سرعت بخشیدن به Word

اختصاصی از هایدی سرعت بخشیدن به Word دانلود با لینک مستقیم و پر سرعت .

فرمت فایل :word (لینک دانلود پایین صفحه) تعداد صفحات 8 صفحه

هواپیما (سرعت)

اختصاصی از هایدی هواپیما (سرعت) دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 75

قدم های بزرگ در دستیابی به سرعت های بالا                                     

بیشتر تاریخ شناسان هوانوردی، چاک ییگر، خلبان آزمایشی نیروی هوایی آمریکا را اولین کسی می دانند که در حال پرواز با هواپیمای آزمایشی X-1، که در حقیقت یک بمب افکن تغییر یافته جنگ جهانی و مجهز به چهار موتور راکت بود، برای نخستین بار دیوار صوتی را در جهان شکست.

البته تعداد دیگری از خلبانان نیز ادعا نموندند که این کار را زودتر از چاک ییگر انجام داده اند، اما باز هم، رکورد این خلبان معتبرتر است. در سال 1953 میلادی، خلبانی به نام اسکات کراسفیلد، خود را به عنوان اولین خلبانی معرفی نمود که برای اولین بار، از دو برابر سرعت صوت یا همان دو ماخ گذشته است. وی این سرعت را با هواپیمای سکای راکت به دست آورد. در حالی که حدود شش سال طول کشید تا خلبانان از سرعت یک ماخ به سرعت دو ماخ دست پیدا کنند، اما در همین حال تنها نصف این زمان به طول انجامید تا جهان هواپیمایی به سرعت بالای سه ماخ نیز دست پیدا کند. اولین خلبانی که به سرعت سه برابر صوت دست یافت، خلبان آزمایشی نیروی هوایی آمریکا، ملبورن آپت بود که با هواپیمای بل X-2، در 27 سپتامبر 1956 رکورد سرعت را شکست.

هواپیمای او ابتدا می بایست با یک هواپیمای مادر به سرعت و ارتفاع مناسب دست پیدا کرده و سپس از هواپیمای مادر پرتاب شده و به سرعت مورد نظر خود می رسید. بالاترین سرعت این هواپیما، 3.851 کیلومتر بر ساعت و در ارتفاع 19 کیلومتری سطح دریا اندازه گیری شد. با وجود این موفقیت و شادی بزرگ، به دلیل این که خلبان آپت هیچ گونه تجربه ی پروازی با آن هواپیما را زا قبل نداشت، در هنگام بازگشت به پایگاه ادواردز، سرعت را به طور کامل کاهش نداد و در نتیجه این عمل، کنترل هواپیما از دست او خارج شده و هواپیما به صورت واژگون در آمد. در این حالت او سعی کرد که با صندلی نجات بیرون بپرد، اما دیگر دیر شده بود و خلبان همراه با هواپیمایش به زمین برخورد کرده و منفجر گردید و خلبان جان خود را از دست داد. اما روند دستیابی به سرعت های بالاتر، باز هم ادامه پیدا کرد و سرانجام هواپیمای X-15، در هفتم مارس 1961، سرعتی بالاتر از چهار ماخ یا 4.675 کیلومتر بر ساعت در ارتفاع 23 کیلومتری سطح دریا دست یافت. در این عملیات فوق العاده، کنترل هواپیما در دست کاپیتان رابرت وایت از نیروی هوایی آمریکا بود.

سه ماه بعد، در 23 ژوئن 1961، خلبان وایت بار دیگر سوار هواپیمای مقتدر خود شده و قدم بعدی در رسیدن به سرعت های بالا را تحقق بخشیده و به سرعت باور نکردنی 5 ماخ دست پیدا نمود. بالاترین سرعتی که خلبان در این پرواز بدان دست یافت، سرعتی معادل 5.800 کیلومتر بر ساعت در ارتفاعی برابر با 32.830 متر از سطح دریا بود. اما انگار این خلبان دست بردار نبود، چرا که بار دیگر در 11 سپتامبر 1961، یعنی در همان سال برای بار سوم، در اقدامی بی نظیر به قدم بعدی سرعت های بالا دست یافته و نام خود را به عنوان اولین خلبانی رقم زد که بالاتر از سرعت 6 ماخ پرواز کرده است. این بار او سرعتی معادل 6.590 کیلومتر بر ساعت را در ارتفاعی

بهبود سرعت یادگیری شبکه های عصبی

اختصاصی از هایدی بهبود سرعت یادگیری شبکه های عصبی دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 24

مقدمه

شبکه های عصبی چند لایه پیش خور1 به طور وسیعی د ر زمینه های متنوعی از قبیل طبقه بندی الگوها، پردازش تصاویر، تقریب توابع و ... مورد استفاده قرار گرفته است.

الگوریتم یادگیری پس انتشار خطا2، یکی از رایج ترین الگوریتم ها جهت آموزش شبکه های عصبی چند لایه پیش خور می باشد. این الگوریتم، تقریبی از الگوریتم بیشترین تنزل3 می باشد و در چارچوب یادگیری عملکردی 4 قرار می گیرد.

عمومیت یافتن الگوریتمBP ، بخاطر سادگی و کاربردهای موفقیت آمیزش در حل مسائل فنی- مهندسی می باشد.

علیرغم، موفقیت های کلی الگوریتم BP در یادگیری شبکه های عصبی چند لایه پیش خور هنوز، چندین مشکل اصلی وجود دارد:

- الگوریتم پس انتشار خطا، ممکن است به نقاط مینیمم محلی در فضای پارامتر، همگرا شود. بنابراین زمانی که الگوریتم BP همگرا می شود، نمی توان مطمئن شد که به یک جواب بهینه رسیده باشیم.

- سرعت همگرایی الگوریتم BP، خیلی آهسته است.

از این گذشته، همگرایی الگوریتم BP، به انتخاب مقادیر اولیه وزنهای شبکه، بردارهای بایاس و پارامترها موجود در الگوریتم، مانند نرخ یادگیری، وابسته است.

در این گزارش، با هدف بهبود الگوریتم BP، تکنیک های مختلفی ارائه شده است. نتایج شبیه سازیهای انجام شده نیز نشان می دهد، الگوریتم های پیشنهادی نسبت به الگوریتم استاندارد BP، از سرعت همگرایی بالاتری برخوردار هستند.

خلاصه ای از الگوریتم BP

از قانون یادگیری پس انتشار خطا (BP)، برای آموزش شبکه های عصبی چند لایه پیش خور که عموماً شبکه های چند لایه پرسپترون 5 (MLP) هم نامیده می شود، استفاده می شود، استفاده می کنند. به عبارتی توپولوژی شبکه های MLP، با قانون یادگیری پس انتشار خطا تکمیل می شود. این قانون تقریبی از الگوریتم بیشترین نزول (S.D) است و در چارچوب یادگیری عملکردی قرار می گیرد.

بطور خلاصه، فرایند پس انتشار خطا از دو مسیر اصلی تشکیل می شود. مسیر رفت6 و مسیر برگشت 7 .

در مسیر رفت، یک الگوی آموزشی به شبکه اعمال می شود و تأثیرات آن از طریق لایه های میانی به لایه خروجی انتشار می یابد تا اینکه

_________________________________

1. Multi-Layer Feedforward Neural Networks

2. Back-Propagation Algorithm

3. Steepest Descent (S.D)

4. Performance Learning

5. Multi Layer Perceptron

6. Forward Path

7. Backward Path

نهایتاً خروجی واقعی شبکه MLP، به دست می آید. در این مسیر، پارامترهای شبکه (ماتریس های وزن و بردارهای بایاس)، ثابت و بدون تغییر در نظر گرفته می شوند.

در مسیر برگشت، برعکس مسیر رفت، پارامترهای شبکه MLP تغییر و تنظیم می گردند. این تنظیمات بر اساس قانون یادگیری اصلاح خطا1 انجام می گیرد. سیگنال خطا، رد لایه خروجی شبکه تشکیل می گردد. بردار خطا برابر با اختلاف بین پاسخ مطلوب و پاسخ واقعی شبکه می باشد. مقدار خطا، پس از محاسبه، در مسیر برگشت از لایه خروجی و از طریق لایه های شبکه به سمت پاسخ مطلوب حرکت کند.

در شبکه های MLP، هر نرون دارای یک تابع تحریک غیر خطی است که از ویژگی مشتق پذیری برخوردار است. در این حالت، ارتباط بین پارامترهای شبکه و سیگنال خطا، کاملاً پیچیده و و غیر خطی می باشد، بنابراین مشتقات جزئی نسبت به پارامترهای شبکه به راحتی قابل محاسبه نیستند. جهت محاسبه مشتقات از قانون زنجیره ای2 معمول در جبر استفاده می شود.

فرمول بندی الگوریتم BP

الگوریتم یادگیری BP، بر اساس الگوریتم تقریبی SD است. تنظیم پارامترهای شبکه، مطابق با سیگنالهای خطا که بر اساس ارائه هر الگو به شبکه محاسبه می شود، صورت می گیرد.

الگوریتم بیشترین تنزل با معادلات زیر توصیف می شود:

(1)

(2)

به طوری WLji و bLj، پارامترهای نرون j ام در لایه iام است. α، نرخ یادگیری2 و F، میانگین مربعات خطا می باشد.

(3)

(4)

(5)

به طوریکه SLj(k)، حساسیت رفتار شبکه در لایه L ام است.

_________________________________

1. Error-Correctting Learning Rule

2. Chain Rule

3. Learning Rate

معایب الگوریتم استاندارد پس انتشار خطا1 (SBP)

الگوریتم BP، با فراهم آوردن روشی از نظر محاسباتی کارا، رنسانسی در شبکه های عصبی ایجاد نموده زیرا شبکه های MLP، با قانون یادگیری BP، بیشترین کاربرد را در حل مسائل فنی- مهندسی دارند.

با وجود، موفقیت های کلی این الگوریتم در یادگیری شبکه های عصبی چند لایه پیش خود، هنوز مشکلات اساسی نیز وجود دارد:

- اولاً سرعت همگرایی الگوریتم BP آهسته است.

همانطور که می دانیم، تغییرات ایجاد شده در پارامترهای شبکه (ماتریس های وزن و بردارهای بایاس)، پس از هر مرحله تکرار الگوریتم BP، به اندازه ، است، به طوریکه F، شاخص اجرایی، x پارامترهای شبکه و α، طول قدم یادگیری است.

از این، هر قدر طول قدم یادگیری، α، کوچکتر انتخاب گردد، تغییرات ایجاد شده در پارامترهای شبکه، پس از هر مرحله تکرار الگوریتم BP، کوچکتر خواهد بود، که این خود منجر به هموار گشتن مسیر حرت پارامترها به سمت مقادیر بهینه در فضای پارامترها می گردد. این مسئله موجب کندتر گشتن الگوریتم BP می گردد. بر عکس با افزایش طول قدم α، اگرچه نرخ یادگیری و سرعت یادگیری الگوریتم BP افزایش می یابد، لیکن تغییرات فاحشی در پارامترهای شکه از هر تکراربه تکرار بعد ایجاد می گردد، که گاهی اوقات موجب ناپایداری و نوسانی شدن شبکه می شود که به اصطلاح می گویند پارامترهای شبکه واگرا شده اند:

در شکل زیر، منحنی یادگیری شبکه برای جدا سازیالگوها در مسأله XOR، به ازای مقادیر مختلف نرخ یادگیری، نشان داده شده است. به ازای مقادیر کوچک، α، شبکه کند اما هموار، یاد نمی گیرد الگوهای XOR را از هم جدا نماید، ددر صورتی که به ازای 9/0= α شبکه واگرا می شود.

_________________________________

1. Standard Back-Propagation Algorithm

شکل (1). منحنی یادگیری شبکه برای نرخ های یادگیری مختلف در مسأله XOR

- ثانیاً احتمالاً به دام افتادن شبکه در نقاط مینیمم محلی وجود دارد.

در شبکه های MLP، میانگین مجوز خطا، در حالت کلی خیلی پیچیده است و از تعداد زیادی نقطه اکسترمم در فضای پارامترهای شبکه برخوردار می باشد. بنابراین الگوریتم پس انتشار خطا با شروع از روی یک سری شرایط اولیه پارامترهای شبکه، به نقطه مینیمم سراسری و با شروع از یک مجموعه شرایط اولیه دیگر به تقاط مینیمم محلی در فضای پارامترها همگرا می گردد، بنابراین زمانی که الگوریتم BP همگرا می شود، نمی توان مطمئن شد که به یک جواب بهینه رسیده باشیم.

- ثالثاً: همگرایی الگوریتم BP، به یقین مقادیر اولیه پارامترهای شبکه عصبی MLP وابسته است، بطوری که یک انتخاب خوب می تواند کمک بزرگی در همگرایی سریعتر الگوریتم BP فراهم آورد. برعکس انتخاب اولیه نادرست پارامترهای شبکه MLP، منجر به گیر افتادن شبکه در نقاط مینیمم محلی در فضای برداری پارامترهای شبکه می گردد که این خود منجر به این می شود که شبکه خیلی زودتر از معمول به موضعی بیفتد که منحنی یادگیری شبکه برای تعداد بزرگی از دفعات تکرار، تغییر نکند.

به عنوان مثال، فرض می کنیم مقدار اولیه پارامترهای شبکه خیلی بزرگ باشند، در حالی که می دانیم توابع تبدیل نرونها مخصوصاً در لایه های میانی از نوع زیگموئید هستند. در این حالت برای نرون i ام، اندازه ورودی تابع تبدیل (ni) خیلی بزرگ می باشد و خروجی نرون (ai) به مقدار 1± میل می کند. لذا مشتق بردار خروجی شبکه، a ، خیلی کوچک می باشد. فرض کنیم که باید مقدار واقعی ai، 1 باشد یعنی ti = 1، لیکن به خاطر انتخاب بر مقادیر اولیه، ai = -1 گردد. در این حالت خطای حداکثر را داریم در حالی که چون ai ≈ 0 می باشد تغییرات ناچیزی در پارامترهای متناظر با نرون i ام داریم. این چیزی است که بیانگر رسیدن زودتر از معمول نرونها به حد اشباع

مقاله دوربین کنترل سرعت

اختصاصی از هایدی مقاله دوربین کنترل سرعت دانلود با لینک مستقیم و پر سرعت .

لینک پرداخت و دانلود در "پایین مطلب"

 فرمت فایل: word (قابل ویرایش و آماده پرینت)

 تعداد صفحات:2

این دوربین ها به دو روش راداری و لیزری کار می کنند. البته تقریبا تمام دوربین های کنترل سرعت در ایران

به روش لیزری کار می کنند که 90 درصدشون ساخت آلمان ومابقی مارک ساژم دارند. این دوربین ها از 2

قسمت نرم افزاری و سخت افزاری تشکیل شده که قسمت سخت افزاری کار دریافت عکس و قسمت نرم افزاری

کار ویرایش همزمان رو انجام می ده. سرعت سنج رادیویی ترکیبی از یک فرستنده و گیرنده رادیویی است که

درون دستگاهی قرار گرفته اند .این دستگاه موج رادیویی تقویت شده ای را ارسال می کند ومنتظر بازتاب آن

بماند.با توجه به اینکه امواج الکترومغناطیسی با سرعت ثابتی(سرعت نور) در هوا حرکت می کنند،رادار بر

اساس مدت زمانی که طول می کشد تا سیگنال رادیویی بازتابیده به دستگاه برسد،فاصله شی تا دستگاه را محاسبه

خواهد کرد.رادار علاوه بر این،می تواند بر اساس پدیده ای بنام:اثر دوپلر(DOPPLER) سرعت هدف متحرک

را نیز اندازه گیری کند.

کنش پژوهی فردی 1 فصل دوم فیزیک دوم ریاضی, تدریس سرعت متوسط و سرعت لحظه ای

اختصاصی از هایدی کنش پژوهی فردی 1 فصل دوم فیزیک دوم ریاضی, تدریس سرعت متوسط و سرعت لحظه ای دانلود با لینک مستقیم و پر سرعت .

کنش پژوهی فردی 1 فصل دوم فیزیک دوم ریاضی, تدریس سرعت متوسط و سرعت لحظه ای

فرمت فایل: ورد

تعداد صفحه: 9

بخشی از متن:

الف: بیان مسئله

در این طرح، فصل دوم فیزیک دوم ریاضی، سرعت متوسط و سرعت لحظه ای مورد بررسی و تدریس قرار گرفته است. با توجه به اینکه معلم بعد هر مبحث، زمان کافی برای حل تمرین برای دانش آموزان نداشت، در کلاس سوال کم حل می شد. و مثال های کتاب هم در کلاس حل نمی شد و از آن ها خواسته می شد که در خانه حل کنند و اگر مشکلی داشته باشند، در جلسه ی بعد بپرسند. این امر سبب بی رغبتی دانش آموز در یادگیری می شد. با پیشنهاد و هماهنگی با معلم، مبحث سرعت متوسط و سرعت لحظه ای برای بررسی و تدریس انتخاب شد تا با استفاده از روش های تدریس فعال و توجه به عوامل مربوط به رشد ذهنی دانش آموزان تدریس شود.

ب: تحلیل موقعیت تدریس

این طرح برای تدریس در کلاس دوم متوسطه دوم رشته ریاضی مدرسه دخترانه دولتی ولی اله اردشیری پیش بینی شده است ، مدرسه ای که در منطقه ای مناسب قرار گرفته ( خیابان شهید مطهری - بادی اله 9)  و از لحاظ امکانات آموزشی و تهیه وسایل کمک آموزشی کمتر مشکلی به چشم می آید.

این کلاس دارای 30 دانش آموز دختر می باشد که با توجه به بررسی های انجام شده و پرسش از معلم مربوطه، یادگیری و نظم و انضباط دانش آموزان این کلاس به طور معمول در حد متوسط می باشد .

مبحث مورد نظر برای اولین بار در کلاس تدریس شد و قبل شروع درس برای دانش آموزان با مثال هایی ملموس، کاربرد مبحثی که قرار بر تدریس بود را برای آن ها بیان کردم و برایشان روشن شد.

پ: فرضیه ها و ارائه راه حل ها

فرضیه 1: فضای فیزیکی مدرسه در یادگیری دانش آموز و عملکرد دانش آموز موثر است.

تحقیقی که با تازگی توسط محققان دانشگاه سالفورد در انگلستان انجام شد، نشان می‌دهد که علاوه بر موقعیت مکانی مدرسه، فضای فیزیکی مدرسه و کلاس درس نیز نقش بسیار مهمی در یادگیری دانش‌آموزان ایفا می‌کند. در این پژوهش علمی 751 دانش‌آموز در 34 کلاس درس مورد بررسی قرار گرفتند. از دانش‌آموزان قبل از شروع سال تحصیلی و پس از اتمام آن ارزیابی تحصیلی به عمل آمد تا مقایسه‌ی این دو ارزیابی تأثیر فضای آموزشی بر فرایند یادگیری ریاضیات، مهارت خواندن و مهارت نوشتن را روشن سازد. شاخص های کلاس درس که در این تحقیق به عنوان متغیر در نظر گرفته شده بودند شامل تزئینات کلاس، نور طبیعی، کنترل صدای محیط، دما، کیفیت هوا و رنگ می‌شدند.