چکیده
این مقاله به توصیف، برآورد بایاس برون خطی و سیستم اصلاح کنترل ترافیک هوایی مرتبط با حسگرها، که در تجهیزات توسعه یافته جدید تحت کنترل اروپا برای ارزیابی سیستم های نظارتی ATC (کنترل ترافیک هوایی) مورد استفاده قرار می گیرد، می پردازد. الگوریتم های تخمین بایاس اساس تمرکزشان را بر روی حسگرهای رادار قرار می دهند، اما راه اندازی حسگرهای جدید (به ویژه سامانه نظارتی اتوماتیک وابسته، و سامانه نظارتی چندگانه) نیازمند توسعه این روش ها می باشد. در این مقاله معماری تخمین بایاس بر مبنای مدل های خطا برای تمام حسگرها طراحی می گردد. مدل های خطای توصیف شده، وابسته به فیزیک فرایند اندازه گیری هستند. نتایج روش های تخمین بایاس با داده های شبیه سازی شده نشان داده می شود.
کلیدواژه: تخمین بایاس، کنترل ترافیک هوایی، ADS-B، سامانه نظارتی چندگانه
- مقدمه
TRES (بازسازی مسیر و مجموعه ارزیابی) در آینده نزدیک جایگزین بعضی از بخش های نسخه های کنونی مجموعه SASS-C (سیستم پشتیبان تحلیل نظارتی مراکز) می گردد [1]. این سیستمی می باشد که برای ارزیابی عملکرد مسیریابی چندحسگری/ چندهدف ATC (کنترل ترافیک هوایی) مورد استفاده قرار می گیرد. این مقاله به شرح معماری کلی سیستم های ارزیابی می پردازد، و جزییاتی را در مورد بعضی از عوامل مرتبط با فرصت بازسازی مسیر می دهد. فرصت بازسازی مسیر (OTR) به عنوان فرایند پیمانه ای در TRES می باشد که تمام داده های واقعی موجود از تمام حسگرها مورد استفاده قرار می گیرد تا به مسیر مناسبی برای تمام واپیماها در حوزه مورد نظر دست یابیم. این موارد نیازمند ارزیابی دققیق برای بازسازی مسیر، تخمین بایاس و اصلاح به منظور هماهنگی اندازه گیری های حسگر مختلف، و هموارسازی چندحسگر تطبیقی برای دستیابی به مسیرهای داخلی نهایی می باشد. باید اشاره کنیم که این یک فرایند پیمانه ای برون خطی بوده که بطور بلقوه کاملا متفاوت از سیستم های همجوشی داده تمام وقت معمول مورد استفاده در ATC (کنترل ترافیک هوایی) می باشد. ترتیب پردازش داده و تکنیک های پردازش متفاوت می باشند.
چکیده
پیشبینی دقیق قدمت برق، چالشی بزرگ برای شرکت کنندگان و مدیران بازار می باشد، زیرا قیمت الکتریسیته دارای نوسانات بسیاری است. پیشبینی قیمت نیز، مهم ترین هدف مدیریتی برای مشارکت کنندگان در بازار است، چرا که مبانی بیشینه کردن سود را، تشکیل می دهد. این مطالعه، عملکرد یک تکنیک شبکه عصبی جدید را بنام ناشین یادگیری سریع (ELM) ، در مساله پیشبینی قیمت، بررسی می کند. با در نظر داشتن خط مربوط به بازهای برق که دارای نوسانات بسیاری در قیمت هستند، تکیه به یک تکنیک، خیلی هم سودمند نمی باشد. بنابراین، ELM با تکنیک موجک همراه شده است و یک مدل پیوندی (مرکب) را به نام WELM (ELM مبتنی بر موجک) را تشکیل داده است تا دقت پیشبینی و نیز قابلیت اطمینان آن را، بهبود بخشد. در این روش، ویژگی های بی همتای هر ابزار، تکریب شده اند تا الگوهای مختلفی را در اطلاعات، بدست آورند. قدرت این تکنیک، با استفاده از روش مجموع شده، بهبود بیشتری می یابد. عملکردهای مدل های ارایه شده، با استفاده از اطلاعات موجود در بازارهای برق انتاریو، PJM، نیویورک و ایتالیا، ارزیابی شده اند. نتایج آزمایشی نشان می دهند که روش پیشنهادی، یکی از مناسب ترین تکنیک های پیشبینی قیمت می باشد.
کلیدواژه ها: شبکه عصبی مصنوعی (ANN) ، تجدید ساختار، روش مجموع، ماشین یادگیری سریع (ELM) ، پیشبینی قیمت، تبدیل موجک
پروژه کارشناسی ارشد برق
فایل محتوای
اصل مقاله لاتین 10 صفحه
متن ورد ترجمه شده بصورت کاملا تخصصی 26 صفحه
چکیده
یک وسیله دقیق و محاسباتی کارآمد برای دسته بندی الگوی سیگنال های الکترومیوگرافی، موضوع بحث بسیاری از پژوهشگران در سال های اخیر بوده است. تجزیه تحلیل های کمیتی سیگنال های EMG، منبع اطلاعاتی مهمی برای تشخیص اختلالات عصبی-عضلانی می باشد. با پیگیری توسعه های اخیر تجهیزات EMG کامپیوتری، روش های مختلفی در حوزه زمان و حوزه فرکانس برای تحلیل های کمیتی، انجام گرفته است. در این بررسی، دسته بندی کننده های مبنی بر شبکه های عصبی مصنوعی پس-انتشار خطای پیشخور (FEBANN) و شبکه های عصبی موجک (WNN) در دقت در دسته بندی سیگنال های EMG با هم مقایسه شده اند. در این روش ها، ما از یک مدل خودبازگشت (اتورگرسیو) (AR) سیگنال های EMG، به عنوان ورودی سیستم دسته بندی، استفاده کردیم. مقدار کل 1200 MUP که از 7 مورد طبیعی، 7 مورد دارای بیماری میوپاتی، و 13 مورد دارای بیماری های با ریشه عصبی به دست آمدند، آنالیز شده اند. میزان موفقیت برای روش WNN 90.7% و برای روش FEBANN 88% بوده است. مقایسه بین دسته بندی کننده های توسعه یافته، نخست بر مبنای تعدادی اندازه گیری های عددی مربوط به دسته بندی می باشد. دسته بندی کننده مبنی بر WNN، بر همتای FEBANN خود برتری دارد. دسته بندی WNN ارایه شده، می تواند تصمیم گیری های کارشناسانه را پشتیبانی کرده و به تشخیص افتراقی EMG کمک کند.
کلیدواژه: الکترومیوگرافی، پتانسیل واحد موتور، روش اتورگرسیو، شبکه عصبی موجک
مقدمه
بیش از 100 اختلال عصبی و ماهیچه ای وجود دارد که بر روی نخاع، عصب، و ماهیچه اثر می گذارد. تشخیص بموقع این بیماری ها توسط معاینه های درمانگاهی و تست های آزمایشگاهی، برای مدیریتکردن آنها و نیز پیشبینی آنها با استفاده از تشخیص پیش از تولد و مشاوره های ژنتیکی، حیاتی می باشد. این اطلاعات همچنین در ازوهش موجود می باشد، که می تواند منجر به فهم طبیعت این بیماری ها، و سرانجام بیماری آنها گردد. مورفولوژی (ریخت شناسی) واحد موتور، را می توان با ثبت فعالیت های الکتریکی معروف به الکترومیوگرافی (EMG) بررسی کرد. در EMG درمانگاهی، پتانسیل های واحد موتور (MUP) با استفاده از یک الکترود سوزنی در اقباض ارادی کم، ثبت می شود.
چکیده
بررسی ها نشان داده است که داانش آموزان در طی دوران آموزش متوسطه شان، انتخاب های شغلی شان را انجام می دهند و در ارتباط با بسیاری از آرمان های شغلی و آموزشی کاملا به ثبات در سال آخر مدرسه شان می رسند. از آنجایی که موفقیت آینده حرفه حسابداری بستگی به توانایش برای جذب دانش اموزان با استعداد دارد، نمی بایست اهمیت دانش اموزان مدرسه ای را در بکارگیری انگیزه شان نادیده گرفت. پرسشنامه ای که از پاسخ دهندگان خواسته بود تا به درجه بندی اهمیت 26 فاکتور، ترکیبی از پژوهش در مورد تصمیم حرفه ای انتخاب شغلی بپردازند، توسط ترک تحصیل کنندگان ایرلندی تکمیل شد. آن ها رضایت شغلی به همراه شرایط کاری خوب و استعداد شغلی را به عنوان مهمترین معیار در زمان انتخاب شغل مد نظر قرار دادند. دانش آموزانی که قصد دنبال کردن حرفه حسابداری را داشتند، اعتبار و مزایای مالی را مهمتر از کسانی مد نظر قرار دادند که به چنین شغلی نمی اندیشیدند، در حال یکه گروه دیگر رتبه بندی تعادل کار- زندگی، مسئولیت مدنی و درک نفس را مهمتر مد نظر قرار می دادند. پاسخ دهندگان اظهار داشنتد که والدین و معلم درسی آن ها تنها کسانی می باشند که تصمیمات شغلی آن ها را تحت تاثیر قرار می دهند که دوستان، خویشاوندان، سخنگوی مهمانی ها و بطور قابل توجه استاد راهنمای شغلی، هیچ تاثیری ندازند.
کلیدواژه: انتخاب های شغلی، حرفه حسابداری، ترک تحصیل کنندگان
مقدمه
کارگیری داشنجویان با کیفیت بالا برای موفقیت آینده حرفه حسابداری دارای اهمیت زیادی می باشد (ویلدر و استاک، 2004). استخدام دانش آموزان رتبه اول کلاس در این حرفه باعث قانونمند کردن و بالا رفتن موقعیت حرفه ایشان می شود (انیست و کیرکام، 2007). به هر حال در اقتصاد جهانی امروز، طیفی از فرصت های شغلی متناوب در دسترس دانش آموزان با استعداد بالا می باشد. بنابراین نیاز است که حرفه حسابداری در صورتی که بخواهد به جذب بخشی از دانش آموزان مستعد بپردازد، با رقابت پذیری بالایی همراه باشد. روش کلیدی که می توان به این امر دست یافت، دستیابی به درک بالا فاکتورهایی می باشد که انتخاب های شغلی دانش آموزان را مشخص می کند. اگرچه مجموعه مهمی از پژوهش هایی وجود دارد که به بررسی تاثیرات کلیدی انتخاب های شغلی دانش آموزان یا انتخاب های اصلی شان پرداخته است، این اثر به عنوان نمونه تمرکزش را بر روی دانش آموزان سال سوم قرار داده و ترک تحصیل کننده ها را نادیده گرفته است. (بررسی های مربوط به جدول را مشاهده کنید). به هر حال چندین دلیل موجه وجود دارد که چرا حرفه حسابداری می بایست عوامل تعیین کننده انتخاب شغلی ترک تحصیل کننده ها را مد نظر قرار دهند.