فهرس المقالات سید عابد حسینی


  • المقاله

    1 - ارائه یک تابع هدف اقتصادی جهت بهبود پروفیل ولتاژ در سیستم‌های تولید پراکنده مبتنی بر الگوریتم بهینه‌سازی حسابی
    فناوری اطلاعات در طراحی مهندسی , العدد 1 , السنة 16 , پاییز-زمستان 1402
    استفاده از سیستم‌های تولید پراکنده (DG) تأثیرات به سزایی ازجمله افزایش پایداری پروفیل ولتاژ، کاهش تلفات توان و حل مشکلات مربوط به پایداری ولتاژ دارد. این مقاله به ارائه تابع هدف به‌منظور جایابی و تعیین اندازه بهینه در سیستم‌های DG در راستای بهینه‌سازی چندمنظوره نظیر افز أکثر
    استفاده از سیستم‌های تولید پراکنده (DG) تأثیرات به سزایی ازجمله افزایش پایداری پروفیل ولتاژ، کاهش تلفات توان و حل مشکلات مربوط به پایداری ولتاژ دارد. این مقاله به ارائه تابع هدف به‌منظور جایابی و تعیین اندازه بهینه در سیستم‌های DG در راستای بهینه‌سازی چندمنظوره نظیر افزایش پروفیل ولتاژ، کاهش اتلاف توان و صرفه اقتصادی به کمک الگوریتم فرا ابتکاری بهینه‌ساز حسابی (AOA) می‎پردازد. در روش پیشنهادی، برای تعیین محل و اندازه بهینه در سیستم‌های DG از رویکردهای کمترین تلفات و بهبود سطح پروفیل ولتاژ پس از توان تزریقی به سیستم در شبکه‌های توزیع و فوق توزیع استفاده می‌شود. این پژوهش بر روی یک شبکه 33 گذرگاه IEEE به کمک AOA اجرا شده است و نتایج آن با دو الگوریتم ژنتیک (GA) و بهینه‌ساز ازدحام ذرات (PSO) مقایسه شده است. نتایج نشان می‌دهد روش پیشنهادی در زمینه جایابی و تعیین اندازه بهینه در سیستم‌های DG به سبب دارابودن عملگرهای کارآمد و پارامترهای مناسب نسبت به سایر روش‌های بهینه‌سازی اشاره‌شده برتری دارد. به‌عنوان نمونه روش AOA نسبت به PSO و GA به ترتیب 4/33 و 8/32 درصد سود بیشتری حاصل کرده است. به‌طور ویژه نتایج نشان می‌دهد AOA از سرعت بالاتر در همگرایی و یافتن مکان بهینه در سیستم-های DG برخوردار است. تفاصيل المقالة

  • المقاله

    2 - مروری بر رویکردهای هوش مصنوعی در تشخیص اختلال بیش فعالی و نقص توجه
    فناوری اطلاعات در طراحی مهندسی , العدد 1 , السنة 17 , بهار-تابستان 1403

    بیش فعالی/نقص توجه (ADHD) یک اختلال رفتاری-عصبی شایع در کودکان و نوجوانان است که توجه محدود، بیش فعالی و تکانش گری را به همراه دارد. تشخیص دقیق و به‌موقع این اختلال بسیار مهم است تا بتوان مداخلات مناسب درمانی را ارائه داد. در این میان، رویکردهای مبتنی بر هوش مصن أکثر

    بیش فعالی/نقص توجه (ADHD) یک اختلال رفتاری-عصبی شایع در کودکان و نوجوانان است که توجه محدود، بیش فعالی و تکانش گری را به همراه دارد. تشخیص دقیق و به‌موقع این اختلال بسیار مهم است تا بتوان مداخلات مناسب درمانی را ارائه داد. در این میان، رویکردهای مبتنی بر هوش مصنوعی می توانند نقش مهمی در بهبود و تسریع فرآیند تشخیص ایفا کنند. این پژوهش به بررسی استفاده از فناوری های هوش مصنوعی در تشخیص ADHD می‌پردازد. بدین منظور ابتدا به معرفی ویژگی های بالینی و چالش‌های موجود در تشخیص ADHD پرداخته می‌شود، سپس انواع رویکردهای هوش مصنوعی مانند یادگیری ماشین، پردازش زبان طبیعی و یادگیری عمیق در این زمینه بررسی می‌شوند. همچنین مطالعه های موردی و نتایج تجربی استفاده از این فناوری‌ها مرور می‌شوند. درنهایت چالش‌ها و محدودیّت‌های موجود و همچنین چشم‌انداز آینده پژوهش‌ها در این حوزه موردبحث قرار می‌گیرند. این پژوهش مروری بر آخرین پیشرفت‌های علمی در استفاده از هوش مصنوعی برای تشخیص ADHD ارائه می‌دهد و می‌تواند به‌عنوان یک منبع برای متخصصان بالینی و پژوهشگران این حوزه مورداستفاده قرار گیرد.

    تفاصيل المقالة