دسته: فنی و مهندسی
حجم فایل: 1304 کیلوبایت
تعداد صفحه: 12
آنتروپی تخمینی به عنوان اندازه ای از سیستم پیچیده
خلاصه
روش هایی برای تعیین کردن تغییرات مربوط به پیچیدگی سیستم از داده های ارزیابی شده وجود دارد. همگرایی یک فرکانس با استفاده از الگوریتم بعد هم بستگی نسبت به یک مقدار معین می باشد که ضرورتا نشان دهنده مدل انتخابی نمی باشد. آنالیزهای اخیر خانواده ای از فرمول ها و آمارها را برای تخمین زدن تقریبی آنتروپی یا ApEn را فراهم ساخته است که پیشنهاد می کنند که ApEn می تواند به عنوان سیستم های پیچیده طبقه بندی شود و حداقل 1000 داده را در مجموعه های گوناگونی مشخص سازد کعه شامل هم بی نظمی های مهم و فرایندهای اتفاقی می شود. توانایی برای تغییر دادن پیچیدگی تصمیم از چنین مقدار کوچک مرتبط در مورد داده ها برای به کار بردن های ApEn در زمینه های مختلف حفظ شده است.
تلاش برای فهمیدن پدیده پیچیدگی، از طریق محققان علمی مورد بررسی قرار می گیرد که بی نظمی را به عنوان یک مدل ممکن در نظر گرفته اند. فرمول ها برای مشخص کردن رفتار بی نظمی در مشخصه های پوشش دار خاص از جاذبه های عجیب ارتقا یافته اند که نشان دهنده سیستم های دینامیکی طوللانی مدت می باشد. اخیرا مشخص شده است که در بیشتر مجموعه های غیر ریاضی فرمول های جدید الگوریتم هایی برای داده های سری های زمانی آزمایش به صورت اولیه برای آزمون آماری با دقت به کار می رود. در یکی از مقالات در این زمینه بحث شده بود که حضور بی نظمی های تعیین شده در مورد آنالیز داده ها وجود دارد و شامل تخمین های خطا براساس محاسبات ابعادی و آنتروپی می باشد. در حالی که آنالیزهای ریاضی سیستم های شناخته شده ای را تعیین می کنند که مورد علاقه هستند و دارای مسئله عمیق می باشند به گونه ای که کاربردهای الگوریتمی در آن ها و به خصوص در این جا خطرناک می باشد. حتی برای سیستم های بی نظم با ابعاد کم یک تعداد زیادی از نقاط برای به دست آوردن پوشش در این بعد و الگوریتم های آنتروپی مورد نیاز می باشد، اگر چه آن ها اغلب با تعداد نامناسبی از نقاط به کار برده می شوند. همچنین بیشتر آنتروپی ها و تعریف های ابعادی برای سیستم نویز به صورت ناپیوسته هستند. علاوه بر این تفسیرهای مربوط به مقادیر محاسبه شده ابعادی نیز مشاهده می گردد که به نظر می رسد که در حقیقت پایه و اساس کلی ندارد برای مثال تعداد متغیرههای آزاد یا معادله های متفاوت برای یک سیستم مدل مورد نیاز می باشد.
هدف از این مقاله ارتقا ادن یک مدل ریاضی برای خانواده ای از فذمولا ها و اعداد و ارقام آماری است که در آن ها آنتروپی تخمینی به صورت یک مفهوم کمی شده پیچیده ارائه میب گردد. ما سه سوال پایه ای در این زمینه می پرسیم 1- آیا می توان بی نظمی ها را از بعد پوششی یا آنتروپی محاسبه کرد2- اگر نه چگونه ما می توانیم آن را کمی کنیم و چگونه ابزارهایی در دسترس هستند؟ 3- اگر ما تلاش کنیم تا اندازه مربوط به سیستم پیچیده را استقرار دهیم که تغییر می کنند آیا ما می توانیم این کار را با نقاط داده ای کمتر و استحکام بیشتر در مقایسه با ابزارهای در دسترس موجود انجام دهیم؟
من نشان می دهم که یکی می تواند فرایند اتفاقی با بعد هم بسته 0 باشد و بنابراین پاسخ مربوط به 1 خیر می باشد. این نشان می دهد که فرایندهای تصادفی برای عبارت هایی موفق هستند که هم بسته هستند و می تواند ارزش های ابعادی معینی را ایجاد کند. یک فاز مربوط به پلات فضایی عبارت های پوشش دار در چنین موردی ممکن است سپس هم بستگی و ساختار را نشان دهد. این نشان دهنده مدل معینی می باشد. در این زمینه شکل های 4 الف و ب مربوط به بابلویانتاز و دستکس با هم مقایسه می گردند.
اگر یکی نتواند امیدوار برای استقرار یافتن بی نظمی باشد در نتیجه یکی تلاش می کند تا سیستم های پیچیده را از طریق تخمین زدن پارامتر تشخیص دهد. پارامترها اساسا مرتبط با بینظمی اندازه گیری بعد، مقدار اطلاعات ایجاد شده و طیف لیاپنو هستند. طبقه بندی کردن سیستم های دینامیکی از طریق آنتروپی و طیف لیاپنو از کارهای کولموگرو، سینایی و اسلدتس استنباط شده است اگر چه این کارها استناد به قضیه های ارگودیک دارد و نتایج برای مجموعه های احتمالی قابل کاربرد می باشد. فرمول های ابعادی به وسیله ساختاری تحریک می گردند که در محاسبه مربوط به آنتروپی شبیه به بعد هاسدورف و محاسبات مربوط به آن هستند. کاری تئوری بالا به معنای موثر بودن سیستم های دینامیکی معین، داده های نویزی یا تعیین کردن مجموعه ها نمی باشد. برای همه این فرمول ها و الگوریتم ها مقدار داده هایی که مورد نیاز می باشد به صورت پوشش دار به دست می آیند که به صورت غیر عملی بزرگ هستند. ولف و همکاران بین نقاط 10d و 30d نقاطی برای پر کردن بعد d در مجموعه بی نظم مورد نیاز می باشد. همچنین برای بیشتر فرایندهای تصادفی مدل های قابل پیش بینی برای برخی از سیستم های فیزیکی به صورت پیچیده پدیدار می شوند که با یک پارامتر کنترل تغییر می یابند چنان چه اندازه های فوق الذکر بدون تغییر باقی می مانند که اغلب با هر یک از مقادیر 0 یا بی نهایت هستند.
برای پاسخ دادن به سوال 3 من خانواده ای از پارامترهای سیستمی ApEn (m، r) را پیشنهاد می کنم و آن را به آمار ApEn (m، r، n) معرفی شده در منبع 7 مرتبط می کنم. تغییرات در این پارامترها به طور کلی موافق با تغییرات در فرمول های ذکر شده برای ابعاد کمتر سیستم های معین می باشد. تازگی ضروری برای پارامترهای ApEn (m، r) می تواند به عنوان یک سیستم وسیعی تشخیص داده شود و برای m کوچک به خصوص m=2 تخمین زدن ApEn (m، r) به وسیله ApEn (m، r، n) می تواند در ارتباط با نقاط کمتر به دست بیاید. این به صورت بالقوه به صورت سیستم ها با ابعاد کم به صورت سیستم های دوره ای و چندگانه با ابعاد گوناگون سیستم های بی نظم، تصادفی و ترکیبی شناخته می شود. در مجموعه تصادفی، روش های آنالیز برای محاسبه کردن ApEn (m، r) می تواند ApEn (m، r، n) را تخمین بزند و مقادیر مربوط به پوشش آماری را برای فرمول مربوط به همه مسائل قابل قبول را برای ابزارهایی تخمین بزند که بتواند همراه با خطوط احتمالی استقرار یابند.
چکیده
الگوریتم های بهبنه سازی یکی از مهم ترین زمینه های مورد توجه در عرصه علم و تکنولوژی می باشد. در سنوات گذشته این نوع الگوریتم ها پیشرفت زیادی داشته و کمک شایانی را به بشریت ارائه کرده است. با توجه به منظم و دقیق بودن طبیعت و ساختار آن، بسیاری از الگوریتم های بهینه سازی، برگرفته از طبیعت بوده و راهکار الگوهای طبیعی را برمی گزینند. از جمله این الگوریتم ها می توان الگوریتم های ژنتیک (الهام گرفته از تکامل بیولوژی انسان و سایر موجودات) ، بهینه سازی کلونی مورچه ها (بر مبنای حرکت بهینه مورچه ها) و روش بازپخت شبیه سازی شده (با الهام گیری از فرآیند تبرید فلزات) را نام برد. این روش ها در بسیاری از زمینه ها برای حل مسائل مختلفی همچون تعیین مسیر بهینه عامل های خودکار، طراحی بهینه کنترل کننده برای پروسه های صنعتی، حل مسائل عمده مهندسی صنایع همانند طراحی چیدمان بهینه برای واحدهای صنعتی، حل مسائل صف و نیز طراحی عامل های هوشمند، مورد استفاده قرار گرفته اند.
الگوریتم های فوق الذکر از فرآیندهای طبیعی الهام گرفته و بهینه سازی خود را بر اساس قوانین طبیعت انجام می دهند. در این الگوریتم ها توجه خاصی به نوع زندگی اجتماعی و تکامل بر اساس رفتارهای بشری، نشده است. در این جا الگوریتمی که بر اساس یک پدیده اجتماعی-انسانی ارائه و پیاده سازی شده است را شرح می دهیم. این الگوریتم نیز مانند دیگر الگوریتم های ذکر شده، برای مسائل بهینه سازی مطرح شده است، با این تفاوت که این الگوریتم به طور ویژه به فرآیند استعمار، به عنوان مرحله ای از تکامل اجتماعی – سیاسی بشر نگریسته و با مدل سازی ریاضی این پدیده تاریخی، از آن به عنوان منشأ الهام یک الگوریتم قدرتمند در زمینه بهینه سازی بهره می گیرد. کارکرد این الگوریتم نسبت به الگوریتم های قبلی، به نسبت بهتر بوده و قابلیت حل مسائل با دامنه جواب گسترده را نیز داراست. پس از ارائه این الگوریتم در مدت زمان نه چندان طولانی، از آن در بسیاری از زمینه های علمی و در راستای بهینه سازی، استفاده شده است. کاربردهای آن در مواردی همچون طراحی چیدمان بهینه برای واحدهای صنعتی، آنتن های مخابراتی هوشمند، سیستم های پیشنهاد دهنده هوشمند و همچنین طراحی کنترل کننده بهینه برای سیستم های صنعتی شیمی ایی، می باشد که این کاربردها تنها برخی از تعداد کثیری از کاربردهای این الگوریتم در حل مسائل بهینه سازی می باشد.
مقدمه
انسان هرزمانی که برای انجام کاری نیازبه یک یاترکیبی ازسه خصیصه سرعت، دقت وقدرت داشته به سمت تهیه، ساخت یا اختراع ماشینی رفته است.
اگراین تعریف رابپذیریم که ماشین ابزاری ساخته انسان جهت انجام کاریاکارهائیست، کامپیوتر نیز یک ماشین است امابایک تفاوت اساسی وآن اینکه برخلاف اغلب ماشینها، کامپیوتربجای ماده بااطلاعات سروکاردارد.
کارباکامپبوتربااطلاعات چندجنبه دارد، اولا به عنوان یک ماشین محاسبه، سریع، دقیق وقوی میتواند اعمال ریاضی را درمورداعداد وارقام اعمال نماید. ثانیا بعنوان یک ماشین اطلاعاتی میتواندازهرابزار دیگری سریعتر، دقیقتروقویتراطلاعات رقمی و حرفی راکسب، ذخیره، پردازش و منتقل نماید. ثالثا باتبدیل اصوات وتصاویر به کدهای رقمی توانسته بزرگترین انقلاب رادرارتیاطات باعث گردد. وبالاخره درحیطه ای که خاص انسان تصور میشد، یعنی (هوشمندی) واردعمل شده است. اگرچه تعریف دقیق هوش وهوشمندی ممکن نیست اما می توان زمینه هایی محدودتری را تعریف نمودمثل سیستمهای خبره، منطق، پردازش زبانهای طبیعی، یادگیری، تشخیص الگوها، روباتیک و… همه این مقولات نو مربوط به دانش نوینی به نام (هوش مصنوعی) میباشد، که در50 سال عمرخودیکی از مطرح ترین و انقلابی ترین موضوعات علمی بوده وبدون شک ژرفترین اثرات را برتمدن انسانی خواهد گذاشت.
دریک کلام اگرقرن آینده قرن اطلاعات وماشین آن کامپیوتر، باید دانش آن قرن را (هوش مصنوعی) دانست.
رشته: هنر آموز مکانیک خودرو
تاریخ آزمون: دفترچه سوالات عمومی شامل سال های 84 و 86 و 89 – دفترچه سوالات تخصصی تاریخ 1389/3/7
مواد امتحانی
50 سوال اختصاصی
3دفترچه سوال عمومی (60 سوال سال 84 / 60 سوال سال 86 / 100 سوال سال 89) – شامل دروس (ادبیات فارسی، معارف اسلامی، اطلاعات عمومی و سیاسی، ریاضی، کامپیوتر، زبان انگلیسی)
موضوع:
تست و پاسخنامه تشریحی ریاضی ششم ابتدایی ویژه آزمون تیزهوشان (قسمت اول)
یکی از راه های موفقیت در آزمون های ورودی، حل تمرین و تستهای مختلف است. برای موفقیت در آزمون ورودی مدارس استعدادهای درخشان و نمونه دولتی نیز باید تمرینات مختلف را حل کرد.
کتابها و جزوه های زیادی در بازار یا اینترنت وجود دارد که حاوی انواع سؤالات و تستها است. اما آنچه مهم است، نکات کلیدی و پاسخنامه تشریحی تست هاست که در کمتر کتاب یا جزوه ای وجود دارد و اگر هم هست، با قیمت زیادی باید خریداری شود.
این فایل حاوی ۱۵ سؤال تستی ریاضی ششم ابتدایی مربوط به بحث عددنویسی و خط است. شاید تعداد تستها کم به نظر برسد، اما در انتخاب آنها دقت شده که هر کدام در بر گیرنده یک نکته ناب آموزشی باشد که بتواند در حل تستهای مشابه کمک کند.
پاسخنامه تشریحی تستها، نکات آموزشی هر تست را یادآور شده و سپس به حل تست می پردازد. مسلما یادگیری این نکات قدم مؤثری در راه موفقیت در آزمون استعدادهای درخشان یا مدارس نمونه دولتی خواهد بود.
قسمت های بعدی این تستها نیز به تدریج آماده و ارائه خواهد شد. تستها بر اساس کتاب ریاضی پایه ششم ابتدایی و به تفکیک مباحث این کتاب است.