این تحقیق، یکرویکرد برای طراحی شبکههای عصبی کوانتومی عمیق با روشهای بارگذاری مجدد دادهها،پیشخور کوانتومی و همگشتی کوانتومی ارائه میدهد. هدف اصلی این تحقیق، ابتدامعماری و سپس آموزش و ارزیابی عملکرد این شبکهها در یک مسئلهی ردهبندی شکلهایسه بعدی است. در اینجا فرآیند آموزش، شامل بهینهسازی پارامترهای شبکههای عصبیکوانتومی برای دستیابی به عملکرد بهینه است.
در دنیای امروز اینترنت، حجم بزرگ اطلاعات و چالشهای انتخاب منابع توسط کاربران، نیازمند راهنماییهای صحیح است. سیستمهای توصیهگر به عنوان ابزارهای حیاتی برای کمک به کاربران در انتخاب منابع و دریافت اطلاعات ظاهر شدهاند. این سیستمها با هدف تولید توصیههای هوشمند برای گروههای خاصی از کاربران، به ویژه کسانی که به محصولات خاصی علاقه دارند، طراحی شدهاند. در دهههای اخیر، روشهای مختلفی برای سیستمهای توصیهگر پدیدار شده و الگوریتمها، مقالات و متون علمی متنوعی در این زمینه معرفی شدهاند.
در عصر حاضر با توجه به صنعتی شدن جوامع، نیاز به انرژی بیشاز پیش احساس میشود و در حال حاضر سوختهای فسیلی مانند نفت و گاز طبیعی به عنوانمنابع اصلی انرژی مورد استفاده قرار میگیرند. ولی مصرف این منابع انرژی با دومشکل عمده رو به رو است: مشکل اول تولید گازهای گلخانهای است که عامل اصلی گرمایشجهانی هستند و افزایش سطح آب دریاها، خشکسالی و تغییرات آب و هوایی را به دنبالدارند و مشکل دوم غیر تجدید پذیر بودن این منابع انرژی است. از این رو تحقیقات و پژوهشهادر زمینه منابع انرژی تجدید پذیری که بتوانند مشکلات بالا را حل کنند افزایش یافتهاست.
یکی از جالب ترین ویژگی نانوذرات فلزی، خواص نوریآن ها است که متناسب با شکل، اندازه و محیط نانوذرات تغییر میکند. در نانوذرات فلزی، تشدید پلاسمون سطحی، خواص نوری منحصر به فردی را ایجاد می کند.با شناخت تأثیراتی که از تغییر شکل، اندازه و محیط نانوذرات فلزی بر روی مقدار تشدیدبسامد پلاسمون سطحی، می توان از کاربردهای آن در فناوری استفاده نمود. یکی ازکاربرد های نانوذرات استفاده از آن ها در تشخیص و درمان سرطان است. از جذبو پراکندگی نور تابیده شده به نانوذرات موجود در ناحیه ی سرطانی می توان بهتشخیصو درمان سرطان پرداخت.
روش شناسایی و ارزیابی خطاهای انسانی به دنبال عواملی است که منجر به رخداد خطای انسانی یا حادثه در سازمان میشود، تا بتوان با اتخاذ و اجرای روشهای مناسب از تکرار آن جلوگیری نمود یا در جهت کنترل و کاهش این خطاها گام برداشت.
مسئلهی مجموعه رأس بازخورد کمینه، یک مسئلهی -سخت است، هدف از حل آن، یافتن حداقل تعداد رأسهایی است که باید از یک گراف حذف شوند تا گراف حاصل، دور نداشته باشد. مسئله مجموعه رأس بازخورد کمینه در هوش مصنوعی تحت عنوان برش دور نیز شناخته میشود. مسئله مجموعه رأس بازخورد، کاربردهای فراوانی در زمینههای مختلف دارد. ازجمله، جلوگیری و حذف بنبست در سیستمهای عامل، طراحی چیپ و تراشههای VLSI، مسائل ارضای محدودیت در هوشمصنوعی، بیوانفورماتیک و پیشبینی ژنهای سرطانی، استنتاج بیزی، درستیسنجی برنامه، شبکههای نوری، طراحی مدارهای ترکیبی.
مطالعه حاضرسعی بر این دارد تا با استفاده از کاربرد مدلهای هوش مصنوعی و بهرهگیری از مدلهای ارائه شده توسط گزارش ششم تغییرات اقلیمی به ارزیابی تغییرات نفوذ ناشی از بارش دربالادست و پاییندست حوضه آبریز زاینده رود به انجام رساند. دقت بالای این مدلهادر شناسایی روابط پیچیده میان مجموعه دادههای یک مساله آنها را به جایگزین مناسبی برای مدلهایی که مبتنی بر فیزیک مساله هستند و با روابط ریاضیاتی پیچیده سروکار دارند، تبدیل کرده است. همچنین عملکرد بالای این مدلها در ارزیابی پارامترهای هیدرولوژیکی تحت اثر سناریوهای تغییر اقلیم میتوانند نتایج دقیق و ارزشمندی را برای آینده تخمین بزنند.
امروزهتولید هیدروژن و استفاده از آن یکی از راهکارهای اصلی برای کاهش اثرات گازهایگلخانهای و جلوگیری از گرمایش زمین است. تولید هیدروژن سبز و استفاده ازفتوکاتالیستها یکی از راه حل های اصلی پیشنهاد شده برای این موضوع است. در اینپژوهش استفاده از نانولولههای تیتانیوم دی اکسید بهبود یافته با نیتروژن برایتولید هیدروژن سبز بررسی شده است. در این پژوهش بررسی کاربرد تولید هیدروژن به کمکپایش پتانسیل به وسیله دستگاه پتانسیواستات صورت گرفته است. برای تولید نانولولههایتیتانیوم دی اکسید، ماده ایلمنیت معدنی به عنوان ماده اولیه انتخاب شد. نانولولههایتیتانیوم دی اکسید به روش هیدروترمال تولید شد.