در این مقاله روشی برای مدلسازی بلادرنگ و متعامل بافت نرم در رزولوشن بالا بررسی میشود که در آن مدل درشت بافت نرم با غنیسازی مبتنی بر داده به مدل ظریف تبدیل میشود. برایاینمنظوردرمرحلهپیشپردازش نمونههای متناظر درشت و ظریف برای ساخت پایگاه دادههای آموزشی ایجاد میشوند. بااستفادهازیکرگرسور،مدلدرشتمرحلهآزمایشبامدلهایدرشتمرحلهآموزشمقایسهشدهو وزنهایی به هر نمونه آموزشی تخصیص مییابد و با این وزنها بافت ظریف مرحله آزمایش با ترکیب خطی مدلهای ظریف آموزشی تخمین زده میشود. با فرض تغییرشکلهای محلی ناشی از اعمال نیرو به بافت، روشی برای استخراج بردار ویژگی پیشنهاد میشود که تغییرات مکانی گره محل تماس و گرههای اطراف آن را روی مش مدنظر قرار داده و از تغییرات گرههای دورتر صرفنظر میکند. اینمسالهباعثکاهشبعدبردارویژگیودرنتیجهکاهشپیچیدگیمحاسباتمیشود. برایتعیینمیزانشباهتومحاسبه وزنهای ترکیب خطی، از رگرسور غیرخطی با هسته گوسی استفاده میشود وبرایکاهشاعوجاجناشیاز وزنهای منفی، الگوریتم حداقل مربعات غیرمنفی در رگرسور اعمال میشود. روشپیشنهادی روی دو مدل بافت نرم پیادهسازی شده و از نظر دقت بازسازی، پیچیدگی محاسباتی و زمان شبیهسازی مورد بررسی قرار گرفته است.
Bounik Z, Shamsi M, Sedaaghi M H. Real-time Interactive High Resolution Soft Tissue Modeling in a Data-Driven Enrichment Approach. Nonlinear Systems in Electrical Engineering 2020; 7 (1) :149-162 URL: http://journals.sut.ac.ir/jnsee/article-1-341-fa.html
بونیک زهرا، شمسی موسی، صداقی محمدحسین. مدلسازی بلادرنگ، متعامل و رزولوشن بالای بافت نرم به روش غنیسازی مبتنی بر داده. سامانه های غیر خطی در مهندسی برق. 1399; 7 (1) :149-162
نشریه سامانههای غیرخطی در مهندسی برق در خصوص اصول اخلاقی انتشار مقاله، از توصیههای «کمیته بینالمللی اخلاق نشر» موسوم به COPE و «منشور و موازین اخلاق پژوهش» مصوب معاونت پژوهش و فناوری وزارت علوم، تحقیقات و فناوری تبعیت میکند.