دانلود و نمایش مقالات مرتبط با AI::صفحه 1
دانلود بهترین مقالات isi همراه با ترجمه فارسی
نتیجه جستجو - AI

تعداد مقالات یافته شده: 11493
ردیف عنوان نوع
1 Data Mining Strategies for Real-Time Control in New York City
استراتژی داده کاوی برای کنترل زمان واقعی در شهر نیویورک-2105
The Data Mining System (DMS) at New York City Department of Transportation (NYCDOT) mainly consists of four database systems for traffic and pedestrian/bicycle volumes, crash data, and signal timing plans as well as the Midtown in Motion (MIM) systems which are used as part of the NYCDOT Intelligent Transportation System (ITS) infrastructure. These database and control systems are operated by different units at NYCDOT as an independent database or operation system. New York City experiences heavy traffic volumes, pedestrians and cyclists in each Central Business District (CBD) area and along key arterial systems. There are consistent and urgent needs in New York City for real-time control to improve mobility and safety for all users of the street networks, and to provide a timely response and management of random incidents. Therefore, it is necessary to develop an integrated DMS for effective real-time control and active transportation management (ATM) in New York City. This paper will present new strategies for New York City suggesting the development of efficient and cost-effective DMS, involving: 1) use of new technology applications such as tablets and smartphone with Global Positioning System (GPS) and wireless communication features for data collection and reduction; 2) interface development among existing database and control systems; and 3) integrated DMS deployment with macroscopic and mesoscopic simulation models in Manhattan. This study paper also suggests a complete data mining process for real-time control with traditional static data, current real timing data from loop detectors, microwave sensors, and video cameras, and new real-time data using the GPS data. GPS data, including using taxi and bus GPS information, and smartphone applications can be obtained in all weather conditions and during anytime of the day. GPS data and smartphone application in NYCDOT DMS is discussed herein as a new concept. © 2014 The Authors. Published by Elsevier B.V. Selection and peer-review under responsibility of Elhadi M. Shakshu Keywords: Data Mining System (DMS), New York City, real-time control, active transportation management (ATM), GPS data
مقاله انگلیسی
2 بهینه سازی شرایط فرآیند تولید کربن فعال بسیار متخلخل از ضایعات پوست خرما به منظور حذف آلاینده های موجود در آب
سال انتشار: 2021 - تعداد صفحات فایل pdf انگلیسی: 10 - تعداد صفحات فایل doc فارسی: 32
در این مطالعه ، فرآیند تهیه کربن فعال بسیار متخلخل (AC) از پوست خرما از طریق روش سطح پاسخ، بهینه سازی شد. شرایط بهینه آماده سازی AC از طریق روش ترکیبی تجزیه حرارتی با فعال سازی شیمیایی با استفاده از اسید فسفریک در حدود 3 ساعت زمان فعال سازی ، 400 درجه سانتیگراد درجه حرارت فعال سازی و 40وزنی برای مقدار عامل فعال بدست آمد. بالاترین مقادیر سطح خاص و تعداد ید تحت شرایط بهینه عبارتند از902 متر مربع در گرم و 983 میلی گرم در گرم، که تخلخل بسیار بالای ساختار AC را تأیید می کند. همچنین AC آماده به دلیل مساحت زیاد و وجود گروههای عملکردی اسیدی در سطح آن ، توانایی چشمگیری در از بین بردن آلاینده های مختلف از جمله آرسنیک (V) ، متیلن آبی ، متیل نارنجی و کوئرستین داشت. سرانجام ، شاخص تجاری محاسباتی در حدود 451 مترمربع در هر واحد مواد به دست آمد که کاربرد پوست خرما را به عنوان یک پیش درآمد ارزان قیمت و امیدوار کننده برای آماده سازی تجاری AC تأیید می کند.
واژه های کلیدی: پوست خرما | روش سطح پاسخ | سطح خاص | شماره ید | کوئرستین
مقاله ترجمه شده
3 DEGAN : شبکه های مولد متخاصم غیر متمرکز
سال انتشار: 2021 - تعداد صفحات فایل pdf انگلیسی: 9 - تعداد صفحات فایل doc فارسی: 23
در این مطالعه، یک چارچوب توزیع شده و غیرمتمرکز از شبکه های مولد متخاصم (GAN) بدون تبادل داده های آموزشی پیشنهاد شد. هر گره شامل مجموعه ی از داده محلی ، یک تفکیک کننده کننده و یک مولد است که فقط گرادیان ژنراتور آن با سایر گره ها به اشتراک گذاشته می شوند. در این مقاله ، تکنیک توزیع جدید معرفی می شود که در آن کارکنان مستقیماً با یکدیگر ارتباط برقرار می کنند و هیچ گره مرکزی وجود ندارد. نتایج تجربی ما در مجموعه داده های معیار ، عملکرد و دقت تقریباً یکسانی را در مقایسه با چارچوب های GAN متمرکز موجود نشان می دهد. چارچوب پیشنهادی به عدم یادگیری غیرمتمرکز برای GAN ها می پردازد.
کلمات کلیدی: یادگیری عمیق | شبکه های مولد متخاصم | یادگیری ماشین توزیع شده | معماری غیرمتمرکز
مقاله ترجمه شده
4 افزایش هوشمندی به منظور بهره وری ، زیست پذیری و پایداری
سال انتشار: 2021 - تعداد صفحات فایل pdf انگلیسی: 8 - تعداد صفحات فایل doc فارسی: 11
این کتاب به دنبال توسعه چارچوبی برای بررسی تجربیات شهرهای هوشمند در حوزه های قضایی مختلف در سراسر آسیا اقیانوسیه ، قاره آمریکا ، اروپا و انگلستان ، خاورمیانه و آفریقا است. این چارچوب ، که در فصل 2 شرح داده شده ، برای درک محرک ها ، هنرمندان و نتایج سیاست ها و همچنین سیستم عامل های فناوری است که پایه و اساس نوآوری هایی است که باعث افزایش بهره وری ، پایداری و زیست پذیری شده اند. در حالی که مقیاس ابتکارات شهرهای هوشمند در زمینه های مختلف جغرافیایی متفاوت است ، این مسئله که چگونه مردم به سوی نوآوری روی بیاورند و چگونه آن را در کل شهر قابل استفاده کرد؛ اهمیت به سزایی دارد. این کتاب عوامل اصلی عملکردهای فعلی شهرهای هوشمند را در چندین مکان مشخص بیان می کند. همچنین به شرح عوامل اصلی و نقش های آنها - دولت ها ، صنایع خصوصی ، شرکت های فناوری اطلاعات و ارتباطات (ICT) ، شهروندان و کاربران نهایی در هر زمینه می پردازد. شناسایی محرکها ، هنرمندان و نتایج کلیدی به صورت سازمان یافته، بینش مهمی در سایر حوزه های قضایی در مورد چگونگی بازنگری یا تدوین بهتر سیاستها و برنامه¬های فعلی و آینده¬ی جنبش¬های نوآوری در زمینه فناوری و اجتماعی فراهم می کند.
مقاله ترجمه شده
5 بهبود تولید بیودیزل با کمک اولتراسونیک حاصل از ضایعات صنعت گوشت (چربی خوک) با استفاده از نانوکاتالیزور اکسید مس سبز: مقایسه سطح پاسخ و مدل سازی شبکه عصبی
سال انتشار: 2021 - تعداد صفحات فایل pdf انگلیسی: 11 - تعداد صفحات فایل doc فارسی: 25
سوخت زیستی سبز ، تمیز و پایدار تنها گزینه به منظور کاهش کابرد سوخت های فسیلی ، پاسخگویی به تقاضای زیاد انرژی و کاهش آلودگی هوا است. تولید بیودیزل زمانی ارزان می شود که از یک پیش ماده ارزان ، کاتالیزور سازگار با محیط زیست و فرآیند مناسب استفاده کنیم. پیه خوک از صنعت گوشت حاوی اسید چرب بالا است و به عنوان یک پیش ماده موثر برای تهیه بیودیزل کاربرد دارد. این مطالعه بیودیزل را از روغن پیه خوک از طریق فرآیند استری سازی دو مرحله ای با کمک اولتراسونیک و کاتالیزور تولید می کند. عصاره Cinnamomum tamala (C. tamala) برای تهیه نانوذرات CuO مورد استفاده قرار گرفت و با استفاده از طیف مادون قرمز ، پراش اشعه ایکس ، توزیع اندازه ذرات ، میکروسکوپ الکترونی روبشی و انتقال مشخص شد. تولید بیودیزل با استفاده از طرح Box-Behnken (BBD) و شبکه عصبی مصنوعی (ANN) ، در محدوده متغیرهای زمان اولتراسونیک (us )(20-40 min)، بارگیری نانوکاتالیزور 1-3) CuO درصد وزنی( ، و متانول به قبل از نسبت مولی PTO (10:1e30:1) مدلسازی شد. آنالیز آماری ثابت کرد که مدل سازی شبکه عصبی بهتر از BBD است. عملکرد بهینه 97.82٪ با استفاده از الگوریتم ژنتیک (GA) در زمان US: 35.36 دقیقه ، بار کاتالیزور CuO: 2.07 درصد وزنی و نسبت مولی: 29.87: 1 به دست آمد. مقایسه با مطالعات قبلی ثابت کرد که اولتراسونیک به میزان قابل توجهی موجب کاهش بار نانوکاتالیزور CuO می شود ، و نسبت مولی را افزایش می دهد و این فرایند را بهبود می بخشد.
کلمات کلیدی: چربی خوک | التراسونیک | اکسید مس | سنتز سبز | شبکه عصبی | سطح پاسخ
مقاله ترجمه شده
6 Applying emergy and decoupling analysis to assess the sustainability of China’s coal mining area
استفاده از تحلیل اضطراری و جداسازی برای ارزیابی پایداری منطقه استخراج زغال سنگ چین-2020
The sustainable development of coal mining area continues to be one of the most topical issues in the world. Taking Shainxi Province as a case, this study applies emergy and decoupling analysis to build a multi-index sustainability evaluation system and constructs an emergy decoupling index to investigate the sustainability of a coal mining area in China during 2006e2015. It overcomes the problem of the unification of the traditional evaluation index system and integrates the influence of economic development, resources, the environment, and energy. The study finds that the coal mining area still depends on its coal resources. The sustainability of the coal mining area is still at a low level, and it is not sustainable in the long term. The economic growth still has a strong negative decoupling from the environmental loss. Energy management system and circular economic system should be built to improve the coal mining area’s sustainability. In the long run, the coal mining industry should gradually be abandoned. Based on China’s growing energy consumption, the findings of this study may not only serve as a reference for management to improve the sustainability of the coal mining areas but also to address China’s energy shortage problem.
Keywords: Sustainability | Emergy analysis | Decoupling | Coal mining area
مقاله انگلیسی
7 Extending Fitts’ law in three-dimensional virtual environments with current low-cost virtual reality technology
گسترش قانون Fitts در محیط های مجازی سه بعدی با فناوری واقعیت مجازی کم هزینه فعلی-2020
Virtual reality (VR) interfaces require users to perform three-dimensional reaching and pointing movements to interact with objects positioned within the users arms reach. However, there has been limited work that has evaluated the applicability of established models of human motor control to model performance of these tasks in 3D virtual reality environments using current low-cost technologies. In this study, a 3D discrete pointing task using the Oculus Rift system was used to explore potential influences on movement in VR and to account for these influences in a new formulation of Fitts’ law. Target size and distance from the starting point of movement were systematically varied to generate a broad range of index of difficulty (ID) values. Target locations were specified using a spherical coordinate system in which inclination angle corresponded to the pitch of the movement axis with respect to the starting point of movements and azimuth angle corresponded to the roll of the movement axis with respect to the horizontal plane. In line with previous work, we observed that target size, radial distance, and inclination angle had a significant effect on movement time. The effect of inclination angle varied with target size, which suggests that target size affected depth estimation. Significant target characteristics and interaction effects were used to develop an extended Fitts’ law model, which accounted for 64.5% of the variation in movement times. Comparisons to other Fitts’ law models revealed that models accounting for the effects of target depth improved predictive power relative to the traditional Fitts’ law formulation. Together, these findings support the value of extending Fitts’ law models to account for domain-specific constraints in VR environments. We discuss these results in the context of previous work examining HMD display deficiencies and discrete 3D pointing tasks, and suggest several directions for future work.
Keywords: Fitts’ law | Virtual reality | Oculus Rift | Depth perception | Stereoscopic display
مقاله انگلیسی
8 Identification and differentiation of commercial and military explosives via high performance liquid chromatography – high resolution mass spectrometry (HPLC-HRMS), X-ray diffractometry (XRD) and X-ray fluorescence spectroscopy (XRF): Towards a forensic substance database on explosives
شناسایی و تمایز مواد منفجره تجاری و نظامی از طریق کروماتوگرافی مایع با کارایی بالا - طیف سنجی جرمی با وضوح بالا (HPLC-HRMS) ، پراش سنجی اشعه ایکس (XRD) و طیف سنجی فلورسانس اشعه ایکس (XRF): به سمت پایگاه داده مواد پزشکی قانونی در مورد مواد منفجره-2020
The identification of confiscated commercial and military explosives is a crucial step not only in the uncovering of distribution pathways, but it also aids investigating officers in criminal casework. Even though commercial and military explosives mainly rely on a small number of high-energy compounds, a great variety of additives and synthesis by-products can be found that can differ depending on the brand, manufacturer and application. This makes the identification of commercial and military explosives based on their overall composition a promising approach that can be used to establish a pan-European Forensic Substance Database on Explosives. In this work, three analytical techniques were employed to analyze 36 samples of commercial and military explosives from Germany and Switzerland. An HPLC-HRMS method was developed, using 27 analytes of interest that encompass high-energy compounds, synthesis by-products and additives. HPLCHRMS and XRD were used to gather and confirm molecular information on each sample and XRF analyses were carried out to gain insight on the elemental composition. Combining the results from all three techniques, 41 different additives could be identified as being diagnostic analytes and all samples showed a unique analytical fingerprint, which allows for a differentiation of the samples. Therefore, this work presents a set of methods that can be used as a foundation for the creation and population of a database on explosives that enables the assigning of specific formulations to certain brands, manufacturers and countries of origin.
Keywords: HPLC-HRMS | Powder XRD | XRF | Explosives | Commercial explosives | Military explosives
مقاله انگلیسی
9 Updating Diagnoses for Speed and Accuracy: Using AI, Cameras, Assays, and More
به روزرسانی تشخیص ها برای سرعت و دقت: استفاده از هوش مصنوعی ، دوربین ها ، سنجش ها و موارد دیگر-2020
When it comes to their health, people want answers right now. But clinicians cannot always make snap judgments about ailments or injuries. One way to help both general practitioners and patients is to introduce technologies that deliver quick and accurate diagnoses in a standard clinical setting. Here, IEEE Pulse features three examples of recently U.S. Food and Drug Administration (FDA)-approved diagnostic approaches that give patients fast responses about their conditions from a simple trip to their doctor, and without the need to see a specialist first. They include: • an autonomous artificial intelligence (AI) algorithm to diagnose diabetic retinopathy (DR); • an assay to spot infection with Mycoplasma genitalium, which can cause a sexually transmitted disease (STD) • an eye-tracking strategy to identify concussion.
مقاله انگلیسی
10 Optimal carbon storage reservoir management through deep reinforcement learning
مدیریت بهینه ذخیره مخزن کربن از طریق یادگیری تقویتی عمیق-2020
Model-based optimization plays a central role in energy system design and management. The complexity and high-dimensionality of many process-level models, especially those used for geosystem energy exploration and utilization, often lead to formidable computational costs when the dimension of decision space is also large. This work adopts elements of recently advanced deep learning techniques to solve a sequential decisionmaking problem in applied geosystem management. Specifically, a deep reinforcement learning framework was formed for optimal multiperiod planning, in which a deep Q-learning network (DQN) agent was trained to maximize rewards by learning from high-dimensional inputs and from exploitation of its past experiences. To expedite computation, deep multitask learning was used to approximate high-dimensional, multistate transition functions. Both DQN and deep multitask learning are pattern based. As a demonstration, the framework was applied to optimal carbon sequestration reservoir planning using two different types of management strategies: monitoring only and brine extraction. Both strategies are designed to mitigate potential risks due to pressure buildup. Results show that the DQN agent can identify the optimal policies to maximize the reward for given risk and cost constraints. Experiments also show that knowledge the agent gained from interacting with one environment is largely preserved when deploying the same agent in other similar environments.
Keywords: Reinforcement learning | Multistage decision-making | Deep autoregressive model | Deep Q network | Surrogate modeling | Markov decision process | Geological carbon sequestration
مقاله انگلیسی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi