منابع کنکور ارشد علوم اجتماعی+سوالات کنکور ارشد95 با پاسخنامه

اختصاصی از فی دوو منابع کنکور ارشد علوم اجتماعی+سوالات کنکور ارشد95 با پاسخنامه دانلود با لینک مستقیم و پر سرعت .

منابع امتحانی کنکور ارشد رشته علوم اجتماعی (تمامی گرایشها)+ سوالات کنکور ارشد سال 95

سمینار کارشناسی ارشد برق روشهای طراحی شبکه روی تراشه و کاربرد آنها

اختصاصی از فی دوو سمینار کارشناسی ارشد برق روشهای طراحی شبکه روی تراشه و کاربرد آنها دانلود با لینک مستقیم و پر سرعت .

این محصول در قالب  پی دی اف و 72 صفحه می باشد.

این سمینار جهت ارائه در مقطع کارشناسی ارشد رشته مهندسی برق-الکترونیک طراحی و تدوین گردیده است . و شامل کلیه مباحث مورد نیاز سمینار ارشد این رشته می باشد.نمونه های مشابه این عنوان با قیمت های بسیار بالایی در اینترنت به فروش می رسد.گروه تخصصی ما این سمینار را با قیمت ناچیزی جهت استفاده دانشجویان عزیز در رابطه با منبع اطلاعاتی در اختیار شما قرار می دهند. حق مالکیت معنوی این اثر مربوط به نگارنده است. و فقط جهت استفاده ازمنابع اطلاعاتی و بالابردن سطح علمی شما در این سایت ارائه گردیده است.

چکیده :

طراحی سیستم های بسیار بزرگ و پیچیده روی تراشه واحد مشکل است و از قانون خاصی

نیز تبعیت نمی کند صنعت EDA تلاش می کند با فراهم کردن ابزار و متدولوژیهای مورد نیاز ،

به کارگیری مجدد قطعات ،ساختار ها و کاربرد ها را امکان پذیر سازد. از آنجا که نیاز به

سازماندهی تعداد زیادی از هستههای IP در یک تراشه با استفاده از زیر ساخت ارتباطی

استاندارد در طراحی SOC احساس می شد .

این موضوع ابتدا طراحان را به استفاده از روش طراحی مبتنی بر بستر رهنمون گردانید .

بستر ها تنها دارای ارتباطات مبتنی بر گذرگاه هستند .بنابراین طراح می بایست با پیکر بندی و

برنامه ریزی هسته های IP متصل شونده به گذرگاهها سیستم جدید را ایجاد می کرد . اما کم کم

احساس نیاز به نوع کارآمد تری از شبکه ارتباطات احساس می شد . که بتوانند ارتباطات در SOC

های بزرگ و پیچیده را حمایت کند . در این پژوهش روش های مختلف طراحی سیستم روی تراشه

بررسی شده و روند تکاملی آنها تا رسیدن به شبکه روی تراشه توصیف گردیده است .

سمینار کارشناسی ارشد برق بررسی الگوریتم بهینه سازی Simulated Annealing و انواع کاربردهای آن

اختصاصی از فی دوو سمینار کارشناسی ارشد برق بررسی الگوریتم بهینه سازی Simulated Annealing و انواع کاربردهای آن دانلود با لینک مستقیم و پر سرعت .

این محصول در قالب  پی دی اف و 65 صفحه می باشد.

این سمینار جهت ارائه در مقطع کارشناسی ارشد رشته مهندسی برق-کنترل طراحی و تدوین گردیده است . و شامل کلیه مباحث مورد نیاز سمینار ارشد این رشته می باشد.نمونه های مشابه این عنوان با قیمت های بسیار بالایی در اینترنت به فروش می رسد.گروه تخصصی ما این سمینار را با قیمت ناچیزی جهت استفاده دانشجویان عزیز در رابطه با منبع اطلاعاتی در اختیار شما قرار می دهند. حق مالکیت معنوی این اثر مربوط به نگارنده است. و فقط جهت استفاده ازمنابع اطلاعاتی و بالابردن سطح علمی شما در این سایت ارائه گردیده است.

چکیده

در این سمینار الگوریتم جستجوی محلی Simulated Annealing,SA (پخت شبیه سازی شده) را معرفی کرده و جزئیات، مزایا، معایب و کاربردهای آن را مورد بررسی قرار خواهیم داد به طوری که روش های توسعه یافته این الگوریتم نیز به اجمال معرفی می شوند. سپس اهمیت تعیین مشخصات مدارات الکترونیکی (Circuit Sizing) را با انواع روش های موجود برای این کار را مورد بررسی و مقایسه قرار می دهیم. برنامه ریزی هندسی و روش های بر پایه شبیه سازی معروف ترین استراتژی هایی هستند که برای تعیین مشخصات مدار به منظور بهینه سازی آنها به کار می روند که در ادامه با توجه به ضرورت بهینه سازی بلوک های جمع کننده و ضرب کننده که عنصر اصلی در مدارات دیجیتال می باشند، روش SA را به عنوان یک الگوریتم ساده و با قابلیت یافتن نقطه بهینه در کل برای حداقل شدن توان مصرفی و تاخیر در این بلوک ها، انتخاب می کنیم.

مقدمه

جستجو برای یافتن خواسته های مطلوب و بهینه از میان گزینه های قابل انتخاب جزء مسائلی است که بشر همواره با آن مواجه بوده است. در زندگی روزمره نیز به کرات با چنین مسائلی مواجه هستیم مانند: انتخاب یک محل مناسب برای زندگی، تنظیم جدول زمانی برای امتحانات سراسری، یافتن بهترین مسیر برای مسافرت با وسیله نقلیه، حرکت مناسب در بازی شطرنج و… نه تنها در زندگی روزمره بلکه در انواع مسائل مهندسی، معماری، مالی، اقتصادی، تحقیقات اپراتوری، پزشکی، نظامی و… به نوعی با مسائل بهینه سازی مواجه هستیم.

در تمام مسائل جستجو واضح است که یافتن یک حل ممکن برای مسئله بسیار آسان تر از یافتن بهترین حل می باشد. محدودیت ها در یافتن بهترین جواب ناشی از زمان، منابع در دسترس، پیچیدگی طبیعی خواسته های بهینه سازی و کثرت گزینه های قابل انتخاب می باشد.

در بعضی از مسائل بهینه سازی باید عملیات جستجو به نحوی انجام شود که چندین تابع هزینه باهم بهینه شوند (Multi objective). همچنین محدودیت ها و قیودات مختلفی بسته به نوع مسئله وجود دارد به عنوان مثال برای تنظیم بهینه جدول زمانی امتحانات یک دانشگاه چندین موضوع باید در نظر گرفته شود مانند: تعداد دانشجویانی که امتحانات پشت سرهم دارند، تعداد دانشجویانی که بیشتر از یک امتحان در یک روز دارند، حداکثر زمان مشخص شده برای کل امتحانات، حداکثر اتاق های قابل استفاده، تعداد مراقبان امتحانات و… بدون شک پیدا کردن جوابی که تمام خواسته ها و محدودیت ها را برآورده کند کاری بسیار مشکل می باشد.

برای یافتن بهترین جواب باید بیشترین جستجو را انجام داد این خود باعث صرف شدن زمان زیاد و تلاش محاسباتی (effort) حجیم می شود. در مسائل بهینه سازی باید مصالحه ای بین کیفیت جواب و زمان و تلاش محاسباتی برقرار شود. چنانچه محدودیت کمی برای زمان و تلاش محاسباتی وجود داشته باشد می توانیم بیشترین جستجو را انجام دهیم یعنی فضاهای جستجو را به اندازه ممکن بزرگ در نظر گرفته و نقاط بیشتری را از یک فضای مشخص به عنوان حل های ممکن در نظر بگیریم. اما چنانچه محدودیت های ما بر روی زمان و تلاش محاسباتی زیاد باشد نمی توانیم همه نقاط ممکن را جستجو کنیم در نتیجه برای رسیدن به جواب مناسب باید روشی را پیدا کنیم که به سمت جواب های بهتر هدایت شویم. در واقع به جای جستجوی همه نقاط ممکن (explore) باید اطلاعات به دست آورده از جستجوهای قبلی را طوری تحلیل کنیم تا به سمت نقاط بهتر هدایت شویم (exploite). البته این عمل در بعضی از مسائل بسیار مشکل می باشد.

الگوریتم هایی که برای حل مسئله بهینه سازی و جستجو به کار می روند در صورتی که قابل اعمال به دسته وسیعی از مسائل باشند به الگوریتم های همه منظورمه (general – purpose optimization algorithm) موسوم می باشند. این الگوریتم ها نیز بسته به استراتژی جستجو در آنها به دو دسته کلی تقسیم می شوند. دسته اول که به روش محلی تک نقطه ای موسوم می باشند در هر ملحه تنها یک جواب انتخاب می شود. (SA (simulated annealing و جستجوی TABU جزء این دسته می باشند. دسته دیگر به روش های جستجوی دسته جمعی موسوم می باشند. در هر مرحله به صورت موازی چندین حل انتخاب می شود. سپس از میان آن ها حل هایی که دارای بیشترین برازش باشند برای همسایگی در مرحله بعدی در نظر گرفته می شوند و این عمل تکرار می شود.

اکثر الگوریتم های تکاملی جزء روش های جستجوی دسته جمعی می باشند. در بسیاری از مقالات میان الگوریتم های بهینه سازی مقایسه شده است. این مقایسه از چند جهت ضروری می باشد اولا آنکه مقایسه مشخص می کند که برای مسائل مختلف کدام الگوریتم بهتر عمل می کند دوما آنکه برای مسائلی که در آینده مطرح می شوند دید کافی برای حل آنها وجود خواهد داشت. البته این موضوع بستگی به دسته بندی صحیح مسائل بهینه سازی از جهت خصوصیات آنها و سازگاری الگوریتم های بهینه سازی برای هریک از این مشخصات خواهد داشت. سوم آنکه مقایسه الگوریتم ها بر روی یک فرآیند باعث فهم بهتر عملکرد آن فرآیند شده و این امکان را می دهد تا اصلاحات لازم بر روی الگوریتم ها انجام شده یا حتی آنها را با یکدیگر ترکیب کنیم تا از مزایای هرکدام بهره مند شویم.

یکی از مباحث مطرح شده در ریاضیات میزان پیچیدگی الگوریتم ها می باشد. الگوریتمی برای تعیین پیچیدگی یک مسئله وجود دارد که بسته به ساده ترین راه حل ممکن برای آن مسائل را به دو دسته سخت و آسان تقسیم بندی می کند. هرچقدر برای رسیدن به جواب مطلوب تعداد گام های بیشتری صرف شود آن الگوریتم پیچیده تر خواهد بود. مسائل بهینه سازی از جهت پیچیدگی به دو دسته “سرکش” (intractable) و “رام” (tractable) تقسیم می شوند.

مسائل سرکش مسائلی هستند که به طور معمول غیرقابل تصمیم گیری هستند یعنی پیدا کردن حل های ممکن برای آنها بسیار سخت است مانند حل معادلات دیوفانتین که اثبات شده است که هیچ روند پیاپی برای حل همه مثال های آن وجود ندارد. اما مسائل رام مسائلی هستند که راه حل های ممکن برای آن قابل استخراج می باشد اما ممکن است زمان و تلاش محاسباتی زیادی برای جستجوی همه راه حل های ممکن مورد نیاز باشد. در مسائل سرکش هیچ الگوریتمی وجود ندارد که به ازای گام های معین که تابعی چند جمله ای از اندازه مسئله می باشند بتواند آنها و همه مثال های مربوط به آن مسائل را حل کند.

سمینار کارشناسی ارشد برق کاربرد آنتن های دایورسیتی پلاریزاسیون درWLAN و مخابرات بی سیم

اختصاصی از فی دوو سمینار کارشناسی ارشد برق کاربرد آنتن های دایورسیتی پلاریزاسیون درWLAN و مخابرات بی سیم دانلود با لینک مستقیم و پر سرعت .

این محصول در قالب  پی دی اف و 72 صفحه می باشد.

این سمینار جهت ارائه در مقطع کارشناسی ارشد رشته مهندسی برق-مخابرات طراحی و تدوین گردیده است . و شامل کلیه مباحث مورد نیاز سمینار ارشد این رشته می باشد.نمونه های مشابه این عنوان با قیمت های بسیار بالایی در اینترنت به فروش می رسد.گروه تخصصی ما این سمینار را با قیمت ناچیزی جهت استفاده دانشجویان عزیز در رابطه با منبع اطلاعاتی در اختیار شما قرار می دهند. حق مالکیت معنوی این اثر مربوط به نگارنده است. و فقط جهت استفاده ازمنابع اطلاعاتی و بالابردن سطح علمی شما در این سایت ارائه گردیده است.

چکیده

مزایای استفاده از انواع مختلف دایورسیتی در مخابرات بی سیم از زمان اولین سیستم های رادیویی موبایل شناخته شده است. انواع دایورسیتی مانند فاصله ای، پلاریزاسیون، زاویه و یا فرکانس برای بهبود بخشیدن به نسبت سیگنال به نویز، نرخ خطای بیت، ظرفیت کانال و صرفه جویی توان در یک لینک موبایل استفاده می شود.

در بسیاری از سیستم های عملی به دلیل صرفه جویی در فضای اشغال شده توسط آنتن و همچنین قیمت تمام شده، از آنتن دایورسیتی پلاریزاسیون واحد به جای استفاده از دو آنتن دایورسیتی فاصله ای استفاده می کنند. همچنین دایورسیتی پلاریزاسیون برای جبران عدم تطبیق پلاریزاسیون که در نتیجه جهت یابی تصادفی موبایل بوجود می آید، به کار می رود.

در سال های اخیر، سیستم های آنتن با دایورسیتی پلاریزاسیون، به دلیل بهره شان، نقش زیادی در گسترش مخابرات بی سیم داشته اند. در سیستم های مخابرات بی سیم باند وسیع، مانند شبکه های محلی بی سیم (WLAN)، چنین سیستم هایی برای کم کردن فیدینگ زیانبار ناشی از اثرات چند مسیرگی به کار می روند.

مقدمه

در کانال های رادیویی موبایل به ندرت LOS بین فرستنده و گیرنده وجود دارد، بخصوص در محیط های داخلی که چنین سرویس هایی مورد احتیاج است. بنابراین انتشار به طور قابل ملاحظه ای بوسیله چند مسیرگی صورت می گیرد و این اثری منفی روی budget لینک دارد. استفاده از توان فرستنده بالاتر ترجیح داده نمی شود، چرا که منجر به افزایش تداخل می شود که در نتیجه، باعث محدودیت ظرفیت شبکه می شود. روش های دایورسیتی راندمان بالایی را در کاهش اثرات فیدینگ چند مسیره دارد.

در فصل اول این سمینار به بررسی انواع دایورسیتی و معرفی تعدادی از این روش های دایورسیتی که متداول تر هستند، خواهیم پرداخت. در فصل دوم، دایورسیتی پلاریزاسیون در مخابرات موبایل در حالت کلی مورد رسیدگی قرار می گیرد و با این مقدمه در فصل دوم، در فصل سوم مدل دایورسیتی پلاریزاسیون در ترمینال موبایل با و بدون در نظر گرفتن اثرات آنتن ها درموبایل ارائه می شود. در فصل چهارم عملکرد این نوع دایورسیتی در کانال های با فیدینگ رایلی مورد بحث قرار می گیرد و بالاخره در فصل پنجم، دایورسیتی پلاریزاسیون سه شاخه در محیط های indoor معرفی می شود و با استفاده از نتایج عملی، مفید بودن استفاده از این روش نشان داده می شود.

فصل اول

بررسی انواع دایورسیتی

دایورسیتی روشی است که با استفاده از آن چندین سیگنال روی مسیرهای با فیدینگ مستقل و حامل اطلاعات یکسان تولید می شوند، که در گیرنده با ترکیب کردن این سیگنال ها، اثرات شدید فیدهای عمیق کاهش می یابد. به عبارت دیگر، دایورسیتی با دریافت چندگانه روشی است که برای مقابله با فیدینگ بکار می رود و عبارت است از روش دستیابی به بیش از یک سیگنال در ورودی گیرنده، به طوری که سیگنال های مختلف از نظر مشخصات آماری دارای فیدینگ تقریبا مستقل از هم باشند. در اینصورت، چنانچه یکی از سیگنال ها دستخوش فیدینگ شود، به احتمال بسیار زیاد در بین سایر سیگنال ها می توان سیگنالی را یافت که دارای فیدینگ با عمق زیاد نباشد. تعداد سیگنال های مختلف موجود در ورودی گیرنده را مرتبه دایورسیتی می گویند.

برخی از خصوصیات دایورسیتی عبارت است از:

1- کاهش عمق فیدینگ سیگنال ترکیبی که از ترکیب سیگنال های مختلف تشکیل شده است.

2- افزایش قابلیت اعتماد تجهیزات.

3- بهبود معیار کیفیت سیستم یا نسبت سیگنال به نویز سیگنال ترکیبی در مقایسه با هر یک از سیگنال ها.

از آنجایی که احتمال داشتن دو فید عمیق برای دو سیگنال مستقل در یک لحظه ناچیز است، اثرات فیدینگ با تلفیق دو سیگنال فوق بطور مؤثری کاهش پیدا می کند.

سمینار کارشناسی ارشد برق بررسی حجم محاسبات الگوریتم های MPC

اختصاصی از فی دوو سمینار کارشناسی ارشد برق بررسی حجم محاسبات الگوریتم های MPC دانلود با لینک مستقیم و پر سرعت .

این محصول در قالب  پی دی اف و 108 صفحه می باشد.

این سمینار جهت ارائه در مقطع کارشناسی ارشد رشته مهندسی برق-کنترل طراحی و تدوین گردیده است . و شامل کلیه مباحث مورد نیاز سمینار ارشد این رشته می باشد.نمونه های مشابه این عنوان با قیمت های بسیار بالایی در اینترنت به فروش می رسد.گروه تخصصی ما این سمینار را با قیمت ناچیزی جهت استفاده دانشجویان عزیز در رابطه با منبع اطلاعاتی در اختیار شما قرار می دهند. حق مالکیت معنوی این اثر مربوط به نگارنده است. و فقط جهت استفاده ازمنابع اطلاعاتی و بالابردن سطح علمی شما در این سایت ارائه گردیده است.

چکیده

کنترل کننده های پیش بین از پیش بینی انجام شده توسط مدل سیستم در ساختار کنترل کننده استفاده می کنند. کنترل کننده های پیش بین دارای حجم محاسباتی بالایی هستند برای استفاده از این کنترل کننده ها در سیستم های سریع، لازم است تا با استفاده از ترفندهایی از حجم محاسبات آنها کاسته شود.

در این پایان نامه سعی شده است تا حجم محاسبات الگوهای کنترل کننده های پیش بین محاسبه شود. و با استفاده از روش هایی این حجم محاسبات کاهش داده شوند.

مقدمه

کنترل پیش بین MPC شامل تعدادی از الگوریتم های کنترلی است که براساس مفهوم خاصی عمل می کند. در یک کنترل کننده MPC، تعدادی از ورودی های آینده به گونه ای تعیین می شوند که خروجی پروسه در طول فاصله زمانی معینی، براساس یک تابع معیار به ورودی نزدیک باشد. این محاسبات طی هر زمان نمونه برداری انجام می شود و معمولا اولین عنصر محاسبه شده از سیگنال کنترلی به پروسه اعمال می شود. برای این عمل نیاز به یک مدل در کنار پروسه می باشد تا ورودی های آینده را به آن داده و خروجی های آینده پروسه را طبق آن پیش بینی کرد. از مشکلات اساسی کنترل کننده های پیش بین، حجم بالای محسبات آنها در هر زمان نمونه برداری می باشد. این محاسبات، معمولا به پیچیدگی مدل و فرآیند بهینه سازی تابع معیار ربط دارد. در بهینه سازی، نیاز به ضریب ماتریس ها و معکوس سازی ماتریسی است. همین فرآیند حجم محاسبات بالایی را به خود اختصاص می دهد. شاید همین امر، عامل اساسی محدود شدن استفاده از این نوع کنترل کننده به فرآیندهای کم سرعت و از جمله به فرآیندهای شیمیایی شده است. پیاده سازی این نوع کنترل کننده ها در سرعت های خیلی زیاد از اهمیت بسزایی می تواند برخوردار باشد. در این سمینار حجم محاسبات الگوهای مختلف کنترل کننده های پیش بین مانند MAC و DMC و GPC و D-DMC و FFC و Armakov-PFC برای سیستم های SISO و MIMO بررسی می شود.

فصل دوم

مروری بر الگوریتم کنترل کننده پیش بین و پارامترهای آن

کنترل پیش بین MPC شامل تعدادی از الگوریتم های کنترلی است که براساس مفهوم خاصی عمل می کند. در یک کنترل کننده MPC، تعدادی از ورودی های آینده به گونه ای تعیین می شوند که خروجی پروسه در طول فاصله زمانی معینی، براساس یک تابع معیار به ورودی مرجع نزدیک باشد. این محاسبات طی هر زمان نمونه برداری انجام می شود و معمولا اولین عنصر محاسبه شده از سیگنال کنترلی به پروسه اعمال می شود. برای این عمل نیاز به یک مدل در کنار پروسه می باشد تا ورودی های آینده را به آن داده، و خروجی های آینده پروسه را طبق آن پیش بینی کرد.

کنترل پیش بین در حوزه زمان و به صورت گسسته طراحی می گردد. برای پیاده سازی الگوریتم کنترل کننده پیش بین، در هر زمان نمونه برداری مراحل زیر باید اجرا گردد:

1- مسیر مطلوب آینده محاسبه شود.

2- با استفاده از مدل پروسه خروجی های آینده پیش بینی گردد.

3- برای به دست آوردن سیگنال کنترلی، یک مساله بهینه سازی حل گردد. بهینه سازی به صورت حلقه باز انجام می شود در نتیجه نسبت به کنترل بهینه که در حالت حلقه بسته کار می کند از محاسبات ساده تری برخوردار است.

تفاوت الگوریتم های مختلف کنترل پیش بین را می توان در نوع مدل مورد استفاده برای پیش بینی پاسخ پروسه و در تابع هزینه ای که کمینه می گردد، دانست. در کنترل کننده DMC برای پیش بینی خروجی پروسه از مدل ضرایب پاسخ پله پروسه استفاده می شود. کنترل کننده های پیش بین معروف دیگر، MAC و GPC و DDMC و PFC هستند که به ترتیب از مدل های پاسخ ضربه، تابع تبدیل، پاسخ پله واحد و تابع تبدیل استفاده می کنند.

آنچه که باعث استقبال روزافزون از این نوع کنترل کننده ها شده است را می توان در موارد زیر برشمرد:

– قابل اعمال به سیستم های پیچیده (حلقه باز ناپایدار، نامشخص، دارای صفر سمت راست، تاخیر متغییر و…) است.

– قابل اعمال به سیستم هایی که محدودیت هایی روی ورودی و یا خروجی آنها وجود دارد.

– قابل اعمال به سیستم های خطی و غیرخطی است.

– خطای مدلسازی و اغتشاشات را می تواند جبران کند.

– در مواردی که مسیر مرجع در زمان های آینده، از قبل مشخص باشد، کنترل کننده پیش بین می تواند از این اطلاعات استفاده کند و نسبت به تغییرات مسیر مرجع عکس العمل نشان دهد. بنابراین اثرات نامطلوبی مانند اثر تاخیر زمانی را جبران کند. نتایج به دست آمده بهتر از حالت بدون پیش بینی است.