---

بدست آوردن قانون کنترلی بهینه برای سیستم‌های غیرخطی برخلاف سیستم‌های خطی دارای روش عمومی و مشخص نیست و همواره یکی از مسائل مطرح در تئوری کنترل می باشد. با اضافه شدن قید روی معادلات سیستم، مسئله سخت‌تر شده و حل آن معمولا نیاز به روشهای بهینه سازی عددی دارد. در این مقاله، یک روش جدید برای استخراج قانون کنترلی بهینه برای سیستم‌های غیرخطی مقید ارائه می‌شود که از مزایای اصلی آن تحلیلی بودن روش و پیاده‌سازی آسان کنترل کننده در عمل است. در روش پیشنهادی برای بدست آوردن و توسعه‌ی تابع هزینه (معیار عملکرد) از رویکرد کنترل پیش‌بین استفاده شده است. در ادامه قضیه کن‌تاکر (KKT) برای حل مساله‌ی بهینه‌سازی مقید و استخراج قانون کنترلی به شکل بسته بکار گرفته می‌شود. به عنوان رویکردی دیگر برای حل مساله‌ی بهینه‌سازی مقید، روش‌ بهینه‌سازی عددی مبتنی بر الگوریتم ژنتیک نیز برای بدست آوردن سیگنال کنترلی ارائه شده و با رویکرد قبلی مقایسه می‌گردد. در نهایت دو روش پیشنهادی با یک روش مبتنی بر تکرار که‌ در مراجع ارائه گردیده است روی یک مثال پیاده‌سازی و نتایج مورد مقایسه قرار می‌گیرند. نتایج تحلیل و شبیه‌سازیها نشان از عملکرد بالای روش پیشنهادی مبتنی بر KKT از نظر دقت، سرعت و حجم محاسبات می‌باشد.

---

فشرده سازی رویه های سه بعدی یک روش منتخب در کاهش حافظه مورد نیاز و انتقال موثر داده های مشهای مثلثی در شبکه های با پهنای باند کم است. در این مقاله، یک تکنیک بهبودیافته برای فشرده سازی رویه های مثلثی ارائه شده است. اساس این روش، بر استفاده از برازش ورنوی مرکزی (Centroidal Voronoi Tesselation) دارای تابع چگالی استوار می باشد. با انتخاب تابع چگالی مناسب مبتنی بر ویژگی انحنا و هموار سازی لوید(Lloyd Relaxation) ، تراکم رئوس در مش فشرده به سمت جزئیات در ناهمواریهای رویه متمایل می گردد و از تجمع اطلاعات تکراری و تراکم غیر ضروری رئوس در رویه های هموارتر جلوگیری می شود. در مرحله پس پردازش، برای جایابی بهتر رئوس و کاهش خطای فشرده سازی در مش ساده شده از بهینه سازی غیر خطی نلدر- مید (Nelder-Mead) استفاده شده است. روش پیشنهادی با روشهای کلاسیک و مدرن در مقالات اخیر مورد مقایسه قرار گرفته است. نتایج پیاده سازی، برتری روش ارائه شده را در مقایسه با روشهای موجود از نظر دقت مدل و میزان فشرده سازی نشان می دهد.

---

در این پژوهش یک مدلاتور دلتا سیگما دارای استاندارد دوگانه که قابلیت کار با استانداردهایWLAN‏ وGSM‏ را دارد طراحی شده ‏است. این مدلاتور به منظور کاهش توان مصرفی و بهینه سازی فضای اشغالی تراشه، قابلیت پیکربندی مجدد برای دریافت جداگانه ‏وغیر همزمان دو استاندارد را دارا می باشد. در این مدلاتور از کوانتایزر مبتنی بر ‏VCO‏ استفاده شده است. مدلاتورهای دلتا سیگما که ‏بجای کوانتایزر متداول از ‏VCO‏ ‏‎ ‎استفاده می کنند بعلت پایین بودن توان مصرفی و فضای اشغالی تراشه حائز اهمیت بوده و به ویژه ‏برای پیاده سازی با تکنولوژی زیر 100 نانومتر بدلیل کاهش ولتاژ منابع تغذیه، محدود شدن توانمندی مدارات آنالوگ و متقابلا افزایش ‏سرعت کلید زنی عملکرد برتری دارند. اگر چه استفاده از ‏VCO ‎‏ به جای کوانتایزر در گذشته گزارش شده ولی در این طرح برای ‏اولین بار نسبت به طراحی ساختار جدیدی از آن با داشتن قابلیت پیکربندی مجدد برای بکار گیری و بهینه سازی توان مصرفی در ‏استانداردهای متفاوت اقدام شده است. طرح نمونه پیاده سازی می تواند دو استاندارد مهم ‏WLAN ‎‏ و ‏‎ GSM ‎‏ را دریافت نماید. ‏مدلاتور طراحی شده در سطح سیستم و سپس قسمت ‏VCO‏ با قابلیت پیکر بندی مجدد در سطح مدار باتکنولوژی 180 نانومتر پیاده ‏سازی شده و نتایج شبیه سازی نشان دهنده صرفه جویی حداقل 86% درتوان مصرفی در قسمت ‏VCO‏ در استاندارد‎ ‎‏ ‏GSM‏ نسبت به ‏WLAN‏ می باشد.‏

---

پاسخ حالت دائم و گذرای فیلتر اکتیو با روش جبرانسازی تئوری توان لحظه‌ای وابسته به دقت و سرعت استخراج مؤلفه DC توان اکتیو بار است. در این مقاله برای بهبود پاسخ این روش، فیلتر عددی مبتنی بر حداقل مربعات بازگشتی با ضریب فراموشی متغیر جهت جداسازی مؤلفه DC توان اکتیو بار پیشنهاد شده است. برخلاف فیلترهای پایین گذر متداول، ویژگی فیلتر عددی طراحی شده، عدم وابستگی به مؤلفه‌های هارمونیکی بار، سرعت و دقت زیاد پاسخ آن می‌باشد. همچنین با استفاده از تبدیل موجک عملکرد فیلتر اکتیو در شرایط ولتاژ غیر ایده‌آل بهبود داده می‌شود. و در نهایت از مدولاسیون دلتا- سیگمای مرتبه دو جهت تولید پالسهای کلیدزنی استفاده می‌گردد. نتایج شبیه‌سازی در نرم‌افزار MATLAB/SIMULINK صحت کامل روش پیشنهادی را نشان می‌دهد.

---

در مقاله حاضر یک مدل غیرخطی جدید برای میراگر مغناطیسیMR   بر پایه مدل بوک‌-ون ساده شناسایی و ارائه می‌شود که علی­رغم دارا بودن خاصیت غیرخطی هیسترزیس، نسبت به جریان الکتریکی خطی است. این مزیت باعث می‌شود که بتوان به راحتی از این مدل به عنوان مدل معکوس در سیستم کنترلی تعلیق نیمه فعال خودرو جهت تبدیل نیرو به جریان الکتریکی استفاده کرد. همچنین برای ارزیابی بهتر مدل پیشنهادی، یک مدل چند جمله‌ای غیر هیسترزیسی مشابه با آنچه که در مراجع وجود دارد، برای میراگر مغناطیسی طراحی شده است. مقایسه دقت مدل‌ها نشان می­دهد که مدل بوک-‌ون ارائه شده در هر دو حالت مستقیم و معکوس در نواحی سرعت پایین دقت بالاتری نسبت به مدل چندجمله­ای دارد. در گام دوم، یک کنترل‌کننده بهینه برای محاسبه‌ی نیروی فعال سیستم تعلیق طراحی و در کنار مدل‌های معکوس شناسایی شده، استفاده شده است. نتایج شبیه­سازی  برای کنترل سیستم تعلیق خودرو در حالتهای فعال و نیمه­فعال با دو مدل میراگر بر روی یک جاده استاندارد ارائه می­شوند. مشاهده می‌گردد که از بین دو مدل معکوس طراحی شده، مدل بوک-‌ون پیشنهادی، عملکرد بهتری در کنترل سیستم تعلیق نیمه‌فعال دارد. همچنین، با افزایش دامنه سرعت میراگر در سیستم تعلیق نتایج دو مدل تعلیق نیمه فعال به هم نزدیک­تر می‌شوند.

---

توسعه منابع انرژی تجدیدپذیر، تولید پراکنده، ذخیره­ساز انرژی و بارهای کنترل پذیر غیرخطی در شبکه­های توزیع امروزی، باعث شده اند که مسئله تخمین حالت در شبکه­های توزیع هوشمند و اکتیو مورد توجه قرار گیرد. عملکرد مرکز مدیریت انرژی شبکه توزیع، براساس نتایج حاصل از تخمین حالت، استوار است. در این مقاله، تخمین دو مرحله­ای با پروسه کاهش شبکه، پیشنهاد شده است. با توجه به کمبود اندازه­گیر در شبکه توزیع، بدست آوردن اطلاعات اولیه دقیق از شرایط شبکه باعث بهبود عملکرد تخمین می­شود. تخمین حالت اولیه با پروسه کاهش شبکه برای بدست آوردن اطلاعات اولیه دقیق، انجام می­گیرد، اطلاعات اولیه به عنوان اندازه­گیر برای بهبود عملکرد تخمین ثانویه، به کار می­رود. این روش باعث حل مشکل کمبود اندازه­گیرهای دقیق و بهبود دقت تخمین شبکه، می­شود. روش موردنظر بر روی شبکه توزیع 69 باسه استاندارد IEEE اعمال می شود و نتایج آن نشان داده شده است.

---

 تخمین حالت سه بعدی انسان یکی از مسائل پراهمیت و پرکاربرد در بینایی ماشین است. تخمین حالت انسان، از اسکلت دو بعدی و با استفاده از اطلاعات چندگانه آغاز و طی یک روند تکاملی، به تخمین اسکلت سه بعدی با بهره‌گیری از حداقل اطلاعات ورودی سوق یافته است. در این مقاله، مسئله‌ی تخمین حالت سه بعدی انسان با استفاده از اطلاعات یک تصویر رنگی بررسی شده است. روش پیشنهادی جزء آن دسته از روش‌هایی محسوب می‌شود که ابتدا حالت دو بعدی را استخراج و سپس، با ارتقاء حالت دو بعدی تخمینی به فضای سه بعدی، حالت سه بعدی پیش‌بینی می‌شود. به دلیل آن‌که در این نوع روش‌ها، منشاء بیشتر خطاها ناشی از تخمین نادرست حالت دو بعدی است، در این مقاله، با ارائه‌‌ی روشی برای تخمین دقیق‌تری از حالت دو بعدی، خطای کمتری برای حالت سه بعدی به دست آمده است. روش پیشنهادی برای تخمین حالت دو بعدی، از یادگیری عمیق و اطلاعات نقشه‌ی لبه بهره برده است. به عبارتی دیگر، در این مقاله از ویژگی لبه که یک ویژگی طراحی شده است، برای هدایت یادگیری شبکه‌ی عصبی عمیق و یادگیری ویژگی‌ها در راستای هدف تعیین شده، استفاده شده است. آزمایش‌های انجام شده نشان می‌دهد که روش پیشنهادی به خطای کمتری در تخمین حالت دو بعدی و متعاقباً، به خطای کمتری در پیش‌بینی حالت سه بعدی تصاویر پایگاه داده‌ی Human3.6M و HumanEva-I منجر شده است.

---

نیروگاه‌های بادی در برابر نوسانات دینامیکی ولتاژ به خصوص خطای اتصال کوتاه و افت ولتاژهای شدید و ناگهانی بسیار ناپایدار هستند که از مهم‌ترین علل آن استفاده از ژنراتور القایی در این نیروگاه‌ها و در نتیجه نیاز به توان راکتیو و بالا بودن جریان مغناطیس‌کنندگی می‌باشد. در این مقاله به منظور بهبود ولتاژ گذر از خطای WECS در شرایط خطا و میراسازی نوسانات سرعت روتور ژنراتور القایی، از یکUPFC  که دارای کنترل­کننده­های تناسبی- انتگرالی- دیفرانسیلی مرتبه کسری (FOPID) می­باشد، استفاده شده است. از آنجائی که FOPID دارای دو پارامتر اضافه­تر از کنترلر تناسبی- انتگرالی- دیفرانسیلی (PID) مرتبه صحیح کلاسیک (IOPID) است، انعطاف­پذیری بیشتر به طراحی یک سیستم کنترل و فرصت بهتری برای تنظیم دینامیک سیستم می­دهد. نتایج بررسی­ها نشان می­­دهد که کنترلر FOPID تنظیم شده به وسیله­ی الگوریتم تجمع ذرّات پرندگان (PSO) ارائه شده، عملکرد دینامیکی بهبود یافته­ای نسبت به PID سنتی و کنترلر فیدبک در یک محدوده وسیعی از شرایط کاری را نشان می­دهد

---

تولید چهره انسان از تصویر نمونه به عنوان یکی از ملزومات کاربردهای بیومتریک با هدف شناسایی هویّت اشخاص مورد استفاده قرار می گیرد. در این مقاله، تولید چهره شامل سه مرحله اصلی است. در مرحله اول آشکارسازی خطوط معنادار و لبه های تصویر نمونه با روش غیرخطی مورفولوژی مقیاس خاکستری انجام می پذیرد. سپس نواحی مو از چهره نمونه، شناسایی می شود. مرحله نهایی ترکیب تصاویر حاصل از مراحل قبل را ارایه می کند. میزان شباهت و تطابق بین طرحِ چهره ساخته شده و طرحِ هنری، با دو روش استخراج ویژگی، واکاوی مؤلفه های اساسی و جداساز خطی، مقایسه شده و مدت زمان اجرای فرآیند محاسبه می شود. آزمایش ها روی جفت تصاویر پایگاه CUHK نشان می دهد که روش پیشنهادی در مقایسه با روش های پیشرفته هنری از جمله: تبدیلات ویژه، LLE و MRF ، پیچیدگی محاسباتی ندارد و چهره فرد را با کیفیت خوب و در زمان خیلی کمتری ایجاد می کند. تطابق طرح چهره خلق شده با این روش، وقتی که از تحلیل جداساز خطی برای استخراج ویژگی استفاده شود، بیشترین مقدار و برابر با 90 درصد بدست می آید. همچنین روش پیشنهادی در برابر اثرات پس زمینه و شدت روشنایی تصاویر نمونه مقاوم می باشد.

---

الگوریتم بهینه‌سازی ازدحام ذرات (PSOالگوریتم بهینه‌سازی ازدحام ذرات (PSO) یک روش بهینه‌سازی فراابتکاری مبتنی بر جمعیت است که می‌تواند برای طیف وسیعی از مسائل به‌کار گرفته شود اما این الگوریتم ایراداتی هم دارد؛ مانند این‌که به‌راحتی در نقاط بهینه محلی گیر می‌افتد و در مراحل پایانی دچار کندی همگرایی می‌گردد. به‌منظور حل این ایرادات، تاکنون انواع الگوریتم‌های PSO بهبودیافته (IPSO) پیشنهاد شده است. جهت ایجاد یک تعادل بین ویژگی‌های پویش و بهره‌برداری PSO، این مقاله الگوریتم‌های IPSO مبتنی بر یک کلاس جدید از ضرائب یادگیری نمایی (ELF-PSO) را معرفی می‌نماید که از لحاظ محاسباتی کارآمد و سریع می‌باشند. این کلاس شامل استراتژی‌های ضرائب یادگیری نمایی متغیر با زمان (TELF)، ضرائب یادگیری نمایی تصادفی (RELF)، ضرائب یادگیری نمایی خود-تنظیم (SELF) و ضرائب یادگیری نمایی خطی (LELF) است. آزمایش‌های متعددی برای مقایسه روش‌های پیشنهادی با یک مجموعه از استراتژی‌های معروف ضرائب یادگیری ثابت، تصادفی، متغیر با زمان و تطبیقی بر روی یک سری از توابع معیار غیرخطی انجام پذیرفت. نتایج تجربی و تحلیل‌های آماری ثابت می‌کنند که الگوریتم‌های ELF-PSO قادرند دسته وسیعی از مسائل بهینه‌سازی غیرخطی دشوار را به‌طور کارآمدی حل کنند. همچنین نتایج آزمایش‌ها نشان می‌دهد که روش‌های پیشنهادی، در اغلب موارد بهتر از سایر الگوریتم‌ها عمل می‌کنند.

---

در این مقاله، یک سنسور بیولوژیکی حساس به جرم با قابلیت ساخت به کمک تکنولوژی میکروالکترومکانیکی با کاربرد در محیط مایع و با قابلیت به­کارگیری در قطعات "آزمایشگاه روی یک تراشه"، برای کاربردهای پزشکی ارائه شده است. سنسور بیولوژیکی پیشنهادی از تزویج الکترومکانیکی المان‌های نوسانگر مکانیکی هارمونیک به کمک فنرهای هارمونیک مناسب، به‌عنوان یک آرایه نوسانگر مکانیکی طراحی شده است. انتشار موج مکانیکی در راستای این آرایه به کمک روش الکترواستاتیکی با استفاده از یک مولد و یک سنسور بر پایه خازن­های انگشتی انجام می‌گیرد. ویژگی­های مهم این طرح هزینه ساخت کم، اتلاف کم در تداخل با محیط مایع، حساسیت بالا و سطح موثر جذب بزرگِ سنسور بیولوژیکی پیشنهادی است. ارزیابی ویژگی‌ها و عملکرد سنسور بیولوژیکی پیشنهادی از جمله حساسیت سنسور به کوچکترین میزان جرم جذب شده و امکان اندازه­گیری تغییرات خازنی در خروجی آن، و اثرات میرایی موج انتشاری در تداخل با محیط مایع به کمک نرم افزار ‌Comsol مدل‌سازی شده است، که بررسی نتایج، گویای حساسیت جرمی بالا توام با امکان سنجش خروجی این سنسور بیولوژیکی با ادوات الکترونیکی موجود شده است.
 

---

در این مقاله مدار جدیدی به‌منظور پیکربندی تقویت‌کننده توان برای فرستنده‌های مدولاسیون کلیدزنی روشن-خاموش بازگشتی به صفر (RZ-OOK) پیشنهادشده است. تقویت‌کننده توان پیشنهادشده به‌صورت یک ساختار چند-حالته با نرخ ارسال داده و سطح توان خروجی تنظیم‌پذیر عمل می‌کند. فرآیند تنظیم‌پذیری نرخ ارسال داده به‌وسیله تنظیم دوره کار داده ورودی و ایجاد داده ورودی-RZ توسط یک مدار ساده محقق می‌شود که منجر به ایجاد یک رابطه خطی بین نرخ ارسال داده و توان مصرفی می‌شود. این بدان معنی است که هر سطح دلخواه از توان خروجی می‌تواند با توجه به میزان بودجه انرژی با مصرف توان متفاوتی انتقال یابد. از داده-RZ برای تنظیم سطح توان خروجی نیز استفاده می‌شود. تقویت‌کننده توان در فرکانس MHZ922، ولتاژ تغذیه V8/1 و با نرخ ارسال داده Mb/s3/0 تا Mb/s۳ کار می‌کند و سطح توان خروجی dBm۲۳- تا dBm۰ را ارسال می‌کند. در طول بازه تنظیم نرخ ارسال داده و در سطح توان خروجی dBm0، توان مصرفی تقویت­کننده توان در رنج mW099/0تا mW99/0 تغییر می‌کند. همچنین، تقویت‌کننده توان در طول بازه تنظیم سطح توان خروجی و با نرخ ارسال داده Mb/s3، مصرف توانی در رنج mW07/0 تا mW99/0 دارد.

---

سیستم­های بازشناسی زبان اشاره کمک می­کنند تا افراد ناشنوا به رسانه­ های مختلف دسترسی داشته باشند. در این مقاله، سنسور کنترل کننده حرکت و تصویر دست برای بازشناسی زبان اشاره بکار گرفته شده‌اند. سنسور کنترل کننده حرکت اطلاعات مربوط به مکان سه بُعدی مفاصل دست را فراهم می­کند. سری اول ویژگی­ها از اطلاعاتی که این سنسور فراهم می­کند، استخراج می­شود. مواقعی که دست عمود بر سنسور کنترل کننده حرکت قرار نگرفته یا در حالت­هایی که دست مشت می­شود مکان دقیق مفاصل دست قابل شناسایی نیست. سری دوم ویژگی­ها که از تصویر دست استخراج می­شود کمک می­کنند تا اکثر حالت­های دست دقیق­تر بازشناسی شوند. سری دوم ویژگی­ها شامل هیستوگرام گرادیان­های جهت­دار و فاصله­ی کانتور از مرکز تصویر است. همچنین یک پایگاه داده­ی متنوع از حالت­های دست زبان اشاره­ی آمریکایی ساخته شده است که شامل 64 هزار نمونه است. در مرحله­ی بازشناسی از طبقه­بند جنگل­ تصادفی استفاده می­شود که برای پایگاه­ داده­های بزرگ انتخاب خوبی است. نتایج آزمایش­ها نشان می­دهند که روش پیشنهادی نسبت به روش­های مشابه نتایج بهتری ارائه می­دهد.
 

---

 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. برای این منظور در مرحله پیش‌پردازش نمونه‌های متناظر درشت و ظریف برای ساخت پایگاه داده‌های آموزشی ایجاد می‌شوند. با استفاده از یک رگرسور، مدل درشت مرحله آزمایش با مدل‌های درشت مرحله آموزش مقایسه شده و 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. این مساله باعث کاهش بعد بردار ویژگی و در نتیجه کاهش پیچیدگی محاسبات می‌شود. برای تعیین میزان شباهت و محاسبه وزن‌های ترکیب خطی، از رگرسور غیرخطی با هسته گوسی استفاده می‌شود و برای کاهش اعوجاج ناشی از وزن‌های منفی، الگوریتم حداقل مربعات غیرمنفی در رگرسور اعمال می‌شود. روش پیشنهادی روی دو مدل بافت نرم پیاده‌سازی شده و از نظر دقت بازسازی، پیچیدگی محاسباتی و زمان شبیه‌سازی مورد بررسی قرار گرفته است.

---

امروزه گسترش گوشی­های هوشمند و نرم افزارهای سه بعدی به کار رفته در این سیستم ها، نیاز به پردازش سریع مدل­های سه بعدی را کاملا آشکار می­سازد. ولی حجم بالای رئوس و وجوه موجود در مدل­های سه بعدی، سرعت ارسال و دریافت داده­ها را کاهش داده و حافظه ذخیره سازی بیشتری را می­طلبد. در این مقاله، روشی برای مش­بندی مجدد غیرایزوترپیک مدل­­های سه بعدی پیشنهاد می­شود. در این روش از معیار نایکوئیست برای نمونه برداری از مدل اصلی استفاده می­شود. این معیار به صورت محلی برروی هر بخش از مش اعمال شده و فرایند نمونه­برداری را انجام می­دهد. سپس، مش­بندی مجدد به نقاط نمونه­برداری شده افزوده شده و مدل ساده­سازی شده تشکیل می­شود. جهت کسب مدل با کیفیت بالا از مدل مش­بندی شده جدید، از یک روش درون­یابی زیر تقسیم غیر خطی استفاده می­شود. نتایج بدست آمده نشان می­دهند که الگوریتم ارائه شده علاوه بر کاهش تعداد رئوس و وجوه مدل، توانایی حفظ جزئیات را به خوبی دارد. الگوریتم پیشنهادی با روش­های شناخته شده در زمینه ساده­سازی مش مقایسه شده و نتایج بدست آمده گویای توانایی روش پیشنهادی در بازسازی مدلی با کیفیت بالا است.
 

---

از زمان معرفی اولین سلول خورشیدی سیلیکونی، در پارامترهای عملکردی آن از قبیل میزان حبس‌شدگی نور، جذب طیف خورشید، بازده سلول و هزینه‌های ساخت، به‌طور پیوسته، بهبودهایی ایجاد شده است. در سلول سیلیکونی با ضخامت کم، همواره تعدادی از فوتون‌های نوری جذب‌نشده توسط نیمه‌هادی، به شکل‌های گوناگون تلف می‌شوند. توری پراش باعث می‌گردد که فوتون ها در اثر برخورد به این ساختار، مسیر نوری طولانی‌تری را طی نمایند که باعث افزایش طول مسیر نوری فوتون‌ها و افزایش جذب سلول و درنتیجه بهبود بازده سلول می‌گردد. در هر یک از ساختارهای مذکور، به تعیین مواد بهینه و خصوصیات هندسی برای رسیدن به حداکثر بازده سلول سیلیکونی مبادرت ورزیده‌ شده است. در یافتن پارامترهای هندسی بهینه برای ساختار، از روش‌های بهینه‌سازی هوشمند استفاده شده است. با انتخاب بهترین روش های جستجو از دو الگوریتم بهینه‌سازی ازدحام ذرات و ژنتیک و ایجاد ترکیبی از  آن دو، ویژگی‌های مثبت هر دو الگوریتم برای دستیابی به بهترین پاسخ به کار گرفته شد. این ترکیب نتایج بسیار مثبتی ایجاد کرده است که در نتیجه آن 293/23 درصد بازده و جریان اتصال کوتاه  41/35 میلی‌آمپر بر سانتی‌متر مربع بدست آمده است.

---

چهره نقش مهمی در برقراری ارتباط بصری ایفا می­کند. با نگاه به چهره، انسان می­تواند به طور خودکار بسیاری از پیام­های غیر­کلامی، مانند هویت، قصد و احساسات انسان را استخراج کند. در بینایی کامپیوتر، برای استخراج خودکار اطلاعات چهره، مکان­یابی نقاط کلیدی چهره معمولأ یک مرحله کلیدی است و بسیاری از روش­های تحلیل چهره بر روی آشکارسازی دقیق این نقاط برجسته ساخته می­شوند. مکان­یابی و تنظیم نقاط راهنمای چهره در تصاویر با انسداد یک کار بسیار مهم و چالش برانگیز در بسیاری از کارهای بینایی و پردازش تصویر می­باشد. در این تحقیق، روش جامع برای مقداردهی اولیه نقاط راهنمای چهره از طریق آموزش ویژگی­های باینری محلی(LBP) و هیستوگرام گرادیان جهت­دار(HOG) و یک روش آشکارسازی نقاط راهنمای چهره با استفاده از رگرسیون حالت آبشاری قوی نقاط راهنما که به صورت ویژگی­های تفاوت پیکسل نقاط راهنما مشخص می­شود، معرفی شده است. ابتدا از طریق آنالیز همبستگی هیستوگرام الگوی­های باینری محلی(LBP) و سپس با استفاده از هیستوگرام گرادیان جهت­دار، ویژگی­های چهره­های آموزشی بدست می­آید. با استفاده از این ویژگی­های تصاویر آموزشی، نقاط راهنمای بهینه برای تصویر تست تخمین زده می­شود. در مرحله تست با توجه به مقدار­دهی اولیه تصویر، از انتخاب ویژگی مناسب برای تصویر استفاده می­گردد تا سرعت انجام فرآیند بیشتر شود. یعنی تعداد مراحل با توجه به انتخاب ویژگی بهتر برای هر تصویر کمتر شود. سپس برای تنظیم چهره، از رگرسیون حالت آبشاری قوی استفاده می­شود و یک اصل محلی برای یادگیری ویژگی­های نقاط راهنما به­کار گرفته می­شود. اصل محلی کمک می­کند تا مجموعه­ای از ویژگی­های باینری بسیار متمایز­کننده برای نقاط راهنمای چهره به صورت مستقل یاد گرفته شود. ویژگی­های باینری محلی بدست آمده برای یادگیری مشترک رگرسیون حالت آبشاری برای خروجی نهایی مورد استفاده قرار می­گیرد. نتایج نشان می­دهد که مقداردهی اولیه مورد استفاده در این کار دقت ارزیابی را در رگرسیون حالت آبشاری بیشتر کرده است و به نتایج بهتری نسبت به مقداردهی اولیه تصادفی دست یافته است.

---

امروزه محرومیت از خواب به‌عنوان یک مسئله فراگیر بر سلامت جسمی و روحی انسان تأثیرگذار است. در این پژوهش، با استفاده از سیگنال‌های الکتروانسفالوگرام ثبت شده از ۳۰ شرکت‌کننده در دو حالت خواب کامل و محروم از خواب و با چشم‌باز و چشم‌بسته، به مطالعه اثرات محرومیت از خواب برعملکرد مغز و همچنین تشخیص آن پرداخته شده است. از داده‌های ثبت شده ویژگی‌های خطی نظیر توان سیگنال و ویژگی‌های غیرخطی نظیر آنتروپی‌های شنون، رنی، جای‌گشت و نمونه استخراج شده است. از روش‌های رتبه‌بندی ویلکاکسون و الگوریتم PCA جهت انتخاب ویژگی‌های برتر به‌همراه طبقه‌بندهای دوکلاسه KNN، SVM و درخت تصمیم استفاده گردیده است. به‌منظور بررسی اثرات محرومیت از خواب، به‌کمک الگوریتم sLORETA نگاشت نقشه مغز در ویژگی‌ها محاسبه و ترسیم شده است. براساس نتایج این تحقیق، بهترین عملکرد مربوط به طبقه‌بند درخت تصمیم با 100 ویژگی برتر و صحت و دقتی به‌ترتیب برابر با 99.0 و 99.8 درصد است. همچنین با مقایسه نقش ویژگی‌های خطی و غیرخطی، مشخص گردید در مسئله این تحقیق ویژگی‌های غیرخطی نقشی بسیار موثر در طبقه‌بندی ایفا می‌کنند. نگاشت ویژگی‌ها در نواحی مختلف مغز نشان‌دهنده بروز تغییرات محسوس در میزان توجه، تمرکز، تصمیم‌سازی و فعالیت‌های بینایی و حرکتی افراد پس از محرومیت از خواب است.

---

در تسهیم طیف بین کاربران مختلف، مقابله با تداخلگر موجود در شبکه بسیار حیاتی است. اهمیت این کار به ویژه زمانی دوچندان می‌شود که تداخلگر، هوشمند بوده و قادر به یادگیری الگوهای ارتباطی بین کاربران باشد. در این مقاله، روشی برای تسهیم طیف با هدف مقابله با تداخلگر شبکه پیشنهاد می گردد. شیوه پیشنهادی بر پایه یادگیری تقویتی چندعاملی است. در مرحله اول، طیف‌های مورد حمله تداخلگر توسط ایستگاه پایه به دست می آیند. در مرحله بعد، یک چارچوب یادگیری تقویتی عمیق طراحی می‌شود که به هرکدام از کاربران طیف امن و مناسب را پیشنهاد می‌دهد. برای این منظور از همبستگی بین سیگنال راهنمای ارسالی و سیگنال دریافتی در هر بازه فرکانسی، میزان تاثیر تداخلگر در آن زیرباند حاصل می شود. سپس ضریب تخفیف الگوریتم یادگیری تقویتی بر پایه مقدار همبستگی به صورت وفقی تنظیم می گردد. به این ترتیب، زیرباندهایی که کمتر تحت تاثیر تداخلگر واقع شده اند، به کاربران اختصاص می یابند. روش پیشنهادی در سناریوهای مختلف مورد شبیه سازی و ارزیابی قرار گرفته و نتایج حاکی از آن است که نرخ مجموع شبکه با سرعت بالایی به نرخ مطلوب همگرا می شود و شیوه پیشنهادی مقاومت خوبی در برابر تداخلگر از خود نشان می دهد.

---

حل چالش تراکم توان عبوری از خطوط انتقال یا ناحیه­ای از سیستم قدرت، یکی از مسائل مهم پیش­روی بهره­برداران آنها به شمار می­آید. در این بین، علاوه بر انتخاب روش متناسب با ساختار شبکه برای رفع تراکم از خط انتقال، این فرآیند باید با هدف حداقل­سازی هزینه­های تحمیلی اجرا گردد. در این مقاله به منظور کنترل  بهینه تراکم خطوط انتقال، یک روش تلفیقی شامل مدیریت سمت تولیدات و تقاضای سیستم­ها به همراه بکارگیری قابلیت­ انعطاف­پذیری بهره­برداری از سیستم­های انرژی چندحاملی(برق، گاز و حرارت)، ارائه شده است. این روش در قالب دو حالت بهره­برداری مستقل سیستم قدرت و بهره­برداری یکپارچه  سیستم­های چندحاملی به مدیریت تراکم خطوط پرداخته و نتایج آنها با هم مقایسه شده است. همچنین، ضمن در نظر گرفتن سناریوی تراکم خطوط به همراه خروج همزمان یکی از واحدهای تولیدی، تاثیر بکارگیری ذخیره­سازهای انرژی نیز در حل این مشکل مورد مطالعه قرارگرفته است. شبیه­سازی سناریوها و بررسی کارایی روش پیشنهادی در یک سیستم انرژی چندحاملی شامل سیستم قدرت 39 باسه IEEE در ترکیب با شبکه گاز 20 گرهی بلژیک و با لحاظ چندین هاب انرژی اجرا شده است. ارزیابی نتایج حاصله بیانگر کاهش قابل­ملاحظه هزینه مدیریت تراکم خطوط در حالت بهره ­برداری یکپارچه با هماهنگی همزمان تولیدات و مصارف زیرسیستم­ها نسبت به بهره­برداری مستقل سیستم قدرت می­باشد. بعلاوه، این موضوع ثابت شد که ذخیره­سازی و تخلیه به موقع انواع انرژی­ها به کمک ذخیره­ سازها،‌‌ می‌تواند در راستای بهینه­ سازی(حداقل 10 درصدی) هزینه‌های تحمیلی به بهره­بردار موفقیت­ آمیز باشد.