جستجوی مقالات مرتبط با کلیدواژه "هوش مصنوعی" در نشریات گروه "مهندسی الکترونیک"

در زیرساخت داده های مکانی (SDI) داده ها، در مجموعه هایی به عنوان پایگاه داده ها و انباره داده ها گردآوری می شوند. اما مشکل این است که طبق پژوهشهای صورت گرفته، سازمانها کمتر از یک درصد از داده هایشان را برای تحلیل، مورد استفاده قرار می دهند؛ لذا به نظر می رسد که « کشف دانش» به عنوان علمی نوپا با بهره گیری و تلفیق آن با دانش هوش مصنوعی و توانایی های پردازش مکانی GIS قادر باشند که به تشخیص و شناسایی الگوها، روندها و دانش مستتر در SDI (در هر دو معماری منطبق بر محصول و پردازش) و بخشیدن هوش به آن در راستای استفاده موثر، هدفمند و مفید از داده ها تا حدی موثر افتد. نوع تحقیق با توجه به موضوع کاربردی است. بر اساس یافته های این تحقیق، کشف دانش در تلفیق با هوش مصنوعی و توانایی های پردازش مکانی GIS قادر است ضمن تشخیص هوشمند الگوها و روندها در حجمهای بسیار بالا و پیچیده ای از داده ها به میزان مگا یا ترابایت از نظر نیروهای انسانی، زمان و هزینه های اقتصادی موجب صرفه جویی گردد. در انتها بر اساس یافته های تحقیق، راهکارهایی نیز پیشنهاد گردیده است.

یکی از روش های مهم جوشکاری، روش قوس الکتریکی با الکترود تنگستن است، از اشکالات عمده این روش، قابلیت اتوماسیون پایین این فرایند است و به دلیل دستی بودن فرایند، جوشکاری به صورت یکنواخت صورت نگرفته، از کیفیت جوشکاری کاسته می شود. در این تحقیق برای جوشکاری قوس الکتریکی تنگستن، یک بازوی جوشکاری خودکار طراحی و ساخته شده است که سرعت جوشکاری آن با میکروکنترلر، کنترل می شود. سپس در شرایط مختلف جوشکاری مانند انواع سرعت پیشروی، آمپر و دمای پیشگرم آزمایشهای عملی صورت گرفت و مقدار استحکام کششی نمونه های جوشکاری شده به صورت عملی اندازه گیری شد. در مرحله بعد، با استفاده از این اطلاعات تجربی، یک سامانه هوش مصنوعی از نوع شبکه های عصبی طراحی و آموزش داده شد. که ورودی های آن پارامترهای تنظیمی جوشکاری قوس الکتریکی تنگستن و خروجی آن، استحکام کششی جوش حاصل است.

این مقاله با هدف بررسی برخی از تلفیقات و استفاده هایی که از هوش مصنوعی در علم الکترونیک شده است، تهیه شده است. بررسی تاریخچه هوش مصنوعی و برخی از روش های جست و جو و نمونه های کاربردی از هوش مصنوعی همچون بهبود مدارهای الکترونیکی، رسیدن به پارامترهای دلخواه، کمینه کردن قطعات و... در مقاله، ارائه می شود.

یکی از روش های مهم جوشکاری، روش قوس الکتریکی با الکترود تنگستن است، از اشکالات عمده این روش، قابلیت اتوماسیون پایین این فرایند است و به دلیل دستی بودن فرایند، جوشکاری به صورت یکنواخت صورت نگرفته، از کیفیت جوشکاری کاسته می شود. در این تحقیق برای جوشکاری قوس الکتریکی تنگستن، یک بازوی جوشکاری خودکار طراحی و ساخته شده است که سرعت جوشکاری آن با میکروکنترلر، کنترل می شود. سپس در شرایط مختلف جوشکاری مانند انواع سرعت پیشروی، آمپر و دمای پیشگرم آزمایشهای عملی صورت گرفت و مقدار استحکام کششی نمونه های جوشکاری شده به صورت عملی اندازه گیری شد. در مرحله بعد، با استفاده از این اطلاعات تجربی، یک سامانه هوش مصنوعی از نوع شبکه های عصبی طراحی و آموزش داده شد. که ورودی های آن پارامترهای تنظیمی جوشکاری قوس الکتریکی تنگستن و خروجی آن، استحکام کششی جوش حاصل است.

پیشرفت فناوری در سالهای اخیر درباره سامانه های جامع الکترونیکی و سامانه های جدید بانکداری بسیار خوب و سریع بوده است، اما مهمترین عامل برای پذیرش و پایدار ماندن یک پیشرفت، جذابیت آن در هنگام عرضه به بازار مصرف است. لذا در این مقاله با معرفی سامانه های هوشمند تشخیص گفتار، سامانه های هوشمند گویا، روش پیاده سازی آن بر روی سامانه های جامع الکترونیکی و برقراری ارتباط به دو روش حضوری و غیر حضوری (تماس تلفنی با سامانه) با کمترین هزینه ممکن، سعی بر آن داریم تا لذت استفاده کاربران از این سامانه ها را بالا بریم و علاوه بر آن طیفی دیگر از جامعه یعنی ناتوانان جسمی از جمله نابینایان را برای بهره مندی از این سامانه ها پوشش دهیم.

در زیرساخت داده های مکانی (SDI) داده ها، در مجموعه هایی به عنوان پایگاه داده ها و انباره داده ها گردآوری می شوند. اما مشکل این است که طبق پژوهشهای صورت گرفته، سازمانها کمتر از یک درصد از داده هایشان را برای تحلیل، مورد استفاده قرار می دهند؛ لذا به نظر می رسد که «کشف دانش» به عنوان علمی نوپا با بهره گیری و تلفیق آن با دانش هوش مصنوعی و توانایی های پردازش مکانی GIS قادر باشند که به تشخیص و شناسایی الگوها، روندها و دانش مستتر در SDI (در هر دو معماری منطبق بر محصول و پردازش) و بخشیدن هوش به آن در راستای استفاده مؤثر، هدفمند و مفید از داده ها تا حدی مؤثر افتد. نوع تحقیق با توجه به موضوع کاربردی است. بر اساس یافته های این تحقیق، کشف دانش در تلفیق با هوش مصنوعی و توانایی های پردازش مکانی GIS قادر است ضمن تشخیص هوشمند الگوها و روندها در حجمهای بسیار بالا و پیچیده ای از داده ها به میزان مگا یا ترابایت از نظر نیروهای انسانی، زمان و هزینه های اقتصادی موجب صرفه جویی گردد. در انتها بر اساس یافته های تحقیق، راهکارهایی نیز پیشنهاد گردیده است.

طیفی از کاربردهای صنعتی خطوط تولید و مونتاژ، نیازمند پردازش دیداری خودکار، کنترل کیفیت و دسته بندی قطعات قرار گرفته روی یک نوار نقاله متحرک با استفاده از فنون هوش مصنوعی هستند. در این مقاله، هدف بر آن است تا بهترین روش ممکن ارائه و چگونگی عملکرد آن بیان شود.