نتایج جستجو

18096

نتیجه یافت شد

مرتبط ترین ها

اعمال فیلتر

به روزترین ها

اعمال فیلتر

پربازدید ترین ها

اعمال فیلتر

پر دانلودترین‌ها

اعمال فیلتر

پر استنادترین‌ها

اعمال فیلتر

تعداد صفحات

1810

انتقال به صفحه



فیلترها/جستجو در نتایج    

فیلترها

سال

بانک‌ها



گروه تخصصی











متن کامل


مرکز اطلاعات علمی SID1
اسکوپوس
مرکز اطلاعات علمی SID
ریسرچگیت
strs
اطلاعات دوره: 
  • سال: 

    1389
  • دوره: 

    7
  • شماره: 

    2
  • صفحات: 

    134-140
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    393
  • دانلود: 

    100
چکیده: 

زمینه و هدف: مهمترین هدف هر رویکرد آموزشی ارتقای سطح دانش و نگرش یادگیرنده است. بی شک شیوه های آموزشی نظیر یادگیری حین خدمت به شیوه های دیگر ارجحیت دارند. هدف از مطالعه حاضر تعیین تاثیر شیوه یادگیری همزمان با ارایه خدمت، بر آگاهی و نگرش دانشجویان در زمینه ایدز می باشد.روش کار: در یک مطالعه نیمه تجربی، 34 نفر از دانشجویان پرستاری در نیم سال دوم سال تحصیلی 88 1387 از طریق نمونه گیری به شیوه سرشماری انتخاب و بطور تصادفی به دو گروه مداخله و کنترل تقسیم شدند. برای گروه کنترل روش آموزشی مرسوم و جهت گروه مداخله از فرایند آموزشی Service learning استفاده شد. دانش و نگرش دانشجویان و گروه هدف، (شامل 51 نفر از پرستاران شاغل)، قبل و بعد از اجرای فرایند آموزشی، ارزیابی و میزان دستیابی دانشجویان به اهداف تعیین شده، مشخص شد. داده ها با استفاده از شاخص های آمار توصیفی و آزمون t زوجی مورد تجزیه و تحلیل قرار گرفت. سطح معنی داری 05/0 در نظر گرفته شد.یافته ها: نمره پس آزمون آگاهی و نگرش دانشجویان گروه مداخله، بطور معنی داری بیش از میانگین نمره آگاهی و نگرش گروه کنترل بود (p<0.05). همچنین میانگین نمره آگاهی گروه هدف قبل و بعد از مداخله تفاوت معنی داری نشان داد (p<0.05). میانگین نمره نگرش این گروه قبل و بعد از مداخله تفاوت نداشت (p<0.05).نتیجه گیری: یادگیری به شیوه Service learning، در افزایش آگاهی و تغییر نگرش دانشجویان موثرتر از شیوه های مرسوم می باشد. بر اساس یافته های این پژوهش پیشنهاد می شود مطالعاتی در مورد مشکلات اجرایی این روش درکشور انجام شود.

آمار یکساله:  

بازدید 393

دانلود 100 استناد 0 مرجع 15
اطلاعات دوره: 
  • سال: 

    1400
  • دوره: 

    2
  • شماره: 

    4 (پیاپی 8)
  • صفحات: 

    13-23
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    148
  • دانلود: 

    162
چکیده: 

در این مقاله یک مدل هوشمند مصنوعی برای زمان بندی وظایف (Task scheduling) به صورت آگاه از انرژی (Energy-aware) بر پایه اتوماتای یادگیر (learning automata) در کاربردهای رایانش مه (Fog Computing) ارایه شده است. رایانش مه یک لایه محاسباتی توزیع شده است که به عنوان یک لایه میانی بین ابر و اینترنت اشیا به منظور ارتقاء کیفیت خدمات عمل می کند. یکی ازمهمترین فاکتورها در مصرف انرژی مربوط به زمان بندی وظایف است. در این مقاله موضوع زمان بندی وظایف در محیط مه به منظور کاهش مصرف انرژی، زمان اتمام کار(Makespan) و هزینه با استفاده از اتوماتای یادگیر بررسی شده است. سپس برای اولین بار یک شبکه عصبی به عنوان مدل هوش مصنوعی بر اساس اتوماتای یادگیر برنامه ریزی وظایف در محیط مه ارایه شده است. مدل شبکه عصبی ارایه شده توانایی پیش بینی ارتباط بین پارامترهای زمان اتمام کار، انرژی و هزینه را بر اساس تعداد ماشین های مجازی دارد. نتایج مدل هوش مصنوعی ارایه شده نشان می دهد که تمام پارامترهای مذکور با کمتر از یک درصد پیش بینی شده اند. همچنین در مدل ارایه شده خطای آموزش و آزمون برای پارامتر زمان اتمام کار به ترتیب 0. 02 و 0. 04 بدست آمد، برای پارامتر انرژی به ترتیب 0. 16 و 0. 84 بدست آمد و برای پارامتر هزینه به ترتیب 0. 02 و 0. 19 بدست آمد.

آمار یکساله:  

بازدید 148

دانلود 162 استناد 0 مرجع 0
اطلاعات دوره: 
  • سال: 

    1396
  • دوره: 

    15
  • شماره: 

    1
  • صفحات: 

    163-178
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    574
  • دانلود: 

    231
کلیدواژه: 
چکیده: 

متن کامل این مقاله به زبان انگلیسی می باشد، لطفا برای مشاهده متن کامل مقاله به بخش انگلیسی مراجعه فرمایید.لطفا برای مشاهده متن کامل این مقاله اینجا را کلیک کنید.

آمار یکساله:  

بازدید 574

دانلود 231 استناد 0 مرجع 0
گارگاه ها آموزشی
نویسندگان: 

MORADI MOSTAFA

اطلاعات دوره: 
  • سال: 

    2017
  • دوره: 

    8
  • شماره: 

    1 (27)
  • صفحات: 

    17-26
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    38450
  • دانلود: 

    19752
چکیده: 

Ad hoc mobile networks have dynamic topology with no central management. Because of the high mobility of nodes, the network topology may change constantly, so creating a routing with high reliability is one of the major challenges of these networks.In the proposed framework first, by finding directions to the destination and calculating the value of the rout the combination of this value with the average total probability of nodes for each route is considered to be a final value and by choosing a route among all routes leading to destination, routing operation is performed randomly and desirability or undesirability of the rout will be examined based on learning automata technique to select the optimal route for the next times. The proposed method attempts to encompass all parameters to control congestion on the network accurately and efficiently. To evaluate the proposed method, the results were compared with previous related works and compared with other methods which indicated that the proposed method has a better performance.

آمار یکساله:  

بازدید 38450

دانلود 19752 استناد 0 مرجع 0
اطلاعات دوره: 
  • سال: 

    1379
  • دوره: 

    34
  • شماره: 

    4 (پیاپی 70)
  • صفحات: 

    1-26
تعامل: 
  • استنادات: 

    541
  • بازدید: 

    2396
  • دانلود: 

    579
چکیده: 

هدف از مهندسی شبکه های عصبی بررسی معایب و مزایای شبکه های عصبی مصنوعی و ارایه روشهایی برای بهبود کارایی آنهاست. یکی از موضوعات مورد بحث در مهندسی شبکه های عصبی چندلایه، یافتن ساختار مناسب (نزدیک به بهینه) برای حل مساله میباشد. معیار و نحوه انتخاب اندازه شبکه عصبی برای یک مساله خاص هنوز شناخته شده نیست. در روشهای کلاسیک، طراح شبکه در ابتدای آموزش ساختاری را برای شبکه تعیین و سپس شبکه را آموزش میدهد و ساختار تعیین شده در حین آموزش ثابت نگاه داشته میشود. تعیین اندازه شبکه عصبی (تعداد واحدها و لایه های مخفی) تاثیر عمده ای بر روی کارایی شبکه های عصبی خواهد داشت. طراحی یک شبکه با ساختار بهینه یک مساله ذاتا مشکل است. بهمین جهت بیشتر الگوریتم های ارایه شده برای تعیین ساختار شبکه های عصبی، الگوریتم های تقریبی هستند. این الگوریتم ها را میتوان به پنج گروه عمده الگوریتم های هرس، الگوریتم های سازنده، الگوریتم های ترکیبی، الگوریتم های تکاملی و الگوریتم های بر اساس اتوماتانهای یادگیر تقسیم کرد. تنها الگوریتم گزارش شده براساس اتوماتان یادگیر، الگوریتم بقا نام دارد که توسط بیگی و میبدی ارایه گردیده است. این الگوریتم از یک اتوماتان یادگیر مهاجرت اشیا (بعنوان یک ابزار جستجوی عمومی) و الگوریتم یادگیری انتشار خطا به عقب استفاده میکند و در ضمن آموزش، تعداد واحدهای مخفی یک شبکه سه لایه را تعیین مینماید. در این مقاله سه الگوریتم براساس اتوماتانهای یادگیر مهاجرت اشیا و الگوریتم یادگیری انتشار خطا به عقب ارایه شده است که ساختار مناسب شبکه عصبی سه لایه (ساختاریکه دارای اندازه کوچک، پیچیدگی آموزش کم و قدرت تعمیم بالا باشد) را برای یک مجموعه از الگوهای آموزشی تعیین می نماید. اغلب روشهای گزارش شده برای تعیین ساختار شبکه از الگوریتم های کوهنوردی استفاده میکنند و مشکل گرفتاری در حداقل محلی را دارند. در روش پیشنهادی در این مقاله بدلیل استفاده از روشهای جستجوی عمومی، امکان گرفتاری در حداقل های محلی فضای ساختارها کاهش می یابد. الگوریتم های ارایه شده روی مسایل متنوعی از جمله شناسایی اعداد فارسی و شناسایی اعداد انگلیسی آزمایش شده اند. از طریق شبیه سازی نشان داده شده است که شبکه های تولید شده توسط الگوریتم های پیشنهادی دارای کارایی بالایی هستند. همچنین الگوریتم های پیشنهادی با الگوریتم هرس کارنین مقایسه گردیده است. نتایج الگوریتم های پیشنهادی هم از لحاظ ساختار تولید شده، هم از نظر زمان مورد نیاز برای تعیین ساختار شبکه عصبی، بسیار بهتر از الگوریتم هرس کارنین عمل کرده اند.

آمار یکساله:  

بازدید 2396

دانلود 579 استناد 541 مرجع 0
اطلاعات دوره: 
  • سال: 

    1391
  • دوره: 

    3
  • شماره: 

    1 (پیاپی 6)
  • صفحات: 

    1-16
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    656
  • دانلود: 

    249
چکیده: 

واحدهای اندازه گیری فازور، از جمله ادواتی است که در تخمین حالت سیستم قدرت نقش اساسی داشته، به بهره بردار شبکه کمک می کند تا تصمیمات لازم احتمالی را برای حفظ عملکرد سیستم اتخاذ نماید. در این مقاله، مساله مکان یابی چند هدفه واحدهای اندازه گیری فازور با اهدافی، همچون مشاهده پذیری کامل سیستم قدرت، افزایش تعداد دفعات مشاهده پذیری شین ها و ارزش قابلیت اطمینان بررسی شده است. برای این منظور، مساله مکان یابی واحدهای اندازه گیری فازور در قالبی جدید فرمول بندی و با ارائه نگرشی نوین بر ارزش قابلیت اطمینان، تابع هدف جدیدی تعریف شده است. سپس، مساله مکان یابی چند هدفه واحدهای فازوری در قالب یک مساله بهینه سازی، با استفاده از اتوماتای یادگیر سلولی باز، بررسی و مراحل تطابق آن با مساله حاضر تشریح شده است. در پایان، با حل مساله مکان یابی واحدهای فازوری برای چندین شبکه نمونه و نیز شبکه سراسری 230kV و 400kV انتقال ایران، توسط راهکار پیشنهادی و مقایسه نتایج با پاسخ های سایر روش ها، کارایی راهکار پیشنهادی بررسی و نشان داده شده است.

آمار یکساله:  

بازدید 656

دانلود 249 استناد 0 مرجع 0
strs
اطلاعات دوره: 
  • سال: 

    1389
  • دوره: 

    -
  • شماره: 

    -
  • صفحات: 

    0-0
تعامل: 
  • استنادات: 

    2
  • بازدید: 

    342
  • دانلود: 

    28
کلیدواژه: 
چکیده: 

آمار یکساله:  

بازدید 342

دانلود 28 استناد 2 مرجع 0
اطلاعات دوره: 
  • سال: 

    1401
  • دوره: 

    20
  • شماره: 

    2
  • صفحات: 

    101-118
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    67
  • دانلود: 

    112
چکیده: 

در این مقاله ابتدا نوعی از بهینه سازی جایگشت معرفی شده است. در این نوع بهینه سازی فرض گردیده که تابع هزینه، دارای یک تابع توزیع احتمال ناشناخته است. این فرض باعث می شود که پیچیدگی حل مسئله یافتن جایگشت بهینه که به دلیل بزرگی ذاتی فضای جواب ها پیچیده است، تشدید شود. یک الگوریتم مبتنی بر آتاماتای یادگیر توزیع شده برای حل مسئله از طریق انجام توأمان جستجو در فضای جواب های جایگشت و نمونه گیری از مقادیر تصادفی ارائه می دهیم. ضمن بررسی ریاضی رفتار الگوریتم جدید پیشنهادی، نشان می دهیم که با انتخاب مقادیر مناسب پارامترهای الگوریتم یادگیر، این روش جدید می تواند جواب بهینه را با احتمالی به اندازه دلخواه نزدیک به 100% و از طریق هدفمندکردن جستجو به کمک آتاماتای یادگیر توزیع شده پیدا کند. نتیجه اتخاذ این سیاست، کاهش تعداد نمونه گیری ها در روش جدید در مقایسه با روش های مبتنی بر نمونه گیری استاندارد است. در ادامه، مسئله یافتن درخت پوشای کمینه در گراف تصادفی به عنوان یک مسئله بهینه سازی جایگشت تصادفی بررسی گردیده و راه حل ارائه شده مبتنی بر آتاماتای یادگیر برای حل آن به کار گرفته شده است.

آمار یکساله:  

بازدید 67

دانلود 112 استناد 0 مرجع 0
نویسندگان: 

ASGHARI K. | MEYBODI M.R.

اطلاعات دوره: 
  • سال: 

    2009
  • دوره: 

    -
  • شماره: 

    3
  • صفحات: 

    0-0
تعامل: 
  • استنادات: 

    379
  • بازدید: 

    10383
  • دانلود: 

    14726
کلیدواژه: 
چکیده: 

آمار یکساله:  

بازدید 10383

دانلود 14726 استناد 379 مرجع 0
اطلاعات دوره: 
  • سال: 

    1400
  • دوره: 

    -
  • شماره: 

    61
  • صفحات: 

    1-36
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    307
  • دانلود: 

    245
چکیده: 

زمینه و هدف کنترل تقاطع ها با استفاده از چراغ های راهنمایی به روش بهینه شده، کار بسیار دشواری است. سیستم کنترل هوشمند چراغ راهنمایی با استفاده از فناوری های راهنمایی و رانندگی همراه با هوش مصنوعی با تصمیم گیری مناسب مشکلات ترافیکی مانند ازدحام را برطرف می کند. روش های یادگیری تقویتی به ویژه الگوریتم خودکار یادگیر می توانند فقط با دریافت سیگنال از محیط تصمیم بگیرند. هدف این مقاله، ارایه برخی از روش های مبتنی بر الگوریتم خودکار را برای پیش بینی و کنترل چراغ راهنمایی هوشمند با استفاده از انواع الگوریتم های خودکار از جمله روش های ساکن و متغیر است. روش روش تحقیق حاضر از نظر هدف، کاربردی و از نظر ماهیت، شبیه سازی-مشاهده ای است. تکنیک و روش مورد استفاده در این پژوهش، استفاده ترکیبی از روش الگوریتم خودکار یادگیر است. جهت این کار، ترافیک بر روی چهارراه های منطقه یک در شهر همدان، بررسی و از آن داده ها جهت ارزیابی و نتایج بهره گرفته شد. یافته ها آزمایش ها نشان داد که الگوریتم خودکار دارای ساختار متغیر در اکثر موارد بهتر از الگوریتم خودکارهای دیگر عمل می کند و درنهایت روش پیشنهادی با الگوریتم های مختلف قابل مقایسه است و توانایی بهبود ترافیک در شهر را دارا است. نتیجه گیری روش پیشنهادی برای هر چراغ راهنمایی، سیکل بعدی را پیش بینی کرده است که در این حالت، چهارراه، با کمترین ترافیک موجود مواجه خواهد شد، این سیکل بلادرنگ بوده و ممکن است در دوره بعدی، توالی آن تغییر پیدا کند و به سمت بهینه سازی الگوریتم خودکار عمل کند، سامانه اجراشده، به طوری عمل می کند که با مرور زمان و با یادگیری بیشتر، آموزش دیده و کامل تر و با دقت بیشتری عمل می کند.

آمار یکساله:  

بازدید 307

دانلود 245 استناد 0 مرجع 0
litScript