فهرست مقالات سید عابد حسینی


  • مقاله

    1 - ارائه یک تابع هدف اقتصادی جهت بهبود پروفیل ولتاژ در سیستم‌های تولید پراکنده مبتنی بر الگوریتم بهینه‌سازی حسابی
    فناوری اطلاعات در طراحی مهندسی , شماره 1 , سال 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 چکیده کامل
    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. پرونده مقاله

  • مقاله

    2 - مروری بر رویکردهای هوش مصنوعی در تشخیص اختلال بیش فعالی و نقص توجه
    فناوری اطلاعات در طراحی مهندسی , شماره 1 , سال 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 چکیده کامل

    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.

    پرونده مقاله