امروزه خواص فیزیکی اجسام، دستاویزی برای حل مسائل بهینه سازی است تا پاسخ بهینه مسائل با تعداد حالات زیاد سریع تر و دقیق تر یافته شود. به عنوان نمونه می توان به الگوریتم های بهینه سازی مبتنی بر اسپین گلاس (شبکه های اسپینی) اشاره کرد که به دلیل داشتن قابلیت جستجوی محلی و پردازش توزیع شده مورد توجه قرار دارند. از آنجایی که شبکه های اسپینی، بیشتر مبتنی بر الگوریتم های تصادفی - مونت کارلو همچون تبرید تدریجی (SA) برای یافتن حالت بهینه استفاده می کنند، از سرعت همگرایی پائینی برخورداند. بنابراین برای افزایش سرعت، از الگوریتم های بهینه سازی اکتشافی، تکاملی و غیره استفاده می شود. در این مقاله با در نظر گرفتن قابلیت شبکه اسپینی در حل مسائل بهینه سازی،کوشش شده است یکی از مسائل غیرچندجمله ای (NP) با عنوان مساله انتخاب بهینه سبدسهام با استفاده از تبرید تدریجی حل شود؛ سپس با توجه به خواص توزیع شده گی اینگونه از شبکه ها، الگوریتم جدید مبتنی بر اتوماتای یادگیر(LA) بعنوان پردازش متمرکزو همچنین بهینه سازی اکسترمال (EO) بعنوان پردازش توزیع شده، ارائه گردیده است. نتایج آزمایش ها نشان می دهند که هرچند دو الگوریتم ارائه شده از حیث عملکرد، متفاوتند؛ ولی هردو در محدوده پاسخ، تقریبا توزیع احتمال یکسانی برای انتخاب اسپین های برتر فراهم می کنند. به عبارت دیگر این دو روش از مرحله ای به بعد، شبیه هم عمل کرده و نتایج یکسانی تولید می کنند و کارایی شبکه های اسپینی از حیث سرعت همگرایی با حفظ دقت را به مقدار زیادی افزایش می دهند. همچنین دستاوردها نشان می دهد که انتخاب روش مبتنی بر LA یا EO برای شبکه های با تعداد اسپین کم تفاوتی ندارد؛ اما برای شبکه های بزرگ، EO که توانایی پردازش توزیع شده منحصر بفردی دارد، بسیار بهتر از روش های مبتنی بر یادگیری پاسخ می دهد که نتایج آزمایش های حاصل بر 5 بورس معتبر دنیا این موضوع را تائید می کند.

در این مقاله، به بررسی طراحی و پیاده سازی سیستم های توزیع شده برای پردازش بیگ دیتا با استفاده از الگوریتم های هوش مصنوعی پرداخته شده است. با توجه به رشد رو به افزایش حجم داده ها در دنیای امروز، استفاده از این سیستم ها و الگوریتم های هوش مصنوعی برای پردازش داده ها اهمیت بیشتری یافته است. نتایج به دست آمده نشان می دهد که این روش ها می توانند بهبود قابل توجهی در عملکرد پردازش بیگ دیتا ایجاد کنند و از مزایای قابل توجهی برای سازمان ها و شرکت ها به دنبال داشته باشند. این مقاله نشان می دهد که استفاده از سیستم های توزیع شده و الگوریتم های هوش مصنوعی می تواند بهبود قابل توجهی در عملکرد و کارایی سیستم ها و برنامه های مختلف ایجاد کند.

In this paper, an alternative approach in operational modal analysis is presented, utilizing image Processing technique and transmissibility functions. Imaging sensors do not impose additional mass on the structure due to their non-contact nature, while transmissibility functions, independent of excitation type, can directly extract mode shapes. The innovation of this research lies in combining these two techniques to record dynamic responses and identify modal properties. To capture the temporal response history from video signals, the block-matching method with sub-pixel accuracy was employed. Validation was conducted by recording the response of the tip of a cantilevered steel beam subjected to impact excitation, using a high-speed camera and a laser vibrometer, simultaneously. The RMSE plots in the time domain and the PSD in the frequency domain indicate high accuracy of this method. Using this approach, the displacement time histories of various points on the structure were extracted from the video signals, and the modal properties, including natural frequencies, damping ratios, and mode shapes, were identified using the transmissibility matrix method. The results obtained from the proposed method were compared with the stochastic subspace identification (SSI) method and analytical solutions. The findings reveal the accuracy of the modal identification approach introduced in this article. The highest relative error in estimating the natural frequencies of the first and second modes, compared to the values from the laser method, are 0.19% and 0.13%, respectively, and in comparison to the analytical values, they are 0.34% and 1.5%, respectively.

In traditional speech Processing, feature extraction and classification were conducted as separate steps. The advent of deep neural networks has enabled methods that simultaneously model the relationship between acoustic and phonetic characteristics of speech while classifying it directly from the raw waveform. The first convolutional layer in these networks acts as a filter bank. To enhance interpretability and reduce the number of parameters, researchers have explored the use of parametric filters, with the SincNet architecture being a notable advancement. In SincNet's initial convolutional layer, rectangular bandpass filters are learned instead of fully trainable filters. This approach allows for modeling with fewer parameters, thereby improving the network's convergence speed and accuracy. Analyzing the learned filter bank also provides valuable insights into the model's performance. The reduction in parameters, along with increased accuracy and interpretability, has led to the adoption of various parametric filters and deep architectures across diverse speech Processing applications. This paper introduces different types of parametric filters and discusses their integration into various deep architectures. Additionally, it examines the specific applications in speech Processing where these filters have proven effective.

سابقه و هدف: واریکوسل از جمله عوامل ناباروری در مردان است. این بیماری، با تغییر در دما و درناژ وریدهای بیضوی موجب اختلال در اسپرماتوژنز و کاهش باروری می گردد. هر چند واریکوسلکتومی، درمان اینگونه بیماران می باشد اما امروزه روشهای کمک باروری و آماده کردن به روشهای مختلف از جمله Sperm Processing و انجام swin up کمک قابل توجهی به این بیماران جهت بارور شدن می نماید.مواد و روشها: این مطالعه به روش مداخله ای در 155 نفر در سال 83 در مرکز ناباروری دانشگاه علوم پزشکی بابل انجام شد. پارامترهای اسپرم افراد واریکوسل قبل و بعد از Processing مورد بررسی قرار گرفت.یافته ها: میانگین سن بیماران 31.8 سال بود. حرکت اسپرم در Grade III و Grade IV قبل از Sperm Processing بترتیب 53.9% و 12.9% بود که بعد از آماده سازی، بترتیب به 78.8% و 56.8% افزایش یافت. Total motility در گروه کمتر از 40 درصد حرکت اسپرم، از 19 نفر به 87 نفر یعنی بیش از 80 درصد افزایش یافت.نتیجه گیری: نتایج این مطالعه نشان داد که در این نوع بیماران می توان به آماده سازی و جمع آوری اسپرمهای مناسب، شانس باروری را افزایش داد.

Plastic hinge properties play a crucial role in predicting the nonlinear response of structural elements. The plastic hinge region of reinforced concrete normal beams has been previously studied experimentally and analytically. The main objective of this research is to evaluate the behavior of the plastic hinge region of reinforced concrete deep beams and its comparison with normal beams through finite element simulation. To do so, ten beams contain six deep beams, and four normal beams, under concentrated and uniformly Distributed loading, are investigated. Lengths in the plastic hinge region involving curvature localization, rebar yielding, and concrete crushing zones are studied. The results indicate that the curvature localization zone is not suitable for the prediction of plastic hinge length in reinforced concrete deep beams. Based on the results it can be stated that in simply supported normal beams the concrete crushing zone is focused on the middle span, but in simply supported deep beams by creating a compression strut between loading place and support, the concrete crushing zone spreads along the compression trajectory. The rebar yielding zone of simply supported beams increases as the loading type is changed from the concentrated load at the middle to the uniformly Distributed load.