---

اتصالات نوری، به عنوان جایگزینی مناسب برای اتصالات الکتریکی در بوردها و تراشه های کامپیوتری، توسط فوتونیک سیلیکونی مجتمع مبتنی بر تکنولوژی CMOS قابل تحقق هستند. موجبر شیاری عایقی، به عنوان یکی از جدیدترین ساختارهای موجبر نوری، می تواند زیرساخت قطعات پسیو و اکتیو این مدارهای مجتمع را تشکیل دهد. قطعات پسیو دارای رفتار خطی هستند. از اثرات غیرخطی در موجبرهای فوتونیک سیلیکونی نیز می توان به منظور تحقق قطعات اکتیو تمام-نوری مثل لیزر، تقویت کننده و مدولاتور استفاده کرد. از طرفی، Si-nc:SiO2 به عنوان ماده ای جدید، دارای خاصیت غیرخطی قوی تری نسبت به Si است. نتایج تحلیل های تمام-موج موجبر شیاری در رژیم های خطی و غیرخطی نشان می دهند که ناحیه شیار این موجبر می تواند ضمن جای دادن Si-nc:SiO2، شدت نور بالایی نیز داشته باشد. بنابراین، این موجبر از طریق دو عامل رفتارهای غیرخطی را تشدید می نماید.

---

در این مقاله روش تخمین مقاوم عیب بر مبنای طراحی رؤیتگر برای کلاس خاصی از سیستم‌های غیرخطی لیپشیتز که اغتشاش‌ها و عیوب موجود در آن به‌صورت کوپل شده با حالت‌های سیستم اصلی فرض می‌شوند، پیشنهاد شده است. در مدل سیستم مورد نظر، عیب هم در معادلات حالت و هم در معادله خروجی توسط تابع غیرخطی غیرقابل اندازه‌گیری و کوپل شده با متغیرهای حالت وارد شده است. همچنین اغتشاش‌ها و عدم قطعیت‌های موجود در سیستم به صورت کوپل شده با حالت‌های سیستم و توسط تابع غیرخطی در نظر گرفته شده‌اند. تا آنجا که مولفین بررسی نموده‌اند چنین شرایطی قبلا در مقاله های مرتبط مورد بررسی قرار نگرفته‌است. در روش پیشنهادی یک رؤیتگر لیونبرگر برای تخمین همزمان حالت‌ها و عیب موجود در سیستم طراحی شده است. همچنین اثر عدم قطعیت‌های موجود در سیستم توسط نرم  تضعیف شده است. شرایط لازم برای وجود چنین رؤیتگری به صورت ناتساوی ماتریسی خطی مطرح شده است. با حل ناتساوی ماتریسی خطی مذکور ثابت لیپشیتز تابع غیرخطی نیز به‌دست می‌آید. نهایتا عملکرد روش پیشنهادی بر روی یک موتور القایی سه فاز شبیه سازی شده است و نتایج به خوبی کارایی الگوریتم پیشنهاد شده را نشان می دهد.
 

---

مسئله کمبود نمونه های آموزش یکی از چالش های اصلی در به کارگیری شبکه های عصبی کانولوشنال عمیق[1] برای طبقه بندی اصوات محیطی[2] است. یکی از رویکرد های مورد توجه برای مواجه با چالش مذکور، انتقال یادگیری[3] است که در آن مدلی از پیش آموزش دیده به روی دادگانی با ابعاد بزرگ[4]، به کابرد هدف با اعمال تنظیمات جزیی[5] تطبیق داده می شود. در این پژوهش، ما نشان می دهیم که در هر لایه همه نورون/کرنل ها تأثیر یکسانی در تشخیص نمونه های کلاس های مختلف ندارند، بلکه به ازای هر کلاس زیرگروهی خاص نقش اصلی و حیاتی را در طبقه بندی بازی می کند. از این رو و با توجه به وجود شباهت های زیاد بین برخی ازکلاس های مبدأ و هدف، پیشنهاد می کنیم که تمرکز تنظیمات جزیی در هر لایه تنها معطوف به زیرگروهی از نورون/کرنل ها شود که به شدت نیازمند تغییرات هستند و مسئول اصلی خطا در طبقه بندی نمونه های ورودی هستند، و باقی دست نخورده رها شوند. برای شناسایی زیرگروه های مذکور، یک مسئله یادگیری تو در تو طرح می کنیم و یک رویکرد تکاملی مؤثر برای حل آن پیشنهاد می کنیم. ارزیابی روش پیشنهادی بیانگر بهبود مطلق به اندازه 1.9% و 2.3% در دقت طبقه بندی[6] به ترتیب به روی دادگان های ESC-50 و DCASE-17 نسبت به روش مرسوم انتقال یادگیری است؛ بهبودی که بدون اضافه کردن داده جدید و تنها با بهره برداری مؤثرتر از دانش موجود در شبکه از پیش آموزش دیده بدست آمده است. همچنین، افزایش زمان آموزش به ازای روش تکاملی پیشنهادی کم و در حدود یک سوم زمان لازم برای آموزش شبکه از ابتدا[7]  برآورد شده است.

---

 کنترل وضعیت ماهواره‌ها بر اساس انجام ماموریتی که دارند، همیشه از چالش‌های اساسی صنعت فضایی می‌باشند. در واقع هنگام قرار گیری ماهواره‌ها در وضعیت از پیش تعیین شده، گاهی اوقات رفتار نوسانی یا آشوبناک در کلاس خاصی از آنها ایجاد می‌شود. بر همین اساس مدل‌های گوناگونی برای تحلیل این رفتار ارائه شده‌ است. در این مقاله طراحی کنترل پسخور خروجی مقاوم H∞  تحت اشباع برای این کلاس خاص از ماهواره‌ها که تحت اغتشاش خارجی نیز هستند، طراحی شده است. نقطه قوت اصلی در این مقاله در واقع طراحی کنترل کننده در شرایط مذکور در قالب حل یک مساله نامساوی ماتریسی خطی (LMI) می‌باشد. برای اولین بار در این حوزه، ناحیه پایدار (B∈ ) مبتنی بر قضیه لیاپانوف بدست می‌آید که در نهایت ناحیه جذب (ROA) این سیستم کنترل نیز، گسترش می‌یابد. روش پیشنهادی بر روی مدل ارائه شده پیاده سازی شده است و نتایج، نشان می‌دهند که علاوه بر همگرایی مناسبِ حالت‌های سیستم، سیگنال کنترلی با هزینه و انرژی کمتر، بدون وارد شدن به ناحیه اشباع، سیستم را پایدار کرده است. شبیه‌سازی ارائه شده، به همراه نحوه طراحی کنترل کننده پسخور خروجی در قالب یک شبه کد ارائه شده‌ است. شبیه‌ سازی‌ها در مقایسه با کارهای دیگر، گویای برتری روش پیشنهادی می‌باشد.