Today, large-scale vehicles are scattered in different parts of the city and therefore need to be controlled by programmed systems. Applications of these systems include traffic control, urban planning, driverless vehicles, parking lot management by announcing the arrival of a vehicle, detecting stolen or offending vehicles, and so on. Due to challenges such as the multiplicity of objects in the image, weather conditions, different colors and designs of the type of vehicles and very diverse images from different angles of a vehicle in the section identifying the type of vehicles in the photo, Films, moving images, etc. have led to a variety of research, and in this article we will examine some of the techniques. پرونده مقاله

استفاده از سری‌های زمانی (منظور مشاهدات ما از فرآیند برحسب زمان) یک راه‌حل مؤثر در تحلیل این سیستم‌ها می‌باشد. در واقع تأکید روی این هدف است که چگونه می‌توان از مشاهداتی به فرم سری زمانی اسکالر از فرآیند، که تنها اطلاعات ما در مورد بعضی از سیستم‌ها می‌باشد، به ساختار فضای حالت با بُعد محدود رسید. بازسازی فضای حالت بر مبنای نظریه محاط بنا شده که کاربرد آن مستلزم تعیین مقدارهای مناسبی برای دو پارامتر زمان تأخیر (τ)1 و بُعد محاط (m)2 می‌باشد. در این مقاله روشی برای تخمین پارامتر بُعد محاط جهت بازسازی فضای حالت سری‌های زمانی برگرفته از سیستم‌های دینامیکی آشوبی به کمک شبکه‌های عصبی تأخیر زمانی (TDNN) معرفی می‌شود. این روش یک ایده نو در انتخاب بُعد محاط بوده و متفاوت از روش مرسوم شمارش همسایه‌های کاذب (FNN) می‌باشد. در انتها کیفیت عملکرد روش مطرح شده با روش FNN مقایسه شده است و نتایج این مقایسه نشان از کارآیی خوب این روش دارد. پرونده مقاله

شماره پلاک خودرو یکی از مناسب‌ترین اقلام اطلاعاتی جهت احراز هویت خودرو‌ها می‌باشد. سیستم تشخیص پلاک خودرو یک سیستم مکانیزه است که با عکس گرفتن از خودروها، شماره پلاک آنها را استخراج می‌کند. روشی که در این مقاله ارائه شده است شامل دو قسمت می‌باشد. در قسمت اول با استفاده از لبه‌یابی و عملیات مورفولوژی محل پلاک شناسایی شده و در قسمت دوم با استفاده از شبکه عصبی هاپفیلد کاراکترها شناسایی می‌شوند. این روش بر روی 700 تصویر مختلف از نظر پس‌زمینه، فاصله و زاویه دید مورد آزمایش قرار گرفته و نرخ استخراج صحیح پلاک %97.8 و همچنین نرخ خواندن صحیح پلاک %93 ارزیابی شده است. پرونده مقاله

در این مقاله پیاده سازی سخت افزاری هسته حذف نویز فعال ارائه می‌گردد. فیلترهای وفقی در زمینه‌های مختلفی مانند پردازش سیگنال، رادار، سونار، شناسایی کانال و غیره مورد استفاده قرار می‌گیرند. فیلترهای وفقی با پاسخ ضربه محدود به دلیل حجم کم محاسبات و فاز خطی بسیار محبوب می‌باشند. الگوریتم حداقل میانگین مربعات برای آموزش ضرایب این فیلترها مورد استفاده قرار می‌گیرد. پیشرفتهای چشمگیر در زمینه قطعات نیمه‌هادی به خصوص در زمینه ساخت پردازنده‌های دیجیتال (DSP) و آرایه‌های منطقی برنامه‌پذیر (FPGA) با میلیونها گیت و سرعتی تا چند گیگا هرتز به مهندسان طراح این امکان را می‌دهد که واحدهای پردازشی دیجیتال را در درون تراشه‌ها جاسازی (Embed) نمایند. اما طراحی یک هسته تحقق‌پذیر و سنتزپذیر بر روی یک FPGA همواره به سادگی یک DSP نیست و این به دلیل محدودیتهای سخت‌افزاری می‌باشد. در این مقاله یک هسته سخت‌افزاری سنتزپذیر فیلتر وفقی FIR که منابع بسیار کمی را مصرف کرده و بهینه می‌باشد توسط زبان توصیف سخت افزار VHDL97 طراحی و بر روی تراشه Spartan3E پیاده سازی می‌گردد. نتایج به دست آمده از نرم‌افزارهای ModelSim و MATLAB بیانگر عملکرد مطلوب هسته و منابع مصرفی کم این مدل پیشنهاد شده نسبت به سایر مدلها می‌باشد. پرونده مقاله