با عرض سلام و احترام؛ این کتاب شامل کتاب الگوها و تکنیک های سه بعدی است و شما می توانید از طریق این کتاب و با اره مویی خود، مهره ها و یا مجسمه های چوبی سه بعدی، گوشواره و یا مهره های شطرنج و ... بسازید.
کتاب الگوها و تکنیک های سه بعدی اره مویی
با عرض سلام و احترام؛ این کتاب شامل کتاب الگوها و تکنیک های سه بعدی است و شما می توانید از طریق این کتاب و با اره مویی خود، مهره ها و یا مجسمه های چوبی سه بعدی، گوشواره و یا مهره های شطرنج و ... بسازید.
فرمت فایل: ورد ( قابلیت ویرایش )
تعداد صفحات : 66 صفحه
فصل اول- مقدمه پیدایش علوم و فنون جدید، جوامع بشری را با شکلهای مختلفی از اطلاعات روبرو نموده است.
سطح توسعة یک جامعه را می توان با مقدار اطلاعات و دانش تولید شده در آن ارزیابی کرد.
تولید فزایندة اطلاعات به شکلهای مختلف صورت می گیرد و با درجات متفاوتی از پیچیدگی همراه میباشد.
در نتیجه نیاز به سیستمهای پردازش اطلاعات بصورت روزافزون افزایش می یابد.
یکی از مسائل مهم در طراحی سیستمهای مدرن اطلاعاتی، بازشناسی خودکار الگوها است.
1-1- شناسایی الگو شناسایی الگو، شاخه ای از هوش مصنوعی است که با طبقه بندی و توصیف مشاهدات سروکار دارد.
شناسایی الگو به ما کمک میکند داده ها (الگوها) را با تکیه بر دانش قبلی یا اطلاعات آماری استخراج شده از الگوها، طبقه بندی نماییم.
الگوهایی که می بایست طبقه بندی شوند، معمولاً گروهی از سنجش ها یامشاهدات هستند که مجموعه نقاطی را در یک فضای چند بعدی مناسب تعریف می نمایند.
یک سیستم شناسایی الگوی کامل متشکل است از یک حسگر ،که مشاهداتی را که می بایست توصیف یا طبقه بندی شوند جمع آوری می نماید، یک سازوکار برای استخراج ویژگی ها که اطلاعات عددی یا نمادین را از مشاهدات، محاسبه می کند، (این اطلاعات عددی را با یک بردار بنام بردار ویژگیها نمایش می دهند)؛ ویک نظام طبقه بندی یا توصیف که وظیفه اصلی طبقه بندی یا توصیف الگوها را با تکیه بر ویژگی های استخراج شده عهده داراست.
شکل 1-1 نمودار بلوکی یک سیستم شناسایی الگو را نشان می دهد.
همانطوری که از پیکان های برگشتی مشخص است، این بلوک ها لزوماً مستقل نیستند و بسته به نتایج حاصله گاهی لازم است که بلوک های اولیه مجدداً طراحی گردند تا راندمان کلی سیستم بهبود یابد.
شکل1-1-نمودار بلوکی یک سیستم شناسایی الگو نظام کلاسه بندی یا توصیف معمولا مبتنی بر وجود یک مجموعه از الگوهایی است که قبلا کلاسه بندی یا توصیف شده اند.
این مجموعة الگوها را مجموعة آموزشی و قانون یادگیری منتج شده را قانون یادگیری باسرپرستی(با نظارت) می نامند همچنین یادگیری میتواند بصورت بدون نظارت باشد و این در حالی است که الگوهایی از قبل به سیستم داده نشده اند و در مقابل، سیستم خود براساس قواعد آماری الگوها، کلاسها را پایه گذاری میکند.
1-2- کاربردهای بازشناسی الگو بازشناسی الگو در بسیاری از زمینه ها نقش کاربردی دارد .
بازشناسی حروف، بازشناسی نویسنده، تصدیق امضاء ، طبقه بندی اثر انگشت و بازشناسی گفتار نمونه هایی از این کاربردها هستند.
شناسایی الگو برای تحلیل داده های پزشکی نیز بکار گرفته شده است.
برای مثال تفسیر الکتروکاردیوگرام، تحلیل تصاویر و طبقه بندی کروموزمها را میتوان نام برد.
نمونه های دیگری از این کاربردها شامل طبقه بندی x اشعه مناطق زراعی، مطالعه آلودگی آبها، آشکار کردن منابع زیرزمینی و پیش بینی آب و هواست.
در این نوع کاربردها، تصاویر ارسال شده از ماهواره و تصاویرهوایی به کمک روشهای بازشناسی الگو تفسیر می شوند.
بازرسی تصویری و بازشناسی قطعات ماشینی، از کاربردهای صنعتی شناسایی الگو هستند.
تحلیل بافت، آشکارسازی هدف در سیگنالهای برگشتی رادار یا سونار، طبقه بندی امواج زلزله و تشخیص ذ
متن کامل را می توانید دانلود نمائید چون فقط تکه هایی از متن در این صفحه درج شده به صورت نمونه
ولی در فایل دانلودی بعد پرداخت متن کامل
همراه با تمام متن با فرمت ورد ,Word, که قابل ویرایش و کپی کردن می باشند
موجود است
خلاصه درس دبیران از ریاضی سوم ابتدایی بخش الگوها دارای 21 پی دی اف منظم و مرتب شده به قیمتی ارزان و با صرفه برای شما
فصل اول- مقدمه
پیدایش علوم و فنون جدید، جوامع بشری را با شکلهای مختلفی از اطلاعات روبرو نموده است. سطح توسعة یک جامعه را می توان با مقدار اطلاعات و دانش تولید شده در آن ارزیابی کرد. تولید فزایندة اطلاعات به شکلهای مختلف صورت می گیرد و با درجات متفاوتی از پیچیدگی همراه میباشد. در نتیجه نیاز به سیستمهای پردازش اطلاعات بصورت روزافزون افزایش می یابد. یکی از مسائل مهم در طراحی سیستمهای مدرن اطلاعاتی، بازشناسی خودکار الگوها است.
1-1- شناسایی الگو
شناسایی الگو، شاخه ای از هوش مصنوعی است که با طبقه بندی و توصیف مشاهدات سروکار دارد.شناسایی الگو به ما کمک میکند داده ها (الگوها) را با تکیه بر دانش قبلی یا اطلاعات آماری استخراج شده از الگوها، طبقه بندی نماییم. الگوهایی که می بایست طبقه بندی شوند، معمولاً گروهی از سنجش ها یامشاهدات هستند که مجموعه نقاطی را در یک فضای چند بعدی مناسب تعریف می نمایند.یک سیستم شناسایی الگوی کامل متشکل است از یک حسگر ،که مشاهداتی را که می بایست توصیف یا طبقه بندی شوند جمع آوری می نماید، یک سازوکار برای استخراج ویژگی ها که اطلاعات عددی یا نمادین را از مشاهدات، محاسبه می کند، (این اطلاعات عددی را با یک بردار بنام بردار ویژگیها نمایش می دهند)؛ ویک نظام طبقه بندی یا توصیف که وظیفه اصلی طبقه بندی یا توصیف الگوها را با تکیه بر ویژگی های استخراج شده عهده داراست.
شکل 1-1 نمودار بلوکی یک سیستم شناسایی الگو را نشان می دهد. همانطوری که از پیکان های برگشتی مشخص است، این بلوک ها لزوماً مستقل نیستند و بسته به نتایج حاصله گاهی لازم است که
بلوک های اولیه مجدداً طراحی گردند تا راندمان کلی سیستم بهبود یابد.
نظام کلاسه بندی یا توصیف معمولا مبتنی بر وجود یک مجموعه از الگوهایی است که قبلا کلاسه بندی یا توصیف شده اند. این مجموعة الگوها را مجموعة آموزشی و قانون یادگیری منتج شده را قانون یادگیری باسرپرستی(با نظارت) می نامند همچنین یادگیری میتواند بصورت بدون نظارت باشد و این در حالی است که الگوهایی از قبل به سیستم داده نشده اند و در مقابل، سیستم خود براساس قواعد آماری الگوها، کلاسها را پایه گذاری میکند.
1-2- کاربردهای بازشناسی الگو
بازشناسی الگو در بسیاری از زمینه ها نقش کاربردی دارد . بازشناسی حروف، بازشناسی نویسنده، تصدیق امضاء ، طبقه بندی اثر انگشت و بازشناسی گفتار نمونه هایی از این کاربردها هستند. شناسایی الگو برای تحلیل داده های پزشکی نیز بکار گرفته شده است. برای مثال تفسیر الکتروکاردیوگرام، تحلیل تصاویر و طبقه بندی کروموزمها را میتوان نام برد. نمونه های دیگری از این کاربردها شامل طبقه بندی x اشعه مناطق زراعی، مطالعه آلودگی آبها، آشکار کردن منابع زیرزمینی و پیش بینی آب و هواست. در این نوع کاربردها، تصاویر ارسال شده از ماهواره و تصاویرهوایی به کمک روشهای بازشناسی الگو تفسیر می شوند. بازرسی تصویری و بازشناسی قطعات ماشینی، از کاربردهای صنعتی شناسایی الگو هستند. تحلیل بافت، آشکارسازی هدف در سیگنالهای برگشتی رادار یا سونار ، طبقه بندی امواج زلزله و تشخیص ذرات شیمیائی کاربردهای دیگری ازبازشناسی الگو می باشند.
1-3- طرح پژوهش
در چند دهة گذشته مسألة بازشناسی الگوهای نوشتاری شامل حروف، ارقام و سایر نمادهای متداول دراسناد مکتوب شده به زبانهای مختلف، توسط گروههای مختلفی از محققین مورد مطالعه و بررسی قرار گرفته است. نتیجة این تحقیقات منجر به پیدایش مجموعه ای از روشهای سریع و تا حدزیادی مطمئن بمنظور وارد نمودن اطلاعات موجود دراسناد، مدارک، کتابها و سایر مکتوبات چاپی یا تایپ موسوم بهOCR شده و حتی دستنویس به داخل کامپیوتر شده است. مسئلة بازشناسی حروف الفبای فارسی سابقه ای نه چندان طولانی به همراه دارد. نخستین گزارشهای رسمی منتشر شده از تلاشهای انجام گرفته در این راه، مربوط به سالیان نخست دهة 1980 میلادی است.
به رغم فراگیری نسبی کاربرد الفبای فارسی در میان ملل مختلف قارة آسیا،بررسیهای انجام شده در خصوص یافتن روشهایی برای بازشناسی حروف این الفبا بسیار محدود بوده است. بواسطة وجود تفاوتهای اساسی بین نحوة نگارش کلمات فارسی و کلمات لاتین نظیرچسبیده بودن حروف سازندة یک کلمه به یکدیگر و تغییر شکل حروف بر اساس موقعیت نسبی قرارگیری آن در یک کلمة فارسی، امکان اعمال مستقیم روشهای متداول در بازشناسی حروف انگلیسی بمنظور شناسایی حروف تشکیل دهندة کلمات فارسی وجود ندارد.
اکثر کارهای انجام شده در زمینه« اُْسی آر » در رابطه با متون لاتین، چینی و ژاپنی بوده است » نرم افزارهای تجاری « اُْسی آر » لاتین در سالهای اخیر پیشرفت کیفی قابل ملاحظه ای داشته اند. اما« اُْسی آر » فارسی با وجود حجم نسبتاً وسیع تحقیقات دانشگاهی و نیاز شدید بازار تجاری به آن، هنوز هم از جایگاه مورد نظر فاصله بسیاری دارد و تاکنون هیچ سیستم « اُْسی آر » کارآمدی که ازنظر دقت و کیفیت محیط نرم افزاری، قابل مقایسه با سیستم های « اُْسی آر » لاتین باشد، عرضه نگردیده است. در نتیجه ضرورت انجام تحقیقات بیشتر در زمینه متون فارسی و عربی کاملاً احساس می شود.
هدف از انجام این پروژه آزمایش توانایی تکنیک آنالیز اجزای اصلی جهت استخراج ویژگیهای مربوط به ارقام فارسی و کاربرد آن جهت شناسایی است که این امر در فصل آخر محقق شده است. امید است انجام این پروژه افقهایی نو را در مبحث آنالیز اسناد بگشاید.
شامل 66 صفحه Word
مشخصات این فایل
عنوان: طراحی سیستم های مدرن اطلاعاتی، بازشناسی خودکار الگوها
فرمت فایل: word(قابل ویرایش)
تعداد صفحات:66
این مقاله در مورد طراحی سیستم های مدرن اطلاعاتی، بازشناسی خودکار الگوها می باشد.
-2- کاربردهای بازشناسی الگو
بازشناسی الگو در بسیاری از زمینه ها نقش کاربردی دارد . بازشناسی حروف، بازشناسی نویسنده، تصدیق امضاء ، طبقه بندی اثر انگشت و بازشناسی گفتار نمونه هایی از این کاربردها هستند. شناسایی الگو برای تحلیل داده های پزشکی نیز بکار گرفته شده است. برای مثال تفسیر الکتروکاردیوگرام، تحلیل تصاویر و طبقه بندی کروموزمها را میتوان نام برد. نمونه های دیگری از این کاربردها شامل طبقه بندی x اشعه مناطق زراعی، مطالعه آلودگی آبها، آشکار کردن منابع زیرزمینی و پیش بینی آب و هواست. در این نوع کاربردها، تصاویر ارسال شده از ماهواره و تصاویرهوایی به کمک روشهای بازشناسی الگو تفسیر می شوند. بازرسی تصویری و بازشناسی قطعات ماشینی، از کاربردهای صنعتی شناسایی الگو هستند. تحلیل بافت، آشکارسازی هدف در سیگنالهای برگشتی رادار یا سونار[1]، طبقه بندی امواج زلزله و تشخیص ذرات شیمیائی کاربردهای دیگری ازبازشناسی الگو می باشند....(ادامه دارد)
2-1-1- بازشناسی نوری حروف[2]
اصطلاح « اُْسی آر »به تکنیک هایی اطلاق می شود که در تصاویر اسکن یا فکس شده، نواحی متنی را تشخیص می دهند و سپس این نواحی(تصویری) را به متن قابل ویرایش تبدیل می نمایند .با دستگاهی به نام اسکنر می توان تصویر یک صفحه کاغذ را به صورت یک فایل گرافیکی(تصویری)، به رایانه ارسال و در آن ذخیره نمود. بدین ترتیب کاربر م یتواند با یک نر م افزار مناسب نمایش دهنده تصاویر، تصویر صفحه اسکن شده را بر روی نمایشگر رایانه خود ملاحظه نماید یا آن را چاپ کند؛ اما قادر نخواهد بود که متن موجود در تصویر سند را ویرایش کند یا آن را مورد جستجو قرار دهد . یک نرم افزار « اُْسی آر » تصویر اسکن شده را میخواند، محتویات آن (شامل متن، خطوط، تصاویر، جداول، ...)را شناسایی می نماید، و سپس آن را به یک قالب قابل ویرایش(در واژ ه پردازها) تبدیل می کند. امروزه بیشتر دستگاههای اسکنر به نرم افزارهای « اُْسی آر » مجهز گردیده اند و قادرند متن موجود در یک سند اسکن شده را تشخیص دهند و آن را با همان نحوه قالب بندی، ستون بندی، جدول بندی ونوع فونت مطابق با سند کاغذی اصلی، در قالب یک فایل متنی با قالب بندی مناسب ذخیره نمایند....(ادامه دارد)
در انتخاب بردارهای ویژگی لازم است موارد زیر مورد توجه قرار گیرند:
1-بردار ویژگی هر الگو باید تا حد امکان از بردارهای ویژگی دیگر الگوها متمایز باشد(فاصله بین بردارهای ویژگی در فضای ویژگی ها، حداکثر باشد).
2-بردار ویژگی الگوها باید تا بیشترین حد ممکن، خصوصیات شکل و ساختار الگوها را از تصویر آن ها استخراج نماید.
3. تا حد امکان نسبت به نویز، تغییر اندازه و نوع فونت، چرخش، و دیگر تغییرات احتمالی الگوها دارای ثبات باشد.
4-شرایط، نوع و خصوصیات الگوهای ورودی در انتخاب بردارهای ویژگی اثر میگذارند. به عنوان مثال، بایدتعیین نمود که آیا حروف یا کلماتی که می بایست تشخیص داده شوند جهت و اندازه مشخصی دارند یا خیر، دست نوشت هستند یا چاپی،یا اینکه تا چه حد بوسیله نویز، مغشوش شد هاند. همچنین گاهی کفایت می کندکه سیستم، تنها جوابگوی گروه محدودی از الگوها(مثلاً الگوهایی با اندازه یا نوع فونت از پیش مشخص شده) باشد....(ادامه دارد)
2-2-2- ویژگیهای آماری
بازنمایی یک تصویر سند بوسیله توزیع آماری آن ، تا اندازه ای تغییرات نگارشی را مورد توجه قرار می دهد . گرچه این روش بازنمایی ، بازسازی تصویر اولیه را امکان پذیر نمی سازد ، اما از آن در جهت کاهش ابعاد مجموعه ویژگیها استفاده می شود که بدین وسیله سرعت بالاتر و پیچیدگی کمتری حاصل می گردد . عمده ویژگیهای آماری مورد استفاده در بازشناسی حروف بشرح زیر میباشند :
الف – ناحیه بندی[3]
در این روش ، قاب در برگیرنده کاراکتر به چندین ناحیه همپوشان یا غیر همپوشان تقسیم میشود . چگالی نقاط یا ویژگیهایی از نواخی مختلف پس از آنالیز بمنظور بازنمایی آن کاراکتر بکار میروند به عنوان مثال ، ویژگیهای جهتی کانتور کاراکتر ، جهت کانتور کاراکتر را اندازه گیری می کند این ویژگیها با تقسیم آرایه تصویر به نواحی مستطیلی و قطری ، و محاسبه هیستوگرامهای کدهای زنجیره ای[4] در این نواحی تولید می گردند . به عنوان مثال دیگر می توان به ویژگیهای نقاط خمش[5] اشاره نمود که نشان دهنده نقاط دارای خمیدگی زیاد[6]، نقاط انتهایی[7] و نقاط انشعاب[8] می باشند....(ادامه دارد)
فصل چهارم- شبکه عصبی
1-4- شبکه عصبی چیست؟
شبکه های عصبی را می توان با اغماض زیاد، مدل های الکترونیکی از ساختار عصبی مغز انسان نامید. مکانیسم فراگیری و آموزش مغز اساساً بر تجربه استوار است. مدل های الکترونیکی شبکه های عصبی طبیعی نیز بر اساس همین الگو بنا شده اند و روش برخورد چنین مدل هایی با مسائل، با روش های محاسباتی که به طور معمول توسط سیستم های کامپیوتری در پیش گرفته شده اند، تفاوت دارد. می دانیم که حتی ساده ترین مغز های جانوری هم قادر به حل مسائلی هستند که اگر نگوییم کامپیوترهای امروزی از حل آنها عاجز هستند، حداقل در حل آنها دچار مشکل می شوند. به عنوان مثال، مسائل مختلف شناسایی الگو، نمونه ای از مواردی هستند که روش های معمول محاسباتی برای حل آنها به نتیجه مطلوب نمیرسند. درحالی که مغز ساده ترین جانوران به راحتی ازعهده چنین مسائلی بر میآید.تحقیقات در این زمینه نشان داده است که مغز، اطلاعات را همانند الگو ها[9] ذخیره می کند. فرآیند ذخیره سازی اطلاعات به صورت الگو و تجزیه و تحلیل آن الگو، اساس روش نوین محاسباتی را تشکیل می دهند. این حوزه از دانش محاسباتی [10]به هیچ وجه از روش های برنامه نویسی...(ادامه دارد)
فصل اول- مقدمه
1-1- شناسایی الگو
1-2- کاربردهای بازشناسی الگو
1-3- طرح پژوهش
فصل دوم- مروری بر سیتمهای OCR
2-1-بخشهای مختلف سیستمهای ocr
2-1-1- بازشناسی نوری حروف
2-1-2- تاریخچه سیستم های « اُْسی آر »
2-1-3- تحقیقات انجام شده در داخل کشور در زمینه تولید « اُسی آر » فارسی
2-1-4- برخی ویژگی های متون چاپی فارسی از دیدگاه پردازش رایانه ای
2-1-5-انواع سیستم های « اُسی آر » از لحاظ نوع الگوی ورودی
2-1-6- معرفی بخش های مختلف یک سیستم « اُسی آر »
2-1-6-1- پیش پردازش
کاهش نویز:
ب. نرمالیزه کردن اریب شدگی :
ج. نرمالیزه کردن(تغییر مقیاس دادن ) اندازه:
د. هموارسازی کانتور :
الف. دوگانی(دوسطحی) کردن تصویر متن:
ب-نازک سازی:
2-1-6-2- قطعه بندی (جداسازی)
2-1-6-3-بازنمایی (استخراج ویژگی ها )
مراحل قطعه بندی و بازشناسی، دو وجه تمایز عمده میان سیست مهای
2-1-6-4- طبقه بندی و بازشناسی(با یک یا چند طبقه بندی کننده)
...(ادامه دارد)