معاونت پژوهش و فناوری، دانشگاه تبریز
پردازش سیگنال پیشرفته
2676-3397
2676-3400
5
1
2021
08
23
آشکارسازی عمیق MIMO در حضور خطای تخمین کانال
1
7
FA
حسین
خالقی بیزکی
مجتمع دانشگاهی برق و کامپیوتر - دانشگاه صنعتی مالک اشتر - تهران - ایران
bizaki@yahoo.com
مهدی
طیب مسعود
مجتمع دانشگاهی برق و کامپیوتر - دانشگاه صنعتی مالک اشتر - تهران - ایران
mahdi.tm@gmail.com
10.22034/jasp.2022.46124.1146
ظرفیت سیستمهای مخابرات بیسیم را میتوان با بکار بردن چند آنتن در فرستنده و چند آنتن در گیرنده به نحو قابلملاحظهای افزایش داد. در چنین سیستمهایی، که MIMO نام دارند، گیرنده با دانشی که از کانال دارد، به آشکارسازی سیگنال ارسالی میپردازد. روشهای مختلفی برای آشکارسازی بهینه و زیربهینه سمبلهای ارسالی پیشنهاد شده است. اخیراً مفاهیم یادگیری عمیق و استفاده از شبکههای عصبی بهمنظور آشکارسازی در حد بهینه و حجم محاسبات کمتر در فرآیند تست، در مقایسه با سایر روشهای سنتی پیشین، بکار گرفته شده است. درصورتیکه اطلاعات کانال در گیرنده با خطا همراه باشد، کارایی این نوع آشکارساز کاهش یافته و درنتیجه نرخ خطای بیت افزایش مییابد. با توجه به اینکه در عمل، گیرنده تخمینی از کانال میان فرستنده و گیرنده را در اختیار دارد و نه مقدار دقیق آن را، مقاله حاضر روشی بهبودیافته برای آشکارسازی مبتنی بر یادگیری عمیق و مقاوم در برابر خطای تخمین کانال، پیشنهاد میکند. در این روش آشکارسازی با استفاده از ماتریس کوواریانس تخمینگر کانال و استفاده از مفاهیم یادگیری عمیق، یک آشکارساز مقاوم در برابر خطای تخمین کانال پیشنهاد و بهصورت تحلیلی مورد بررسی قرار گرفته است. نتایج شبیهسازی مبین کارایی روش پیشنهادی در سیستمهای MIMO است.
سیستمهای چند ورودی و چند خروجی (MIMO),آشکارسازی مقاوم,یادگیری عمیق,خطای تخمین کانال
https://jasp.tabrizu.ac.ir/article_14270.html
https://jasp.tabrizu.ac.ir/article_14270_077de2a18c6cf641219ca043585e3675.pdf
معاونت پژوهش و فناوری، دانشگاه تبریز
پردازش سیگنال پیشرفته
2676-3397
2676-3400
5
1
2021
08
23
یک رویکرد جدید برای طراحی فیلتر هموارساز با استفاده از معادلات دیفرانسیل تاخیری
9
18
FA
آرمان
خیراتی رونیزی
گروه علوم کامپیوتر، دانشکده علوم پایه، دانشگاه دولتی فسا، فسا، ایران
ebad.kheirati.roonizi@gmail.com
10.22034/jasp.2022.47614.1158
از میان روش های حذف نویز سیگنال، فیلترهای هموارساز smoothness priors یا quadratic variation regularization توجه بسیار زیادی را در دهه گذشته به خود جلب کرده است. در این روشها، سیگنال مطلوب با استفاده از یک روش بهینه سازی تخمین زده میشود که در آن از مشتقات سیگنال به عنوان عامل جریمه کننده استفاده می شود. اما این روشها فقط برای تخمین سیگنالهای توانی (polynomial signals) مفید هستند. در نتیجه بازدهی آنها در تخمین سیگنالهای غیرتوانی کاهش می یابد. برای جبران این محدودیت، در این مقاله، یک رویکرد جدید برای طراحی فیلتر هموارساز پیشنهاد میشود که بر پایه معادله دیفرانسیل تاخیری می باشد. در این رویکرد، به جای مشتقات سیگنال از معادله دیفرانسیل تاخیری به عنوان عامل جریمه کننده استفاده می شود. به عنوان نمونه، از معادله دیفرانسیل تاخیری مدل MA در طراحی فیلتر هموارساز استفاده میشود. فیلتر هموارسازMA پیشنهادی در حوزه فرکانس آنالیز شده و نشان داده می شود که این فیلتر برای مقادیرکوچک اندازه پنجره، یک رفتارخوب در باندفرکانسی گذر و باندفرکانسی توقف از خود نشان می دهد. به عنوان یک کاربرد عملی، فیلتر هموارساز پیشنهادی برای حذف نویز سیگنالهای قلبی به کار گرفته میشود. این روش، روی داده های واقعی موجود در پایگاه دادهPhysioNet PTB آزمایش شده است. نتایج حاصل نشان می دهد که روش پیشنهادی در مقایسه با روش های قبلی، بهتر عمل می کند.
معادلهدیفرانسیل تاخیری,میانگینگیر,فیلتر هموارساز,تخمین
https://jasp.tabrizu.ac.ir/article_14340.html
https://jasp.tabrizu.ac.ir/article_14340_38e992f700721d3d07ba80dc8247d1e5.pdf
معاونت پژوهش و فناوری، دانشگاه تبریز
پردازش سیگنال پیشرفته
2676-3397
2676-3400
5
1
2021
08
23
تشخیص سرطان سینه از روی ریزدانههای کلسیم در تصویر ماموگرافی به کمک خوشهبندی فازی و شبکه های عصبی
19
27
FA
شیما
ضرابی باب الدشت
دانشکده مهندسی برق- واحد نجفآباد، دانشگاه آزاد اسلامی - نجفآباد - ایران
behzadfar.64@gmail.com
ندا
بهزادفر
0000-0002-3679-5664
دانشکده مهندسی برق- واحد نجفآباد، دانشگاه آزاد اسلامی - نجفآباد - ایران
n.behzadfar@pel.iaun.ac.ir
10.22034/jasp.2022.48252.1161
تشخیص ریزدانههای کلسیم در تصاویر ماموگرافی سینه در تشخیص زودهنگام سرطان از اهمیت زیادی برخورداراست. شناسایی این ریزدانهها بهطور دستی و توسط افراد متخصص انجام میگیرد که با هزینه بالا و خطا همراه است. در این مقاله یک روش جدید مبتنی بر الگوریتم خوشهبندی فازی برای شناسایی ریزدانه در تصاویر ماموگرافی پیشنهاد شده است. در روش پیشنهادی کیفیت پایین تصاویر ماموگرافی به کمک پیشپردازش بهبود داده میشود. با تعریف یک تابع عضویت مناسب در خوشهبندی فازی، نواحی ریزدانه شناسایی شدهاند. دقت و حساسیت ناحیه مطلوب دارای ریزدانه شناساییشده با ناحیهای که توسط پزشک استخراجشده مقایسه شده است. دقت شناسایی ناحیه مطلوب 79/96 درصد و حساسیت این شناسایی 20/97 درصد بهدست آمده است که نسبت به روش قبلی دقت و حساسیت شناسایی ریزدانه بهبود پیدا کرده است (دقت شناسایی ناحیه مطلوب 95 در صد و حساسیت 52/90 در صد). در ادامه به کمک شبکه عصبی انتشار به جلو با الگوریتم آموزشی پس انتشار خطا، به طبقهبندی نواحی استخراجشده به دو دسته خوشخیم و بدخیم پرداختهشده است. معیارهای دقت شناسایی، حساسیت، نرخ اخباری مثبت و منفی برای ارزیابی دقت تشخیص خوشخیم و بدخیم بودن ریزدانه به کار گرفته شد. دقت شناسایی 50/97 درصد، حساسیت 13/98 درصد، نرخ اخباری مثبت 30/98 درصد و منفی 32/96 درصد، بیانکننده نتایج مطلوب از روش پیشنهادی در این مقاله است. دلیل برتری روش پیشنهادی دقت بالا در استخراج ناحیه مورد نظر و همچنین ویژگی های متمایز استخراج شده از ناحیه مورد نظر است.
ریزدانه کلسیم,سرطان سینه,تصاویر ماموگرام,خوشهبندی فازی,طبقهبندی,استخراج ویژگی
https://jasp.tabrizu.ac.ir/article_14342.html
https://jasp.tabrizu.ac.ir/article_14342_914f2c1179bf265da56e32157fed18ea.pdf
معاونت پژوهش و فناوری، دانشگاه تبریز
پردازش سیگنال پیشرفته
2676-3397
2676-3400
5
1
2021
08
23
کاهش کلاتر برد-دوپلر با فیلتر فشرده سازی پالس وفقی به وسیله شکل موج فرکانس پله ای تصادفی
29
40
FA
رضا
کیوان شکوه
دانشکده مهندسی برق - دانشگاه جامع امام حسین (ع) - تهران - ایران
rkayvanshokooh@ihu.ac.ir
علیرضا
ذاکری
شرکت مهندسی محققان یاسین - تهران - ایران
alireza_zak@yahoo.com
یونس
محمدی
دانشکده مهندسی برق و ارتباطات - دانشگاه جامع امام حسین (ع) - تهران - ایران
yoones.y.8099@gmail.com
10.22034/jasp.2022.44735.1132
در رادارهای پالس دوپلر معمولاً از فشردهسازی پالس و روش پردازش دوپلر برای آشکارسازی هدف متحرک از طریق تبدیل فوریه سریع استفاده میکنند. روش فشردهسازی پالس متعارف و خروجی فیلتر منطبق استاندارد برای آشکارسازی اهداف کوچک نزدیک به یک هدف بزرگ کارایی مناسبی ندارد، زیرا گلبرگهای جانبی خروجیِ فیلتر منطبقِ هدف بزرگ، باعث ماسک شدگی اهداف کوچک میشود. فشردهسازی پالس وفقی این مشکل را بهطور قابلتوجهی در نویز رفع میکند. اما هدف سریع یک شیفت فاز دوپلر به فرکانس سیگنال دریافتی القاء میکند که باعث عدم تطابق سیگنال دریافتی و سیگنال ارسالی میشود. درنتیجه نسبت توان سیگنال به نویز کاهش مییابد. از آنجائی که فیلتر منطبق در گیرنده رادار فقط با نسخه سیگنال ارسالی تطبیق دارد، به دلیل عدم تطبیق با سیگنال دریافتی از محیط، خروجی آن دچار تلف میشود. معمولاً فشردهسازی پالس وفقی در محیط صرفاً نویزی با یک تک پالس قابلاجرا است اما در حضور کلاتر قوی به چند پالس برگشتی از هدف نیاز دارد. در این مقاله برای تأمین این پالسها، در فرستنده رادار مجهز به فشردهسازی پالس وفقی، شکلموجهای متنوع بهوسیله پرش فرکانسی تصادفی در شکلموج فرکانس پلهای (شکلموج فرکانس پلهای تصادفی) تولید میشود. با این روش اهداف ماسک شده در مجاورت یک هدف قوی و کلاتر با روش پیشنهادی آشکار میشود. نتایج شبیهسازی آشکارسازی اهداف متحرک ماسک شده با سایر روشهای متداول مقایسه و بررسی میگردد.
فشردهسازی وفقی پالس,تنوع شکلموج,کلاتر,مدولاسیون فرکانس پلهای تصادفی شده
https://jasp.tabrizu.ac.ir/article_14210.html
https://jasp.tabrizu.ac.ir/article_14210_0cf383a3483e40dc21a72e0c6d043b76.pdf
معاونت پژوهش و فناوری، دانشگاه تبریز
پردازش سیگنال پیشرفته
2676-3397
2676-3400
5
1
2021
08
23
تشخیص سرطان پستان با استفاده از ترکیب روش های یادگیری ماشین و بینایی ماشین در تصاویر ترموگرافی
41
52
FA
بهزاد
لک
دانشکده علوم و فنون منابع سازمانی - دانشگاه علوم انتظامی امین- تهران - ایران
behzad_lak@yahoo.com
پرستو
نجفی
دانشکده مهندسی برق و کامپیوتر - دانشگاه آل طه - تهران - ایران
p.najafi93@gmail.com
10.22034/jasp.2022.45159.1136
سرطان پستان در سالهای اخیر در بین زنان افزایش یافته است و یکی از شایعترین علل مرگ و میر در زنان میباشد. مطالعات نشان می-دهد که ترموگرافی، نسبت به سایر روشهای تشخیصی، روشی سریعتر، ارزانتر، غیرفعال، بدون ریسک، بدون اشعه و درد است. روشهای جدید در پردازش تصویر، بینایی و یادگیری ماشین سبب شده تا مطالعات موفقیت آمیزی به منظور ایجاد سیستمهای تشخیصی سرطان پستان با بکارگیری تصاویر ترموگرافی ایجاد شود. در این مطالعه یک روش مناسب برای تشخیص ناهنجاری تصاویر ترموگرافی از نمای روبه رو ارائه شده است که با بکارگیری این روش تفکیک ناحیه سینه و همه نواحی مدنظر پزشک که برای تشخیص سرطان پستان ضروری می-باشند، از ترموگرامها جداسازی رنگی میشوند و نواحی پرحرارت ، با استفاده از الگوریتم FCM از تصاویر استخراج شده و به کمک آنالیز فراکتالی، بعد فراکتال این نواحی با استفاده از سه روش متفاوت محاسبه میشوند. جنبه نوآوری این مطالعه بررسی نقش آنالیز فراکتالی در ردیابی توزیع حرارت متقارن در دو بافت سینه است. نتایج نشان میدهد که آنالیز فراکتالی به طور بالقوه میتواند قابلیت اطمینان ترموگرافی در تشخیص تومور را بهبود بخشد. همچنین آنالیز فراکتالی نقش مهمی در ردیابی توزیع حرارت متقارن، در دو بافت پستان جهت ردیابی ناهنجاریها را دارد.
بعد فراکتال,تحلیل توزیع متقارن دما,تفکیک رنگی ناحیه مدنظر,ترموگرافی
https://jasp.tabrizu.ac.ir/article_14139.html
https://jasp.tabrizu.ac.ir/article_14139_b5880e87abc8a1f937f6c0ea6f4a3207.pdf
معاونت پژوهش و فناوری، دانشگاه تبریز
پردازش سیگنال پیشرفته
2676-3397
2676-3400
5
1
2021
08
23
تخصیص توزیعشده فروسو و فراسوی منابع در ارتباط دستگاه به دستگاه
53
64
FA
مهسا
محمدرضائی
دانشکده مهندسی برق و کامپیوتر - دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته، کرمان، ایران
mahsamrezaei@yahoo.com
احسان
سلیمانی نسب
دانشکده مهندسی برق و کامپیوتر، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته، کرمان، ایران
ehsan.soleimani@kgut.ac.ir
عصمت
راشدی
دانشکده مهندسی برق و کامپیوتر - دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته، کرمان، ایران
e.rashedi@kgut.ac.ir
10.22034/jasp.2022.50438.1182
در سامانههای سلولی کنونی، عملکرد دستگاه کاربران موجود در مرز سلول به دلیل کیفیت ضعیف ارتباط، آسیب میبیند. حال آنکه این ارتباطات به تعداد بیشتری بلوک منابع و توان انتقالی نیز نیاز دارد. برای کاهش تعداد بلوکهای فرکانسی و توان انتقالی، این مقاله به بررسی ارتباط دستگاه به دستگاه در حالتهای فروسو و فراسوی سامانههای مخابرات سلولی میپردازد. بهمنظور بهینهسازی اتصال کاربران مختلف در شبکه به معنای یافتن بهترین ارتباط (کمترین میزان توان مصرفی) یک کاربر با ایستگاه پایه که ممکن است از طریق ارتباط با کاربران دیگر و یا ارتباط مستقیم با ایستگاه پایه برقرار شود و با هدف کمینه کردن کل توان انتقالیافته، از روشهای بهینهسازی متفاوتی مانند بهینهسازی جستجوی گرانشی، بهینهسازی ازدحام ذرات، بهینهسازی وراثتی و راهبرد توزیعشده مبتنی بر یادگیری Q با استفاده از تصمیمگیری بیشینه هموار بهره گرفته میشود. نتایج عددی کاهش توان حدود 30 درصد را برای این ارتباطات با پیچیدگی محاسباتی کمتر با استفاده از روش یادگیری Q نسبت به حالتی که بهطور مرسوم تمام کاربران اتصال خود را از طریق ایستگاه پایه و بهصورت متمرکز با پیچیدگی محاسباتی بالا برقرار میسازند، بیان میدارد.
تخصیص توزیعشده منابع,ارتباطات فروسو و فراسو,ارتباط دستگاه به دستگاه,الگوریتم جستجوی گرانشی,یادگیری Q
https://jasp.tabrizu.ac.ir/article_14370.html
https://jasp.tabrizu.ac.ir/article_14370_59a112382a30224b214c3c09bf189b01.pdf
معاونت پژوهش و فناوری، دانشگاه تبریز
پردازش سیگنال پیشرفته
2676-3397
2676-3400
5
1
2021
08
23
طراحی یک سیستم فشردهسازی/بازسازی تصاویر متنی با درجهی تفکیک مکانی بالا مبتنی بر فرا تفکیکپذیری
65
78
FA
سعید
مرادی
دانشکده مهندسی برق - دانشگاه صنعتی شاهرود - شاهرود - ایران
saeid0006@gmail.com
هادی
گرایلو
0000-0002-3177-969X
گروه الکترونیک - دانشکده مهندسی برق - دانشگاه صنعتی شاهرود - شاهرود - ایران
grailu@shahroodut.ac.ir
10.22034/jasp.2022.45872.1143
در این مقاله یک سیستم فشردهسازی/بازسازی تصاویر متنی با درجهی تفکیک مکانی بالا مبتنی بر فرا تفکیکپذیری پیشنهاد شدهاست. در روش پیشنهادی، برای رسیدن به میزان فشردهسازی بیشتر از ایده کاهش ابعاد در تصاویر متنی استفاده شدهاست. کاهش ابعاد در کنار عمل فشردهسازی ممکن است باعث تنزل در کیفیت تصویر شود. بنابراین باید روشی انتخاب شود که واحد بازسازی بتواند در کنار افزایش ابعاد تصویر، اثرات مخرب تأثیر گذار بر تصویر را نیز اصلاح کند. در مرحله بازسازی از روش فرا تفکیکپذیری استفاده شدهاست. در این روش، تصویر وضوح پایین ورودی به سه لایه تقسیم و سپس هر لایه براساس اهمیت اطلاعاتی آن با یک روش خاص بزرگنمایی شدهاست. در نهایت لایههای بزرگنمایی شده با هم ترکیب و تصویر وضوح بالای نهایی تشکیل شدهاست. یک ویژگی مهم روش پیشنهادی، قابلیت ترکیب آن با روشهای فشردهسازی مختلف است. در این مقاله، ترکیب روش پیشنهادی با هر یک از روشهای فشردهسازی JPEG، JPEG2000 و SPIHT بررسی و ملاحظه میشود، جواب قابل قبولی از نظر معیارهای بازشناسی متن (OCR) و متوسط امتیاز نظرسنجی (MOS) بدست آمده است گرچه از نظر معیار پیک سیگنال به نویز (PSNR) روشهای دیگر بهتر از روش پیشنهادی عمل کردهاند.
فشردهسازی تصاویر متنی,فشردهسازی JPEG,فشردهسازی JPEG2000,فشردهسازی SPIHT,فرا تفکیکپذیری,شناسایی نوری کاراکترها
https://jasp.tabrizu.ac.ir/article_14334.html
https://jasp.tabrizu.ac.ir/article_14334_07bf3348c4fa89f4f3c9c401f3121492.pdf
معاونت پژوهش و فناوری، دانشگاه تبریز
پردازش سیگنال پیشرفته
2676-3397
2676-3400
5
1
2021
08
23
طراحی گیرنده مقاوم نسبت به خطای تخمین کانال در سیستم MIMO-NOMA
79
87
FA
نعیمه
مظفرزاده
مجتمع دانشگاهی برق و کامپیوتر - دانشگاه صنعتی مالک اشتر - تهران - ایران
n.mozafarzadeh@yahoo.com
حسین
خالقی بیزکی
مجتمع دانشگاهی برق و کامپیوتر - دانشگاه صنعتی مالک اشتر - تهران - ایران
bizaki@yahoo.com
10.22034/jasp.2022.48349.1166
یکی از روش های دستیابی غیر متعامد، روش NOMA می باشد که به عنوان یک روش دستیابی با کارآیی طیفی بالا به شمار میرود. جهت دستیابی به ظرفیت و بهره طیفی بالاتر، ترکیب روش NOMA و سیستم MIMO تحت عنوان سیستم MIMO-NOMA برای مخابرات سیار نسل پنجم پیشنهاد شده است. عملکرد سیستمهای مخابراتی به ویژه سیستم MIMO-NOMA تا اندازه زیادی وابسته به دقت تخمین کانال است به گونهای که بازدهی سیستم در حضور خطای تخمین کانال کاهش چشمگیری مییابد. در این مقاله اثر خطای تخمین کانال بر سیستم MIMO-NOMA در لینک فروسو بررسی و آشکارساز جدیدی جهت بهبود عملکرد این سیستم در حضور خطای تخمین کانال ارائه میگردد. آشکارساز پیشنهادی در سه گام اثر خطای تخمین کانال و تداخل سیگنال کاربران بر داده دریافتی را تقلیل میدهد. نتایج شبیه سازی بیانگر آن است که آشکارساز پیشنهادی در مقایسه با : آشکارساز MMSE برای کاربر دور، و آشکارساز MMSE-SIC برای کاربر نزدیک، میتواند احتمال خطا را به نحو قابل ملاحظهای کاهش داده و موجب بهبود عملکرد سیستم MIMO-NOMA در حضور خطای تخمین کانال گردد.
دستیابی چندگانه غیر متعامد(NOMA),سیستم MIMO-NOMA,گیرنده حذف متوالی تداخل (SIC),مخابرات سیار نسل پنجم,خطای تخمین کانال
https://jasp.tabrizu.ac.ir/article_14365.html
https://jasp.tabrizu.ac.ir/article_14365_2fa7e3c749d243a78531094e69864fc3.pdf
معاونت پژوهش و فناوری، دانشگاه تبریز
پردازش سیگنال پیشرفته
2676-3397
2676-3400
5
1
2021
08
23
ترکیب فیلتر ذره ترتیبی و شکلدهنده پرتو برای مکانیابی منابع اخلالگر مغزی
89
104
FA
سید مرتضی
نوریان نجف آبادی
دانشکده مهندسی برق، دانشگاه یزد، یزد، ایران
sm.nourian@stu.yazd.ac.ir
حمیدرضا
ابوطالبی
0000-0002-1408-5637
دانشکده مهندسی برق، دانشگاه یزد، یزد، ایران
habutalebi@yazd.ac.ir
,وحید
ابوطالبی
دانشکده مهندسی برق، دانشگاه یزد، یزد، ایران
abootalebi@yazd.ac.ir
فرزانه
شایق
دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی اصفهان، اصفهان، ایران
f.shayegh@iut.ac.ir
10.22034/jasp.2021.45667.1141
در این مقاله به مکانیابی منابع اخلالگر فعالیت مغز در بیماران میتلا به اختلالات مغزی، با فرض دانستن اطلاعات مکانی منابع فعال مغز در افراد سالم با توجه به الگوی ارتباطات عملکردی مغز در این افراد و در فعالیتهای مشابه، پرداخته میشود. در الگوریتم پیشنهادی، با استفاده از شکل-دهنده پرتو LCMV، اثر منابعی که به طور طبیعی در فعالیتهای مختلف فعال هستند، از سیگنال EEG ثبت شده از بیمار، تا حد امکان، حذف و منابع اخلالگر مکانیابی میشود. در روش پیشنهادی برای مکانیابی منابع اخلالگر، از ترکیب روش فیلتر ذره ترتیبی (Sequential Particle Filter (SPF)) و شکلدهنده پرتو (BF) LCMV استفاده میشود. شبیهسازیها با استفاده از نرمافزار Brain Storm و با استفاده از سیگنالهای شبهواقعی مغزی صورت گرفته است. نتایج حاصل از اعمال روش پیشنهادی (SPF-BF) بر سیگنال EEG شبیهسازی شده نشان داده که این روش توانسته در شرایط نویزی شدید، نتایج بهتری نسبت به روشهای شکلدهنده پرتو LCMV، الگوریتمهای سنتی فیلتر ذره و ترکیب آنها داشته باشد. همچنین نتایج حاصل از روش پیشنهادی در مقایسه با روش sLORETA حاکی از عملکرد مناسب روش پیشنهادی است. ضمن اینکه روش پیشنهادی در افزایش سرعت محاسبات نیز عملکرد بهتری نسبت به دیگر روشهای مشابه داشته است.
مکانیابی منابع مغزی,الکتروانسفالوگرام,منابع سیگنال مغزی,منابع اخلالگر,فیلتر ذره ترتیبی,شکلدهنده پرتو
https://jasp.tabrizu.ac.ir/article_13930.html
https://jasp.tabrizu.ac.ir/article_13930_63f6ce4a354923382690a8f93941ec27.pdf
معاونت پژوهش و فناوری، دانشگاه تبریز
پردازش سیگنال پیشرفته
2676-3397
2676-3400
5
1
2021
08
23
مقاله سلب اعتبار شده به دلیل تخلف: (مدلی برای تشخیص نفوذ چند کلاسه با داده های نامتوازن مجموعه داده CICIDS-2017)
105
115
FA
محمود
نیائی
0000-0001-6198-8196
دانشکده مدیریت و اقتصاد - دانشگاه آزاد علوم تحقیقات - تهران - ایران
mahnia1000@gmail.com
جعفر
تنها
0000-0002-0779-6027
دانشکده مهندسی برق و کامپیوتر - دانشگاه تبریز - تبریز - ایران
tanha@tabrizu.ac.ir
غلامرضا
شاهمحمدی
دانشکده مهندسی برق و کامپیوتر - دانشگاه ایوان کی - سمنان - ایران
shah_mohammadi@yahoo.co.uk
علیرضا
پورابراهیمی
دانشکده مدیریت و حسابداری دانشگاه آزاد اسلامی کرج - کرج - ایران
poorebrahimi@gmail.com
10.22034/jasp.2022.48285.1165
<strong>این مقاله به دلیل تخلف بر اساس توصیههای «کمیته بینالمللی اخلاق نشر» موسوم به COPE و نیز «منشور و موازین اخلاق پژوهش» مصوب معاونت پژوهش و فناوری وزارت علوم، تحقیقات و فناوری توسط سردبیر فاقد اعتبار اعلام می شود.</strong><br /><strong>پس از چاپ مقاله در این نشریه مشخص شد که این مقاله همزمان به نشریه دیگری ارسال شده و قبل از پذیرش و چاپ در این نشریه در نشریه دیگری چاپ شده است: (<span style="text-decoration: underline;">http://pitc.jrl.police.ir/article_97273.html</span>).</strong><br /><br />امروزه بخش عمدهای از فعالیتها و تعاملات اقتصادی، تجاری، فرهنگی، اجتماعی و حاکمیتی در تمام کشورها، از طریق فضای سایبر انجام میگیرد. باتوجهبه آسیبپذیریهای ذاتی موجود در این فضا، مخاطرات سامانههای مبتنی بر آن نیز در حال افزایش میباشند؛ بنابراین، امنیت شبکهها و سیستمها در مقابل انواع نفوذ، به یکی از مهمترین چالشهای عصر حاضر تبدیل شده است. در این پژوهش، یک مدل برای تشخیص نفوذ در شبکه، بررسی و پیشنهاد شده است. در روش پیشنهادی که یک روش چند کلاسه میباشد، از الگوریتم سنجاقک برای انتخاب ویژگی و از جنگل تصادفی بهمنظور دستهبندی استفاده شده است. دادههای بکار رفته در پژوهش، مجموعهداده نامتوازن CICIDS-2017 بوده است لذا عملیات متوازنسازی در آن استفاده شده است. مسئله با الگوریتمهای مختلف مورد آزمون قرار گرفته و بهترین الگوریتم انتخاب شده است. مقدار صحت در روش پیشنهادی برابر با 85/99 بهدستآمده است. همچنین، نتایج پژوهش با چندین روش دیگر که توسط محققان قبلی پیشنهاد شده مورد مقایسه قرار گرفته است و این مقایسه نشان میدهد که روش پیشنهادی نسبت به اکثر پژوهشهایی که در مقاله معرفی شدهاند، دارای معیارهای ارزیابی بالاتری بوده است.
تشخیص نفوذ,انتخاب ویژگی,الگوریتم سنجاقک,داده های نامتوازن,CICIDS-2017
https://jasp.tabrizu.ac.ir/article_14336.html
https://jasp.tabrizu.ac.ir/article_14336_c504c946229582378e291ebb0c7665c5.pdf
معاونت پژوهش و فناوری، دانشگاه تبریز
پردازش سیگنال پیشرفته
2676-3397
2676-3400
5
1
2021
08
23
الگوریتم تصمیمگیری سطح بالا با تحلیل سیگنالهای قطر مردمک
117
126
FA
لیلا
یحیایی
گروه مهندسی کامپیوتر، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
li_yahyaie@yahoo.com
رضا
ابراهیم پور
دانشکده مهندسی کامپیوتر، دانشگاه تربیت دبیر شهید رجایی، تهران، ایران
rebrahimpour@sru.ac.ir
عباس
کوچاری
گروه مهندسی کامپیوتر، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
koochari@srbiau.ac.ir
10.22034/jasp.2022.49223.1174
محققین سعی دارند با پیادهسازی الگوریتمهای تصمیمگیری مشابه عملکرد مغز، به قدرت قابلتوجه ذهن انسان دست یابند. تصمیمهای سلسله مراتبی، تصمیمات پیچیدهای هستند که نیاز به مکانیزمهای استدلال فراشناختی در مغز دارند. بازخورد منفی، قطعیت و قدرت محرک، پارامترهایی هستند که در شکلگیری این نوع تصمیمات نقش دارند. در این پژوهش به منظور ساخت یک چارچوب محاسباتی مشابه عملکرد مغز برای سیستمهای هوشمند، درک ماهیت بیولوژی شکلگیری تصمیمات سطح بالا، استفاده از انواع دیگر دادهها علاوه بر دادههای رفتاری نیز مهم خواهد بود. از آنجایی که پاسخهای غیرارادی چشمی حاصل از خروجی آزمایش روان-فیزیک، نماینده معتبری از عملکرد ساز و کار نورونی مغز میباشند، در این پژوهش علاوه بر تحلیل دادههای رفتاری به این مسئله پرداخته شده است که آیا با تحلیل دادههای غیرارادی انسان (سیگنالهای چشمی) میتوان به دینامیک حاکم بر تغییرات تصمیمات سطح بالا پی برد. دیده شد که اندازه قطر مردمک، احتمال تغییر در پارامترهای تصمیمهای سطح بالا را پیشبینی میکند و بازتاب استراتژی تصمیم سطح بالای فرد تحت شرایط پیچیده است. سپس در راستای توسعه ابزارهای مشابه عملکرد مغز در محیطهای پیچیده، چارچوبی برای تصمیمات سلسله مراتبی ارائه شده است.
سیستم های هوشمند,تصمیمگیری سلسله مراتبی,مردمک چشم,انسان
https://jasp.tabrizu.ac.ir/article_14335.html
https://jasp.tabrizu.ac.ir/article_14335_c81d6de67d3ba9bf3973ab3db5519b09.pdf
معاونت پژوهش و فناوری، دانشگاه تبریز
پردازش سیگنال پیشرفته
2676-3397
2676-3400
5
1
2021
08
23
یک رویکرد یادگیری انتقالی با شبکه عصبی کانولوشنال برای تشخیص افراد دارای ماسک از روی تصاویر
127
135
FA
ابوالفضل
یونسی
دانشکده فنی و مهندسی میانه - دانشگاه تبریز - میانه - ایران
younesi.abolfazl@yahoo.com
رضا
افروزیان
دانشکده فنی مهندسی میانه - دانشگاه تبریز - میانه - ایران
afrouzian@tabrizu.ac.ir
یوسف
صیفاری
0000-0002-2393-8814
دانشکده فنی و مهندسی - دانشگاه مراغه - مراغه - ایران
seyfari@maragheh.ac.ir
10.22034/jasp.2022.48447.1167
با توجه به همهگیری ویروس کرونا (کووید-۱۹) و انتقال سریع آن در سرتاسر دنیا، جهان با یک بحران بزرگ روبرو شده است. برای جلوگیری از شیوع ویروس کرونا سازمان بهداشت جهانی (WHO) استفاده از ماسک و رعایت فاصله اجتماعی در مکانهای عمومی و شلوغ را بهترین روش پیشگیرانه معرفی کرده است. این مقاله یک سیستم برای شناسایی افراد دارای ماسک پیشنهاد میکند که بر پایه یادگیری انتقالی و معماری Inception v3 است. روش پیشنهادی با استفاده از دو مجموعه داده (SMFD) Simulated Mask Face Dataset و MaskedFace-Net (MFN) آموزش میبیند و با تنظیم بهینه فراپارامترها و طراحی دقیق بخش تمامأ متصل سعی میکند دقت سیستم پیشنهادی را افزایش دهد. از مزایای سیستم پیشنهادی این است که میتواند علاوه بر صورتهای دارای ماسک و بدون ماسک، حالتهای استفاده غیر صحیح از ماسک را نیز تشخیص دهد. از اینرو روش پیشنهادی تصاویر چهره ورودی را به سه دسته تقسیمبندی خواهد کرد. نتایج آزمایشی، دقت و کارایی بالای روش پیشنهادی را در موضوع فوق نشان میدهند؛ بطوریکه این مدل در دادههای آموزش به دقت ٪99/47 و در دادههای آزمایشی به دقت ٪99/33 دست یافته است.
ماسک,کووید-۱۹,یادگیری انتقالی,شبکه عصبی کانولوشنال,معماری InceptionV3
https://jasp.tabrizu.ac.ir/article_14273.html
https://jasp.tabrizu.ac.ir/article_14273_e93dfe4a8278161c2c32031295305e09.pdf