محمد خویشه
دانشجوی دکتری دانشکده مهندسی برق، دانشگاه علم و صنعت ایران
[ 1 ] - طراحی و پیاده‌سازی یک دسته‌بندی کننده دادگان سوناری مبتنی بر شبکه عصبی ادراکی چندلایه آموزش دیده شده با الگوریتم بهینه‌سازی گروهی فیل‌ها
دسته‌بندی اهداف سوناری به‌دلیل پیچیدگی فیزیکی و شباهت بسیار زیاد کلاتر با اهداف واقعی در سونار فعال، یکی از مسایل چالش‌برانگیز برای پژوهشگران این حوزه است. شبکه‌های عصبی ادراکی چندلایه، یکی از کارآمدترین ابزار در دسته‌بندی اهداف می‌باشند. از آموزش می‌توان به عنوان مهمترین بخش این شبکه‌ها اشاره نمود که دقت دسته‌بندی را تا حد زیادی کنترل می‌نماید. در سال‌های اخیر استفاده از الگوریتم‌های فراابتکا...
[ 2 ] - بهبود کیفیت تصاویر در ناوبری پهپاد با استفاده از روش فراتفکیک‌پذیری مبتنی بر شبکه عصبی کانولوشنی با نگاشت چندلایه
ناوبری هوشمندانه و خودکار پهپاد براساس انطباق تصاویر دریافتی از پهپاد با تصاویر ماهواره‌ای یکی از جدیدترین گونه‌های ناوبری می‌باشد که بسیار مورد توجه محققان و صنعتگران این حوزه قرار گرفته‌است. این روش هم از نظر جنگ الکترونیک و هم از نظر کارآیی، زمانی موثر است که تصاویری با کیفیت بالا موجود باشد تا ویژگی‌های تصاویر را بتوان استخراج نمود. اما یکی از عواملی که سبب کاهش بهره استخراج ویژگی‌های تص...
[ 3 ] - طراحی پروانه‌های دریایی با استفاده از الگوریتم بهینه‌ساز ازدحام ذرات با گروه‌های مستقل به منظور بهبود بازده و کاهش کاویتاسیون
با توجه به وجود پارامترهای بسیار زیاد موثر در طراحی، وجود چندین هدف متناقض با هم و شرایط ناپایدار و بسیار پیچیده محیطی، طراحی پروانه‌های دریایی به یکی از موضوعات چالش برانگیز برای طراحان و محققان این حوزه تبدیل شده است. امروزه الگوریتم‌های فراابتکاری به عنوان یکی از راه‌حل‌های بسیار کارآمد برای حل مسایل پیچیده‌ی مهندسی بکار می‌روند. در این مقاله به‌منظور طراحی پروانه‌های دریایی برای اولین بار ا...
[ 4 ] - دسته بندی اهداف سوناری با استفاده از روش ترکیبی ازدحام ذرات و جستجوی گرانشی
با توجه به خصوصیات فیزیکی بسیار نزدیک اهداف واقعی و کلاترِ سونار فعال، تفکیک این اهداف، از موضوعات چالش‌برانگیز محققان و صنعتگران حوزه آکوستیک می‌باشد. شبکه‌های عصبی چندلایه (MLP) یکی از پرکاربردترین شبکه‌های عصبی در دسته‌بندی اهداف دنیای واقعی هستند. آموزش از مهمترین بخش‌های توسعه این نوع شبکه ها است که در سال‌های اخیر بسیار مورد توجه قرار گرفته است. به منظور آموزش شبکه‌های MLP از دیر باز استف...
[ 5 ] - بهبود وضوح تصاویر رادار روزنه‌ی مصنوعی با استفاده از الگوریتم داپلر-فاصله و تبدیل فوریه‌ی کسری
الگوریتم داپلرفاصله داده‌های خام رادار روزنه‌ی مصنوعی را برای تولید تصویر نهایی پردازش می‌کند. این الگوریتم فیلترینگ منطبق(اعمال فیلتر تطبیقی)را در حوزه‌ی تبدیل فوریه برای سمت و فاصله اجرا می‌کند. برای صرفه‌جویی در زمان و تصحیح جابجایی سلول فاصله، تبدیل فوریه‌ی سریع در حوزه‌ی فرکانس- سمت و زمان- فاصله استفاده می‌شود. این حوزه، حوزه‌ی داپلر - فاصله نامیده می‌شود وتصحیح جابه‌جایی سلول فاصله در ای...
[ 6 ] - A Modified Grey Wolf Optimizer by Individual Best Memory and Penalty Factor for Sonar and Radar Dataset Classification
Meta-heuristic Algorithms (MA) are widely accepted as excellent ways to solve a variety of optimization problems in recent decades. Grey Wolf Optimization (GWO) is a novel Meta-heuristic Algorithm (MA) that has been generated a great deal of research interest due to its advantages such as simple implementation and powerful exploitation. This study proposes a novel GWO-based MA and two extra fea...
[ 7 ] - فشرده‌سازی سیگنال‌های تنفسی با استفاده از روش کدکننده پیش‌بینی خطی بهینه شده توسط الگوریتم بهینه‌ساز نهنگ کوهان‌دار جهت انتقال با سونوبوی
با توجه به اهمیت ارسال بلادرنگ سیگنال‌های پزشکی از زیر آب به سطح از یک سو و توانایی روش کدکننده پیش بینی خطی LPC در فشرده‌سازی سیگنا‌‌‌‌ل‌ها از سوی دیگر، این مقاله علائم حیاتی غواص را برای ارسال بلادرنگ با روش LPC فشرده‌سازی می‌کند. از سوی دیگر با توجه به وابسته بودن جان غواص به دقت ارسال این علائم و شباهت حداکثری سیگنال اصلی با سیگنال فشرده شده، دقت فشرده‌سازی در این حوزه از اهمیت بسیار بالای ...
نویسندگان همکار