تبلیغات
وبلاگ سنجش از دور و سیستم اطلاعات جغرافیایی دانشگاه تربیت مدرس تهران

وبلاگ سنجش از دور و سیستم اطلاعات جغرافیایی دانشگاه تربیت مدرس تهران
 
قالب وبلاگ
نظر سنجی
به نظر شما پذیرفته شدگان دارای مدرک کارشناسی چه رشته ای در ارشد GIS & RS زمینه های بیشتری برای موفقیت دارند؟؟؟











باعرض سلام.تعدادی فایل پاورپوینت که ازطرف وبلاگ(انجمن مهندسین معدن وسنجش از دور بجستان)واسمون ارسال کردند رو خدمتتون ارائه دادم.با تشکر از آقای مرجانی






طبقه بندی: GIS & RS، عمران_نقشه برداری، عمران_عمران، معدن، فضای سبز، شهرسازی،
دنبالک ها: شماره 1، شماره 2، شماره 3، شماره 4، شماره 5، شماره 6، شماره 7،
[ سه شنبه 30 خرداد 1391 ] [ 04:34 ب.ظ ] [ GIS & RS دانشگاه تربیت مدرس ]
باعرض سلام.تعدادی فایل پاورپوینت که ازطرف وبلاگ(انجمن مهندسین معدن وسنجش از دور بجستان)واسمون ارسال کردند رو خدمتتون ارائه دادم.با تشکر از آقای مرجانی




[ سه شنبه 30 خرداد 1391 ] [ 03:34 ق.ظ ] [ GIS & RS دانشگاه تربیت مدرس ]
با سلام خدمت دوستان عزیز با توجه به ایمیل ها ونظرات گوناگونی که منابع جدید کنکور 92 رو درخواست داده بودند خواستم اینو خدمتتون عرض کنم که دوستان عزیز تغییراصلی در ضرایب بوده و دروس مبانی GIS و مبانی سنجش از دور نیز به دلیل مجزا شدن سرفصلهاشون تخصصی تر خواهند شد.دوستان کتب سنجش از دور و GIS سال قبل وریاضی وزبان رو مطالعه بفرماییدالبته منابع جدیدی نیز به اونا اضافه خواهد شد.موفق باشید

[ دوشنبه 29 خرداد 1391 ] [ 01:42 ب.ظ ] [ GIS & RS دانشگاه تربیت مدرس ]
با سلام خدمت دوستان عزیز با توجه به ایمیل ها ونظرات گوناگونی که منابع جدید کنکور 92 رو درخواست داده بودند خواستم اینو خدمتتون عرض کنم که دوستان عزیز تغییراصلی در ضرایب بوده و دروس مبانی GIS و مبانی سنجش از دور نیز به دلیل مجزا شدن سرفصلهاشون تخصصی تر خواهند شد.دوستان کتب سنجش از دور و GIS سال قبل وریاضی وزبان رو مطالعه بفرماییدالبته منابع جدیدی نیز به اونا اضافه خواهد شد.موفق باشید

[ دوشنبه 29 خرداد 1391 ] [ 12:42 ب.ظ ] [ GIS & RS دانشگاه تربیت مدرس ]
آموزش DTM



دنبالک ها: لینک دانلود،
[ یکشنبه 28 خرداد 1391 ] [ 09:05 ب.ظ ] [ GIS & RS دانشگاه تربیت مدرس ]


دنبالک ها: قسمت اول، قسمت دوم،
[ یکشنبه 21 خرداد 1391 ] [ 10:21 ب.ظ ] [ GIS & RS دانشگاه تربیت مدرس ]

دنبالک ها: لینک دانلود،
[ یکشنبه 21 خرداد 1391 ] [ 10:09 ب.ظ ] [ GIS & RS دانشگاه تربیت مدرس ]


دنبالک ها: لینک دانلود،
[ یکشنبه 21 خرداد 1391 ] [ 09:57 ب.ظ ] [ GIS & RS دانشگاه تربیت مدرس ]
[ شنبه 20 خرداد 1391 ] [ 02:18 ق.ظ ] [ GIS & RS دانشگاه تربیت مدرس ]

Lidar جهت تشخیص نور و مسافت یابی استفاده می شود. که یک روش تشخیص از راه دور نوری است که ویژگی‌های نور پراکنده شده را برای بدست آوردن فاصله یا دیگر اطلاعات هدف دور اندازه گیری می‌کند. روش متداول برای تعیین کردن فاصله تا یک جسم یا سطح استفاده از پالس‌های لیزری است. مانند تکنولوژی رادار که از امواج رادیویی استفاده می‌کند و فاصله تا جسم با اندازه گیری اختلاف زمانی بین ارسال پالس و دریافت پالس بازتابی تعیین می‌کنند. تکنولوژی Lidar در زمین شناسی، باستان شناسی، جغرافیا، زمین شناسی، زلزله شناسی، جنگل داری، ارزیابی فاصله دور و فیزیک هواشناسی کاربرد دارد، کاربرد Lidar شامل ALSM(لیزر هوابرد نگاشت ردپا)، ارتفاع سنجی بوسیله لیزر یا Lidar برای تهیه نقشه عوارض نما است. اسم مخفف LADAR (آشکارسازی لیزر و مسافت یابی) معمولاً در زمینه نظامی استفاده می‌شود. واژه رادار لیزری، نیز استفاده می‌شود اگرچه Lidar از مایکروویو با امواج رادیویی استفاده نمی‌کند که برای رادار تعریف شده ‌است.



دنبالک ها: لینک دانلود،
[ شنبه 20 خرداد 1391 ] [ 02:12 ق.ظ ] [ GIS & RS دانشگاه تربیت مدرس ]
[ شنبه 20 خرداد 1391 ] [ 02:02 ق.ظ ] [ GIS & RS دانشگاه تربیت مدرس ]
الگوریتم ANP





طبقه بندی: GIS & RS، عمران_نقشه برداری، منابع طبیعی،
دنبالک ها: لینک دانلود،
[ جمعه 19 خرداد 1391 ] [ 11:38 ب.ظ ] [ GIS & RS دانشگاه تربیت مدرس ]
با عرض سلام خدمت دوستان.در این بخش قصد دارم به یک سری اشتباهاتی که بعضی از دوستان در فهم خبر تغییر منابع ارشد  و... دچارش شده بودند بپردازم.

1-من خدمتتون عرض کردم مقطع دکتری این رشته به صورت  2گرایش مجزا(گرایش GIS و گرایش سنجش از دور)تصویب شده.درحالی که برخی از دوستان به غلط برداشت کرده بودند که در مقطع ارشد به صورت 2 گرایش در اومده(ازطرفی گفته بودم در دفترچه سوالات ارشد در مباحث سنجش از دور و GIS بصورت جداگانه سوال طرح خواهد شد).

2-در مورد سرفصلهای جدید و ضرایب جدید من فرمهای کامل تصویبشونو خدمت اساتید دیدم وکاملا به ثبت وزارت علوم رسیده بود و اون رو تایید کرده بود.حال اگر در این بین در ضرایب و دروس طی این 1-2 ماه تغییراتی ایجاد بشه خدمتتون عرض خواهم کرد.

3-من دقیقا عنوان نکرده بودم که مباحث کاملا به سمت دروس فیزیک و...تمایل پیدا میکنه بلکه گفتم با توجه به مجزا شدن سرفصلهای سوالات مبحث سنجش از دور از GIS(تا قبل از این این دومبحث در دفترچه در یک بخش سوالات به صورت تلفیقی ارئه می شدند) احتمال تخصصی شدن این سرفصلها نیز هست.به طوری که شاید در بحث سنجش از دور از فیزیک نیز سوالاتی مطرح بشه از طرفی گفتم داوطلب در این رشته باید پایه ی فیزیک خوبی داشته باشه.

دوستان عزیز باز هم اگر شبهه ای وجود داره بفرمایید تابه اون پاسخ لازم داده بشه.موفق باشید

[ پنجشنبه 18 خرداد 1391 ] [ 03:07 ب.ظ ] [ GIS & RS دانشگاه تربیت مدرس ]
الگوریتم AHP



دنبالک ها: لینک دانلود،
[ سه شنبه 16 خرداد 1391 ] [ 01:01 ق.ظ ] [ GIS & RS دانشگاه تربیت مدرس ]

شبکه عصبی ؟

شبكه‌های عصبی را می‌توان با اغماض زیاد، مدل‌های الكترونیكی از ساختار عصبی مغز انسان نامید. مكانیسم فراگیری و آموزش مغز اساساً بر تجربه استوار است. مدل‌های الكترونیكی شبكه‌های عصبی طبیعی نیز بر اساس همین الگو بنا شده‌اند و روش برخورد چنین مدل‌هایی با مسائل، با روش‌های محاسباتی كه به‌طور معمول توسط سیستم‌های كامپیوتری در پیش گرفته شده‌اند، تفاوت دارد. می‌دانیم كه حتی ساده‌ترین مغز‌های جانوری هم قادر به حل مسائلی هستند كه اگر نگوییم كه كامپیوترهای امروزی از حل آنها عاجز هستند، حداقل در حل آنها دچار مشكل می‌شوند. به عنوان مثال، مسائل مختلف شناسایی الگو، نمونه‌ای از مواردی هستند كه روش‌های معمول محاسباتی برای حل آنها به نتیجه مطلوب نمی‌رسند. درحالی‌كه مغز ساده‌ترین جانوران به‌راحتی از عهده چنین مسائلی بر می‌آید. تصور عموم كارشناسان IT بر آن است كه مدل‌های جدید محاسباتی كه بر اساس شبكه‌های عصبی بنا می‌شوند، جهش بعدی صنعت IT را شكل می‌دهند. تحقیقات در این زمینه نشان داده است كه مغز، اطلاعات را همانند الگو‌ها (pattern) ذخیره می‌كند. فرآیند ذخیره‌سازی اطلاعات به‌صورت الگو و تجزیه و تحلیل آن الگو‌، اساس روش نوین محاسباتی را تشكیل می‌دهند. این حوزه از دانش محاسباتی (computation) به هیچ وجه از روش‌های برنامه‌نویسی سنتی استفاده نمی‌كند و به‌جای آن از شبكه‌های بزرگی كه به‌صورت موازی آرایش شده‌اند و تعلیم یافته‌اند، بهره می‌جوید.

یک شبکه عصبی مصنوعی (Artificial Neural Network (ANN))  ایده ای است برای پردازش اطلاعات که از سیستم عصبی زیستی الهام گرفته شده و مانند مغز به پردازش اطلاعات می پردازد . عنصر کلیدی این ایده ، ساختار جدید سیستم پردازش اطلاعات است. این سیستم از شمار زیادی عناصر پردازشی فوق العاده بهم پیوسته تشکیل شده(neurons)که برای حل یک مسأله با هم هماهنگ عمل می کند.ANN ها ،نظیر انسانها ، با مثال یاد می گیرند . یک ANN برای انجام وظیفه ای مشخص  ، مانند شناسایی الگو ها و دسته بندی اطلاعات ، در طول یک پروسه یاد گیری ، تنظیم می شود . در سیستم های زیستی  یاد گیری  با تنظیماتی در اتصالات سیناپسی که بین اعصاب قرار دارد همراه است . این  روش ANN ها هم می باشد

به نظر می آید شبیه سازی های شبکه عصبی  یکی از پیشرفت های اخیر باشد . اگرچه این  موضوع پیش از ظهور  کامپیوتر ها بنیان گذاری شده  و  حداقل یک مانع بزرگ تاریخی  و  چندین دوره مختلف را پشت سر گذاشته است. خیلی از پیشرفت های مهم با تقلید ها وشبه سازی های   ساده  و ارزان کامپیوتری  بدست آمده است. در پی یک دوره ابتدائی اشتیاق و فعالیت در این زمینه ، یک دوره ی بی میلی و بدنامی راهم پشت سر گذاشته است . در طول این دوره سرمایه گذاری و پشتیبانی حرفه ای از این موضوع در پایین ترین حد خود بود ، پیشرفت های  مهمی به نسبت تحقیقات محدود در این زمینه صورت گرفت . که بدین وسیله  پیشگامان قادر شدند تا به گسترش تکنولوژی متقاعد کننده ای بپردازند که خیلی برجسته تر از محدودیت هایی بود که توسط Minsky وPapert شناسانده  شد. Minsky وPapert ،کتابی را در سال 1969 منتشر کردند که در آن عقیده عمومی را جع به   میزان محرومیت  شبکه های عصبی را در میان محققان معین کرده بود و بدین صورت این عقیده بدون تجزیه و تحلیل های بیشتر پذیرفته شد. هم اکنون ، زمینه تحقیق شبکه های عصبی  از تجدید حیات علایق و متناطر با آن افزایش سرمایه گذاری لذت می برد . اولین سلول عصبی مصنوعی در سال 1943 بوسیله یک neurophysiologist به نلمWarren McCulloch ویک منطق دان به نام Walter Pits ساخته شد . اما محدودیتهای تکنولوژی  در آن زمان اجازه کار بیشتر به آنها نداد.

شبکه های عصبی در مقابل کامپیوتر های معمولی

شبکه های عصبی نسبت به کامپیوتر های معمولی مسیر متفاوتی را برای حل مسئله طی می کنند. کامپیوتر های معمولی یک مسیر الگوریتمی را استفاده می کنند به این معنی که کامپیوتر یک مجموعه از دستور العمل ها را به قصد حل مسئله پی می گیرد. بدون اینکه، قدم های مخصوصی که کامپیوتر نیاز به طی کردن دارد، شناخته شده باشند کامپیوتر قادر به حل مسئله نیست. این حقیقت قابلیت حل مسئله ی کامپیوتر های معمولی را  به مسائلی ،محدود می کند که ما قادر به درک آنها هستیم  و می دانیم چگونه حل میشوند. اما  اگر کامپیوتر ها می توانستند کار هایی را انجام دهند که ما دقیقا نمیدانیم چگونه انجام دهیم ،  خیلی  پر فایده تر بودند.

شبکه های عصبی اطلاعات را به روشی مشابه با کاری که مغز انسان انجام می دهد پردازش می کنند. آنها از تعداد زیادی از عناصر پردازشی(سلول عصبی) که فوق العاده بهم پیوسته اند تشکیل شده  است که این عناصر به صورت مواز ی باهم برای حل یک مسئله مشخص کار می کنند .شبکه های عصبی با مثال کار می کنند و نمی توان آنها را برای انجام یک وظیفه خاص برنامه ریزی کرد مثال ها می بایست با دقت انتخاب شوند در غیر این صورت زمان سودمند، تلف می شود و یا حتی بدتر از این شبکه ممکن است نا درست کار کند. امتیاز شبکه عصبی این است که خودش  کشف می کند که چگونه مسئله را حل کند ، عملکرد آن غیر قابل پیش گویی است.

از طرف دیگر ، کامپیوتر های معمولی از یک مسیر مشخص برای حل یک مسئله استفاده می کنند . راه حلی که مسئله از آن طریق حل می  شود  باید از قبل شناخته  شود و به صورت دستورات  کوتاه و غیر مبهمی شرح داده شود. این دستورات سپس به زبا ن های برنامه نویسی سطح بالا برگردانده می شود و بعد از آن به کدهایی که کامپیوتر قادر به درک آنها است تبدیل می شود. به طور کلی این ماشین ها قابل پیش گویی هستند و اگر چیزی به خطا انجام شود به یک اشتباه سخت افزاری یا نرم افزاری بر می گردد.

شبکه های عصبی و کامپیوتر های معمولی با هم در حال رقابت نیستند بلکه کامل کننده یکدیگرند . وظایفی وجود دارد که بیشتر مناسب روش های الگوریتمی هستند نظیر عملیات محاسباتی و وظایفی نیز وجود دارد که بیشتر مناسب شبکه های عصبی هستند . حتی فراتر از این ، مسائلی وجود دارد که نیازمند به سیستمی است که از تر کیب هر دو روش بدست می آید (بطور معمول کامپیوتر های معمولی برای نظارت بر شبکه های عصبی به کار گرفته می شوند ) به این قصد که بیشترین کارایی بدست آید.شبکه های عصبی معجزه نمی کنند اما اگر خردمندانه به کار گرفته شوند نتایج شگفت آوری را خلق میکنند.

چرا از شبکه های عصبی استفاده می کنیم؟

شبکه های عصبی ، با قابلیت قابل توجه  در استنتاج معانی از داده های پیچیده یا مبهم ، برای استخراج الگوها و شناسایی روشهایی که آگاهی از آنها برای انسان و دیگر تکنیک های کامپیوتری بسیار  پیچیده و دشوار است  به کار گرفته می شوند. یک شبکه عصبی تربیت یافته می تواند به عنوان یک متخصص در مقوله اطلاعاتی ای که برای تجزیه تحلیل به آن داده شده به حساب آید.از این متخصص می توان  برای بر آورد وضعیت های دخواه جدید و جواب سؤال های " چه می شد اگر "  استفاده کرد.

مزیتهای دیگر آن شامل موارد زیر می شود :

  1. یادگیری انطباق پذیر: قابلیت یاد گیری نحوه انجام وظایف بر پایه اطلاعات داده شده برای تمرین وتجربه های مقدماتی .
  2. سازماندهی توسط خود: یک ANN می تواند سازماندهی یا ارائه اش را ، برای اطلا عاتی  که در طول دوره یادگیری در یافت می کند، خودش ایجاد کند.
  3. عملکرد بهنگام(Real time ) : محاسبات  ANN  می تواند بصورت موازی انجام شود، و سخت افزارهای مخصوصی طراحی و  ساخته شده است که می تواند از این قابلیت استفاده کند.

تحمل اشتباه بدون ایجاد وقفه در هنگام کد گذاری اطلاعات : خرابی جزئی یک شبکه منجر به تنزل کارایی متناظر با آن می شود اگر چه تعدادی از قابلیت های شبکه ممکن است حتی با خسارت بزرگی هم باقی بماند.

منبع:مهندس Yosef Khajavi


[ یکشنبه 14 خرداد 1391 ] [ 04:47 ب.ظ ] [ GIS & RS دانشگاه تربیت مدرس ]
.: Weblog Themes By Iran Skin :.

تعداد کل صفحات : 16 :: ... 4 5 6 7 8 9 10 ...

درباره وبلاگ

آمار سایت
بازدیدهای امروز : نفر
بازدیدهای دیروز : نفر
كل بازدیدها : نفر
بازدید این ماه : نفر
بازدید ماه قبل : نفر
تعداد نویسندگان : عدد
كل مطالب : عدد
آخرین بروز رسانی :
بک لینک طراحی سایت

-_ !News _-