close
دانلود فیلم
دانلود پایان نامه هوش مصنوعی
 پایان نامه كنترل خودكار پرواز هليکوپتر مدل به وسيله بينایی ماشين
نوع فایل: word (قابل ویرایش)
تعداد صفحات : 71 صفحه

چکیده
امروزه کنترل خودکار در سیستم های حمل و نقل به طور گسترده ای به کار می رود. دلایل متعددی برای بکارگیری این روش وجود دارد که اهم آن عبارتند از کاهش هزینه، قابلیت سبک تر ساختن وسایل، امنیت بیشتر سرنشینان و یا دور از خطر ماندن آنها. دو مورد آخر در سیستم هایی که قابلیت پرواز دارند بیشتر به چشم می  خورد. در این پایان نامه یک سیستم کنترل پرواز هلیکوپتر طراحی شده است که قابلیت کنترل از راه دور مبتنی بر پردازش تصویر را داراست. هلیکوپتر مدل با استفاده از یک دوربین متصل به رایانه، با استفاده از الگوریتم های پردازش تصویر ردیابی می شود. پس از ردیابی هلیکوپتر، فرمان ها با نرخ انتقال ۹۶۰۰ فریم بر ثانیه از کامپیوتر به سخت افزار  ارسال می شود. سخت افزار ساخته شده در این پروژه یک بورد دست ساز جهت دیجیتال کردن پارامتر های آنالوگ رادیو کنترل و همچنین وطیفه دریافت فرمان از کامپیوتر را دارد. هلیکوپتر با استفاده از پردازش تصویر و الگوریتم های ردیابی رنگ شناسایی می شود سپس موقعیت جهت X,Y هلیکوپتر در صفحه معیین شده و به نمایش در می آید. به منظور انجام ردیابی با سرعت بالا، روش های مورد استفاده برای تشخیص شی و همچنین آستانه گیری و تقسیم بندی به کارگرفته شده است. تشخیص هلیکوپتر در فریم توسط وبکم کامپیوتر و دوربین مایکروسافت کینکت انجام شده است. پیاده سازی برنامه ها و الگوریتم های مورد نیاز به زبان C++ در محیط Visual Studio 2013 انجام شده است. پردازش تصویر به وسیله تابع ردیابی رنگ cvInRenge موجود در کتابخانه پردازش تصویر OpenCV انجام شده است. کامپیوتر به وسیله وبکم متصل به آن، هلیکوپتر در حال پرواز را شناسایی می کند سپس کامپیوتر از طریق پورت سریال به رادیو کنترل دستورات سرعت و چپ و راست را ارسال می کند تا هلی کوپتر در مرکز فریم قرار گیرد.
واژه های کلیدی: بینایی ماشین، تشخیص هلیکوپتر، شناسایی رنگ، رادیو کنترل، کتابخانه پردازش تصویر
ادامه مطلب...
خوشه‌بندی فازی داده‌ها بر اساس منطق فازی

پایان ‌نامه برای دریافت درجه کارشناسی ارشد رشته مهندسی کامپیوتر - هوش مصنوعی

چکیده

خوشه‌بندی داده‌ها روشی برای دسته‌بندی داده‌های مشابه می باشد که این روش سال‌ها در علوم مختلف به کار رفته و الگوریتم‌های زیادی در این زمینه طراحی شده است . تحقیقات اخیر خوشه‌بندی به سمت روش های ترکیبی که دارای قابلیت استحکام و دقت بیشتر هستند، هدایت می‌کند. خوشه‌بندی ترکیبی سعی می‌کند ابتدا خوشه‌بندی های اولیه تولید کند که تا حد ممکن دارای پراکندگی باشند سپس با اعمال یک تابع توافقی نتایج را با هم ترکیب می‌کند. در این پژوهش از ترکیب خوشه‌بندی فازی و ماشین بردار پشتیبان برای دسته‌بندی استفاده می‌شود.

SVM یکی از روش‌های یادگیری با نظارت است که از آن برای دسته‌بندی داده‌ها استفاده می‌شود. SVM شبکه جدید و قدرتمندی است که فرمولی که برای یادگیری استفاده می‌کند بر اساس به حداقل رساندن مقدار خطاست. آموزش SVM ارتباط مستقیم با تعداد داده‌های آموزش دارد و اگرتعداد مراکز خوشه‌ها زیاد باشد زمان آموزش و حجم حافظه به شدت افزایش می‌یابد. شبکه ترکیبی (FS-FCSVM) بدین شکل است که عمل خوشه‌بندی فازیبر روی داده‌های ورودی انجام می‌گیرد سپس پارامتر های شبکه با SVM آموزش می‌بینند، در نتیجه به شبکه ای با قابلیت تعمیم پذیری بالا دست می‌یابد. تعداد قوانین در این گونه سیستم‌ها به نسبت سیستم‌های فازی کوچکتر و زمان محاسبات آن کمتر است .

در این پژوهش از روش خوشه‌بندی کاهشی قبل از خوشه‌بندی فازی استفاده می‌شود.ایده اصلی خوشه‌بندی کاهشی جستجوی نواحی با چگالی بالا در فضای مشخصه اطلاعات داده‌ها است. هر نقطه که بیشترین تعداد همسایه را داشته باشد به عنوان مرکز خوشه انتخاب می‌شود.بعبارت دیگر با استفاده از تکنیک خوشه‌بندی کاهشی جهت انتخاب نقاط ویژگی که دارای تمایز بیشتر و شباهت کمتر نسبت به دیگر نقاط دارند استفاده شده است.

در این پایان نامه ایده کار استفاده از خوشه‌بندی تفاضلی جهت پیدا کردن دقیق نقاط مرکزی خوشه‌ها و تعداد خوشه‌هاست که با این کار تعداد تکرار خوشه‌بندی فازی را کاهش می دهیم و همچنین از همین نقاط مرکزی به عنوان بخشی ازداده‌های آموزشی استفاده می کنیم و بخش دوم کار مربوط به انتخاب قسمت دیگر داده‌های آموزشی می‌باشد که برای انتخاب آنها نیز از ماتریس تعلق حاصل از خوشه‌بندی فازی بهره گرفته ایم که با تعیین یک محدوده عددی داده‌های دور از مرکز هر داده را نیز به عنوان بخش دیگر داده‌ها انتخاب کردیم که نهایتا با انتخاب این نقاط توانستیم تعداد داده‌های آموزشی را تا حد قابل ملاحظه ای تقلیل دهیم.

نتایجآزمایشاتانجامشدهبررویمجموعهدادههایبزرگپایگاهداده UCI نشان میدهد که علاوه بر کاهش زمان آموزش با انتخاب مناسب داده‌ها باعث تقویت ویزگی مقاوم بودن SVM در برابر داده‌های نویزی و پرت و همچنین کاهش تعداد بردار پشتیبان انتخابی SVM در فضای داده بزرگ می‌شود.

توجه : فرمت پایان نامه ورد ( قابل ویرایش ) میباشد.

ادامه مطلب...
پیش بینی قیمت سهم در بورس اوراق بهادار به کمک داده کاوی با الگوریتم های ترکیبی تکاملی

پایان نامه کارشناسی ارشد در رشته ی  مهندسی فناوری اطلاعات (گرایش مدیریت سیستمهای اطلاعاتی)

 پیش بینی قیمت سهم در بورس اوراق بهادار به کمک داده کاوی با الگوریتم های ترکیبی تکاملی

تعداد صفحات :102

 تحقیقات بسیاری جهت پیش بینی قابل قبول و قابل اطمینان به کمک روشهای شبیه سازی، تحلیل سری های زمانی، ترکیب روشهای هوش مصنوعی با روش های تحلیل سری های زمانی و در آخرین آنها ترکیب روشهای داده کاوی و هوش مصنوعی با روش های تحلیل سری های زمانی و الگوریتم های بهینه سازی تکاملی در حوزه قیمت سهم در بازار بورس اوراق بهادار صورت گرفته است. در این تحقیق سعی بر آن شده که در قالب فرایند CRISP داده کاوی و با ارجاع به آخرین تحقیقات صورت گرفته، ترکیب شبکه عصبی مصنوعی و الگوریتم های بهینه سازی تکاملی به عنوان مدل پیش بینی قیمت سهم در بازار بورس اوراق بهادار مورد بررسی قرار گیرد. الگوریتم های بهینه سازی تکاملی ژنتیک، ازدحام ذرات و رقابت استعماری در آموزش شبکه عصبی مصنوعی با داده های سری زمانی کاهش یافته قیمت پنج سهم منتخب از بازار بورس اوراق بهادار تهران به کار گرفته شدند و قابل قبول و قابل اطمینان بودن پیش بینی به کمک شبکه عصبی مصنوعی آموزش دیده با الگوریتم ازدحام ذرات بر اساس مقادیر شاخص میزان خطا (mse) پیش بینی شبکه عصبی مصنوعی مورد اشاره به اثبات رسید. همچنین عدم درک آشوب داده ها توسط الگوریتم یادگیری پیش انتشار خطا به چالش کشیده شد.

 

ادامه مطلب...
ارائه یک چارچوب مدیریت دانش برای پیاده سازی موفقیت آمیز سیستم های برنامه ریزی منابع سازمان

ارائه یک چارچوب مدیریت دانش برای پیاده سازی موفقیت آمیز سیستم های برنامه ریزی منابع سازمان

تعداد صفحات :161

چکیده

سیستم های برنامه ریزی منابع سازمانبسته های نرم افزاری جامعی هستند که به صورت راه حل های ارائه شده ای به یکپارچگی همه فرآیندها و حوزه های وظیفه ای موجود در کسب و کار کمک می کنند. مزیت اصلی و اولیه این سیستم ها ایجاد یک بستر نرم افزاری یکپارچه مشترک برای فرآیندهای یکپارچه موجود در کسب و کار مربوطه می باشد.

پیاده سازی بهینه و موفقیت آمیز سیستم های برنامه ریزی منابع سازمانی نیازمند توجه ویژه به تکنولوژی و همچنین عوامل انسانی می باشد و این فرآیند به حدی با مسئله مدیریت دانش گره خورده که موفقیت کلی این نوع از پروژه ها به فعالیت گروهی از کارکنان متبحر و دانش محور وابستگی شدیدی خواهد داشت. مدیریت دانش فرآیند سیستماتیک جستجو، انتخاب، سازماندهی، پالایش و نمایش اطلاعات است، به طریقی که درک کارکنان در زمینه خاصی بهبود و اصلاح شود و سازمان بصیرت و درک بهتری از تجربیات خود کسب کند. پیاده سازی سیستم های برنامه ریزی منابع سازمان فرآیند دشوار و پیچیده ای است که در آن مدیریت تغییرات، ارتباطات و درگیریذینفعان به اندازه مسائل فنی مهم به شمار می آید. با توجه به این موضوع می توان مدیریت دانش را به عنوان پیش شرط اصلی پیاده سازی موفق سیستم های برنامه ریزی منابع سازمان در نظر گرفت. انواع مختلفی از دانش و مهارت ها در هر نقطه از چرخه حیات سیستم های سازمانی مورد نیاز بوده و این دانش در اختیار افراد مختلفی از سازمان قرار گرفته است. مدیران و متخصصین حوزه فناوری اطلاعات در یافته اند که با استفاده از علم مدیریت دانش می توانند به پیاده سازی های موفق تری از سیستم های سازمانی دست یابند. باید توجه داشت که در هر مرحله از چرخه حیات سیستم های سازمانی می توان با اتکاء بر عناصر چرخه مدیریت دانش و شناسایی و از میان برداشتن موانع مدیریت مؤثر دانش شانس دستیابی به موفقیت را افزایش داد. در این تحقیق به ارائه یک چارچوب مدیریت دانش در جهت دستیابی به پیاده سازی موفقیت آمیز سیستم های سازمانی می پردازیم.

 

ادامه مطلب...
بررسی عوامل موثر بر قیمت طلا و ارائه مدل پیش بینی قیمت آن به کمک تکنیک‌های پیشرفته داده کاوی

بررسی عوامل موثر بر قیمت طلا و ارائه مدل پیش بینی قیمت آن به کمک تکنیک‌های پیشرفته داده کاوی

تعداد صفحات :114

 

چکیده

طلا همواره به عنوان فلزی گران بها مورد توجه بشر بوده است، بنابراین پیش بینی قیمت آن از اهمیت فراوانی برخوردار است.بررسی دقیق عوامل موثر در پیش بینی قیمت طلا اهمیت و تاثیر بسزایی در افزایش دقت پیش بینی دارد. در این مطالعه و تحقیق عوامل موثر و بیشتری در مقایسه با تحقیقات قبلی مورد بررسی قرار گرفته است.و از نظر تقسیم بندی زمانی،داده‌های جمع آوری شده به سه دسته روزانه،ماهانه و سالانه تقسیم شدند.آزمایشات انجام شده، نشان داد که دقت پیش بینی ها در این مطالعه، نسبت به مطالعات پیشین، باعث بهبود 2% دقت پیش بینی در روش‌های شبکه‌های عصبی و 7.3% در روش‌های سری زمانی و 5.6% در روش رگرسیون خطی شده است. نتایج حاصله بیانگر کارآمدی عوامل بررسی شده در پژوهش، برای پیش بینی قیمت طلا می‌باشد و نتایج این تحقیق، باعث سودآوری برای افراد،سایر سازمان ها و طلا فروشی ها می‌باشد. و در انتها پیشنهاداتی برای مطالعات آینده ارائه گردیده است.

 

 

ادامه مطلب...
 گسترش ابزارهای خودکار شناسایی الگوهای طراحی با عملیات پالایش و تصحیح برچسب

پایان نامه گسترش ابزارهای خودکار شناسایی الگوهای طراحی با عملیات پالایش و تصحیح برچسب

تعداد صفحات :78

الگوهای طراحی، راه­حل­های اثبات شده و قابل اطمینانی هستند که، برای پاسخ به برخی از مسائل با رخداد مکرر در طراحی نرم افزار شی­گرا، ارائه شده­اند.‌ شناسایی آنها درکد، به منزله بازیابی طرح و هدف مخفی طراح و سهولت در امر نگهداشت­­پذیری است. از آنجاییکه سهولت در نگهداشت­­پذیری سیستم بسیار مهم و اجتناب ناپذیر است، لذا تولید ابزارهای خودکار برای شناسایی الگوها، مورد توجه قرار گرفت. اکثر ابزارهای شناسایی کنونی درصد بازیابی بالایی دارند. اما در شناسایی الگوها، به ویژه با ساختار و عملکرد مشابه، مثبت کاذب بالایی تولید می­کنند. از اینرو عملگر پالایش نیز پیشنهاد شد. پالایش، سعی بر شناسایی مثبت­­های کاذب، و حذف آنها  دارد. در این کار، یک عملگر جدید به نام “تصحیح برچسب” ارائه شده است. این عملگر ابتدا مثبت­های کاذب را شناسایی، سپس بجای اینکه آنها را از خروجی حذف کند، هویت صحیح  آنها را به کمک یک مجموعه معیارجدید معرفی شده در این کار، تشخیص و برچسب مثبت کاذب را تصحیح می­کند­­. خودکارسازی عملگر با داده ­کاوی است. نتایج حاصل از روش ارائه شده، با دقت یادگیری 97.8%  در دسته­بندی “چندبرچسبه”، با متوسط 99.3% در دسته­بندی “یکی درمقابل همه”و متوسط 99.6% در دسته­ بندی “دو به دو” خروجی ابزارها را تصحیح می­کند.

ادامه مطلب...
پایان نامه ارائه‌ چارچوبی در راستای بهبود پیش‌بینی وضعیت ترافیک

دانلود متن کامل پایان نامه مقطع کارشناسی ارشد رشته مهندسی کامپیوتر

گرایش : هوش مصنوعی

عنوان : ارائه‌ چارچوبی در راستای بهبود پیش‌بینی وضعیت ترافیک

تعداد صفحه : 109

 

چکیده

امروزه موفقیت سیستم­های حمل­و­نقل هوشمند، نه تنها به اطلاعات وضعیت فعلی ترافیک، بلکه تا حد زیادی به آگاهی از وضعیت ترافیکی دقایق آینده وابسته است. از این­رو، تحقیقات زیادی در زمینه­ی پیش­بینی­ کوتاه­­مدت وضعیت ترافیکی انجام شده است. هرچند تاکید اکثریت آنها، تنها بر روی اعمال الگوریتم­های مختلف بمنظور یادگیری داده­های ترافیکی و ارائه­­ی مدل، بر اساس داده­های جمع­آوری شده از وضعیت فعلی و پیشین می­باشد. حال آنکه، در جهت رسیدن به الگوریتمی کارا، لازم است تا ماهیت نوساناتی و وابسته به زمان داده­ها نیز در روند یادگیری مدل لحاظ شود. در این راستا، این پایان­نامه با مطالعه­ی توزیع جریان­های ترافیکی، سعی در جداسازی رفتارهای مربوط به پریودهای اوج و غیر­اوج ترافیکی و همچنین استفاده از مفاهیم و دانش بدست­آمده برای آموزش مدل­های متمایز متناظر با رفتارهای مختلف ترافیکی دارد. شایان ذکر است که حتی در صورتی­که زمان مرتبط با داده‌ها صریحاً در اختیار نباشد، روش پیشنهادی با بررسی توزیع داده­، روند جریان‌های ترافیکی را تشخیص می­دهد. بدین ترتیب، رندوم فارست بعنوان مدل پیش­بینی­کننده، از زمینه­ی داده­ی مورد آموزش باخبر بوده و بر این اساس احتمال گیر­اُفتادن آن در بهینه­ی محلی کمتر می­شود. به منظور ارزیابی روش ارائه شده، آزمایشاتی بر روی داده­­ی بخش ترافیک مسابقه بین­المللی داده­کاوی سال 2010 انجام شد. نتایج حاصل، مؤید کارایی و مقیاس­پذیری روش پیشنهادی در مقایسه با دیگر نتایج بدست آمده توسط تیم­های برتر مسابقه، می­باشد.

ادامه مطلب...
 پایان نامه ارائه یک شاخص نوین برای سنجش سطح خستگی مغزی در حین فعالیت ذهنی از روی سیگنال EEG

دانلود متن کامل پایان نامه مقطع کارشناسی ارشد رشته کامپیوتر

عنوان : ارائه یک شاخص نوین برای سنجش سطح خستگی مغزی در حین فعالیت ذهنی از روی سیگنال EEG

 پایان‌نامه کارشناسی ارشد در رشته مهندسی کامپیوتر (هوش مصنوعی)

تعداد صفحات 99

فصل اول

1- مقدمه

  • مقدمه

خستگی پدیده ای رایج در زندگی روزمره ماست. یک تعریف مشترک از خستگی این است که خستگی حالتی است که به دنبال یک بازه از فعالیت ذهنی یا بدنی ایجاد می‌شود که توسط کاهش در توانایی برای کار کردن مشخص می‌شود.

اولین بار مفهوم خستگی ذهنی توسط گرندجین[1] معرفی شد [1]، که به وضوح خستگی ذهنی را از خستگی فیزیکی متفاوت کرد. او خستگی بدنی را در اثر کاهش عملکرد سیستم عضلانی و خستگی ذهنی را با کاهش عملکرد ذهنی و احساس خستگی تعریف کرد.

خستگی دارای پیامدهای عمده ای در تلفات جاده و در حال حاضر یکی از مساﺋﻞ عمده در صنعت حمل و نقل است. با توجه به کار های اولیه در این مورد، خستگی راننده 35-45 درصد از تصادفات جاده را تشکیل می داده است [2]. علاوه بر این خستگی باعث کاهش کارایی ذهنی خصوصاً در افراد متخصصی که در حین کار فعالیت ذهنی بسیار بالایی دارند (برنامه نویسان حرفه‌ای کامپیوتر و طراحان سیستم‌های صنعتی که در قسمت‌های R&D شرکت‌ها کار می‌کنند) و همچنین باعث افزایش زمان پاسخ گویی در افراد می‌شود. در نتیجه علاوه بر اثراتی که خستگی ذهنی بر پایین آمدن کارایی افراد در موقعیت‌های شغلی مختلفی دارد، می‌تواند عامل مهمی در تصادفات جاده‌ها و سنجش کارایی افراد در کارخانجات باشد. در نتیجه، از آنجا که با خسته شدن، فرد در اجرای کار با قدرت عملکرد کافی دچار مشکل می‌شود و با توجه به رابطه‌ای که خستگی در افزایش احتمال تصادفات در جاده‌ها و کارخانجات دارد [3 و 4]، مشخص کردن میزان خستگی فرد، در کاهش چنین تصادفاتی و همچنین افزایش قدرت عملکرد افراد ضروری به نظر می‌رسد. در نتیجه ما در این تحقیق به بررسی خستگی ذهنی پرداخته‌ایم (در ادامه خستگی به معنی خستگی ذهنی استفاده شده است).

  • تعریف مسئله

از زمان تعریف خستگی تاکنون، در زمینه تشخیص میزان خستگی روش‌های متفاوتی مورد بررسی قرار گرفته است. در بین این روش‌ها، به نظر می‌رسد سیگنال ثبت شده از فعالیت الکتریکی مغز[2](EEG) مشخص کننده بهتری از میزان خستگی است و قدرت پیش‌بینی بیشتری در تشخیص خستگی مغزی دارد [5].

EEG در اصل به عنوان یک روش برای تحقیق در مورد فرایندهای مختلف ذهنی ارائه شد. اولین ثبت فعالیت الکتریکی مغز از مغز خرگوش و میمون توسط کاتون[3] در سال 1875 گزارش شد [6]، اما سال 1929 بود که هانس برگر[4] [7] اولین اندازه گیری از فعالیت‌های الکتریکی مغز را در انسان گزارش کرد. پس از آن، این سیگنال در تشخیص‌های کاربردی به ویژه بیماری‌های مختلف به کار برده شد. از آنجا که به طور گسترده‌ای پذیرفته شده است که تغییرات مشخصه در شکل موج EEG و باندهای قدرت آن را می‌توان برای مشخص کردن انتقال از هوشیاری به خواب و مراحل مختلف خواب مورد استفاده قرار داد [8]، EEG به عنوان یک استاندارد برای اندازه گیری سطح هوشیاری و خواب آلودگی مشاهده شده است. در نتیجه از سیگنال EEG به عنوان یک روش استاندارد برای مشخص کردن سطح خستگی استفاده می‌شود.

با این حال، تفاوت‌های قابل توجهی در میان الگوریتم‌های فعلی تشخیص خستگی بر اساس EEG وجود دارد. مطالعات قبلی نشان داده است که ارتباط بین تغییرات EEG و میزان خستگی به نوع کار و حالت شخص بستگی دارد. این مطالعات هم در ماهیت الگوریتم برای تشخیص خستگی و  هم مکان و تعداد الکترود‌ها برای ثبت سیگنال متفاوت هستند [9]. علاوه بر این تمام این الگوریتم‌ها با محدودیت‌های متفاوتی رو به رو هستند. به طور مثال  بسیاری از این روش‌ها نیاز به روش‌های برای کاهش بعد فضای ویژگی‌های استخراج شده دارند تا دقت روش‌های خود را افزایش دهند. در نتیجه هدف از انجام این پایان نامه تشخیص میزان خستگی به کمک روشی است که نیاز به کاهش بعد داده‌ها نداشته و همچنین اثر خستگی را بر فعالیت‌های مغزی مشاهده کند. در نتیجه ما از روش‌های مکان یابی منابع برای رسیدن به این هدف استفاده کرده‌ایم.

در زمینه مکان یابی کانون‌ها در مغز روش‌های متفاوتی وجود دارد که درسال‌های اخیر این رویکردها سعی در بالا بردن صحت و افزایش نسبت سیگنال به نویز نتایج مکان یابی کرده‌اند. از جمله این روش‌ها می‌توان به پرتوسازی[5] اشاره کرد [10] که در آن با کمک فیلتر کردن داده‌های به دست آمده از الکترودهای مختلف، سعی در پیدا کردن جهت و مکان کانون‌های تولید کننده این سیگنال‌ها داریم.

در این پایان نامه برای مشخص کردن میزان خستگی ابتدا به مکان یابی کانون‌ها خواهیم پرداخت، سپس با استخراج ویژگی‌های مختلف سعی در مشخص کردن میزان خستگی خواهیم کرد. برای تست روش پیشنهادی هم از سیگنال‌های ثبت شده از افراد مختلف استفاده می‌کنیم و هم از سیگنال EEG که با توجه به خصوصیات موجود دیده شده در سیگنال‌های ثبت شده در حین خستگی تولید شده استفاده می‌کنیم. در نتیجه اهداف این پایان‌نامه را می‌توان در موارد زیر خلاصه کرد.

  • دست یابی به الگوریتمی که بتواند به صورت پیوسته میزان خستگی را مشخص کند.

  • افزایش صحت و سرعت تشخیص میزان خستگی

علاوه بر این با توجه به رابطه‌ای که خستگی و خواب با هم دارند در صورت مشخص شدن این رابطه شاید بتوان از آن در درمان بیماری‌هایی مانند اختلال خواب و بیماری‌های مشابه دیگر استفاده کرد.

  • نگاهی به فصول پایان نامه

مطالب عنوان شده در این پایان‌نامه در قالب پنج فصل آورده شده‌اند. ادامه مطالب ذکر شده را می‌توان در موارد زیر خلاصه نمود.

فصل دوم. پیشینه تحقیقات

در این فصل مهمترین کارهای پیشین که تاکنون، برای بررسی خستگی ذهنی انجام شده به همراه خصوصیات آنها مورد مطالعه و بررسی قرار گرفته است.

فصل سوم. روش تحقیق

در این فصل ابتدا روش حدف نویز از داده‌های ثبت شده توضیح داده می‌شود. سپس یکی از روش‌های مکان یابی و مشکلات آن توضیح داده می‌شود. پس از آن روشی برای بهبود مکان یابی منابع پیشنهاد می‌شود. در نهایت به بررسی روش تعیین خستگی ذهنی می‌پردازیم.

فصل چهارم. آزمایش‌ها و نتایج

در این فصل در ابتدا سیگنال‌های مورد بررسی توضیح داده می‌شود. سپس مراحل مختلف توضیح داده شده در فصل قبل و روش‌های تشخیص خستگی رایج بر روی این سیگنال‌ها اعمال می‌شود. همچنین نتایج حاصل از اعمال این روش‌ها توضیح داده می‌شود.

فصل پنجم. نتیجه‌گیری  و پیشنهادات

در فصل آخر مطالب عنوان شده در این پایان‌نامه جمع‌بندی شده و در مورد آن‌ها بحث می‌شود. سپس پیشنهادات و مسیرهایی برای ادامه و گسترش این تحقیق در پژوهش‌های آینده، ارائه می‌گردد.

[1] Grandjean

[2] Electroencephologram

[3] Caton

[4] Hans Berger

[5] Beamforming

 

ادامه مطلب...
به کانال تلگرام سایت ما بپیوندید