کاربیدهای سمنتهی WC-Co با خواص مکانیکی، سایشی وچقرمگی منحصر به فرد، صد سال است که جای خود را در صنایع مختلف باز کردهاند،جایگاهی بیرقیب که باعث شده میزان درخواست و تولید این مواد در جهان روز به روزافزایش یابد. از آنجایی که منابع اولیهی تولید این کامپوزیتها در دنیا محدودبوده و استخراج از آنها با چالشهای زیادی همراه است، از همان سالهای نخست تلاشبرای بازیافت این مواد مبحث مورد مطالعهی بسیاری از دانشگاهها، صنایع و مؤسساتتحقیقاتی در سراسر جهان قرار گرفت تا امروزه در کشورهای زیادی همانند ژاپن ازمنابع ثانویه برای تولید این مواد استفاده میشود.
از جمله آلیاژهای پر کاربرد پایه نیکل، آلیاژ NiCrBSi است که دارای خواص مطلوبی برای مصارف سایش و فرسایش در محیط¬های خورنده است. در این پژوهش، پوشش¬ پایه نیکل NiCrBSi و پوشش¬های کامپوزیتی NiCrBSi-30%WC و NiCrBSi-60%WC با فرایند روکش¬کاری لیزر تولید شدند. بررسی¬های ریزساختاری و فازی پوشش¬ها با استفاده از پراش پرتو ایکس، میکروسکوپ نوری (OM) و میکروسکوپ الکترونی روبشی (SEM) مجهز به طیف¬سنجی تفکیک انرژی مورد بررسی قرار گرفت. نتایج نشان داد که پوشش NiCrBSi عمدتا از فاز Ni-?
یکی از روشهای آزمایشگاهی رایج در بررسی اثربخشی یک داروی پیشنهادی در درمان سرطان، مواجهه داروی مورد نظر با سلولهای کشت داده شده در شرایط آزمایشگاهی است. کشت سلول به طور سنتی به صورت تک لایههای دوبعدی در محیطهای بیحرکت مانند پتریدیش یا فلاسک انجام میشود. اما با توجه به آنکه سلول در فلاسک در دوبعد کشت میشود، دسته ای از ارتباطات بین سلولی، که در حالت طبیعی در بدن انسان در سهبعد میباشد را از دست میدهد.
الگوریتم یادگیری عمیق در زمینه های مختلف کاربرد داشته و توجه بسیاری را به خود جلب کرده است . در زمینه علوم زمین، یادگیری عمیق بهعنوان یک ابزار کارآمد برای استخراج داده های پیچیده، سطح بالا و غیرخطی زمینشناسی و استخراج الگوهای ناشناخته قبلی مرتبط با فرایندهای زمینشناسی نشاندادهشده است. در این مطالعه، از یک شبکه رمزگذار خودکار عمیق برای استخراج ویژگیهای مربوط به کانیسازی استفاده شد. سپس این ویژگیها بهعنوان یک نقشه اکتشافی جهت اکتشاف مواد معدنی بر اساس دادههای اکتشاف ژئوشیمیایی که شامل مس، سرب، روی، طلا و ... است، ادغام شدند.
اهمیت تقریب توابع در علوم و مهندسی بر کسی پوشیده نیست. در این پایاننامه به معرفی شبکههای عصبی مصنوعی پرداخته شده است و این شبکهها به عنوان ابزاری کارآمد برای یافتن تقریب توابع مورد استفاده قرار گرفتهاند. از مزایای این ابزار به امکان یافتن تقریب، خصوصا در ابعاد بالا که چالشی مهم در نظریه تقریب بوده است اشاره میشود. همچنین به عدم حساسیت شبکههای عصبی مصنوعی نسبت به محاسبات در حساب ممیز شناور و نیز عدم نیاز به حل دستگاههای خطی با ضریب وضعیت بسیار بزرگ در مقایسه با روشهای کلاسیک اشاره شده است.
در دنیای امروز مشکلات و بیماریهای عصبی که منجر به عدم حرکت شخص میشود با کمک فناوری ارتباط مغز و رایانه تا حدود زیادی قابل حل میباشد. این فناوری با تجزیه و تحلیل سیگنالهای مغزی تصمیمات حرکتی افراد را پیشبینی میکند و آنها را به ربات ارسال میکند. روش تجزیه مد تجربی گروهی (EEMD) روشی است که دادههای ورودی را به توابع حالت ذات (IMF) تبدیل میکند. همچنین روشهای تحلیل مولفههای غیرمستقل (ICA) و تحلیل مولفههای همبستگی (CCA) از مرسومترین و سریعترین روشهای تحلیل کور منابع یک سیگنال است.