صنعت معدن، به عنوان یکی از ارکان کلیدی در توسعه اقتصادی و تأمین مواد اولیه، نیازمند فناوری ها و روش های نوین برای افزایش بهره وری و ایمنی است. شاتکریت به عنوان یکی از مهم ترین تکنیک های پشتیبانی تونل در پروژه های زیرزمینی، به دلیل ویژگی هایی همچون مقاومت بالا، اجرای سریع و قابلیت استفاده در شرایط سخت، جایگاه ویژه ای در پروژه های معدنی یافته است. مقاومت فشاری شاتکریت، به عنوان یکی از ویژگی های مکانیکی کلیدی، نقشی اساسی در پایداری و ایمنی سازه های زیرزمینی دارد.

افسردگی یکی از شایع ترین   اختلالات روانی است که تاثیر فراوانی بر روندزندگی طبیعی فرد می گذارد. دامنه ی گسترده ی علائم افسردگی و همچنین تشابه علائمآن با اختلال های دیگر، گاهی اوقات تشخیص آن را دشوار می کند.

در سال های اخیر، توسعه کامپوزیت های پلیمری پیشرفته با هدف دستیابی هم زمان به وزن کم، استحکام بالا، قابلیت شکل دهی مناسب و امکان بازیافت، به یکی از حوزه های مهم پژوهشی در مهندسی مواد و مهندسی مکانیک تبدیل شده است. در این میان، کامپوزیت های گرماسخت تقویت شده با الیاف اگرچه از خواص مکانیکی مطلوبی برخوردارند، اما به دلیل محدودیت در بازیافت و فرآیندپذیری، توجه به کامپوزیت های گرمانرم بیش از پیش افزایش یافته است.

چکیده

استفاده از روش ثبت الکتروانسفالوگرافی درون‌جمجمه‌ای (iEEG) به سرعت برای کاربردهای بالینی و واسط‌های مغز و رایانه در حال افزایش است. iEEG دقت مکانی و زمانی بالایی بوده، به همین دلیل یک روش ثبت مطلوب برای مطالعه فعالیت‌های عصبی است. با وجود مزایای آن، iEEG با چالش‌هایی نظیر تنوع در مکان کاشت الکترودهای ‌‌ان مختلف مواجه است که توسعه‌ی مدل‌های رمزگشای عصبی یکپارچه در میان شرکت‌کنندگان مختلف را دشوار می‌سازد. در این تحقیق، مدل رمزگشای جدیدی به نام RISE-iEEG معرفی می‌کنیم که در برابر تنوع مکان کاشت الکترود بین‌ شرکت‌کنندگان مختلف مقاوم است.

چکیده

آرتروز زانو یکی از شایع ترین عوامل ناتوانی حرکتی در جهان است که تشخیص زودهنگام آن نقش کلیدی در مدیریت روند درمان دارد. با این حال، تشخیص دقیق مراحل اولیه بیماری بر اساس تصاویر رادیوگرافی و معیار کلگرن-لورنس (KL)، به دلیل ماهیت ذهنی و تفاوت های ناچیز بافتی، حتی برای متخصصین نیز چالش برانگیز است. هدف این پژوهش، توسعه یک سامانه هوشمند مبتنی بر یادگیری عمیق برای تشخیص و درجه بندی خودکار شدت آرتروز زانو است. در این راستا، ابتدا معماری های مختلف شبکه های عصبی پیچشی (VGG، EfficientNet، DenseNet) پیاده سازی و ارزیابی شدند.

چکیده