per
دانشگاه صنعتی نوشیروانی بابل
مجله علمی رایانش نرم و فناوری اطلاعات
2383-1006
2588-4913
2017-04-21
6
1
1
7
51690
معماری تحملپذیر اشکال برای مسیریابهای شبکه روی تراشه سهبعدی
Fault-Tolerant 3-D Network-on-Chip Design using Dynamic Link Sharing
سید حسین سید آقایی رضایی
s.h.seyyedaghaei@gmail.com
1
مهدی مدرسی
modarressi@ut.ac.ir
2
گروه معماری کامپیوتر، دانشکده مهندسی برق و کامپیوتر، پردیس دانشکدههای فنی، دانشگاه تهران، تهران
گروه معماری کامپیوتر، دانشکده مهندسی برق و کامپیوتر، پردیس دانشکدههای فنی، دانشگاه تهران، تهران
اگرچه تراشههای سهبعدی یک راهحل امید بخش برای مقابله با مشکلات ناشی از مقایسپذیری در سطح مدارات مجتمع محسوب میگردند اما دمای بالای این تراشهها به دلیل افزایش چگالی توان، آسیبپذیری تراشههای سهبعدی در مقابل خطاهای دائمی و یا متناوب را بیشتر کرده است. از طرف دیگر استفاده از اتصالهای سریع عمودی (TSV) در مدارات مجتمع سهبعدی افق جدیدی را برای طراحی شبکههای روی تراشه باز کرده است. در این مقاله با به کارگیری اتصالهای سریع عمودی یک معماری با قابلیت تحملپذیر اشکال برای شبکههای روی تراشه سهبعدی معرفی خواهیم کرد. در این معماری، خرابیهای دائمی و متناوب اتصال (یا کراسبار)، با استفاده از اتصال (یا کراسبار) بیکار مسیریابهای بالا و پایین دور زده میشوند. نتایج نشان میدهد که معماری پیشنهادی نسبت به دیگر معماریهای ارائه شده کارآیی بیشتری داشته و قابلیت اطمینان شبکه را به طور متوسط تا 35 درصد افزایش میدهد.
Emerging 3D technology partitions a larger die into smaller parts and then stacks them in a 3D fashion. This technology can lead to a paradigm shift in on-chip communication design providing higher orders of bandwidth and lower latency. However, due to the aggressively scaled transistors in modern technology nodes, the reliability issue has become into a major concern. In this paper,we leverage these ultra-low-latency vertical links to design a fault-tolerant 3D NoC architecture. In this architecture, permanent and intermittent defects on links and crossbars are bypassed by borrowing the idle bandwidth from vertically adjacent links and crossbars. Evaluation results under synthetic and realistic workloads show that the proposed fault-tolerance mechanism offers higher reliability and lower performance loss, when compared with state-of-the-art fault-tolerant 3D NoC designs.
https://jscit.nit.ac.ir/article_51690_8ace46edf26b2e66fb9a04cdd0240abd.pdf
شبکه روی تراشه سه بعدی
تبمل پذیر خرابی
به اشتراک گذاری منابع
Fault-Tolerant
Resource Sharing
3-D NoCs
per
دانشگاه صنعتی نوشیروانی بابل
مجله علمی رایانش نرم و فناوری اطلاعات
2383-1006
2588-4913
2017-04-21
6
1
8
15
51691
مدلسازی پدیده خودگرمایی و مشخصه غیر خطی سنسور NTC با استفاده از شبکه های عصبی برای اندازه گیری مستقیم دما
Self-heating Phenomenon and Nonlinear Characteristic Modeling of NTC Using Artificial Neural Network for Direct Measurement of Temperature
جمال قاسمی
jghasemi@umz.ac.ir
1
محمد مهدی پور
mmahdipour7@gmail.com
2
دانشکده فنی و مهندسی، دانشگاه مازندران، بابلسر، ایران.
دانشکده فنی و مهندسی، موسسه غیرانتفاعی آمل، آمل، ایران.
یکی از مهمترین پارامترهای قابل اندازه گیری در سیستم های مهندسی، دما است. برای اندازه گیری دما با توجه به میزان دقت مورد نیاز و شرایط فیزیکی، سنسورهای مختلفی از جمله RTD، NTC، PTC، Thermocouple و ... وجود دارد. یکی از مهمترین این سنسورها NTC است، که علیرغم داشتن مزایای زیاد، اما به دلیل غیرخطی بودن کمتر از ان استفاده می شود. پدیده خودگرمایی در NTC ها یکی از مهمترین عوامل بازدارنده در استفاده از آن در کاربردهای عملی می شود. در این تحقیق ساختاری جدید مبتنی بر استفاده از شبکه های عصبی برای مدلسازی پدیده های غیرخطی و خودگرمایی در سنسور NTC پیشنهاد شده است. در ساختار پیشنهادی این تحقیق با استفاده از داده های آزمایشگاهی و واقعی، شبکه های عصبی آموزش و آزمایش می شوند. میانگین مربعات خطای 2040/0 و 1600/0 به ترتیب برای شبکه های MLP و RBF بیانگر موفقیت روش پیشنهادی در مدلسازی رفتار غیرخطی سنسور NTC است.
In the engineering systems, one of the most important measurable parameters is temperature. For measurement of temperature as for sensitivity, accuracy and term of physical required, different sensors as RTD, NTC, PTC, Thermo-couple are exist. One of the most important sensors is NTC that despite the many benefits, less than it used to be. Nonlinearity characteristic and self-heating phenomenon in the NTC are the biggest deterrents in practical applications. In this study, a new structure based on application of artificial neural network (ANN) has been suggested for modeling of the nonlinear and the self-heating phenomenons of NTC. Simulation results based on read generated laboratory data are presented to demonstrate the performance of the proposed structure. Mean square error of 0.0480 and 0.0370 are achieved based on MLP and RBF neural network, respectively.
https://jscit.nit.ac.ir/article_51691_3a28f5fe2f27991edf1a4ff289317aa3.pdf
دما
سنسور NTC
پدیده خودگرمایی
مدلسازی
شبکههای عصبی
Temperature
NTC sensor
Self-heating
Artificial Neural Network
per
دانشگاه صنعتی نوشیروانی بابل
مجله علمی رایانش نرم و فناوری اطلاعات
2383-1006
2588-4913
2017-04-21
6
1
16
25
51692
طبقهبندی تراکم تاج پوشش جنگلی با استفاده از تصاویر پانکروماتیک هوایی به کمک تولید ویژگیهای بافتی آماری مرتبه 1 و 2 و زمینآمار
Zagros Forest Canopy Density Classification by Image Texture Quantization based on First and Second Statistical and Geostatistical Methods Using Arial Panchromatic Images
حامد عاشوری
hamed_ashoori@yahoo.com
1
محمد جواد ولدان زوج
valadanzouj@kntu.ac.ir
2
مسعود طائفی فینجانی
m_taefi@ari.ac.ir
3
گروه فتوگرامتری و سنجش از دور، دانشکده مهندسی نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران.
گروه فتوگرامتری و سنجش از دور، دانشکده مهندسی نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران
پژوهشگاه هوافضا، پژوهشکده علوم و فناوری فضایی، تهران، ایران.
نقشه طبقهبندی تراکم تاج پوشش جنگلی یکی از منابع اطلاعاتی اصلی مورد نیاز در کاربردهای مدیریت جنگل است. در روشهای متداول برای تولید این نقشه از تصاویر چند طیفی استفاده می شود. در این تحقیق از تصاویر پانکروماتیک هوایی به عنوان یک منبع داده ارزشمند جهت تولید این نقشه استفاده شده است. با استفاده از روشهای آماری کمیسازی بافت تصویر شامل روشهای آماری مرتبه 1، مرتبه 2 مبتنی بر ماتریس رخداد توام و زمین آمار، لایههای تصویری جدید از این تصاویر دارای رزولوشن مکانی بالا دادههای تولید شده و در طبقه بندی نظارت شده جهت تفکیک کلاسهای مختلف تراکم تاج پوشش مورد استفاده قرار گرفته است. بدین ترتیب با تقویت فضای ویژگی، نقشه تراکم تاج پوشش با دقت قابل قبولی تولید گردید.
Forest canopy density classification map is one of the main sources of information used in forest management. In conventional methods multispectral images are used to generate the map. In this study, aerial panchromatic images as a valuable data source are used to generate this map. Statistical image texture quantization methods including first statistical and second statistical based on GLCM matrix and also geostatistical method used to generate new features from high spatial resolution image. Generated features beside main image used as classification input feature space. Supervised classification was used and about 90% accuracy was obtained. This method is mainly usable in areas with low variety in forest cover type like Zagros and Iran-Turanian region.
https://jscit.nit.ac.ir/article_51692_b5107ce4b057adc9b19fb0d0228e3665.pdf
طبقه بندی تاج پوشش جنگلی
کمی سازی بافت تصویر
تصویر پانکروماتیک
Canopy Density Classification
Texture Quantization
Panchromatic Image
per
دانشگاه صنعتی نوشیروانی بابل
مجله علمی رایانش نرم و فناوری اطلاعات
2383-1006
2588-4913
2017-04-21
6
1
26
35
51693
ارزیابی مدلهای ارتفاعی رقومی جهانی در قیاس با مدلهای محلی از منظر ارتفاع و شیب
A Comparative Study of The Slope and Elevation of The GDEMs and Local DEMs
سید باقر فاطمی
sb.fatemi@eng.ui.ac.ir
1
امین علیزاده نایینی
a.alizadeh@eng.ui.ac.ir
2
گروه مهندسی نقشهبرداری، دانشکده مهندسی عمران و حمل و نقل، دانشگاه اصفهان
گروه مهندسی نقشهبرداری، دانشکده مهندسی عمران و حمل و نقل، دانشگاه اصفهان.
امروزه اطلاعات ارتفاعی رقومی (DEM) کار بردهای وسیعی در شاخه های مختلف پژوهشی و اجرایی پیدا کرده اند. در این میان، محصولات جهانی ارتفاعی به صورت رایگان در اختیار همگان قرار گرفته و مورد استفاده وسیع می باشند. دو جنبه مهم هر DEM، اطلاعات ارتفاعی و شیب می باشد. در تحقیق حاضر سه محصول ارتفاعیجهانی ASTER, SRTM90و SRTM30با محصول DEM سازمان نقشهبرداری کشور، از منظر اطلاعات ارتفاعی و شیب برای اولین بار مقایسه گردیده است. در این مقایسه دو منطقه در نظر گرفته شده است که یکی دارای مناطق پست بیشتری (منطقه تازه-آباد) نسبت به دیگری (منطقه بومهن) است. جهت ارزیابی دقت محصولات چهارگانه، دادههای ارتفاعی نقشة 1:2000 منطقههای مذکور نیز تبدیل به DEM گردیدند. نتایج نشان میدهند که از دیدگاه خطای باقیمانده (RMSE) و همچنین تعداد سلول با خطای کم، محصول سازمان نقشهبرداری کشور از سه داده دیگر مناسبتر است. به دنبال آن SRTM30 بهترین داده ارتفاعی بوده است. SRTM90و ASTER به ترتیب محصولات ارتفاعی با دقت بیشتر بودهاند. در محصول شیب نیز همین رابطه تقریبا برقرار است، بجز آن که محصول SRTM90 با توجه به توپوگرافی حساسیت نشان میدهد و در مناطق با شیب بیشتر تطابق کمتری با واقعیت دارد. به طورکلی در محصول شیب رفتار هر چهار محصول در دو منطقه مورد آزمایش مشابه بوده است که این امر نشان دهندهی پایداری بیشتر محصول شیب نسبت به ارتفاع است.
In this comparative study, three global DEMs, namely, SRTM90, SRTM30 and ASTER have been compared to a national DEM, derived from 1:25000 maps by NCC of Iran. The goal of this study is to assess the accuracy of different DEMs, and lastly show which of them matches both NCC and reality more closely. To achieve these goals, a reference DEM has been derived from 1:2000 maps of the areas in question. Experimental results on two different areas showed that NCC DEM outperforms than the other DEMs. As is obvious, SRTM30 matches both NCC DEM and reality more closely. This relationship is true for slope products except for SRTM90, which is sensitive to the topography. This product has minimal correlation with reference DEM, derived from 1:2000 maps. Generally speaking, RMSE values of slope data are similar for all four DEMs in the two case studies, implying that slope data are more robust than the elevation data.
https://jscit.nit.ac.ir/article_51693_8dc84186fac11e0fa0f7637d30dab21e.pdf
ارزیابی دقت
ASTER GDEM
SRTM GDEM و NCC DEM
Accuracy Evaluation
SRTM GDEM
ASTER GSEM
NCC DEM
per
دانشگاه صنعتی نوشیروانی بابل
مجله علمی رایانش نرم و فناوری اطلاعات
2383-1006
2588-4913
2017-04-21
6
1
36
43
51694
کنترل فرکانس ریزشبکهی جزیرهای با کنترلگر تناسبی- انتگرالی تنظیم شده با منطق فازی و الگوریتم ازدحام ذرات
Using Fuzzy PI controller Optimized by PSO for Frequency Control of Island Microgrids
فاطمه جمشیدی
jamshidi1429@yahoo.com
1
سیده لی لی امامزاده یی
leyli.00e@gmail.com
2
محمد مهدی قنبریان
m_ghanbarian@yahoo.com
3
گروه مهندسی برق، دانشکده مهندسی، دانشگاه فسا، فسا، ایران
گروه مهندسی برق، دانشکده مهندسی، دانشگاه فسا، فسا، ایران
گروه مهندسی برق، دانشکده مهندسی، دانشگاه آزاد اسلامی، واحد کازرون، کازرون، ایران
ریزشبکهها منابع انرژی پراکندهایی هستند که با استفاده از انرژیهای تجدیدپذیر، توان الکتریکی تولید و به بارهای پراکنده در حالتت هتای -متصل به شبکهی سیستمهای توزیع و یا منفصل از آن انتقال میدهند . در این مقاله از کنترلگر تناسبی انتگرالی ) - PI ( تنظیم شده بتا منقتف فتازی و بهینه شده با الگوریتم ازدحام ذرات برای کنترل فرکانس ریزشبکهی جزیرهای استفاده شده است. به دلیل تغییرات طبیعی توان تولیدی با انرژیهتای تجدیدپذیر و عدم ققعیتهای سیستم قدرت ، کنترلگر های کلاسیک در شرایط مختلف ، عملکرد مناسب ندارند. در پاسخ به این چالش ، در اینجا مقدار نامی پارامترهای کنترلگر PI با استفاده از الگوریتم ازدحام ذرات بهینه میگردد. سیستم فازی، نیز مقدار لحظهایی پارامترهای کنترلگر را محاسبه می-کند. الگوریتم ازدحام ذرات محدودۀ بهینۀ توابع عضویت سیستم فازیِ پیشنهادی را نیز تعیین مینماید. شبیه ستازی هتا عملکترد بهتتر طترت کنتترل پیشنهادی در مواجهه با اغتشاش بارهای مختلف از لحاظ RMS ، فراجهش و فروجهش، فرکانس نوسانات و زمان نشست تغییرات فرکتانس در مقایسته با کنترلگر PI کلاسیک زیگلر نیکولز، کنترلگر PI فازی و کنترلگر مشابه دیگری را نشان می دهد. به علاوه نتایج بیانگر عملکرد مقاو م مقلوب کنترلگرِ -پیشنهادی در برابر تغییرات پارامترهای سیستم است.
In this paper, the fuzzy proportional- integral controller (PI) optimized by particle swarm algorithm is applied to control the frequency of island Micro-grids. Micro-grids are distributed energy sources that usually use renewable energies in order to produce and transmit electrical power to distributed loads in both connected and islanded modes. Because of natural variations of power that produced by renewable energy sources and uncertainties of power systems, classic controllers do not have a good performance. So nominal values of PI parameters and interval of fuzzy membership functions are optimized using PSO algorithm. Fuzzy system updates PI parameters momently. Simulations show the better performance of proposed controller in terms of RMS, overshoot and undershoot, frequency of oscillations and settling time in facing different load disturbances in comparison to classic PI controller, fuzzy PI controller and another PSO fuzzy controller. Results indicate the robust performance of the proposed controller in dealing with variation of system parameters.
https://jscit.nit.ac.ir/article_51694_44f830f9c430e4fc4e48a14c9ecd70cc.pdf
الگوریتم ازدحام ذرات ) PSO (
ریزشبکه
ریشه میانگین مربعات ) RMS ( تغییرات فرکانس
کنترلگر PI
سیستم فازی
Frequency deviation
Fuzzy System
Particle Swarm Optimization (PSO)
PI controller
Micro-grid
Root Mean Square (RMS)
per
دانشگاه صنعتی نوشیروانی بابل
مجله علمی رایانش نرم و فناوری اطلاعات
2383-1006
2588-4913
2017-04-21
6
1
44
51
51695
بازشناسی برخط ارقـام دستنویس فارسی با استفاده از طبقهبند ماشین بردار پشتیبان
Online Recognition of Farsi Handwritten digits Using SVM Classifier
مجید مرزانی
majid.marzani@birjand.ac.ir
1
سیّد محمّد رضوی
smrazavi@birjand.ac.ir
2
مهران تقیپور گرجیکلایی
mtaghipour@birjand.ac.ir
3
دانشکده مهندسی برق و کامپیوتر، دانشگاه بیرجند، بیرجند، ایران
دانشکده مهندسی برق و کامپیوتر، دانشگاه بیرجند، بیرجند، ایران
دانشکده مهندسی برق و کامپیوتر، دانشگاه بیرجند، بیرجند، ایران
در این مقاله روشی برای بازشناسی برخط ارقام دستنویس فارسی ارایه میشود. چهار مجموعه ویژگی نقطهای و یک مجموعه ویژگی سراسری، از نمونههای پیشپردازششده استخراج شدهاست. در این پژوهش ساختاری مناسب برای بردار ویژگی، تنها حاوی یک مجموعه ویژگی نقطهای و بهرهگیری از ویژگیهای سراسری در کنار ویژگیهای نقطهای برای بهبود عملکرد طبقهبند ارایه میشود. به همین منظور آزمایشهای متعددی با هرکدام از مجموعه ویژگیهای نقطهای و همچنین بهرهگیری از ویژگیهای سراسری در کنار هریک از مجموعه ویژگیهای نقطهای با استفاده از طبقهبند ماشین بردار پشتیبان (SVM) با رویکردهای یک در مقابل همه (OVA) و یک در مقابل یک (OVO) انجام شدهاست. در این تحقیق بهمنظور ارایه روشی سریع، دقیق و با قابلیت اطمینان بالا، طبقهبند ماشین بردار پشتیبان (SVM) با رویکرد یک در مقابل یک (OVO) برای بازشناسی برخط ارقام دستنویس فارسی، پیشنهاد شدهاست. روش پیشنهادی ارایه شده در این مقاله روی ارقام موجود در پایگاه داده Online-TMU انجام شدهاست، بهترین نرخ بازشناسی، با بهرهگیری از تغییرات در راستای افقی (Δx) و تغییرات در راستای عمودی (Δy) به عنوان ویژگی نقطهای در کنار مجموعه ویژگیهای سراسری حاصل میشود، که میانگینی برابر با 08/98 درصد دارد.
In this paper a method for online recognition of Farsi handwritten digit is presented. Four sets of Point Features and a set of global features are extracted from preprocessed patterns. In this study a suitable structure for feature vector, which contains only a set of point features and global features, to improve the performance of classifier, is presented. Therefore, numerous experiments with each of the point feature set and the global features using support vector machine (SVM) classifier, with one versus all (OVA) and one versus one (OVO) approaches is done. In this paper, for presenting a fast, accurate and reliable method, SVM classifier with OVO approach is proposed for online recognition of Farsi handwritten digits. This method is applied on online-TMU database. The best recognition rate with point feature set (Δx , Δy)s and global features is achieved. The average recognition rate is 98.08%.
https://jscit.nit.ac.ir/article_51695_71d995d2c96401dc711f9a74cbaf145a.pdf
بازشناسی برخط
ارقام دستنویس فارسی
ماشین بردار پشتیبان ) SVM (
یک در مقابل یک ) OVO .)
Farsi handwritten digits
One versus on (OVO)
online recognition
Support vector machine (SVM)
per
دانشگاه صنعتی نوشیروانی بابل
مجله علمی رایانش نرم و فناوری اطلاعات
2383-1006
2588-4913
2017-04-21
6
1
52
58
51696
رنگیسازی خودکار تصاویر با استفاده از قطعهبندی بر اساس پیکسون و تئوری منطق فازی
Automatic image colorization using segmentation based on pixon and fuzzy logic theory
طیبه عسکری جواران
t.askari@bam.ac.ir
1
حمید حسن پور
h.hassanpour@shahroodut.ac.ir
2
مجتمع آموزش عالی بم، بم، ایران.
دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی شاهرود، شاهرود، ایران.
رنگیسازی، فرآیند تخصیص رنگ به تصاویر و یا فیلمهای خاکستری میباشد. از آنجایی که رنگهای زیادی دارای سطح روشنایی یکسانی میباشند، تبدیل تصویر سطح خاکستری به رنگی، راه حل واحد و اتوماتیک نداشته و انسان نقش اساسی در فرآیند رنگیسازی دارد. از طرفی، در یک تصویر سطح خاکستری، اطلاعات پیکسلهای همجوار در تعیین رنگ آن پیکسل مؤثر میباشند. در این مقاله یک ایده جدید برای رنگیسازی تصاویر سطح خاکستری بر اساس قطعهبندی تصویر و با حداقل دخالت انسان پیشنهاد شده است. در اینجا روشی برای رنگیسازی تصویر تست بر اساس مجموعهای از تصاویر مرجع ارائه میگردد. تصاویر مرجع، شامل دستههایی از تصاویر طبیعی رنگی میباشد. هر دسته، شامل تصاویر ساده طبیعی و عمومی از جمله تصاویر کوه، درخت، انسان، دریا، گل و از این قبیل میباشد. زمانی که یک تصویر سطح خاکستری توسط کاربر برای رنگآمیزی، به الگوریتم داده می شود، نوع (دسته) آن نیز توسط کاربر مشخص میگردد. کاربر میتواند به ازای یک تصویر، نوعهای مختلفی انتخاب نماید. مجموعه تصاویر مربوط به نوع(های) انتخاب شده توسط کاربر، به عنوان تصاویر مرجع جهت رنگیسازی تصویر تست انتخاب میشوند. سپس تصویر تست قطعهبندی شده و برای هر قطعه آن، شبیهترین قطعه در تصاویر مرجع مربوطه، مشخص میگردد. این قطعه از تصویر تست با استفاده از تئوری فازی بر اساس قطعه انتخاب شده از تصویر مرجع رنگآمیزی میشود. این کار برای تمامی قطعات تصویر تست انجام شده و در نتیجه، یک تصویر رنگیشده حاصل میگردد. در انتها، برای هماهنگ کردن رنگها در نقاط مرزی قطعات، یک پسپردازش روی تصویر حاصل صورت میگیرد. برتری این روش نسبت به روشهای مشابه دخالت حداقل انسان و استفاده از اطلاعات پیکسلهای همجوار در رنگ یک پیکسل میباشد.
Colorization is the process of color allocation into grayscale images or films. Since several colors are the same level of illumination, the colorization of a grayscale image into a colorized one has not a unique and automatic solution, and the human has a cardinal role in the colorization process. In other hand, in a grayscale image, the information of the neighbor pixels of a pixel are effective in its color. In this paper, a novel idea has been proposed for colorization of a grayscale image based on image segmentation, with minimum human interference. The proposed method use a collection of reference images consist of some classes of natural color images. Some example of classes are tree, mountain, jungle, sea, human flower and etc. As soon as the user import a test grayscale image into the algorithm, its type (class) is selected by the user. The user can select more than one class for a test image. The reference images of the selected class are used as the reference images in the colorization process. On the other hand, the test image is segmented, and for each segment, the most similar segment in the set of the segments of the selected reference images is specified. The segment of the grayscale test image is colorized using the fuzzy theory based on the specified segment of the reference image. This process is done for all the segments of the test image. Finally, a post process is applied to match the color of the neighbor pixels. The minimum human interference and the use of the information of the neighbor pixels are the most important advantages of the propose method.
https://jscit.nit.ac.ir/article_51696_7583f22dc8627a8a4657525ea23f418c.pdf
رنگیسازی
قطعه بندی
خوشه بندی فازی
پیکسون