کامپیوتر 18. پردازش تصویر
پردازش تصویر
چکیدهابزارهای پردازش تصویر همانند فتوشاپ و GIMP مجموعه ای از فیلترهایی را ارائه می دهند که شما می تواتنید بر روی تصاویرتان بکار برید تا تاثیرات خاصی را بر روی آن ها ایجاد کنید. زمانی که شما از یک میانجی کمکی (نرم افزارها) استفاده می کنید, استفاده از این افکت ها بسیار اغوا کننده می باشد. برای نمونه شما از فیلتری برای محو کردن عناصر در UI استفاده می کنید.شما همچنین می توانید به افزایش روشنایی یک تصویر با جا به جا کردن ماوس بر روی اجزای آن بپردازید.
کامپیوتر 24. ترکیب سنی و برآورد سن از طریق چهره: پژوهشی
ترکیب سنی و برآورد سن از طریق چهره: پژوهشی
چکیدهچکیده – سن انسان، به عنوان یکی از خصوصیات شخصی مهم، می تواند مستقیما توسط طرح های متمایزی که از حالت چهره ناشی می گردد، تشخیص داده شود. به دلیل پیشرفت های سریع در برنامه های گرافیکی کامپیوتری و دید ماشینی، ترکیب سنی بر مبنای کامپیوتر و تخمین آن از طریق صورت امروره به عنوان یک موضوع رایج مشخص بوده که این به دلیل ازدیاد برنامه های کاربردی در دنیای واقعی همانند هنرهای بدیعی، مدیریت ارتباط با مشتری بصورت الکترونیکی، کنترل امنیتی و بررسی های نظارتی، زیست سنجی، سرگرمی و هنرهای تزیینی می باشد. ترکیب سنی به معنی تفسیر تصویری از چهره با توجه به مبحث زیباشناسی به همراه سن طبیعی و تاثیرات جوان سازی چهره بر روی صورت افراد می باشد. تخمین سن چهره افراد به صورت اتوماتیک یا در نظر گرفتن سن دقیق یا گروه سنی مربوط به چهره افراد می باشد. با توجه به دقت و پیچیدگی، هر دو مسئله دارای جذابیت بوده و برای طراحان سیستم برنامه های کاربردی بر مبنای کامپیوتر به عنوان یک چالش می باشد. تلاش های زیادی در بخش های آکادمیک و صنعتی در طی چند دهه گذشته به این موضوع اختصاص داده شده است. در این مقاله، ما به بررسی تکنیک های امروزی در ترکیب سنی مربوط به چهره افراد و موضوع تخمین آن می پردازیم. مدل های کنونی، الگوریتم های رایج، عملکرد سیستم، مشکلات فنی، پایگاه داده رایج مرتبط به روند پیری، پروتکل های ارزیابی، و دستورالعمل های آینده نوید بخش توسط بحث های نظامند مد نظر قرار می گیرند.
کلیدواژه- روند پیری، تخمین سن، ترکیب سنی، افزایش سن، پژوهش
کامپیوتر 83. ریزپردازنده
ریزپردازنده
یک ریزپردازنده (علائم اختصاری آن up یا µP است) واحد پردازش اصلی حسابگر الکترونیکی (یا کامپیوتر) است که از ترانزیستورهای کوچک و دیگر اجزای مدار، روی یک مدار مجتمع نیمه رسانا lic ساخته شده. پیش از پیدایش ریزپردازنده ها، CPU های الکترونیکی از مدارهای مجتمع جداگانه TTL ، قبل از آن از ترانزیستورهای جدا و قبل از ترانزیستورها از لامپ های خلأ ساخته می شدند. حتی نمونه هایی مربوط به ماشین های ساده حسابگر که شامل قسمت های مکانیک مثل چرخ دنده ها، شافت ها، اهرم ها، Tinkertoys و غیره بودند نیز وجود داشته است. لئوناردوداوینچی یک چنین طرحی را ساخت، هر چند کسی قادر به استفاده از تکنیک های صنعتی آن زمان نبود. تکامل و توسعه ریزپردازنده ها به خاطر کارائی روز افزون آن ها در طی سالها به عنوان دنباله ی Moare s law شناخته شده اند. این نشان می دهد که قدرت حسابگری (پردازش) هر 18 ماه دوبرابر می شود، جریانی که کلا از اوایل دهه ی 1970 شروع شده. باعث تعجب هر فرد درگیر در این مسایل- از اوایل شروع استفاده درایورها برای ماشین حساب ها، افزایش مداوم قدرت(نیرو) باعث برتری ریزپردازنده ها نسبت به هر کامپیوتر دیگری شده در هسته (مرکز) هر سیستمی از بزرگترین قالب اصلی گرفته تا کوچکترین کامپیوترهای دستی از یک ریزپردازنده استفاده می شود.
کامپیوتر 89. ظرفیت شبکه های بی سیم
عنوان اصلی مقاله: The Capacity of Wireless Networks ترجمه فارسی عنوان: ظرفیت شبکه های بی سیم تعداد صفحات انگلیسی: 17 صفحه تعداد صفحات ترجمه فارسی: 50 صفحه
کامپیوتر 12. الگوریتم مسیریابی خود تطبیقی مبتنی بر مکان برای شبکه های حسگر بی سیم در اتوماسیون خانگی
الگوریتم مسیریابی خود تطبیقی مبتنی بر مکان برای شبکه های حسگر بی سیم در اتوماسیون خانگی
چکیدهاستفاده از شبکه های گیرنده بی سیم در اتوماسیون داخلی (WSNHA) به دلیل خصوصیات خود سازماندهی ، دقت دریافت بالا، هزینه پایین، و پتانسیل هایی برای گسترش سریع جالب توجه می باشند. اگرچه الگوریتم مسیریابی در IEEE 802.15.4/ZigBee و الگوریتم های مسیریابی دیگر برای شبکه های گیرنده بی سیم طراحی شده است، تمام آن ها برای WSNHA مناسب نمی باشد. در این مقاله، ما یک الگوریتم مسیریابی منطقی بر مبنای موقعیت برای شبکه های گیرنده بی سیم را برای WSNHA به نام WSNHA-LBAR مطرح می کنیم. آن مجموعه ای از مسیرهای اکتشافی را برای نواحی درخواستی استوانه ای محدود کرده، که مسیرهای بالاسری را کاهش داده و مشکلات مربوط به طوفانی از موارد منتشر شده را کمتر می کند. آن همچنین به صورت اتوماتیک اندازه نواحی درخواستی را با استفاده از الگوریتم خود انطباقی بر اساس قضیه بیزی تطبیق می دهد. این موارد WSNHA-LBAR را نسبت به تغییرات وضعیت شبکه سازگارتر کرده و برای اجرا آسان تر می کند. نتایج شبیه سازی بهبودی را در اعتبار شبکه ایجاد کرده و همچنین مسیربابی بالاسری را کاهش می دهد.