پایان نامه کارشناسی
دانلود مقالات فنی و مهندسی و علوم انسانی (علوم تربیتی روانشناختی)پایان نامه کارشناسی
دانلود مقالات فنی و مهندسی و علوم انسانی (علوم تربیتی روانشناختی)ترجمه مقاله یک روش کنترل بردار ورودی و جایگزینی گیت ترکیب شده، برای کاهش جریان نشتی
دسته: برق
حجم فایل: 928 کیلوبایت
تعداد صفحه: 31
یک روش کنترل بردار ورودی و جایگزینی گیت ترکیب شده، برای کاهش جریان نشتی
چکیده__ کنترل بردار ورودی (IVC) تکنیک معروفی برای کاهش توان نشتی است. این روش، از اثر پشته های ترانزیستوری در دروازه های منطقی (گیت) CMOS _با اعمال مینیمم بردار نشتی (MLV) به ورودی های اولیه ی مدارات ترکیبی، در طی حالت آماده بکار_ استفاده می کند. اگرچه، روش IVC (کنترل بردار ورودی) ، برای مدارات با عمق منطقی زیاد کم تاثیر است، زیرا بردار ورودی در ورودی های اولیه تاثیر کمی بر روی نشتی گیت های درونی در سطح های منطقی بالا دارد. ما در این مقاله یک تکنیک برای غلبه بر این محدودیت ارایه می کنیم؛ بدین سان که گیت های درونی با بدترین حالت نشتی شان را، با دیگر گیت های کتابخانه جایگزین می کنیم، تا عملکرد صحیح مدار را در طی حالت فعال تثبیت کنیم. این اصلاح مدار، نیاز به تغیر مراحل طراحی نداشته، ولی دری را به سوی کاهش بیشتر نشتی _وقتی که روش MLV (مینیمم بردار نشتی) موثر نیست_ باز می کند. آنگاه ما، یک روش تقسیم-و-غلبه که جایگزینی گیت های را مجتمع می کند، یک الگوریتم جستجوی بهینه MLV برای مدارات درختی، و یک الگوریتم ژنتیک برای اتصال به مدارات درختی، را ارایه می کنیم. نتایج آزمایشی ما بر روی همه ی مدارات محک MCNC91، نشان می دهد که 1) روش جایگزینی گیت، به تنهایی می تواند 10% کاهش جریان نشتی را با روش های معروف، بدون هیچ افزایش تاخیر و کمی افزایش سطح، بدست آورد: 2) روش تقیسم-و-غلبه، نسبت به بهترین روش خالص IVC 24% و نسبت به روش جایگذاری نقطه کنترل موجود 12% بهتر است: 3) در مقایسه با نشتی بدست آمده از روش MLV بهینه در مدارات کوچک، روش ابتکاری جایگزینی گیت و روش تقسیم-و-غلبه، به ترتیب می توانند بطور متوسط 13% و 17% این نشتی را کاهش دهند.
مطالب مرتبط
پیش بینی قیمت سهام با الگوریتم ژنتیک و مدل هیبریدی راف (ترجمه مقاله اقتصاد)
عنوان انگلیسی مقاله: A hybrid model based on rough sets theory and genetic algorithms for stock price forecastingعنوان فارسی مقاله: مدل هیبریدی مبتنی بر تئوری مجموعه های راف و الگوریتم های ژنتیک برای پیش بینی قیمت سهام
طبقه بندی: اقتصاد
فرمت فایل ترجمه شده: فایل Word ورد 2007 یا 2003 (Docx یا Doc) قابل ویرایش
تعداد صفحات فایل ترجمه شده: 39
لینک دریافت رایگان نسخه انگلیسی مقاله: دانلود
چکیده
در بازار سهام، تجزیه و تحلیل فنی به عنوان روش مفیدی برای پیش بینی قیمت های سهام می باشد. اگرچه، تحلیلگران متخصص سهام و مدیران مالی، معمولا قضاوت های ذهنی را بر مبنای شاخص های فنی هدف انجام می دهند، برای افراد غیرمتخصص مشکل می باشد تا تکنیک پیش بینی را بکار گیرند، زیرا شاخص های فنی پیچیده بسیار زیادی وجود دارد که می بایست مد نظر قرار گیرد. علاوه بر این دو مانع در بسیاری از مدل های پیش بینی گذشته وجود دارد: 1) فرضیه های آماری در ارتباط با متغیرها برای مدل های سری زمانی همانند مدل میانگین متحرک اتورگرسیون (ARMA) و ناهماهنگی پراکنش شرطی اتورگرسیو (ARCH) مورد نیاز می باشند، تا مدل های پیش بینی کننده معادلات ریاضی را مطرح کرده و این موارد به آسانی توسط سرمایه گذاران بازار سهام درک نمی گردد؛ و 2) قوانینی که در نتیجه بعضی از الگوریتم های هوش مصنوعی، همانند شبکه های عصبی (NN) می باشند که به آسانی قابل درک نیستند.
مقدمه
برای غلبه بر این موانع، این مقاله مدل پیش بینی کننده هیبریدی را با استفاده از شاخص های فنی چندگانه برای پیش بینی روند بازار سهام مطرح می کند. علاوه بر این چنین مواردی شامل چهار روش مطرح شده در مدل های هیبریدی برای ایجاد قوانین کارامد به منظور پیش بینی می باشد، که حاصل قواعد استنباط شده با ارزش حمایتی بالا، با استفاده از مجموعه ابزارها بر مبنای مجموعه نظریات می باشد.
ترجمه مقاله مدل اتورگرسیون برداری مارکف سویچینگ وابسته به طول زمان: خصوصیات، استنباط بیزی، نرم افزار و برنامه کاربردی
دسته: آمار
حجم فایل: 1376 کیلوبایت
تعداد صفحه: 27
مدل اتورگرسیون برداری مارکف سویچینگ وابسته به طول زمان: خصوصیات، استنباط بیزی، نرم افزار و برنامه کاربردی
چکیده
مدل های اتورگرسیون برداری مارکف سویچینگ VAR (DDMS-VAR) به عنوان مدل های سری زمانی با فرایند تولید داده، شامل ادغام دو فرایند VAR (انورگرسیون برداری) می باشد. تغییر بین این دو فرایند VAR، توسط دو حالت زنجیره مارکف با احتمالات انتقال کنترل می گردد که بستگی به این دارد که چه مدتی زنجیره در یک حالت قرار می گیرد. در این مقاله، به تجزیه و تحلیل خصوصیات مرتبه دوم چنین مدل هایی پرداخته و الگوریتم مونت کارلو زنجیره مارکف را برای انجام استنباط فازی بر روی موارد مجهول مدل، مطرح می کنیم. علاوه بر این، نرم افزار منبع باز که توسط محقق برای تحلیل سری زمانی به وسیله مدل های DDMS-VAR نوشته شده است، توضیح داده می شود. ای روش و نرم افزار برای تجزیه و تحلیل چرخه کسب و کار ایالات متخده امریکا کاربرد دارد.
کلیدواژگان: مارکف سوئیچینگ، چرخه کسب و کار، نمونه گیری گیبز، وابسته به زمان، اتورگرسیون برداری
مطالب مرتبط
کنترل توان راکتیو و ولتاژ در محیط تجدید ساختار شده
تامین توان راکتیو و کنترل ولتاژ، نوعی کلیدی از خدمات جانبی در بازار برق تجدید ساختار شده می باشد. در این مقاله، مروری بر برخی مسایل مهم تامین توان راکتیو، شامل تحلیل هزینه، قیمت گذاری توان راکتیو، و ارزیابی، ارایه می شود. یک پخش بار بهینه (OPF) نیز مبنی بر نظریه ی قیمت گذاری زمان واقعی، بکار می رود. دو تابع دف به ترتیب مدل سازی می شوند: کمینه کردن تلفات شبکه، و کمینه کردن هزینه های کل برای تامین توان راکتیو. همچنین، از یک الگوریتم ژنتیک (GA) با مقادیر واقعی نیز، برای کمک به یافتن بهینه ی کلی و بررسی راه حل ها، استفاده می شود. همچنین، در بررسی ها از سیستم ۳۰-شینه IEEE استفاده می شود.
کلیدواژگان: کنترل ولتاژ توان راکتیو، خدمات جانبی، پخش بار بهینه، الگوریتم ژنتیک، هزینه توان راکتیو
پروژه کارشناسی ارشد برق
فایل محتوای:
- اصل مقاله لاتین ۵ صفحه IEEE
- متن ورد ترجمه شده بصورت کاملا تخصصی و قابل ویرایش ۱۲ صفحه
مطالب مرتبط
- ترجمه مقاله کنترل توان راکتیو و ولتاژ در محیط تجدید ساختار شده
- الگوریتم جستجوی جمعیت مورچگان برای قیمت گذاری توان راکتیو در…
- ترجمه مقاله توزیع توان راکتور با در نظر گرفتن همه مشارکین در…
- ترجمه مقاله استفاده از الگوریتم جستجوی جمعیت مورچگان برای قیمت…
- ترجمه مقاله استراتژی های مدیریت توان برای شبکه کوچک با واحد های…
مسیریابی در شبکه پویا با استفاده از الگوریتم ژنتیک و الگوریتم موریانه
چکیده
مسیریابی در شبکه پویا یک فعالیت چالش انگیز است، چون توپولوژی شبکه ثابت نمی باشد. این مسئله در این بررسی با استفاده از الگوریتم مورچه ای برای مد نظر قرار دادن شبکه هایی که از چنین بسته های اطلاعاتی استفاده می کنند، مطرح می گردد. مسیرهای ایجاد شده توسط الگوریتم انت (مورچه) به عنوان داده ورودی برای الگوریتم ژنتیک می باشد. الگوریتم ژنتیکی مجموعه ای از مسیرهای مناسب را پیدا می کند. اهمیت استفاده از الگوریتم مورچه ای، کاهش اندازه جدول مسیر می باشد. اهمیت الگوریتم ژنتیک بر مبنای اصل تکامل مسیرها به جای ذخیره مسیرهای از پیش محاسبه شده می باشد.
کلیدواژه: مسیریابی، الگوریتم مورچه ای، الگوریتم ژنتیکی، معبر، جهش، هر یک از این موارد در زیر به بحث گذاشته می شود.
مقدمه
مسیریابی به عنوان فرایند انتقال بسته ها از گره مبدا به گره مقصد با هزینه حداقل می باشد. از این رو الگوریتم مسیریابی به دریافت، سازماندهی و توزیع اطلاعات در مورد وضعیت شبکه می پردازد. این الگوریتم به ایجاد مسیرهای عملی بین گره ها پرداخته و ترافیک داده ها را در بین مسیرهای گلچین شده ارسال کرده و عملکرد بالایی را حاصل می کند. مسیریابی به همراه کنترل تراکم و کنترل پذیرش به تعریف عملکرد شبکه می پردازد. الگوریتم مسیریابی می بایست دارای اهداف کلی از استراتژی مسیریابی بر مبنای اطلاعات سودمند محلی باشد. این الگوریتم همچنین می بایست کاربر را در مورد کیفیت خدمات راضی نگه دارد. بعضی از روش های مطرح شده برای رسیدن به این اهداف عبارتند از شبیه سازی حشرات اجتماعی و شبکه بسته شناختی. این دو روش از جدول مسیریابی احتمالات استفاده کرده و این امکان را به بسته ها می دهد تا به بررسی و گزارش توپولوژی و عملکرد شبکه بپردازند. دوریگو ام و دی کارو جی، شبکه مورچه ای را به عنوان روشی برای مسیریابی در شبکه ارتباطات مطرح می کنند. ار اسکوندر وورد، اون هالند، جانت (مورچه) بروتن و لئون روسکرانت، در مقاله شان به بحث در مورد حاصل شدن توازن ظرفیت در شبکه های ارتباطاتی با استفاده از الگوریتم مورچه ای می پردازند. تونی وارد در مقاله تخصصی اش به شرح این موضوع می پردازد که چگونه عوامل محرک بیولوژیکی می تواند برای حل مشکلات مدیریتو کنترل در ارتباطات مورد استفاده قرار گیرد. هدف این مقاله ایجاد راه حلی با استفاده از الگوریتم مورچه ای (استعاره حشره اجتماعی) و بهینه سازی راه حل با استفاده از الگوریتم های ژنتیکی می باشد. الگوریتم مورچه ای دسته ای از تراکم اطلاعاتی می باشد. تراکم اطلاعاتی روش جایگزینی را در ارتباط با طراحی سیستم اطلاعاتی ارائه می دهد که در آن عملیات خودگردانی، ظهور و توزیع جایگزین کنترل، پیش برنامه ریزی و تمرکز می گردد. این روش تمرکزش را بر روی توزیع، انعطاف پذیری، توانمندی و ارتباطات مستقیم و غیرمستقیم در میان عوامل نسبتا ساده قرار می دهد. الگوریتم ژنتیک به عنوان الگوریتمی می باشد که در آن جمعیت مرتبط با هر گره در مجموع برای حل مشکلات مشارکت دارد.