يقدم البحث تصميماً لنظام تفقد آلي للطلبة، يقوم النظام بالتقاط صورة للطالب ثم استخلاص ملامح الوجه الأساسية، تم تدريب الشبكة باستخدام خوارزمية الانتشار العكسي، إذ تم توليد قاعدة بيانات تدريبية لكل طالب، مكونة من 15 عينة تدريبية له لمرة واحدة في بداية ا
لفصل الدراسي، كل عينة تحتوي تعابير الوجه اللازمة للتعرف على طالب، تُدرب الشبكة العصبونية على قاعدة بيانات الطلبة من أجل الحصول على شبكة عصبونية مدربة قادرة على التعرف على طلاب كل فئة بالاعتماد على ملامحهم، وبالتالي معرفة من حضر الجلسة ممن لم يحضر، تم تزويد النظام المصمم لهذا الغرض بالشبكة المدربة، يقدم النظام إمكانية إجراء التفقد الآلي للطلاب حسب فحوى الدراسة مع التنبيه في حال وجود صورة لطالب لا ينتمي لنفس المجموعة.
يهدف هذا البحث للحصول على نموذج عصبوني لفئة من النظم الخطية و اللاخطية و ذلك باستخدام خوارزمية البرمجة التطورية Evolutionary programming(EP لاختيار التركيب البنيوي الأمثل للشبكة العصبونية. استخدمنا برنامج ماتلاب Matlab لتصميم الشبكات العصبونية باستخد
ام EP, لما يملك من مرونة و سهولة في تمثيل المصفوفات (الأنساق الخلوية Cell Arrays و الأنساق متعددة الأبعادMulti Dimension Arrays ). و قد أثبتت النتائج العملية كفاءة الخوارزمية المستخدمة في الوصول إلى شبكة عصبونية مثلى.
تم اختبار أداء و صلادة النموذج الناتج و ذلك بحذف إحدى عصبونات الطبقة المخفية للشبكة التي نتجت عن تطبيق EP و دراسة تأثير هذا الحذف على خرج النموذج الناتج, و قد أكدت الدراسة على فعالية الخوارزمية و ذلك بالنسبة لفئة النظم المستخدمة.
يقدم الباحث في هذه الورقة عرض لأحد أكثر أنماط التحكم الحديث دقة و استقرار و سرعة في الاستجابة، و هو نظام التحكم التناسبي التكاملي التفاضلي (PID) الذي يعتبر أحد الحالات الخاصة لنظم التحكم بالحلقة المغلقة. و يتم عرض و مقارنة أشكال مختلفة من التحكم، و إ
ظهار استجابة الأنماط الفرعية للمنظم PID من خلال استخدام متحكم منطقي قابل للبرمجة (PLC)، و برمجته ليكون متحكم من النوع (PID) و الاستفادة من هذه المنظومة للتحكم الدقيق بسرعة محرك ثلاثي الطور. حيث تم توصيل برنامج المتحكم القابل للبرمجة (PLC) بأحد برامج التحكم بالمراقبة و تحصيل البيانات و المعروفة بالاسم المختصر (SCADA). لمعايرة المتحكم من النوع (PID) و يتم استخدام هذا البرنامج لعرض نتائج استجابة الأنماط المختلفة للمتحكم PID على شكل منحنيات بيانية. حيث تظهر منحنيات الاستجابة سرعة و دقة استجابة تجعل من هذا التطبيق منظومة متكاملة يمكن أن تشكل البنية الأساسية للكثير من التطبيقات العملية كالروافع الكبيرة و خطوط الإنتاج المتداخلة و غيرها من التطبيقات، كما أن استخدام أجهزة PLC يجعل منها أنظمة ذات جودة و موثوقية عالية.
إنّ كَون مطال إشارات التخطيط الكهربائي للدماغ EEG شديد الصّغر يجعل من الصعب التقاطها بدون التقاط الكثير من إشارات الضجيج (الناتجة عن العوامل الموجودة في الوسط المحيط) التي تؤثّر على إشارة تخطيط الدماغ الأصلية، و لذلك سيكون استخدام المرشحات ضرورة حتمي
ة لحذف الضجيج و الحصول على إشارة صحيحة و واضحة.
سنتطرق في هذه الدراسة لتصميم دارة إلكترونية بالاعتماد على متحكم صغري و مضخم تجهيزي Instrumentation Amplifier و مضخم عملياتي Operational Amplifier تقوم بثلاث عمليات أساسية، هي استقبال إشارات تخطيط كهربائي من رأس (دماغ) المريض ثم تحويلها من الشكل التشابهي إلى الشكل الرقمي، ثم إرسال الإشارة الرقمية الناتجة إلى مجموعة مكونة من ثلاثة مرشحات رقمية.
كما سنتطرق لتصميم ثلاثة مرشحات رقمية ذات استجابة إهليلجية Elliptic Response قابلة للاستخدام في الزمن الحقيقي للمساهمة في عملية ترشيح الضجيج المتراكب مع إشارات تخطيط الدماغ الكهربائية (التي تُظهِر حالة دماغ المريض) لتكون ضمن الجزء البرمجي المتمّم للجزء الداراتي في نظام التقاط هذه الإشارات.
و في النهاية سنقوم بعرض طريقة استخدام الدارة الإلكترونية المصمّمة مع المرشحات الرقمية الثلاثة المصممّة و عرض النتائج و مناقشتها.
تم استخدام البرنامج Eagle 6.6 لتصميم و رسم الدارة الإلكترونية، و البرنامج CodeVision AVR 3.12 لكتابة البرنامج المثبَّت على المتحكم الصغري، كما تم استخدام البرنامج Mathworks MATLAB 2014a لتصميم المرشحات الرقمية و الأداة Mathworks MATLAB 2014a Simulink لإجراء التجارب و الحصول على النتائج.
يقدم هذا البحث منظومة للتعرف على مسميات المخططات الزمنية، حيث يتم استخلاص المسميات من المخططات، التي هي عبارة عن صورة باستخدام التقسيم المكاني من أجل اقتطاع صور المسميات فقط. تُوحد أحجام صور المسميات باستخدام خوارزمية المتوسط لسببين؛ الأول تشكيل قاعد
ة البيانات التدريبية للشبكات العصبونية المستخدمة، و ثانياً من أجل اجراء عملية التعرف. تم اعتماد الشبكات العصبونية للتعرف بآليتين مختلفتين: آلية التصنيف classification باستخدام شبكة Perceptron و آلية التمييز باستخدام شبكة الانتشار العكسي، حيث تم بناء شبكة Perceptron دخلها صورة المسمى فتُعطي في خرجها الدليل التصنيفي للمسمى، ليتم معرفته بالاعتماد على جدول مسميات مخزن مسبقاً، و شبكة انتشار عكسي دخلها صورة المسمى و خرجها الترميز الحاسوبي للمسمى، كما تم تصميم شبكة الانتشار العكسي بحيث يمكن لها التعرف على كافة صور مسميات أحرف الأبجدية الانكليزية المستخدمة في المخططات الزمنية، أظهرت نتائج البحث فعالية المنظومة المصممة للتعرف على مسميات المخططات الزمنية من صورها، و ذلك للآليتين التصنيفية و التمييزية، بعد تطبيق النظام على ثلاث مخططات زمنية.
يقدم هذا البحث خوارزمية من أجل استخلاص القيمة العددية من صورة المخططات النبضية للعدادات الصناعية، و ذلك بمعالجة صورة المخطط النبضي للعداد بعد إجراء عملية تقسيم و تجزئة للمخطط النبضي، و تحديد لحظات التغير و نوعها فيما لو كانت جبهة صاعدة ذات قيمة (1) أ
م جبهة هابطة ذات قيمة (0)، و من ثم حساب عدد الجبهات الكلية سواء كانت جبهات صاعدة أو هابطة، و معرفة القيمة العددية للعداد الصناعي من خلال قسمة عدد الجبهات على (2)، و قد تم معالجة نوعين من المخططات النبضية، النوع الأول مخططات نبضية ذات إشارات نبضية مفرغة (البكسلات التي تحتويها النبضة ذات لون أبيض) و النوع الثاني مخططات نبضية ذات إشارات نبضية ممتلئة (البكسلات التي تحتويها النبضة ذات لون مغاير للأبيض)، و قد طُورت الخوارزمية المقترحة لتشمل النوعين، و صُممت واجهة برمجية لهذه الخوارزمية باستخدام برنامج ماتلاب، و قد تم تجربتها على ثلاث صور مخططات نبضية، فأعطت نتائج دقيقة باستخلاص القيمة العددية للعداد الصناعي سواء للمخططات ذات النبضات المفرغة أو الممتلئة و كانت نسبة الدقة 100% من أجل المخططات المدروسة، و ذلك بسبب توصل لنسبة تعرف و تمييز 100% بالنسبة للشبكة العصبونية المستخدمة و تمكن الخوارزمية المقترحة لمعرفة عدد الجبهات من معرفة عدد الجبهات بنسبة 100%.
