خوشه بندی یا دسته بندی بدون نظارت با سازمان دهی پیکره های بزرگ متنی، نقش کلیدی در پیمایش و مرور آسان انبوهی از متون دارد. نقش این سازمان دهی در موتورهای جستجو برای ارائه خوشه های معنادار مرتبط با پرس و جو، جهت پیشگیری از سردرگمی کاربر در حجم عظیمی از اسناد بازیابی شده بیشتر نمایان می شود. علاوه بر مشکلاتی نظیر تعداد ابعاد بسیار زیاد و تحلیل خوشه ای، متاسفانه دیدگاه متعارف خوشه بندی های افرازی و سلسله مراتبی، به متن، همانند کیسه ای از کلمات است که در نتیجه در مقایسه ها فقط شباهت های ظاهری اسناد مورد توجه قرار می گیرد. در این نوع دیدگاه، کلمات یا تِرم ها کاملا ناهمبسته اند و به روابط کلمات (مثل هم معنایی و شمول) توجهی نمی شود. همچنین تلاشی برای رفع ابهام از کلمات چند معنایی صورت نمی گیرد. عدم توجه به این گونه مسائل غالبا منجر به خوشه بندی با کیفیت پایین و یا غیرمعنایی می شود. در این تحقیق، زبان فارسی با توجه به اهمیت آن به عنوان یکی از زبان های زنده دنیا و رشد روزافزون متون الکترونیکی به زبان نوشتاری فارسی، مورد توجه قرار گرفته است. ایده اصلی یافتن توصیف های مناسب برای دانش پس زمینه و غنی سازی متن فارسی با استفاده از آن جهت افزایش کیفیت خوشه بندی است. برای نیل به این مقصود از منبع دانش خارجی با نام واژ-هستان شناسی فارس نت استفاده شده است. با کمک فارس نت عملیات رفع ابهام از دسته های معنایی کلمه صورت پذیرفته، روابط هم معنایی و شمول مربوط به معنای کلمه رفع ابهام شده، وارد بردار کلمات متن می شود. همچنین برای خوشه بندی متنی بر رهیافت نمایش مبتنی بر اجزاء یا فاکتورگیری نامنفی ماتریس ترم-متن تاکید شده است. نتایج ارزیابی های صورت گرفته بر روی پیکره استاندارد متنی همشهری، نشان از بهبود کیفیت خوشه بندی متون فارسی غنی شده (بخصوص با رابطه شمول) در مقایسه با خوشه بندی خام دارد. همچنین تاثیر این روابط در بهبود کیفیت خوشه بندی و نیز توضیح خوشه ای بر پایه فاکتورگیری نامنفی ماتریس بیشتر از خوشه بندی bisecting kmeans بوده است.

امروزه به دلیل هزینه بالای حامل های انرژی، نیاز روز افزون به انرژی های نو برای جایگزینی سوخت های فسیلی احساس می شود. ارزان ترین و در دسترس ترین نوع این انرژی ها، انرژی خورشیدی است. در میان کاربرد های مختلف انرژی خورشیدی، تولید آبگرم مصرفی ساختمان ها، یکی از اقتصادی ترین روش های استفاده از انرژی خورشیدی محسوب می شود. از آنجا که تغییر تابش در طول روز یکی از پارامتر های غیرقابل کنترل است، باید ترتیبی اتخاذ شود تا امکان جذب بیشترین انرژی در تابش های مختلف فراهم شود. در این پایان نامه با استفاده از شبکه عصبی مصنوعی، دبی بهینه کلکتور های صفحه تخت خورشیدی در تابش های مختلف به ازاء دبی های مختلف آبگرم خروجی از مخزن پیش بینی شده است. برای آموزش شبکه عصبی، از داده های تجربی که توسط یک دستگاه آبگرمکن صفحه تخت خورشیدی گردآوری شده، استفاده شده است. داده برداری ها برای 7 دبی سیال مسیر کلکتور و 4 دبی آبگرم خروجی از مخزن انجام شده است. در مجموع 28 روز داده برداری برای 28 حالت مختلف انجام شده است که 67% داده های جمع آوری شده به آموزش شبکه و 33% داده ها به تست شبکه عصبی اختصاص داده شده است. زمان، دمای محیط، دمای صفحه جاذب، تابش عمود بر سطح کلکتور، دبی سیال مسیر کلکتور و دبی آبگرم خروجی از مخزن به عنوان ورودی های شبکه و دمای سیال ورودی به کلکتور و دمای سیال خروجی از کلکتور به عنوان خروجی های شبکه در نظر گرفته شده اند. بیشینه خطای نسبی آموزش شبکه برابر 2.17% و بیشینه خطای نسبی تست شبکه برابر 2.10% شده است. با استفاده از مدل شبکه عصبی ارائه شده، دبی های بهینه کلکتور در تابش های مختلف به ازاء دبی های مختلف آبگرم خروجی از مخزن پیش بینی شده است. نتایج در دو حالت مختلف برای دبی ثابت آبگرم خروجی از مخزن و نیز دبی متغیر آبگرم خروجی از مخزن ارائه شده است. نشان داده شده است که با افزایش تابش، برای دستیابی به بازده ماکزیمم، دبی کلکتور نیز بایستی افزایش یابد. بعلاوه هر چه دبی آبگرم خروجی از مخزن افزایش یابد، ماکزیمم مقدار دبی بهینه کلکتور نیز افزایش می یابد. نتایج نشان می دهد که تغییر دبی کلکتور، بازده لحظه ای کلکتور را 10.95% و بازده متوسط کلکتور را 2.38% افزایش می دهد.

تحقیق حاضر با هدف تدوین و اجرای مدلی برای ارزیابی توان تکنولوژی در شرکتهای تولیدی (و با تغییرات اندکی در شرکتهای خدماتی) انجام شده است. اطلاعاتی که از به کارگیری مدل حاصل می شود به مدیریت شرکتها کمک می کند تا اطلاعات لازم را برای تصمیم گیری در مورد ارتقا توان تکنولوژیکی شرکت خود در اختیار داشتند باشند. مدل مذکور شامل چهار جز اصلی است که عبارتند از: -اجزا تکنولوژی- توانایی های تکنولوژی- وضعیت موجود نوآوری- زیرساختارهای نوآوری و تکنولوژیتحقیق انجام شده به صورت مطالعه موردی ‏‎(case study)‎‏ انجام شده است به عبارت دیگر مدل پیشنهادی در شرکت قالبهای بزرگ صنعتی سایپا اجرا و نتایج حاصل از آن مورد تجزیه و تحلیل قرار گرفته است. براساس اطلاعات کسب شده، پیشنهاداتی نیز ارائه شده است.