واریانس چند متغیره، استقلال و نرمال بودن داده ها، همبستگی داده ها و آزمون برابری پارامترها مثل میانگین در چند متغیره در نرم افزار آماری R پرداخته می شود. جهت مشاهده تصاویر خروجی پروژه و دریافت آن بر روی لینک زیر کلیک نمایید.
لینک: تحلیل آماری چند متغیری کاربردی با نرم افزار R به همراه داکیومنت