زمینه و هدف:پهنه بندی کشت محصولات کشاورزی یکی از انواع ارزیابی است که می تواند به عنوان الگویی برای ارزیابی اراضی، برنامه ریزی و مدیریت بهتر از منابع اراضی مورد استفاده قرار گیرد.روش بررسی: در این پژوهش برای تعیین مکان های مناسب جهت کشت زرشک در کشور ایران، معیارها و زیر معیارهای مختلفی مد نظر قرار گرفت و با توجه به اهمیت تلفیق اطلاعات، فرآیند تحلیل سلسله مراتبی برای وزن دهی به لایه ها انتخاب و به کمک نرم افزار Expert choice پیاده سازی گردید. از نرم افزار Arc GIS، به منظور تحلیل فضایی و همپوشانی لایه ها استفاده شد.یافته ها: نتایج حاصل از عوامل اقلیمی، توپوگرافی و خاکی نشان داد که ستان های خراسان جنوبی(قاین، بیرجند)، فارس(شیراز و آباده) ، همدان، اراک، اصفهان، شهرکرد و کرمان بهترین مکان برای کشت این محصول می باشند. برای بیان میزان مناطق مناسب یا مناسب برای کشت زرشک بصورت مساحت می توان مناطق مختلف کشور را براساس مساحت اراضی قابل کشت کشور که بالغ بر 356858.1 کیلومتر مربع (35685810 هکتار) می باشد.بحث و نتیجه گیری: نتایج حاصل می تواند، طراحان را در انتخاب مکان مناسب جهت کشت زرشک یاری کند.

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

یادگیری ماشین (Machine Learning) یک زیر مجموعه از هوش مصنوعی است. یادگیری ماشین برای طراحی های غیرضروری نیز روش هایی راپیشنهاد می کند. ML فرآیندهای محاسباتی ما را کارآمدتر، قابل اعتمادتر و مقرون به صرفه تر می کند. با تجزیه و تحلیل داده های پیچیده تر به صورت خودکار، سریع و دقیق تر، مدل هایی را تولید می کند. قدرت ML در توانایی آنها برای ارائه راه حل های تعمیم یافته از طریق معماری است که می تواند بهبود عملکرد خود را یاد بگیرد. خوشه بندی سلسله مراتبی یکی دیگر از الگوریتم های یادگیری ماشینی بدون نظارت است که برای گروه بندی مجموعه داده های بدون برچسب در یک خوشه استفاده می شود و همچنین به عنوان تحلیل خوشه سلسله مراتبی یا HCA شناخته می شود. در این الگوریتم سلسله مراتب خوشه ها را به شکل درخت توسعه می دهیم و این ساختار درختی شکل به دندروگرام معروف است. استفاده از ML نه تنها عملکرد WSN ها را بهبود می بخشد و همچنین مداخله یا برنامه مجدد انسانی را محدود می کند؛ دسترسی به حجم وسیعی از داده های جمع آوری شده توسط حسگرها و استخراج اطلاعات مفید از داده ها بدون ML چندان آسان نیست. این مقاله به بررسی این الگوریتم و کاربرد آن در شبکه های حسگر بی سیم پرداخته است.

در این مقاله مسأله جایابی شبکه ای از هاب های سلسله مراتبی با ساختار حلقوی معرفی شده است. مسأله مفروض را می توان به عنوان تلفیقی از شبکه هاب میانه سلسله مراتبی و شبکه هاب حلقوی دولایه دانست. در مدل ارائه شده مکان یابی هاب های اصلی و ثانویه به نحوی انجام می شود که هزینه های ارسال جریان در شبکه نهایی کمینه شود. در طراحی شبکه هاب تحقیق حاضر هاب های اصلی به شکل حلقه به یکدیگر متصل می شوند و در ادامه تخصیص هاب های ثانویه و گره های تقاضا در شبکه با هدف بهینه سازی هزینه صورت می گیرد. چنین مسأله ای در شبکه های مخابراتی و خطوط حمل و نقل سریع هنگامی که ایجاد اتصال نقطه به نقطه مابین تمام گره های تقاضا به لحاظ هزینه مقرون به صرفه نباشد کاربرد دارد. در این مقاله دو مدل برای مسأله پیشنهاد شده است. در ابتدا مدلی با متغیرهای سه اندیسه(شاخص) برای مسأله ارائه گردید که مدل مبتنی بر جریان نامیده می شود سپس مدل جدیدی با معرفی متغیرهای چهار اندیسه ارائه گردیده که مدل مبتنی بر مسیر نامگذاری شده است. برای حل مدل های مورد بحث از دو حل کننده نرم افزاری Cplex و Xpress در محیط نرم افزار بهینه سازی GAMS استفاده شده و در انتها مدل و حل کننده بهتر با توجه به نتایج به دست آمده معرفی شده است. همچنین با تغییر در پارامترهای ورودی حل کننده نرم افزاری زمان حل مسأله کاهش یافت. در این مقاله از مجموعه داده شناخته شده شبکه پستی ترکیه برای ارزیابی و اعتبار سنجی مدل ها استفاده شده است.

در یک طرح رمزگذاری مبتنی بر شناسه فازی، یک کاربر با کلید خصوصی شناسه در صورتی می تواند متن رمزشده با شناسه را رمزگشایی نماید، اگر و تنها و به اندازه معینی با یکدیگر اشتراک داشته باشند. البته طرح هایی که تا به حال برای رمزگذاری مبتنی بر شناسه فازی ارائه شده است بر این فرض استوار هستند که همه ویژگی ها اهمیت یکسانی دارند. درحالی که این فرض برای بسیاری از مواقع مناسب نیست. در این مقاله به فرض رایجی در این نوع سیستم های رمزگذاری می پردازیم به طوری که ویژگی ها از اهمیت یکسانی برخوردار نیستند. در این فرض مجموعه ویژگی های ممکن در یک ساختار سلسله مراتبی قرار می گیرند به طوری که در طول فرآیند رمزگشایی، ویژگی ها در سطوح پایین تر می توانند با ویژگی های سطوح بالاتر جایگزین شوند. برای حل این مسئله، یک طرح جدید موسوم به رمزگذاری مبتنی بر شناسه فازی سلسله مراتبی معرفی شد، سپس یک تعریف صوری از امنیت و یک پیاده سازی برای آن ارائه گردید. امنیت طرح پیشنهادی در مدل امنیتی شناسه منتخب براساس فرض سخت بودن مسئله تصمیم گیری دوخطی اصلاح شده دیفی هلمن استوار است.

در این مقاله با استفاده از روش کنترل سلسله مراتبی، یک طریقه جدید برای متعادل کردن آونگ برگشته دوتایی ارائه می شود. در این روش ابتدا سیستم اصلی را به سه زیر - سیستم تقسیم نموده و برای هر زیر - سیستم بطور مستقل از زیر - سیستمهای دیگر کنترل کننده ای فازی طراحی می کنیم. سپس در سطح بالاتر با در نظر گرفتن اثرات متقابل زیر - سیستم ها کنترل نظارتی انجام می دهیم (این کار با تولید یک سری توابع وزنی متناسب با زیر - سیستمها، انجام می شود.) نتایج شبیه سازی نشان می دهد که کنترل کننده های فازی سیستم را برای محدوده وسیعی از شرایط اولیه و در مدت زمانی حدود 20 الی 24 ثانیه به صورت کامل پایدار می کنند.