صفحه نخست
ورود اعضاء
پست الکترونیک
۱۴۰۳ جمعه ۱۴ ارديبهشت
*
دوباره تلاش كنيد
ENGLISH
!!!b1!!!
!!!b1!!!
صفحه اصلي
دانشكده
معرفی
مديريت دانشكده
رئیس دانشکده
معاونت ها
معاون آموزشي و تحصيلات تكميلي
معاون پژوهشی و فناوری
معاونت مالی - اداری
مدیریت گروه ها
مدیریت تحصیلات تکمیلی
مدیریت فرهنگی
تور مجازي دانشكده
تماس با ما
موقعیت دانشکده (پردیس شهید رضایی نژاد)
موقعیت دانشکده (پردیس علوم سیدخندان)
شماره تماس
آموزش
دكتري
راهنماي دوره دكتري به همراه مراحل دفاع از رساله
راهنماي تحصيلي دوره دكتري
مراحل دفاع از رساله دکتری و فرم های آن
مراحل دفاع از پيشنهاديه رساله دكتري و فرم هاي آن
سایر فرم ها
فرم های دکتری
كارشناسي ارشد
فرم های کارشناسی ارشد
كارشناسي
فرم های کارشناسی
قوانين و سوالات متداول
پژوهش
فرمهای فرصت مطالعاتی و همایشها
فرمهای پژوهشی (دانشجویی)
آیین نامه ها و فرم های پژوهشی
دستورالعمل برگزاری جلسات دفاع
گروههای آموزشی
گروه هستهای
درباره گروه هستهای
اعضای گروه
دکتر مهدی رادین
دکتر فائزه رحمانی
دکتر فاطمه سادات رسولی
دکتر سید فرهاد مسعودی
پایاننامههای تحصیلات تکمیلی
پایاننامههای کارشناسی ارشد
رسالههای دکترا
مقالات چاپ شده در مجلات ISI
کتابهای چاپ شده
گروه اتمی مولکولی - نجوم
درباره گروه
اعضا گروه
دکتر جواد تقی زاده فیروزجایی
دکتر محمد محسن حاتمی
دکتر فاطمه رضائی
دکتر محمود صمدپور
دکتر مهدی مشکوری
دکتر هادی هدایتی
دکتر محمد حسین ژولیده
مقالات چاپ شده در مجلات ISI
گروه ماده چگال
درباره گروه
افراد
اعضای هیئت علمی
فرم های مورد نیاز اعضای هیات علمی
همکاران اداری و آزمایشگاهی
فهرست اسامی اساتید، کارشناسان بازنشسته و فقید دانشکده فیزیک
آزمايشگاه ها
آزمايشگاههاي آموزشي
آزمایشگاه فیزیک پایه 1
آزمایشگاه فیزیک پایه 2
آزمایشگاه فیزیک پایه 3
آزمایشگاه فیزیک پایه 4
آزمايشگاه فيزيك حالت جامد
آزمايشگاه اپتيك
آزمايشگاه هسته اي
آزمايشگاههاي پژوهشي
آزمایشگاه لایه نشانی در خلاء و سنسور گاز
آزمایشگاه فناوری نجوم و کیهان شناسی
آزمایشگاه فیزیک هسته ای
آزمایشگاه نانو فیزیک
آزمایشگاه فیزیک محاسباتی
آزمایشگاه ارتعاش سنجی و سرعت سنجی لیزری
چاپ مقاله گروه پژوهشی دکتر مسعودی
.
استفاده از الگوریتم های یادگیری عمیق برای یافتن منبع گامای گمشده در اتاقی با موانع غیرقابل پیش بینی و متفاوت
این مقاله، یک رویکرد جدید با استفاده از یادگیری ماشین برای یافتن چشمه گامای گمشده در یک اتاق با وجود موانع از قبل پیشبینی نشده را ارائه میدهد. روش پیشنهادی، بهبود قابل توجهی نسبت به روشهای ارائه شده در مقالات پیشین مولفین دارد. از آنجا که این روش در مواجهه با هندسه نامعلوم اتاق و موانع از قبل پیشبینی نشده در آن نیز کارایی خود را حفظ میکند، میتواند بهبود قابل توجهی در این زمینه ایجاد کند. این رویکرد از دو شبکه عصبی کانولوشنال (CNN) برای تعیین دقیق محل چشمه گاما استفاده میکند. شبکههای عصبی کانولوشنال، یک نوع قدرتمند از شبکههای عصبی مصنوعی هستند که برای تشخیص و طبقهبندی الگوها و ویژگیهای پیچیده در تصاویر استفاده میگردند. در این پژوهش، شبکه های عصبی کانولوشن با استفاده از دادههای شبیهسازی شده توسط برنامه شبیهساز Geant4، آموزش میبینند. این امر به شبکههای عصبی کانولوشنی اجازه میدهد تا الگوها و ویژگیهای مرتبط با قرار گیری چشمه گاما در مکانهای مختلف اتاق را در انواع سناریوها بیاموزند. توانایی روش پیشنهادی در پیش بینی مکان چشمه گاما در شرایط ذکر شده، قدرت و پتانسیل روشهای یادگیری ماشینی را در حل مسائل پیچیده نشان میدهد. دقت بالای بدست آمده توسط الگوریتم پیشنهادی (95 درصد) بدون نیاز به مداخله انسانی، کاربردهای عملی آن را در سناریوهای دنیای واقعی نیز برجسته میکند. نشر این پژوهش در مجله Expert Systems with applications با ضریب تأثیر 8.66، به عنوان یکی مجله تخصصی در زمینه سیستمهای هوشمند، نشان دهنده اهمیت یادگیری ماشین و شبکه های عصبی و استفاده های گوناگون از این روش در موضوعات مختلف علمی از جمله فیزیک و گرایشهای مرتبط با آن است.
لینک دسترسی
https://authors.elsevier.com/a/1h3qv3PiGTPdHU
https://doi.org/10.1016/j.eswa.2023.120384
تاریخ:
1402/03/01
تعداد بازدید:
351
منبع:
كليه حقوق اين وب سايت متعلق به
دانشگاه خواجه نصير الدين طوسي
ميباشد.
×
ورود اعضاء