سیدا دانلود مقاله در مورد روش های استخراج ویژگی و روش های خطی و غیر خطی دسته بندی 17 ص

دانلود مقاله در مورد روش های استخراج ویژگی و روش های خطی و غیر خطی دسته بندی 17 ص

فرمت فایل دانلودی: .zip
فرمت فایل اصلی: .docx
تعداد صفحات: 16
حجم فایل: 487 کیلوبایت
قیمت: 6000 تومان

لینک دانلود و خرید پایین توضیحات
دسته بندی : وورد
نوع فایل :  word (..docx) ( قابل ویرایش و آماده پرینت )
تعداد صفحه : 16 صفحه

 قسمتی از متن word (..docx) : 
 

‏Dec. 28
‏Feature Extraction
2
‏1) ‏چکیده:
‏ ‏در این تمرین‏ روش‏ ‏های استخراج ویژگی و‏ ‏روش‏ ‏های خطی و غیر خطی‏ دسته‏ ‏بندی‏ ‏را مورد مطالعه قرار می‌دهیم‏.‏ ‏در ابتدا‏ روش‏ ‏های مختلف استخراج ویژگی که از آن جمله PCA‏، LDA‏، روش قاب بندی و چند روش دیگر هستند را و سپس برای ویژگی‏ ‏های استخراج شده از‏ ‏روش‏ ‏های‏ دسته‏ ‏بندی‏ خطی بیزین و SVM‏ خطی و سپس روش‏ ‏های غیر‏‌‏خطی RBF‏ ، MLP‏ و همچنین SVM‏ غیر‏‌‏خطی ‏بر‏ا‏ی‏ دسته‏ ‏بندی استفاده ‏ شده‏‌‏ ‏ا‏ست‏. ‏بسته ‏به ‏روش ‏شناسایی ‏بکار ‏گرفته ‏شده، ‏معمولا ‏ویژگی‏ ‏های ‏متفاوتی ‏از ‏دنباله ‏نقاط ‏استخراج ‏می ‏شود. ‏در ‏اکثر ‏روش ‏های ‏موجود‏ ‏استخراج ویژگی‏، ‏ویژگی‏ ‏ها ‏از ‏روی ‏مختصات ‏نقاط ‏نمونه‏ ‏برداری ‏شده ‏ورودی ‏استخراج ‏می‏ ‏شو‏ن‏د‏. از مجموعه ی ویژگی های استخراج شده معمولاً تعدادی مفید تر و موثرترند. ما برای تشخیص و انتخاب ویژگی های تاثیرگذارتر از یک الگوریتم ژنتیک استفاده کرده ایم.‏ ‏اما پس از استخراج و انتخاب‏ ویژگی‏ ‏ها‏ نوبت به دسته بندی می رسد.‏ در ابتدا از چند دسته بند خطی استفاده کرده ایم.‏ به راحتی می‏‌‏توان نشان داد که ناحیه‏‌‏های تصمیم‏‌‏گیری یک ماشین خطی محدودند‏ ‏و این محدودیت انعطاف‏‌‏پذیری و دقت دسته‏‌‏بند را کاهش می‏‌‏دهد. ‏مسایل بسیاری وجود دارد که توابع جداساز خطی برای داشتن حداقل خطا در آنها کافی نیستند.‏ علاوه بر این مرزهای تصمیم‏‌‏گیری که کلاسها را از یکدیگر تفکیک می‏‌‏کنند ممکن است همیشه خطی نباشند و پیچیدگی مرزها گاهی اوقات نیاز به استفاده از سطح‏‌‏های کاملاً غیر خطی‏ را ‏دارند.‏ ‏بنابراین در ادامه ی کار از چند دسته بند غیرخطی نیز استفاده نمودیم. ‏در استفاده از شبکه‏‌‏های عصبی چندلایه، شکل غیر خطی بودن از مجموعه‏‌‏ی آموزش فرا گرفته می‏‌‏شود. در روشهای RBF ‏ و SVM‏ غیرخطی مشکل‏ اصلی انتخاب توابع‏ هسته‏ غیر خطی مناسب است.
‏2) مقدمه
‏ ‏ ‏اولین الگوریتم دسته‌بندی در سال 1936 توسط Fisher‏ ارایه شد و معیارهای آن برای بهینه بودن، کم کردن خطای دسته‌بندی کننده‌های الگو‌های آموزشی بود. بسیاری از استراتژی‌های موجود نیز از همین روش پیروی می‌کنند. ‏در ساده‏‌‏ترین شکل ممکن‏،‏ دسته بند‏‌‏های خطی می‌توانند دو دسته‌ی متفاوت را تفکیک کنند‏.‏ با توجه به این موضوع مساله‌ای را جدایی‌پذیر خطی می‌نامند که با یک ابرصفحه بتوان محدوده‌ی تصمیم را به ‏دو ‏گروه تقسیم‏‌‏بندی کرد. در عمل می‏‌‏توان دسته بند‌های خطی‌ای را طراحی کرد که بیش از دو گروه را از هم تفکیک کنند. این عمل را با‏ ‏تنظیم محدوده‌های تصمیم متعدد و آزمون‌های چندگانه بر اساس شرایط موجود می‌توان انجام داد. ما در این مساله یک دسته بندی با 26 کلاس را داریم.
‏ ‏ ‏در روش بیزین احتمال شرطی تعلق بررسی می‌شود‏. به این ترتیب که الگوی مورد نظر به دسته‌ای تخصیص داده می‏‌شود که احتمال شرطی تعلق بردار مشخصه‌ی الگو به آن دسته ازتمام دسته‌های دیگر بیشتر باشد.‏ روش بیزین به طور کلی می تواند برای کارایی بسیار مطلوب بهینه شوند. این روش مزایای دیگری نیز دارد که استفاده‌ی از آن را توجیه می‌کند. این روش می‌تواند با چند فرض ساده در مورد داده‌ها کاملاً به شکل روشهای ساده‌ی خطی عمل کند، به علاوه این کار می‌تواند به
‏Dec. 28
‏Feature Extraction
2
‏گونه‌ای انجام شود که در پایان، مدل قطعی بدون هیچ گونه رجوع به آمار به دست آید. در روش بیزین مشکل کار تعریف احتمالات شرطی مورد نظر قاعده‌ی بیز است.‏
‏ ‏ یک محقق روسی به نام Vladimir Vapnik‏ در سال 1965 گام مهمی در طراحی دسته‌بندها برداشت [1]‏ و نظریه‌ی آماری یادگیری را بصورت مستحکم‌تری بنا نهاد و ماشین بردار پشتیبان را ارایه کرد. ‏ ماشین‌های بردار پشتیبان در دو حالت جدایی‌پذیر و جدایی‌ناپذیر برای دسته‌بندی الگوهای یک مساله‌ی چندکلاسه از چند مرز جداکنند‏ه‏‌ی خطی یا ابرصفحه استفاده می‌کنند و در واقع حاصلضرب داخلی بردار ورودی با هر یک از بردارهای پشتیبان در فضای d‏ بعدی ورودی محاسبه می‌شود. Vapnik‏ نشان داد که می‌توان بردار ورودی را با یک تبدیل غیرخطی به یک فضای با بعد زیاد انتقال داد و در آن فضا حاصلضرب داخلی را بدست آورد که با این شرایط هسته‌ی مفیدی را خواهیم داشت.
‏ ‏ روش RBF‏ یک دسته‏‌‏بندی و تقریب‌ساز تابعی الگوست و شامل دو لایه می‌باشد که نرون‌های خروجی ترکیبی خطی از توابع پایه‌ای را به وجود می‌آورند که توسط نرون‏‌‏های لایه‌ی پنهان محاسبه شده‌اند.‏ زمانی که ورودی در ناحیه‌ی تعیین شده‌ی کوچک از فضای ورودی قرار گیرد، توابع اساسی(غیر خطی) در لایه‌ی پنهان، پاسخ غیر صفری به محرک ورودی می‏‌‏دهند. همچنین این مدل به عنوان یک شبکه‌ی دریافت‌کننده‌ی ناحیه‌ای شناخته شده است. ما در روش RBF‏ از معمول‌ترین تابع هسته‏‌ی‏ غیر خطی یعنی سیگموئید استفاده کرده‌ایم.
‏ ‏ به‏ ‏طور کلی شبکه‌های پرسپترون چند‌لایه شامل چندین پرسپترون ساده هستند که به طور ساختار سلسله‌مراتبی، یک شکل پیش‌خورد با یک و یا چند لایه‌ی میانی (لایه‌های پنهان) بین لایه‌های ورودی و خروجی را شکل می‌دهد.‏ تعداد لایه‌ی پنهان و تعداد نرون‌های هر لایه ثابت نیستند. هر لایه ممکن است از نرون‌های مختلفی تشکیل شده باشد که این موضوع به کار آنها بستگی دارد. الگوریتم‌های آموزشی متفاوتی در روش ‏چند لایه ‏استفاده می‌شوند‏.‏
‏3) روشهای به کار رفته در این گزارش
‏ ‏در این قسمت ‏روشهای استخراج ویژگی، روشهای انتخاب ویژگی ها جهت بهینه کردن آنها و کم کردن ابعاد مساله با کاهش تعداد آنها ‏و روشهای دسته‌بندی (خطی و غیرخطی) به کار رفته ‏بررسی شده‌اند.
‏3-1) ‏روشهای استخراج ویژگی
‏ ‏در این قسمت انواع روشهای استخراج ویژگی ها ذکر شده است.‏ ذکر این نکته لازم است که برخی الگوریتم های استخراج برای انتخاب ویژگی های موثر نیز استفاده می شوند ازجمله ی آنها PCA‏ و LDA‏ هستند. اما در این گزارش ما برای بهینه کردن ویژگی ها و کم کردن تعداد آنها و یا به عبارت دیگر برای کاهش ابعاد (Curse of Dimensionality‏) از الگوریتم ژنتیک استفاده نموده ایم.
‏Dec. 28
‏Feature Extraction
4
‏3-1-‏1‏) روش PCA‏ خطی‏
‏ روشهای استخراج ویژگی یک زیرفضای مناسب m‏ بعد‏ی‏ در فضای اصلی ویژگی‏ ‏ها از d‏ بعد ‏را تعیین می‏ ‏کنند‏(m
‏ از آجا که PCA‏ یک روش بدون بررسی استخراج ویژگی‏ ‏هاست (Unsupervised‏)، تحلیل جداسازی از یک اطلاعات گروهی در رابطه با هر الگو برای استخراج (خطی) ویژگی‏ ‏های با قابلیت جداسازی زیاد استفاده می‏ ‏کند. در LDA‏ جداسازی بین کلاسی با جابجایی کل ماتریس کوواریانس در PCA‏ با یک معیار جداسازی عمومی مانند معیار Fisher‏ تائید می‏ ‏شود که در یافتن بردارهای مشخصه sw-1sb ‏ نتیجه می‏ ‏شود.‏( حاصل معکوس ماتریس پراکندگی sw ‏ و ماتریس پراکندگی بین کلاسی sb ‏ ).‏ معیار دیگر همراه با بررسی (Supervised‏) برای چگالی‏ ‏های شرایط کلاس غیرگاوسی بر پایه‏ ‏ی فاصله Patrick-Fisher‏ با استفاده از برآورد چگالی Parzen‏ است.
‏3-1-‏2‏) روش Kernel PCA‏ (PCA‏ با هسته‏ یا PCA‏ غیرخطی‏)
‏ چندین روش برای تعریف روش‏ ‏های استخراج ویژگی غیرخطی وجود دارد. یکی از این روش‏ ‏ها که مستقیماً به PCA‏ مربوط است، Kernel PCA‏ ‏نام دارد. ایده‏ ‏ی اصلی KPCA‏ نگاشتن داده‏ ‏های ورودی بر روی برخی از فضاهای ویژگی F‏ جدید بطور معمولی با استفاده از تابع غیرخطی ∅‏ و سپس اعمال یک PCA‏ خطی در فضای نگاشت شده است. به هر حال فضایF‏ معمولاً ابعاد بسیار زیادی دارد. برای دوری از محاسبات نگاشت ساده‏ ‏ی ∅‏، KPCA‏ تنها هسته‏ ‏های Mercel‏ که می‏ ‏توانند به یک نقط‏ه تجزیه شوند را بکار می‏ ‏گیرد.
kx,y=∅x.∅(y)
‏ به عنوان یک نتیجه فضای هسته یک متریک با تعریف مناسب دارد. نمونه‏ ‏های هسته‏ ‏های Mercer‏ شامل چندجمله‏ ‏ای‏ ‏های مرتبه P‏ بصورت
‏Dec. 28
‏Feature Extraction
5
(x-y)p‏ و هسته گاوسی هستند.
e-x-y2c
‏ ‏ فرض می‏ ‏کنیم که X‏ یک ماتریس الگوی n×d‏ نرمال شده با میانگین صفر است و ∅x‏ یک ماتریس‏ الگو در فضای F‏ باشد. PCA ‏ خطی در فضای F‏ بردارهای مشخصه‏ ‏ی ماتریس‏ همبستگی ∅x.∅(y)T‏ را حل می‏ ‏کند که همچنین ماتریس هسته K(X,X)‏ نیز نامیده می‏ ‏شود. در KPCA‏ در ابتدا m‏ بردار ویژگی از K(X,X)‏ بدست می‏ ‏آیند تا یک ماتریس انتقال E‏ را تعریف کنند (E‏ یک ماتریس n×m‏ است که m‏ تعداد ویژگی‏ ‏های دلخواه است و m
‏3-1-‏3‏) روش مقیاس‏ گذاری چندبعدی(MDS‏)
‏ ‏مقیاس‏ ‏گذاری چند بعدی (MDS‏)یک روش غیرخطی دیگر برای استخراج ویژگی‏ ‏هاست. هدف این روش بازنمایی یک مجموعه‏ ‏ی چندبعدی در دو یا سه بعد است مثل آنچه ماتریس فاصله در فضای اصلی ویژگی‏ ‏های d‏ بعدی به طور کاملاً ثابت در فضای تصویرشده باقی مانده است. توابع تاکید فراوانی برای اندازه‏ ‏گیری کارایی این نگاشت استفاده شده‏ ‏اند. یک مشکل MDS‏ این است که یک تابع نگاشت ساده و روشن را ارئه نمی‏ ‏کند بنابراین ممکن نیست که یک الگوی جدید را در یک نگاشت برای یک مجموعه‏ ‏ی آموزش مشخص بدون تکرار جایگذاری کند. چندین روش برای عنوان کردن این نقص که از درون یابی خطی تا آموزش شبکه عصبی محدود است مورد بررسی قرار گرفته است. همچنین امکان دارد که الگوریتم MDS‏ مجدداً تعریف شود بنابراین مستقیماً یک نگاشت را تهیه می‏ ‏کند که ممکن است برای الگوهای آزمون جدید استفاده شود.
‏3-1-‏4‏) روش شبکه عصبی روبه جلو ‏(Feed-Forward Neural Network‏)
‏ یک شبکه‏ ‏ی عصبی روبه‏ ‏جلو یک روال جامع را برای استخراج ویژگی‏ ‏هاو دسته‏ ‏بندی پیشنهاد می‏ ‏کند. خروجی هر لایه‏ ‏ی مخفی ممکن است به عنوان یک مجموعه‏ ‏ی جدید و اغلب غیرخطی از ویژگی‏ ‏ها تعریف ‏ ‏شود که در لایه‏ ‏ی مخفی برای دسته‏ ‏بندی ارائه می‏ ‏شوند. در این شرایط شبکه‏ ‏های استفاده شده توسط Fukushima‏ و Lecun‏ که اصطلاحاً آن را لایه‏ ‏های وزنی مشترک نامیده‏ ‏اند‏، در حقیقت فیلترهایی برای استخراج ویژگی‏ ‏ها در تصاویر دوبعدی هستند. در طول آموزش فیلترها با داده‏ ‏ها برای بیشینه کردن کارایی دسته‏ ‏بندی وفق داده شده‏ ‏اند.
‏ شبکه‏ ‏های عصبی می‏ ‏توانند بطور مستقیم برای استخراج ویژگی‏ ‏ها در یک شکل بدون بررسی (

 

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

پاورپوینت روغن سبوس برنج وروش های استخراج آن 30 اسلاید

پاورپوینت روغن سبوس برنج وروش های استخراج آن 30 اسلاید

فرمت فایل دانلودی: .zip
فرمت فایل اصلی: .pptx
تعداد صفحات: 32
حجم فایل: 803 کیلوبایت
قیمت: 8000 تومان

لینک دانلود و خرید پایین توضیحات
دسته بندی : پاورپوینت
نوع فایل :  powerpoint (..pptx) ( قابل ویرایش و آماده پرینت )
تعداد اسلاید : 32 اسلاید

 قسمتی از متن powerpoint (..pptx) : 
 

1
روغن سبوس برنج وروش های استخراج آن

2

 

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

sidaa تحقیق تاثیرات فرا صوت (US ) روی استخراج مایع 22 ص

تحقیق تاثیرات فرا صوت (US ) روی استخراج مایع 22 ص

فرمت فایل دانلودی: .zip
فرمت فایل اصلی: .doc
تعداد صفحات: 15
حجم فایل: 20 کیلوبایت
قیمت: 10000 تومان

لینک دانلود و خرید پایین توضیحات
دسته بندی : وورد
نوع فایل :  word (..doc) ( قابل ویرایش و آماده پرینت )
تعداد صفحه : 15 صفحه

 قسمتی از متن word (..doc) : 
 

‏کمک فراصوت به استخراج مایع ‏–‏ مایع : یک ابزار تحلیلی قابل بحث
‏خلاصه
‏مرور تاثیرات فرا صوت (US‏ ) روی استخراج مایع ‏–‏ مایع اینجا ارائه می شود . پدیده بوجود آمده بواسطه US‏ ، مخصوصا خلاء زایی ، به شیوه های مختلف روی انتقال جمعی بین دو مایع مخلوط نشدنی تاثیر می گذارد . ماهیت حالتهای دهنده و گیرنده و حضور یک واکنش شیمیایی بطور چشمگیری انتقال جمعی را تحت تاثیر قرار می دهد . روشهای گسسته و پیوسته برای توسعه استخراج مایع ‏–‏ مایع با کمک فرا صوت و نیز مزایا و محدودیت های آنها ب‏ه ‏عنوان یک عملکرد سیستم تحت بررسی مورد بحث واقع می شوند . به منظور ایجاد سیستم های مایع ‏–‏ مایع که بتواند بواسطه عملکرد این نوع انرژی مفید باشند ، تحقیق کاملی نیاز است .
‏فهرست
‏1-مقدمه
‏2- متغیرهای تاثیر گزارنده بر استخراج مایع ‏–‏ مایع با کمک فرا صوت
‏3- روشهای گسسته استخراج مایع ‏–‏ مایع با کمک فرا صوت
‏4- روش های پیوسته مایع ‏–‏ مایع با کمک فرا صوت
‏1 . 4 . استخراج مایع ‏–‏ مایع با کمک فرا صوت با کنترل یک هم کنشگر
‏2 . 4 . استخراج مایع ‏–‏ مایع با کمک فرا صوت با کنترل متعاقب دو هم کنشگر
‏1 . 2 . 4 کنترل دو هم کنشگر و انتقال از فاز مایع به آلی
‏2 . 2 .4 کنترل دو هم کنشگر و انتقال از فاز آلی به مایع
‏5- نتایج
‏متشکرات
‏مراجع
‏1- مقدمه
‏کمک فرا صوت معمولا یک جایگاه کاملا رایج در شیمی تحلیلی می شود ، که از این انرژی برای اهداف گوناگون در ارتباط با آماده سازی نمونه ( SP‏ ) ، اما با تناوب خیلی متمایز و نابرابر، استفاده می کند . بنابراین شستن به روش های دسته ای و پیوسته ، واهشتگی های شدید و ملایم اقداماتی هستند که فرا صوت ( US‏ ) مورد استفاده قرار داده است ؛ افشانه کردن به عنوان یک مرحله پیشین برای کشف و ردیابی اتم ، دهه ها به طور موفقیت آمیزی به واسطه فرا صوت کمک ‏شده است . در مقابل واکنشهای تحلیلی مثل اکسایش ‏–‏ کاهش ، تشکیل مجموعه ، هیدولیز یا واکنشهای کاتالیز شده با آنزیم ، علیرغم نتایج امیدوار‏ ‏کننده به دست آمده خیلی کم به واسطه این انرژی کمک شده اند .
‏در مورد سیستمهای مایع دو فازی، پخش یک فاز به عنوان ذرات کوچک در دیگری تحت کمک فرا صوت ، تا زمانیکه سیستم مایع ‏–‏ مایع ناهمگن اولیه یک دست و یک جور ‏
‏شود ، که معمولا به " همگن " با " امولسیون کردن " معروف است ، یک روند تایید شده هم در زمینه های تحلیلی و هم صنعتی می باشد . توان فرا صوت برای آمیختن ، ترکیب و تحریک کردن موثر سیستم بدون تغییر خواص شیمیایی آن به طور وسیعی هم در آزمایشگاه و هم در صنعت برای فرآیندهای امولسیون کردن ثابت و استفاده شده ‏
‏است ، بنابراین علاقه بیشتر به توضیح مکانیزمهای اصلی پشت تولید امولسیون و تثبیت تحت شرایط متفاوت را ترغیب می کند . بسته به عملکرد شرایط و نوع فرا صوت مورد استفاده ‏–‏ یا حمام فرا صوتی یا ردیاب ‏–‏ هم تشکیل و هم از بین بردن امولسیون ‏
‏می تواند مطلوب باشد . در مقابل ، تاثیرات بالقوه فرا صوت روی انتقال جمعی بین دو فاز مخلوط نشدنی ( یعنی استخراج مایع ‏–‏ مایع ، یک روش تفکیک قدیمی ) ، که بتواند به تسریع انتقال و برقراری تعادل منتهی شود ، خیلی کم مورد بررسی قرار گرفته اند . اینکه آیا فرا صوت به انتقال جمعی بین دو فاز مخلوط نشدنی کمک می کند ، اگر شخص توان این شکل انرژی برای تسهیل کردن امولیسیون سازی را در نظر بگیرد ، ممکن و قابل بحث است . احتمالا به این خاطر شیمیدانان تحلیلی به بررسی فرا صوت به عنوان روشی برای بهبود استخراج مایع
‏–‏ مایع ( LLE‏ ) بی میل بوده اند . در حقیقت کاربرد فرا صوت اغلب امولسیون های ثابتی بوجود می آورد که به زمانهای تفکیک فاز طولانی می انجامد ، بنابراین فرا صوت به انتقال جمعی بین فازها کمک میکند‏ ‏–‏ به شرط اینکه تعادل تقسیم بندی مربوطه به انتقال کمک کند . LLE‏ سریع و موثر مستلزم اجتناب از تاثیر اولی یا به حداقل رساندن آن و به حداکثر رساندن دومی می باشد . دو عامل اصلی برای بهینه سازی در استخراج مایع ‏–‏ مایع با کمک فرا صوت ( USALLE‏ ) وجود دارد.
‏2 . متغیرهای ‏تاثیر گذ‏ارنده بر استخراج مایع ‏–‏ مایع با کمک فرا صوت
‏به حداکثر رساندن تاثیر استخراج و به حد اقل رساندن امولسیون فازهای مخلوط نشدنی در USALLE‏ مستلزم بهینه سازی هم متغیرهای خاص مربوط به فرا صوت و هم خواص LLE‏ می باشد . بعلاوه متغیرهای خاص مربوط به فرا صوت بهینه می شوند بسته به اینکه آیا ( 1 ) یک روش تجربی گسسته انجام می شود یا پیوسته ، ‏
‏(2 ) حمام استفاده می شود یا ردیاب و ( 3 ) غوطه وری مستقیم به کار برده می شود یا پخش مایع ( اگر یک ردیاب وروش گسسته استفاده شوند ) .
‏تاثیر متغیرهای فرا صوت ، که هر جایی شرح داده می شوند ، می تواند به صورت زیر خلاصه شوند :
‏(a‏ ) تاثیرات مکانیکی ، که به طور وسیعی به انتقال جمعی بین فازهای مخلوط نشدنی از طریق آشفتگی بالا کمک می کند ، به طور خاص در تناوب های پایین چشمگیر هستند . مهمترین تاثیرات مکانیکی ریز فوران و ریز جریان می باشند . اولی یک پیامد خلاء زایی ، دریا نزدیک هر سطح جامد وسیع می باشد ، که به فرو پاشی حباب به شیوه ای نامتقارن می انجامد . سطح وسیع جامد از حرکت مایع از سمت مورد نظر ‏جلوگیری ‏
‏می کند ، بنابراین جریان مایع اصلی برای فروپاشی حباب از سمت دیگر حباب می آید . فوران مایع می تواند به سرعت بالای ‏1-ms‏ 100 برسد . ریز جریان اصولا یک پیامد خلاء زایی در حضور پودر معلقی می باشد که معمولا در سیستمهای LLE‏ موجود
‏
‏نمی باشد . جریان گسترده ( که به عنوان باد کواتز یا جریان اکارت نیز معروف است ) نیز به تاثیرات مکانیکی همراه با جریان ریلی و اسکلیکتینگ کمک می کند ، تاثیر آنها یک عملکرد موج فرا صوت ( نوع ثابت یا تجزیه شونده ) می باشد .
‏(b‏ ) تاثیرات شیمیایی فرا صوت ، که برای افزایش واکنش برخی مواد شیمیایی معروف هستند . دما وفشار بالا در یک حباب خلاء زایی فرو پاشی کننده ایجاد شده توسط پرتو افکنی فرا صوت موجب تشکیل رادیکالهای آزاد و گونه های متغیر دیگر می شود . تاثیرات شیمیایی اصلی بنابراین ترغیب و تسریع واکنشها می باشند . اکثر روشهای USALLE‏ گسسته موجود بدون آماده سازی برای امولسیون کردن ( یعنی برای زمان مورد نیاز جهت تفکیک فازها ) بهینه شده اند . این مسئله برای روشهای پیوسته صادق نیست چون در آنها باید از امولسیون کردن برای هم کنشگر که کنترل نمی شود ، اجتناب شود یا آن باید محدود شود . تمام متغیرهای فرا صوت بررسی شده و موثر ثابت شده در امولسیون سازی ( بعبارتی قدرت پرتو افکنی ، موقعیت منبع فرا صوت بر حسب هم کنشگر مایع ‏–‏ مایع ، قطر نوک اگر ردیاب استفاده می شود ، هندسه ظرف ، زمان پرتو افکنی ، چسبندگی ، فشار ایستایی و تراکم شناساگرها ، و غیره ) باید به منظور ایجاد بهترین شرایط کاری هنگام پرداختن به این روش در LLE‏ بررسی شوند .
‏تاثیر متغیرهای مربوط به LLE‏ ( مثل نسبت حجم فازی آبی به آلی ، ضریب تقسیم گونه های مورد نظر بین دو فاز مخلوط نشدنی ) خارج از محدوده این کتاب است و در جای دیگر به طور مفصل مورد بحث قرار می گیرد .
‏3. روشهای گسسته استخراج مایع ‏–‏ مایع با کمک فرا صوت
‏اکثر روشهای USALLE‏ گزارش شده از نوع گسسته می باشند و از حمام فرا صوتی استفاده می کنند . معمولا یک طرف حاوی نمونه و فاز گیرنده مخلوط نشدنی در مایع انتقال دهنده نگه داشته شده در حمام فرو برده می شود و فرآیند شامل کاربرد ‏
‏فرا صوت برای یک زمان از پیش تنظیم شده ، تفکیک فاز ‏و تکرار چرخه استخراج ، در صورت نیاز می باشد . با تفاوت های کم این روش برای استخراج ترکیبات بو از آب انگور ، شراب ، براندی

 

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

دانلود طرحواره درمانی	دانلود پیشینه تحقیق	دانلود گزارش کارآموزی	فروشگاه ساز فایل رایگان	همکاری در فروش با پورسانت بالا	دانلود پرسشنامه
دانلود تحقیق	دانلود مقالات اقتصادی	مقاله در مورد ایمنی	چارچوب نظری تحقیق	خرید کاندوم	خرید ساعت مچی مردانه
دانلود افزونه وردپرس	دانلود تحقیق آماده	سایت دانلود پاورپوینت	مقالات مدیریتی	میزان درآمد همکاری در فروش فایل	کسب درآمد دانشجویی

تحقیق تاثیرات فرا صوت (US ) روی استخراج مایع 22 ص

تحقیق تاثیرات فرا صوت (US ) روی استخراج مایع 22 ص

فرمت فایل دانلودی: .zip
فرمت فایل اصلی: .doc
تعداد صفحات: 15
حجم فایل: 20 کیلوبایت
قیمت: 10000 تومان

لینک دانلود و خرید پایین توضیحات
دسته بندی : وورد
نوع فایل :  word (..doc) ( قابل ویرایش و آماده پرینت )
تعداد صفحه : 15 صفحه

 قسمتی از متن word (..doc) : 
 

‏کمک فراصوت به استخراج مایع ‏–‏ مایع : یک ابزار تحلیلی قابل بحث
‏خلاصه
‏مرور تاثیرات فرا صوت (US‏ ) روی استخراج مایع ‏–‏ مایع اینجا ارائه می شود . پدیده بوجود آمده بواسطه US‏ ، مخصوصا خلاء زایی ، به شیوه های مختلف روی انتقال جمعی بین دو مایع مخلوط نشدنی تاثیر می گذارد . ماهیت حالتهای دهنده و گیرنده و حضور یک واکنش شیمیایی بطور چشمگیری انتقال جمعی را تحت تاثیر قرار می دهد . روشهای گسسته و پیوسته برای توسعه استخراج مایع ‏–‏ مایع با کمک فرا صوت و نیز مزایا و محدودیت های آنها ب‏ه ‏عنوان یک عملکرد سیستم تحت بررسی مورد بحث واقع می شوند . به منظور ایجاد سیستم های مایع ‏–‏ مایع که بتواند بواسطه عملکرد این نوع انرژی مفید باشند ، تحقیق کاملی نیاز است .
‏فهرست
‏1-مقدمه
‏2- متغیرهای تاثیر گزارنده بر استخراج مایع ‏–‏ مایع با کمک فرا صوت
‏3- روشهای گسسته استخراج مایع ‏–‏ مایع با کمک فرا صوت
‏4- روش های پیوسته مایع ‏–‏ مایع با کمک فرا صوت
‏1 . 4 . استخراج مایع ‏–‏ مایع با کمک فرا صوت با کنترل یک هم کنشگر
‏2 . 4 . استخراج مایع ‏–‏ مایع با کمک فرا صوت با کنترل متعاقب دو هم کنشگر
‏1 . 2 . 4 کنترل دو هم کنشگر و انتقال از فاز مایع به آلی
‏2 . 2 .4 کنترل دو هم کنشگر و انتقال از فاز آلی به مایع
‏5- نتایج
‏متشکرات
‏مراجع
‏1- مقدمه
‏کمک فرا صوت معمولا یک جایگاه کاملا رایج در شیمی تحلیلی می شود ، که از این انرژی برای اهداف گوناگون در ارتباط با آماده سازی نمونه ( SP‏ ) ، اما با تناوب خیلی متمایز و نابرابر، استفاده می کند . بنابراین شستن به روش های دسته ای و پیوسته ، واهشتگی های شدید و ملایم اقداماتی هستند که فرا صوت ( US‏ ) مورد استفاده قرار داده است ؛ افشانه کردن به عنوان یک مرحله پیشین برای کشف و ردیابی اتم ، دهه ها به طور موفقیت آمیزی به واسطه فرا صوت کمک ‏شده است . در مقابل واکنشهای تحلیلی مثل اکسایش ‏–‏ کاهش ، تشکیل مجموعه ، هیدولیز یا واکنشهای کاتالیز شده با آنزیم ، علیرغم نتایج امیدوار‏ ‏کننده به دست آمده خیلی کم به واسطه این انرژی کمک شده اند .
‏در مورد سیستمهای مایع دو فازی، پخش یک فاز به عنوان ذرات کوچک در دیگری تحت کمک فرا صوت ، تا زمانیکه سیستم مایع ‏–‏ مایع ناهمگن اولیه یک دست و یک جور ‏
‏شود ، که معمولا به " همگن " با " امولسیون کردن " معروف است ، یک روند تایید شده هم در زمینه های تحلیلی و هم صنعتی می باشد . توان فرا صوت برای آمیختن ، ترکیب و تحریک کردن موثر سیستم بدون تغییر خواص شیمیایی آن به طور وسیعی هم در آزمایشگاه و هم در صنعت برای فرآیندهای امولسیون کردن ثابت و استفاده شده ‏
‏است ، بنابراین علاقه بیشتر به توضیح مکانیزمهای اصلی پشت تولید امولسیون و تثبیت تحت شرایط متفاوت را ترغیب می کند . بسته به عملکرد شرایط و نوع فرا صوت مورد استفاده ‏–‏ یا حمام فرا صوتی یا ردیاب ‏–‏ هم تشکیل و هم از بین بردن امولسیون ‏
‏می تواند مطلوب باشد . در مقابل ، تاثیرات بالقوه فرا صوت روی انتقال جمعی بین دو فاز مخلوط نشدنی ( یعنی استخراج مایع ‏–‏ مایع ، یک روش تفکیک قدیمی ) ، که بتواند به تسریع انتقال و برقراری تعادل منتهی شود ، خیلی کم مورد بررسی قرار گرفته اند . اینکه آیا فرا صوت به انتقال جمعی بین دو فاز مخلوط نشدنی کمک می کند ، اگر شخص توان این شکل انرژی برای تسهیل کردن امولیسیون سازی را در نظر بگیرد ، ممکن و قابل بحث است . احتمالا به این خاطر شیمیدانان تحلیلی به بررسی فرا صوت به عنوان روشی برای بهبود استخراج مایع
‏–‏ مایع ( LLE‏ ) بی میل بوده اند . در حقیقت کاربرد فرا صوت اغلب امولسیون های ثابتی بوجود می آورد که به زمانهای تفکیک فاز طولانی می انجامد ، بنابراین فرا صوت به انتقال جمعی بین فازها کمک میکند‏ ‏–‏ به شرط اینکه تعادل تقسیم بندی مربوطه به انتقال کمک کند . LLE‏ سریع و موثر مستلزم اجتناب از تاثیر اولی یا به حداقل رساندن آن و به حداکثر رساندن دومی می باشد . دو عامل اصلی برای بهینه سازی در استخراج مایع ‏–‏ مایع با کمک فرا صوت ( USALLE‏ ) وجود دارد.
‏2 . متغیرهای ‏تاثیر گذ‏ارنده بر استخراج مایع ‏–‏ مایع با کمک فرا صوت
‏به حداکثر رساندن تاثیر استخراج و به حد اقل رساندن امولسیون فازهای مخلوط نشدنی در USALLE‏ مستلزم بهینه سازی هم متغیرهای خاص مربوط به فرا صوت و هم خواص LLE‏ می باشد . بعلاوه متغیرهای خاص مربوط به فرا صوت بهینه می شوند بسته به اینکه آیا ( 1 ) یک روش تجربی گسسته انجام می شود یا پیوسته ، ‏
‏(2 ) حمام استفاده می شود یا ردیاب و ( 3 ) غوطه وری مستقیم به کار برده می شود یا پخش مایع ( اگر یک ردیاب وروش گسسته استفاده شوند ) .
‏تاثیر متغیرهای فرا صوت ، که هر جایی شرح داده می شوند ، می تواند به صورت زیر خلاصه شوند :
‏(a‏ ) تاثیرات مکانیکی ، که به طور وسیعی به انتقال جمعی بین فازهای مخلوط نشدنی از طریق آشفتگی بالا کمک می کند ، به طور خاص در تناوب های پایین چشمگیر هستند . مهمترین تاثیرات مکانیکی ریز فوران و ریز جریان می باشند . اولی یک پیامد خلاء زایی ، دریا نزدیک هر سطح جامد وسیع می باشد ، که به فرو پاشی حباب به شیوه ای نامتقارن می انجامد . سطح وسیع جامد از حرکت مایع از سمت مورد نظر ‏جلوگیری ‏
‏می کند ، بنابراین جریان مایع اصلی برای فروپاشی حباب از سمت دیگر حباب می آید . فوران مایع می تواند به سرعت بالای ‏1-ms‏ 100 برسد . ریز جریان اصولا یک پیامد خلاء زایی در حضور پودر معلقی می باشد که معمولا در سیستمهای LLE‏ موجود
‏
‏نمی باشد . جریان گسترده ( که به عنوان باد کواتز یا جریان اکارت نیز معروف است ) نیز به تاثیرات مکانیکی همراه با جریان ریلی و اسکلیکتینگ کمک می کند ، تاثیر آنها یک عملکرد موج فرا صوت ( نوع ثابت یا تجزیه شونده ) می باشد .
‏(b‏ ) تاثیرات شیمیایی فرا صوت ، که برای افزایش واکنش برخی مواد شیمیایی معروف هستند . دما وفشار بالا در یک حباب خلاء زایی فرو پاشی کننده ایجاد شده توسط پرتو افکنی فرا صوت موجب تشکیل رادیکالهای آزاد و گونه های متغیر دیگر می شود . تاثیرات شیمیایی اصلی بنابراین ترغیب و تسریع واکنشها می باشند . اکثر روشهای USALLE‏ گسسته موجود بدون آماده سازی برای امولسیون کردن ( یعنی برای زمان مورد نیاز جهت تفکیک فازها ) بهینه شده اند . این مسئله برای روشهای پیوسته صادق نیست چون در آنها باید از امولسیون کردن برای هم کنشگر که کنترل نمی شود ، اجتناب شود یا آن باید محدود شود . تمام متغیرهای فرا صوت بررسی شده و موثر ثابت شده در امولسیون سازی ( بعبارتی قدرت پرتو افکنی ، موقعیت منبع فرا صوت بر حسب هم کنشگر مایع ‏–‏ مایع ، قطر نوک اگر ردیاب استفاده می شود ، هندسه ظرف ، زمان پرتو افکنی ، چسبندگی ، فشار ایستایی و تراکم شناساگرها ، و غیره ) باید به منظور ایجاد بهترین شرایط کاری هنگام پرداختن به این روش در LLE‏ بررسی شوند .
‏تاثیر متغیرهای مربوط به LLE‏ ( مثل نسبت حجم فازی آبی به آلی ، ضریب تقسیم گونه های مورد نظر بین دو فاز مخلوط نشدنی ) خارج از محدوده این کتاب است و در جای دیگر به طور مفصل مورد بحث قرار می گیرد .
‏3. روشهای گسسته استخراج مایع ‏–‏ مایع با کمک فرا صوت
‏اکثر روشهای USALLE‏ گزارش شده از نوع گسسته می باشند و از حمام فرا صوتی استفاده می کنند . معمولا یک طرف حاوی نمونه و فاز گیرنده مخلوط نشدنی در مایع انتقال دهنده نگه داشته شده در حمام فرو برده می شود و فرآیند شامل کاربرد ‏
‏فرا صوت برای یک زمان از پیش تنظیم شده ، تفکیک فاز ‏و تکرار چرخه استخراج ، در صورت نیاز می باشد . با تفاوت های کم این روش برای استخراج ترکیبات بو از آب انگور ، شراب ، براندی

 

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

نرم افزار های بازاریابی فایل سیدا

شامل دو نرم افزار بازاریابی و فروش فایل های سیدا می باشد

---

دانلود طرحواره درمانی	دانلود پیشینه تحقیق	دانلود گزارش کارآموزی	فروشگاه ساز فایل رایگان	همکاری در فروش با پورسانت بالا	دانلود پرسشنامه
دانلود تحقیق	دانلود مقالات اقتصادی	مقاله در مورد ایمنی	چارچوب نظری تحقیق	خرید کاندوم	خرید ساعت مچی مردانه
دانلود افزونه وردپرس	دانلود تحقیق آماده	سایت دانلود پاورپوینت	مقالات مدیریتی	میزان درآمد همکاری در فروش فایل	کسب درآمد دانشجویی

استخراج زیرزمینی

استخراج زیرزمینی

فرمت فایل دانلودی: .zip
فرمت فایل اصلی: powerpoint
تعداد صفحات: 25
حجم فایل: 2207 کیلوبایت
قیمت: 3000 تومان

فایل دانلودی حاوی یک فایل پاورپوینتی در 25 اسلادی قابل ویرایش میباشد.
فهرست مطالب:
روش های بدون نگه دارنده
مقدمه روش اتاق و پایه و مراحل آماده سازی
ابعاد فضای استخراجی
بازیابی پایه ها
چرخه عملیات در روش اتاق و پایه
مراحل مختلف طراحی پایه ها
مزایا و معایب روش اتاق و پایه


قسمتی از متن
روش های بدون نگه داری این روش ها بیشترین کاربرد را در معادن زیر زمینی دارند و به روش هایی اطلاق میشود که ضرورتا خود نگه دار هستند و نیازی به سیستم نگه داری مصنوعی ندارند.و.....

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

دانلود تحقیق و پاورپوینت

دانلود دانلود مقاله در مورد روش های استخراج ویژگی و روش های خطی و غیر خطی دسته بندی 17 ص

دانلود مقاله در مورد روش های استخراج ویژگی و روش های خطی و غیر خطی دسته بندی 17 ص

فرمت فایل دانلودی: .zip
فرمت فایل اصلی: .docx
تعداد صفحات: 16
حجم فایل: 487 کیلوبایت
قیمت: 6000 تومان

لینک دانلود و خرید پایین توضیحات
دسته بندی : وورد
نوع فایل :  word (..docx) ( قابل ویرایش و آماده پرینت )
تعداد صفحه : 16 صفحه

 قسمتی از متن word (..docx) : 
 

‏Dec. 28
‏Feature Extraction
2
‏1) ‏چکیده:
‏ ‏در این تمرین‏ روش‏ ‏های استخراج ویژگی و‏ ‏روش‏ ‏های خطی و غیر خطی‏ دسته‏ ‏بندی‏ ‏را مورد مطالعه قرار می‌دهیم‏.‏ ‏در ابتدا‏ روش‏ ‏های مختلف استخراج ویژگی که از آن جمله PCA‏، LDA‏، روش قاب بندی و چند روش دیگر هستند را و سپس برای ویژگی‏ ‏های استخراج شده از‏ ‏روش‏ ‏های‏ دسته‏ ‏بندی‏ خطی بیزین و SVM‏ خطی و سپس روش‏ ‏های غیر‏‌‏خطی RBF‏ ، MLP‏ و همچنین SVM‏ غیر‏‌‏خطی ‏بر‏ا‏ی‏ دسته‏ ‏بندی استفاده ‏ شده‏‌‏ ‏ا‏ست‏. ‏بسته ‏به ‏روش ‏شناسایی ‏بکار ‏گرفته ‏شده، ‏معمولا ‏ویژگی‏ ‏های ‏متفاوتی ‏از ‏دنباله ‏نقاط ‏استخراج ‏می ‏شود. ‏در ‏اکثر ‏روش ‏های ‏موجود‏ ‏استخراج ویژگی‏، ‏ویژگی‏ ‏ها ‏از ‏روی ‏مختصات ‏نقاط ‏نمونه‏ ‏برداری ‏شده ‏ورودی ‏استخراج ‏می‏ ‏شو‏ن‏د‏. از مجموعه ی ویژگی های استخراج شده معمولاً تعدادی مفید تر و موثرترند. ما برای تشخیص و انتخاب ویژگی های تاثیرگذارتر از یک الگوریتم ژنتیک استفاده کرده ایم.‏ ‏اما پس از استخراج و انتخاب‏ ویژگی‏ ‏ها‏ نوبت به دسته بندی می رسد.‏ در ابتدا از چند دسته بند خطی استفاده کرده ایم.‏ به راحتی می‏‌‏توان نشان داد که ناحیه‏‌‏های تصمیم‏‌‏گیری یک ماشین خطی محدودند‏ ‏و این محدودیت انعطاف‏‌‏پذیری و دقت دسته‏‌‏بند را کاهش می‏‌‏دهد. ‏مسایل بسیاری وجود دارد که توابع جداساز خطی برای داشتن حداقل خطا در آنها کافی نیستند.‏ علاوه بر این مرزهای تصمیم‏‌‏گیری که کلاسها را از یکدیگر تفکیک می‏‌‏کنند ممکن است همیشه خطی نباشند و پیچیدگی مرزها گاهی اوقات نیاز به استفاده از سطح‏‌‏های کاملاً غیر خطی‏ را ‏دارند.‏ ‏بنابراین در ادامه ی کار از چند دسته بند غیرخطی نیز استفاده نمودیم. ‏در استفاده از شبکه‏‌‏های عصبی چندلایه، شکل غیر خطی بودن از مجموعه‏‌‏ی آموزش فرا گرفته می‏‌‏شود. در روشهای RBF ‏ و SVM‏ غیرخطی مشکل‏ اصلی انتخاب توابع‏ هسته‏ غیر خطی مناسب است.
‏2) مقدمه
‏ ‏ ‏اولین الگوریتم دسته‌بندی در سال 1936 توسط Fisher‏ ارایه شد و معیارهای آن برای بهینه بودن، کم کردن خطای دسته‌بندی کننده‌های الگو‌های آموزشی بود. بسیاری از استراتژی‌های موجود نیز از همین روش پیروی می‌کنند. ‏در ساده‏‌‏ترین شکل ممکن‏،‏ دسته بند‏‌‏های خطی می‌توانند دو دسته‌ی متفاوت را تفکیک کنند‏.‏ با توجه به این موضوع مساله‌ای را جدایی‌پذیر خطی می‌نامند که با یک ابرصفحه بتوان محدوده‌ی تصمیم را به ‏دو ‏گروه تقسیم‏‌‏بندی کرد. در عمل می‏‌‏توان دسته بند‌های خطی‌ای را طراحی کرد که بیش از دو گروه را از هم تفکیک کنند. این عمل را با‏ ‏تنظیم محدوده‌های تصمیم متعدد و آزمون‌های چندگانه بر اساس شرایط موجود می‌توان انجام داد. ما در این مساله یک دسته بندی با 26 کلاس را داریم.
‏ ‏ ‏در روش بیزین احتمال شرطی تعلق بررسی می‌شود‏. به این ترتیب که الگوی مورد نظر به دسته‌ای تخصیص داده می‏‌شود که احتمال شرطی تعلق بردار مشخصه‌ی الگو به آن دسته ازتمام دسته‌های دیگر بیشتر باشد.‏ روش بیزین به طور کلی می تواند برای کارایی بسیار مطلوب بهینه شوند. این روش مزایای دیگری نیز دارد که استفاده‌ی از آن را توجیه می‌کند. این روش می‌تواند با چند فرض ساده در مورد داده‌ها کاملاً به شکل روشهای ساده‌ی خطی عمل کند، به علاوه این کار می‌تواند به
‏Dec. 28
‏Feature Extraction
2
‏گونه‌ای انجام شود که در پایان، مدل قطعی بدون هیچ گونه رجوع به آمار به دست آید. در روش بیزین مشکل کار تعریف احتمالات شرطی مورد نظر قاعده‌ی بیز است.‏
‏ ‏ یک محقق روسی به نام Vladimir Vapnik‏ در سال 1965 گام مهمی در طراحی دسته‌بندها برداشت [1]‏ و نظریه‌ی آماری یادگیری را بصورت مستحکم‌تری بنا نهاد و ماشین بردار پشتیبان را ارایه کرد. ‏ ماشین‌های بردار پشتیبان در دو حالت جدایی‌پذیر و جدایی‌ناپذیر برای دسته‌بندی الگوهای یک مساله‌ی چندکلاسه از چند مرز جداکنند‏ه‏‌ی خطی یا ابرصفحه استفاده می‌کنند و در واقع حاصلضرب داخلی بردار ورودی با هر یک از بردارهای پشتیبان در فضای d‏ بعدی ورودی محاسبه می‌شود. Vapnik‏ نشان داد که می‌توان بردار ورودی را با یک تبدیل غیرخطی به یک فضای با بعد زیاد انتقال داد و در آن فضا حاصلضرب داخلی را بدست آورد که با این شرایط هسته‌ی مفیدی را خواهیم داشت.
‏ ‏ روش RBF‏ یک دسته‏‌‏بندی و تقریب‌ساز تابعی الگوست و شامل دو لایه می‌باشد که نرون‌های خروجی ترکیبی خطی از توابع پایه‌ای را به وجود می‌آورند که توسط نرون‏‌‏های لایه‌ی پنهان محاسبه شده‌اند.‏ زمانی که ورودی در ناحیه‌ی تعیین شده‌ی کوچک از فضای ورودی قرار گیرد، توابع اساسی(غیر خطی) در لایه‌ی پنهان، پاسخ غیر صفری به محرک ورودی می‏‌‏دهند. همچنین این مدل به عنوان یک شبکه‌ی دریافت‌کننده‌ی ناحیه‌ای شناخته شده است. ما در روش RBF‏ از معمول‌ترین تابع هسته‏‌ی‏ غیر خطی یعنی سیگموئید استفاده کرده‌ایم.
‏ ‏ به‏ ‏طور کلی شبکه‌های پرسپترون چند‌لایه شامل چندین پرسپترون ساده هستند که به طور ساختار سلسله‌مراتبی، یک شکل پیش‌خورد با یک و یا چند لایه‌ی میانی (لایه‌های پنهان) بین لایه‌های ورودی و خروجی را شکل می‌دهد.‏ تعداد لایه‌ی پنهان و تعداد نرون‌های هر لایه ثابت نیستند. هر لایه ممکن است از نرون‌های مختلفی تشکیل شده باشد که این موضوع به کار آنها بستگی دارد. الگوریتم‌های آموزشی متفاوتی در روش ‏چند لایه ‏استفاده می‌شوند‏.‏
‏3) روشهای به کار رفته در این گزارش
‏ ‏در این قسمت ‏روشهای استخراج ویژگی، روشهای انتخاب ویژگی ها جهت بهینه کردن آنها و کم کردن ابعاد مساله با کاهش تعداد آنها ‏و روشهای دسته‌بندی (خطی و غیرخطی) به کار رفته ‏بررسی شده‌اند.
‏3-1) ‏روشهای استخراج ویژگی
‏ ‏در این قسمت انواع روشهای استخراج ویژگی ها ذکر شده است.‏ ذکر این نکته لازم است که برخی الگوریتم های استخراج برای انتخاب ویژگی های موثر نیز استفاده می شوند ازجمله ی آنها PCA‏ و LDA‏ هستند. اما در این گزارش ما برای بهینه کردن ویژگی ها و کم کردن تعداد آنها و یا به عبارت دیگر برای کاهش ابعاد (Curse of Dimensionality‏) از الگوریتم ژنتیک استفاده نموده ایم.
‏Dec. 28
‏Feature Extraction
4
‏3-1-‏1‏) روش PCA‏ خطی‏
‏ روشهای استخراج ویژگی یک زیرفضای مناسب m‏ بعد‏ی‏ در فضای اصلی ویژگی‏ ‏ها از d‏ بعد ‏را تعیین می‏ ‏کنند‏(m
‏ از آجا که PCA‏ یک روش بدون بررسی استخراج ویژگی‏ ‏هاست (Unsupervised‏)، تحلیل جداسازی از یک اطلاعات گروهی در رابطه با هر الگو برای استخراج (خطی) ویژگی‏ ‏های با قابلیت جداسازی زیاد استفاده می‏ ‏کند. در LDA‏ جداسازی بین کلاسی با جابجایی کل ماتریس کوواریانس در PCA‏ با یک معیار جداسازی عمومی مانند معیار Fisher‏ تائید می‏ ‏شود که در یافتن بردارهای مشخصه sw-1sb ‏ نتیجه می‏ ‏شود.‏( حاصل معکوس ماتریس پراکندگی sw ‏ و ماتریس پراکندگی بین کلاسی sb ‏ ).‏ معیار دیگر همراه با بررسی (Supervised‏) برای چگالی‏ ‏های شرایط کلاس غیرگاوسی بر پایه‏ ‏ی فاصله Patrick-Fisher‏ با استفاده از برآورد چگالی Parzen‏ است.
‏3-1-‏2‏) روش Kernel PCA‏ (PCA‏ با هسته‏ یا PCA‏ غیرخطی‏)
‏ چندین روش برای تعریف روش‏ ‏های استخراج ویژگی غیرخطی وجود دارد. یکی از این روش‏ ‏ها که مستقیماً به PCA‏ مربوط است، Kernel PCA‏ ‏نام دارد. ایده‏ ‏ی اصلی KPCA‏ نگاشتن داده‏ ‏های ورودی بر روی برخی از فضاهای ویژگی F‏ جدید بطور معمولی با استفاده از تابع غیرخطی ∅‏ و سپس اعمال یک PCA‏ خطی در فضای نگاشت شده است. به هر حال فضایF‏ معمولاً ابعاد بسیار زیادی دارد. برای دوری از محاسبات نگاشت ساده‏ ‏ی ∅‏، KPCA‏ تنها هسته‏ ‏های Mercel‏ که می‏ ‏توانند به یک نقط‏ه تجزیه شوند را بکار می‏ ‏گیرد.
kx,y=∅x.∅(y)
‏ به عنوان یک نتیجه فضای هسته یک متریک با تعریف مناسب دارد. نمونه‏ ‏های هسته‏ ‏های Mercer‏ شامل چندجمله‏ ‏ای‏ ‏های مرتبه P‏ بصورت
‏Dec. 28
‏Feature Extraction
5
(x-y)p‏ و هسته گاوسی هستند.
e-x-y2c
‏ ‏ فرض می‏ ‏کنیم که X‏ یک ماتریس الگوی n×d‏ نرمال شده با میانگین صفر است و ∅x‏ یک ماتریس‏ الگو در فضای F‏ باشد. PCA ‏ خطی در فضای F‏ بردارهای مشخصه‏ ‏ی ماتریس‏ همبستگی ∅x.∅(y)T‏ را حل می‏ ‏کند که همچنین ماتریس هسته K(X,X)‏ نیز نامیده می‏ ‏شود. در KPCA‏ در ابتدا m‏ بردار ویژگی از K(X,X)‏ بدست می‏ ‏آیند تا یک ماتریس انتقال E‏ را تعریف کنند (E‏ یک ماتریس n×m‏ است که m‏ تعداد ویژگی‏ ‏های دلخواه است و m
‏3-1-‏3‏) روش مقیاس‏ گذاری چندبعدی(MDS‏)
‏ ‏مقیاس‏ ‏گذاری چند بعدی (MDS‏)یک روش غیرخطی دیگر برای استخراج ویژگی‏ ‏هاست. هدف این روش بازنمایی یک مجموعه‏ ‏ی چندبعدی در دو یا سه بعد است مثل آنچه ماتریس فاصله در فضای اصلی ویژگی‏ ‏های d‏ بعدی به طور کاملاً ثابت در فضای تصویرشده باقی مانده است. توابع تاکید فراوانی برای اندازه‏ ‏گیری کارایی این نگاشت استفاده شده‏ ‏اند. یک مشکل MDS‏ این است که یک تابع نگاشت ساده و روشن را ارئه نمی‏ ‏کند بنابراین ممکن نیست که یک الگوی جدید را در یک نگاشت برای یک مجموعه‏ ‏ی آموزش مشخص بدون تکرار جایگذاری کند. چندین روش برای عنوان کردن این نقص که از درون یابی خطی تا آموزش شبکه عصبی محدود است مورد بررسی قرار گرفته است. همچنین امکان دارد که الگوریتم MDS‏ مجدداً تعریف شود بنابراین مستقیماً یک نگاشت را تهیه می‏ ‏کند که ممکن است برای الگوهای آزمون جدید استفاده شود.
‏3-1-‏4‏) روش شبکه عصبی روبه جلو ‏(Feed-Forward Neural Network‏)
‏ یک شبکه‏ ‏ی عصبی روبه‏ ‏جلو یک روال جامع را برای استخراج ویژگی‏ ‏هاو دسته‏ ‏بندی پیشنهاد می‏ ‏کند. خروجی هر لایه‏ ‏ی مخفی ممکن است به عنوان یک مجموعه‏ ‏ی جدید و اغلب غیرخطی از ویژگی‏ ‏ها تعریف ‏ ‏شود که در لایه‏ ‏ی مخفی برای دسته‏ ‏بندی ارائه می‏ ‏شوند. در این شرایط شبکه‏ ‏های استفاده شده توسط Fukushima‏ و Lecun‏ که اصطلاحاً آن را لایه‏ ‏های وزنی مشترک نامیده‏ ‏اند‏، در حقیقت فیلترهایی برای استخراج ویژگی‏ ‏ها در تصاویر دوبعدی هستند. در طول آموزش فیلترها با داده‏ ‏ها برای بیشینه کردن کارایی دسته‏ ‏بندی وفق داده شده‏ ‏اند.
‏ شبکه‏ ‏های عصبی می‏ ‏توانند بطور مستقیم برای استخراج ویژگی‏ ‏ها در یک شکل بدون بررسی (

 

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

دانلود تحقیق و پاورپوینت

دانلود دانلود پاورپوینت استفاده از میکروارگانیسم ها در استخراج طلا

دانلود پاورپوینت استفاده از میکروارگانیسم ها در استخراج طلا

فرمت فایل دانلودی: .zip
فرمت فایل اصلی: .ppt
تعداد صفحات: 16
حجم فایل: 114 کیلوبایت
قیمت: 6000 تومان

لینک دانلود و خرید پایین توضیحات
دسته بندی : پاورپوینت
نوع فایل :  powerpoint (..ppt) ( قابل ویرایش و آماده پرینت )
تعداد اسلاید : 16 اسلاید

 قسمتی از متن powerpoint (..ppt) : 
 

بنام خدا
استفاده از میکروارگانیسم ها در استخراج طلا
مقدمه :
میکروارگانیسم ها جهت سوخت و ساز و انجام فرآیند های حیاتی خود از منابع آلی و معدنی موجود در محیط تغذیه می کنندمیکروارگانیسم هایی در طبیعت وجود دارند که ضمن داشتن بار الکتریکی منفی به شدت آب گریز اند و می توان از آنها برای تغلیظ بعضی از مواد معدنی استفاده کرد.
بررسی های انجام شده نشان داده است که گونه ای از میکروارگانیسم ها را می توان برای جدا سازی بعضی از کانی ها مانند فسفات ها ، ذرات ریز ذغال و کانی هماتیت مورد استفاده قرار داد
استفاده در استخراج فلزات :
در استخراج فلزات به روش هیدرو متالوژی یکی از مهمترین مراحل حل کردن کانی های معدنی به کمک حلال مناسب است که در این فرآیند قسمت بیشتر فلز مورد نظر به صورت محلول و یا رسوب درمی آید. اکسیده کردن و انحلال میکروبی سنگ های معدنی بویژه سنگ های سولفوری کم عیار مهمترین جنبه کاربرد میکروارگانیسم ها به منظور افزایش بازدهی حل شدن می باشد که در مورد کانی های طلادار و کانسنگ های اورانیم کاربرد صنعتی دارد. بکارگیری میکروارگانیسم ها جهت تسریع واکنش های مورد نظر در حل کردن که در نهایت به آزاد سازی آنها منجر می شود. تحت عنوان فروشویی زیستی شناخته می شود.
مزایای این روش نسبت به روش های دیگر عبارت اند از :
1) اثرهای مضر زیست محیطی به مراتب کمتر بر روی منابع آبی و هوایی
2) نیاز به انرژی کمتر
3) عدم نیاز به تجهیزات پیچیده و در نتیجه سرمایه گذاری کمتر
4) عمل حل کردن بیولوژیکی را می توان در اعماق زمین و بدون استخراج معدنی انجام داد.
محدودیت عمده بکار گیری این روش ناشی از نیاز به دانش فنی و آگاهی عمیق به مبانی بیوتکنولوژی می باشد. دست اندر کاران پروژه های تحقیقاتی در این زمینه باید حتما از مبانی میکروب شناسی ، بیوشیمی و بیوتکنولوژی اطلاع کافی داشته باشند.

 

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

دانلود تحقیق و پاورپوینت