متلب کار – آموزش متلب | شبیه سازی با متلب https://matlabkar.com سایت متلب کار بزرگترین و جامع ترین سایت در زمینه آموزش متلب و شبیه سازی با متلب می باشد که با کیفیت عالی و مثال ها و پروژه های آماده متلب سعی در پیشرفت کاربران در امر یادگیری بهتر نرم افزار متلب را دارد Thu, 06 Dec 2018 21:27:49 +0000 fa-IR hourly 1 تشخیص تومور مغزی از تصاویر MRI با الگوریتم خوشه بندی IFK در متلب https://matlabkar.com/detection-of-brain-tumor-from-mri-images-with-ifk-algorithm-in-matlab/ https://matlabkar.com/detection-of-brain-tumor-from-mri-images-with-ifk-algorithm-in-matlab/#respond Thu, 06 Dec 2018 21:27:49 +0000 https://matlabkar.com/?p=2345 تشخیص تومور مغزی از تصاویر MRI با متلب در این بخش پروژه تشخیص تومور مغزی از تصاویر MRI با الگوریتم خوشه بندی IFK یا Integrated Fuzzy K-means را در نرم افزار MATLAB آماده کردیم که بر اساس مقاله Segmentation of Magnetic Resonance Brain Tumor Using Integrated Fuzzy K-Means Clustering انجام […]

نوشته تشخیص تومور مغزی از تصاویر MRI با الگوریتم خوشه بندی IFK در متلب اولین بار در متلب کار - آموزش متلب | شبیه سازی با متلب. پدیدار شد.

]]>
تشخیص تومور مغزی از تصاویر MRI با الگوریتم خوشه بندی IFK در متلب

تشخیص تومور مغزی از تصاویر MRI با متلب

در این بخش پروژه تشخیص تومور مغزی از تصاویر MRI با الگوریتم خوشه بندی IFK یا Integrated Fuzzy K-means را در نرم افزار MATLAB آماده کردیم که بر اساس مقاله Segmentation of Magnetic Resonance Brain Tumor Using Integrated Fuzzy K-Means Clustering انجام شده است. در ادامه به معرفی این پروژه پردازش تصاویر پزشکی پرداخته و فیلم و تصاویر خروجی قرار داده شده است.

قطعه بندی تصاویز پزشکی

قطعه بندی یک فرآیند تقسیم بندی تصویر به چندین شیء است. این نقش حیاتی در بسیاری از زمینه ها مانند ماهواره، سنجش از دور، شناسایی ابعاد، ردیابی چهره و مهمتر از همه در زمینه پزشکی می باشد. در رادیولوژی (پرتوشناسی یا تصویر برداری تشخیصی)، تصویر برداری رزونانس مغناطیسی (MRI) برای بررسی فرآیندهای بدن انسان و عملکرد ارگانیسم ها مورد استفاده قرار می گیرد. در بیمارستان ها این تکنیک به طور گسترده ای برای تشخیص پزشکی به منظور تشخیص مرحله بیماری و پیگیری آن بدون قرار گرفتن در معرض اشعه یونیزه استفاده می شود.

معرفی پروژه

در این مقاله ما یک روش جدید قطعه بندی تصاویر مغزی برای تشخیص تومور و پیدا کردن ناحیه تومور با عملکردی بهبود یافته و بهتر از تکنیک های قطعه بندی معمول مانند الگوریتم FCM ، الگوریتم K-means ارائه می کنیم که حتی از قطعه بندی دستی نیز از نظر زمان و دقت، کارایی مطلوبی دارد. عملکرد شبیه سازی با نرم افزار متلب نشان می دهد که روش پیشنهاد شده بهتر از روش های قطعه بندی موجود می باشد. پروژه حاضر یکی از سریع ترین روش های تشخیص دقیق ناحیه تومور از مجموعه داده های مختلف تومور مغزی از تصاویر MRI می باشد. رویکرد پیشنهادی مقاله، روش IFK یا Integrated Fuzzy K-means می باشد که یک روش خوشه بندی مبتنی بر فازی شده الگوریتم K-means به صورت مجتمع است.

تصاویر خروجی پروژه در محیط MATLAB

تشخیص تومور مغزی از تصاویر MRI با الگوریتم خوشه بندی IFK در متلب

تشخیص تومور مغزی از تصاویر MRI با الگوریتم خوشه بندی IFK در متلب

تشخیص تومور مغزی از تصاویر MRI با الگوریتم خوشه بندی IFK در متلب

تشخیص تومور مغزی از تصاویر MRI با الگوریتم خوشه بندی IFK در متلب

تشخیص تومور مغزی از تصاویر MRI با الگوریتم خوشه بندی IFK در متلب

تشخیص تومور مغزی از تصاویر MRI با الگوریتم خوشه بندی IFK در متلب

تشخیص تومور مغزی از تصاویر MRI با الگوریتم خوشه بندی IFK در متلب

تشخیص تومور مغزی از تصاویر MRI با الگوریتم خوشه بندی IFK در متلب

تشخیص تومور مغزی از تصاویر MRI با الگوریتم خوشه بندی IFK در متلب

نوشته تشخیص تومور مغزی از تصاویر MRI با الگوریتم خوشه بندی IFK در متلب اولین بار در متلب کار - آموزش متلب | شبیه سازی با متلب. پدیدار شد.

]]>
https://matlabkar.com/detection-of-brain-tumor-from-mri-images-with-ifk-algorithm-in-matlab/feed/ 0
شبیه سازی مدل دینامیکی میکروتوربین برای شبکه ارتباطی و عملکرد جزیره ای با سیمولینک متلب https://matlabkar.com/simulation-dynamic-model-microturbine-with-sumulink-matlab/ https://matlabkar.com/simulation-dynamic-model-microturbine-with-sumulink-matlab/#respond Thu, 29 Nov 2018 21:16:49 +0000 https://matlabkar.com/?p=2331 شبیه سازی مدل دینامیکی میکروتوربین با Simulink در این بخش دانلود رایگان پروژه شبیه سازی مدل دینامیکی میکروتوربین برای شبکه ارتباطی و عملکرد جزیره ای را با سیمولینک MATLAB آماده کردیم که بر اساس مقاله Dynamic Model of Microturbine Generation System for Grid Connected/Islanding Operation انجام شده است. در ادامه […]

نوشته شبیه سازی مدل دینامیکی میکروتوربین برای شبکه ارتباطی و عملکرد جزیره ای با سیمولینک متلب اولین بار در متلب کار - آموزش متلب | شبیه سازی با متلب. پدیدار شد.

]]>
شبیه سازی مدل دینامیکی میکروتوربین برای شبکه ارتباطی و عملکرد جزیره ای با سیمولینک متلب

شبیه سازی مدل دینامیکی میکروتوربین با Simulink

در این بخش دانلود رایگان پروژه شبیه سازی مدل دینامیکی میکروتوربین برای شبکه ارتباطی و عملکرد جزیره ای را با سیمولینک MATLAB آماده کردیم که بر اساس مقاله Dynamic Model of Microturbine Generation System for Grid Connected/Islanding Operation انجام شده است. در ادامه به چکیده ای از پروژه پرداخته و تصاویر خروجی به همراه لینک دانلود رایگان شبیه سازی و مقاله مرجع قرار داده شده است. این پروژه با نسخه ۲۰۰۹b نرم افزار متلب انجام شده و برای اجرای صحیح نیز نیازمنده همین نسخه می باشد.

تولید پراکنده (DG)

تولید پراکنده (DG) پیش بینی می کند که در آینده نزدیک نقش مهمی در سیستم های قدرت الکتریکی ایفا خواهد کرد. قرار دادن سیستم DG در شبکه توزیع موجود، تاثیر بسیاری بر روی عملکرد و برنامه ریزی سیستم در زمان واقعی دارد. به طور گسترده ای پذیرفته شده است که سیستم های تولید میکروتوربین (MTG) در حال حاضر توجه بساری از نیازهای مشتریان در بازار برق توزیع شده را جلب کرده است.

شبیه سازی

به منظور ارزیابی عملکرد سیستم های میکروتوربین، مدل سازی کارایی آنها مورد نیاز است. این مقاله یک مدل پویا از یک سیستم MTG مناسب را برای شبکه ارتباطی و عملکرد جزیره ای ارائه می دهد. مدل ارائه شده اجازه می دهد تا جریان برق بین شبکه و سیستم MTG توزیع شود. اجزای سیستم از پویایی هر قسمت با ارتباطات آنها ساخته شده است. همچنین استراتژی های کنترل برای هر دو حالت شبکه ارتباطی و عملکرد جزیره ای یک سیستم DG نیز ارائه شده است.

تصاویر خروجی پروژه در محیط MATLAB

شبیه سازی مدل دینامیکی میکروتوربین برای شبکه ارتباطی و عملکرد جزیره ای با سیمولینک متلب

شبیه سازی مدل دینامیکی میکروتوربین برای شبکه ارتباطی و عملکرد جزیره ای با سیمولینک متلب

شبیه سازی مدل دینامیکی میکروتوربین برای شبکه ارتباطی و عملکرد جزیره ای با سیمولینک متلب شبیه سازی مدل دینامیکی میکروتوربین برای شبکه ارتباطی و عملکرد جزیره ای با سیمولینک متلب شبیه سازی مدل دینامیکی میکروتوربین برای شبکه ارتباطی و عملکرد جزیره ای با سیمولینک متلب شبیه سازی مدل دینامیکی میکروتوربین برای شبکه ارتباطی و عملکرد جزیره ای با سیمولینک متلب شبیه سازی مدل دینامیکی میکروتوربین برای شبکه ارتباطی و عملکرد جزیره ای با سیمولینک متلب

نوشته شبیه سازی مدل دینامیکی میکروتوربین برای شبکه ارتباطی و عملکرد جزیره ای با سیمولینک متلب اولین بار در متلب کار - آموزش متلب | شبیه سازی با متلب. پدیدار شد.

]]>
https://matlabkar.com/simulation-dynamic-model-microturbine-with-sumulink-matlab/feed/ 0
شبیه سازی سیستم انرژی باد خورشیدی هیبریدی با MPPT در سیمولینک متلب https://matlabkar.com/simulation-of-hybrid-wind-solar-energy-using-mppt-in-simulink-matlab/ https://matlabkar.com/simulation-of-hybrid-wind-solar-energy-using-mppt-in-simulink-matlab/#respond Sun, 25 Nov 2018 19:22:00 +0000 https://matlabkar.com/?p=2317 شبیه سازی سیستم انرژی باد خورشیدی هیبریدی در Simulink در این بخش دانلود رایگان پروژه مدلسازی و شبیه سازی سیستم انرژی باد خورشیدی هیبریدی با MPPT را در سیمولینک MATLAB را بر اساس مقاله Modeling and Simulation of Hybrid Wind Solar Energy System using MPPT آماده کردیم که در ادامه […]

نوشته شبیه سازی سیستم انرژی باد خورشیدی هیبریدی با MPPT در سیمولینک متلب اولین بار در متلب کار - آموزش متلب | شبیه سازی با متلب. پدیدار شد.

]]>
شبيه سازی سيستم انرژی باد خورشیدی هیبریدی با MPPT در سیمولینک متلب

شبیه سازی سیستم انرژی باد خورشیدی هیبریدی در Simulink

در این بخش دانلود رایگان پروژه مدلسازی و شبیه سازی سیستم انرژی باد خورشیدی هیبریدی با MPPT را در سیمولینک MATLAB را بر اساس مقاله Modeling and Simulation of Hybrid Wind Solar Energy System using MPPT آماده کردیم که در ادامه به چکیده مقاله پرداخته و فیلم و تصاویر خروجی پروژه به همراه لینک دانلود رایگان پروژه و مقاله مرجع قرار داده شده است. این پروژه با نسخه ۲۰۰۹b نرم افزار متلب انجام شده و برای اجرای صحیح نیز نیازمنده همین نسخه می باشد.

معرفی پروژه

سیستم پیشنهادی استراتژی های کنترل توان را از یک سیستم تولید هیبریدی متصل به شبکه با انتقال توان چند منظوره ارائه می دهد. این سیستم ترکیبی، به حداکثر استفاده از منابع قابل استفاده در انرژی های تجدید پذیر موجود مانند انرژی باد و فتوولتائیک (PV) می پردازد. برای این کار، از یک الگوریتم MPPT تطبیقی همراه با آشفتگی استاندارد استفاده می شود. همچنین این پیکربندی اجازه می دهد تا دو منبع به طور جداگانه یا به طور همزمان بسته به نوع دسترسی به منابع، انرژی را در دسترس قرار دهد. سرعت روتور توربین، تعیین کننده اصلی خروجی مکانیکی از انرژی باد بوده و ولتاژ عامل سلول خورشیدی در مورد توان خروجی از انرژی خورشیدی است.

در این سیستم، ژنراتور سنکرون مغناطیس دائم (PMSG) همراه با توربین بادی برای دستیابی به سیستم تبدیل انرژی باد می باشد. این سیستم ترکیبی در شرایط عادی عمل می کند که شامل دمای عادی خانه در استفاده از انرژی خورشیدی و سرعت باد طبیعی در ناحیه دشت در استفاده از انرژی باد می باشد. نتایج شبیه سازی با نرم افزار متلب برای نشان دادن اصول عملیاتی، امکان سنجی و قابلیت اطمینان این سیستم پیشنهادی ارائه شده است.

تصاویر خروجی پروژه در محیط MATLAB

شبيه سازی سيستم انرژی باد خورشیدی هیبریدی با MPPT در سیمولینک متلب شبيه سازی سيستم انرژی باد خورشیدی هیبریدی با MPPT در سیمولینک متلب شبيه سازی سيستم انرژی باد خورشیدی هیبریدی با MPPT در سیمولینک متلب شبيه سازی سيستم انرژی باد خورشیدی هیبریدی با MPPT در سیمولینک متلب شبيه سازی سيستم انرژی باد خورشیدی هیبریدی با MPPT در سیمولینک متلب شبيه سازی سيستم انرژی باد خورشیدی هیبریدی با MPPT در سیمولینک متلب شبيه سازی سيستم انرژی باد خورشیدی هیبریدی با MPPT در سیمولینک متلب شبيه سازی سيستم انرژی باد خورشیدی هیبریدی با MPPT در سیمولینک متلب

نوشته شبیه سازی سیستم انرژی باد خورشیدی هیبریدی با MPPT در سیمولینک متلب اولین بار در متلب کار - آموزش متلب | شبیه سازی با متلب. پدیدار شد.

]]>
https://matlabkar.com/simulation-of-hybrid-wind-solar-energy-using-mppt-in-simulink-matlab/feed/ 0
سیستم ناوبری اینرسیایی با GPS جهت رسیدن به هدف با فیلترهای کالمن در متلب https://matlabkar.com/inertial-navigation-system-with-gps-with-kalman-filter-in-matlab/ https://matlabkar.com/inertial-navigation-system-with-gps-with-kalman-filter-in-matlab/#respond Fri, 23 Nov 2018 21:42:04 +0000 https://matlabkar.com/?p=2308 سیستم ناوبری اینرسیایی با GPS در متلب در این بخش پروژه سیستم ناوبری اینرسیایی با GPS جهت رسیدن به هدف با انواع فیلتر کالمن شامل فیلتر کالمن خطی (LKF) ، فیلتر کالمن توسعه یافته (EKF) و فیلتر کالمن خنثی (UKF) را در نرم افزار MATLAB آماده کردیم که در ادامه […]

نوشته سیستم ناوبری اینرسیایی با GPS جهت رسیدن به هدف با فیلترهای کالمن در متلب اولین بار در متلب کار - آموزش متلب | شبیه سازی با متلب. پدیدار شد.

]]>
سیستم ناوبری اینرسیایی با GPS جهت رسیدن به هدف با فیلترهای کالمن در متلب

سیستم ناوبری اینرسیایی با GPS در متلب

در این بخش پروژه سیستم ناوبری اینرسیایی با GPS جهت رسیدن به هدف با انواع فیلتر کالمن شامل فیلتر کالمن خطی (LKF) ، فیلتر کالمن توسعه یافته (EKF) و فیلتر کالمن خنثی (UKF) را در نرم افزار MATLAB آماده کردیم که در ادامه فیلم و تصاویر خروجی آن قرار داده شده است.

معرفی سیستم ناوبری اینرسیایی

سیستم ناوبری اینرسیایی (Inertial Navigation) که در اغلب هواگردها و کشتی‌ استفاده می شود، عملکردی بر اساس اصول اینرسی دارد. در ناوبری اینرسیایی ، شتاب و چرخش و میدان مغناطیسی سیستم بوسیله سنسورهای شتاب ‌سنج و ژیروسکپ و مگنتومتر حس می شود و با یک سری عملیت ریاضی و فیلترینگ، میزان چرخش و تغییر موقعیت محاسبه می گردد. سیستم اینرسیایی در اندازه ‌گیری میزان چرخش دقت مطلوبی دارد ولی در اندازه ‌گیری میزان تغییر مکان، در صورتی که سنسورهایی با دقت بسیار بالا مورد استفاده قرار نگیرد، در خروجی خطا هایی خواهیم داشت که نیازمند تطابق با سیستم دیگری در فواصل زمانی چند دقیقه‌ ای خواهد بود و پس از تطابق می بایست خطای آن گرفته شود.

مزایایی سیستم اینرسی

سیستم ناوبری اینرسی، با توجه به مزایایی مثل ارتباط نداشتن با دنیای خارج، امکان محاسبه سرعت و موقعیت به صورت بلادرنگ و دارا بودن پهنای باند بالا، مهم ترین سیستم ناوبری به خصوص در صنایع نظامی می باشد. به طور عادی، داده های موقعیت و وضعیتی که از طریق سیستم ناوبری اینرسیایی بدست می آید، جهت محاسبه موقعیت پلت فرم (بوسیله داده هایی که توسط سنسورهای اندازه گیری عوارض زمین بدست می آید) استفاده می گردد. بکارگیری داده های بدست آمده از روش اینرسی باعث بهینه سازی جستجوی پایگاه داده خواهد شد.

استفاده از فیلتر کالمن در سیستم های اینرسی

به کمک فیلتر کالمن یا ترکیب دیگر الگوریتم ها می توان از نتایج بدست آمده به منظور بهبود بهترین تخمین موقعیت در حال حاضر استفاده کرد. به صورت کلی، سیستم های ناوبری بر اساس عوارض زمین، در هنگامی که داده های GPS در دسترس نباشند، اهمیت خود را نشان می دهند که دلیل آن نیز غیرممکن بودن تداخل در آنها می باشد. همینطور آنها در سیستم مختصات زمین / محیط زیست تعیین موقعیت را انجام می دهند و عملکرد آنها به طور کاملا مستقل می باشد.

خروجی های پروژه در محیط MATLAB

سیستم ناوبری اینرسیایی با GPS جهت رسیدن به هدف با فیلترهای کالمن در متلب

سیستم ناوبری اینرسیایی با GPS جهت رسیدن به هدف با فیلترهای کالمن در متلب

نوشته سیستم ناوبری اینرسیایی با GPS جهت رسیدن به هدف با فیلترهای کالمن در متلب اولین بار در متلب کار - آموزش متلب | شبیه سازی با متلب. پدیدار شد.

]]>
https://matlabkar.com/inertial-navigation-system-with-gps-with-kalman-filter-in-matlab/feed/ 0
پخش بار اقتصادی با الگوریتم ژنتیک در نرم افزار متلب https://matlabkar.com/economic-dispatching-with-genetic-algorithm-in-matlab/ https://matlabkar.com/economic-dispatching-with-genetic-algorithm-in-matlab/#respond Thu, 22 Nov 2018 16:03:30 +0000 https://matlabkar.com/?p=2281 پروژه پخش بار اقتصادی با الگوریتم ژنتیک در متلب در این بخش پروژه پخش بار اقتصادی با الگوریتم ژنتیک (GA) را در نرم افزار MATLAB آماده کردیم که در ادامه به معرفی بخش بار اقتصادی پرداخته و فیلم و تصاویر خروجی پروژه قرار داده شده است. پخش بار اقتصادی (Economic Dispatching) […]

نوشته پخش بار اقتصادی با الگوریتم ژنتیک در نرم افزار متلب اولین بار در متلب کار - آموزش متلب | شبیه سازی با متلب. پدیدار شد.

]]>
پخش بار اقتصادی با الگوریتم ژنتیک در نرم افزار متلب

پروژه پخش بار اقتصادی با الگوریتم ژنتیک در متلب

در این بخش پروژه پخش بار اقتصادی با الگوریتم ژنتیک (GA) را در نرم افزار MATLAB آماده کردیم که در ادامه به معرفی بخش بار اقتصادی پرداخته و فیلم و تصاویر خروجی پروژه قرار داده شده است.

پخش بار اقتصادی (Economic Dispatching)

پخش بار اقتصادی (Economic Dispatching – ED) به مفهوم تخصیص بهینه بار شبکه در میان واحد های تولیدی می باشد که باعث کم شدن مجموعه هزینه های بهره برداری می شود. برخی واحد های تولیدی در سیستم ها و شبکه های قدرت هستند که کار آنها تأمین بارهای شبکه است. برابری توان تولیدی و میزان بار شبکه در هر لحظه، موضوعی اساسی و مهم در سیستم های قدرت می باشد. باید در نظر گرفت که بهره برداری از شبکه بدون توجه به مسائل اقتصادی، اغلب مورد قبول بهره برداران نمی باشد. بهره برداران به دنبال این هستند که با به حداقل رساندن هزینه های بهره برداری، قادر باشند تا قیود فنی را در سیستم های قدرت تأمین کنند. بر همین اساس در نیروگاه ها از مهم ترین اهداف توزیع انرژی ، بحث پخش بار اقتصادی (ED) یا Economic Dispatching می باشد.

تصاویر خروجی پروژه در محیط MATLAB

پخش بار اقتصادی با الگوریتم ژنتیک در نرم افزار متلب

پخش بار اقتصادی با الگوریتم ژنتیک در نرم افزار متلب

نوشته پخش بار اقتصادی با الگوریتم ژنتیک در نرم افزار متلب اولین بار در متلب کار - آموزش متلب | شبیه سازی با متلب. پدیدار شد.

]]>
https://matlabkar.com/economic-dispatching-with-genetic-algorithm-in-matlab/feed/ 0
پخش بار اقتصادی در شبکه بدون در نظر گرفتن تلفات با نرم افزار متلب https://matlabkar.com/economic-dispatch-not-considering-transmission-losses-with-matlab/ https://matlabkar.com/economic-dispatch-not-considering-transmission-losses-with-matlab/#respond Thu, 15 Nov 2018 05:41:13 +0000 https://matlabkar.com/?p=2295 پخش بار اقتصادی در شبکه با متلب در این بخش پروژه پخش بار اقتصادی در شبکه بدون در نظر گرفتن تلفات را با نرم افزار MATLAB آماده کردیم که در ادامه به معرفی پخش بار اقتصادی پرداخته و فیلم و تصاویر خروجی قرار داده شده است. پخش بار اقتصادی (ED) […]

نوشته پخش بار اقتصادی در شبکه بدون در نظر گرفتن تلفات با نرم افزار متلب اولین بار در متلب کار - آموزش متلب | شبیه سازی با متلب. پدیدار شد.

]]>
پخش بار اقتصادی در شبکه بدون در نظر گرفتن تلفات با نرم افزار متلب

پخش بار اقتصادی در شبکه با متلب

در این بخش پروژه پخش بار اقتصادی در شبکه بدون در نظر گرفتن تلفات را با نرم افزار MATLAB آماده کردیم که در ادامه به معرفی پخش بار اقتصادی پرداخته و فیلم و تصاویر خروجی قرار داده شده است.

پخش بار اقتصادی (ED)

پخش بار اقتصادی (ED) یکی از مهمترین مسائل در هماهنگی تولید و مصرف در نیروگاه ها می باشد. منظور از پخش بار اقتصادی در شبکه ، مشخص کردن میزان تولید نیروگاه های موجود در شبکه می باشد، به طوری که بتواند تمامی بارها را تغذیه کند. مسئله پخش بار اقتصادی (Economic Dispatch) در رابطه با برنامه ریزی بهینه تولید ژنراتور های شبکه قدرت به منظور کاهش هزینه تولید با در نظر گرفتن قیود سیستم است که کاربرد مهمی در برنامه ریزی عملکرد و کنترل سیستم های قدرت دارد. تولید انرژی الکتریکی در سیستم های قدرت با هدف کاهش کل هزینه تولیدی برای واحد های فعال موجود در شبکه، از مهمترین مباحث برای سیستم های مدرن امروزی است. در واقع هدف از حل مسئله پخش بار اقتصادی در سیستم قدرت، برنامه ‌ریزی خروجی واحد های تولید است، به طوری که تقاضای بار مورد نیاز را با پایین ترین هزین تأمین کند.

تصاویر خروجی پروژه در محیط MATLAB

پخش بار اقتصادی در شبکه بدون در نظر گرفتن تلفات با نرم افزار متلب پخش بار اقتصادی در شبکه بدون در نظر گرفتن تلفات با نرم افزار متلب

پخش بار اقتصادی در شبکه بدون در نظر گرفتن تلفات با نرم افزار متلب

نوشته پخش بار اقتصادی در شبکه بدون در نظر گرفتن تلفات با نرم افزار متلب اولین بار در متلب کار - آموزش متلب | شبیه سازی با متلب. پدیدار شد.

]]>
https://matlabkar.com/economic-dispatch-not-considering-transmission-losses-with-matlab/feed/ 0
آموزش اصول و تئوری یادگیری ماشین (Machine learning) به صورت پاورپوینت https://matlabkar.com/principles-and-theory-of-machine-learning-in-powerpoint/ https://matlabkar.com/principles-and-theory-of-machine-learning-in-powerpoint/#respond Tue, 13 Nov 2018 19:38:31 +0000 https://matlabkar.com/?p=2288 آموزش اصول و تئوری یادگیری ماشین در این بخش دانلود رایگان آموزش اصول و تئوری یادگیری ماشین را به صورت فایل پاورپوینت آماده کردیم که توسط پروفسور آدریانا کوواشکا (Adriana Kovashka) از دانشگاه پیتزبورگ (Pittsburgh) به زبان انگلیسی تهیه شده است. این مجموعه آموزشی که در قالب ۱۹ فایل پاورپوینت […]

نوشته آموزش اصول و تئوری یادگیری ماشین (Machine learning) به صورت پاورپوینت اولین بار در متلب کار - آموزش متلب | شبیه سازی با متلب. پدیدار شد.

]]>
آموزش اصول و تئوری یادگیری ماشین (Machine learning) به صورت پاورپوینت

آموزش اصول و تئوری یادگیری ماشین

در این بخش دانلود رایگان آموزش اصول و تئوری یادگیری ماشین را به صورت فایل پاورپوینت آماده کردیم که توسط پروفسور آدریانا کوواشکا (Adriana Kovashka) از دانشگاه پیتزبورگ (Pittsburgh) به زبان انگلیسی تهیه شده است. این مجموعه آموزشی که در قالب ۱۹ فایل پاورپوینت است، به آموزش اصول و تئوری یادگیری ماشین پرداخته که زمینه های بسیاری را شامل می شود. در ادامه به معرفی مباحث مطرح شده پرداخته و لینک دانلود رایگان آنها در قالب یک فایل فشرده در اختیار شما کاربران گرامی قرار گرفته است.

مباحث اصلی مطرح شده در این آموزش:

اصول، مبانی و تئوری یادگیری ماشین (Machine learning)، جبر خطی و متلب (Linear Algebra – Matlab)، خوشه بندی (Clustering)، کاهش ابعاد (Dimensionality Reduction – PCA)، اورفیتینگ خطی (Line Fitting)، رگرسیون خطی (Linear Regression)، الگوریتم K نزدیک ترین همسایه (Classification Nearest Neighbors – KNN)، مدل های خطی برای طبقه بندی (Linear Models for Classification)، الگوریتم ماشین بردار پشتیبان (Support Vector Machines – SVM)، شبکه های عصبی (Neural Networks)، شبکه های عصبی کانولوشن (Convolutional Neural Networks – CNN)، شبکه های عصبی بازگشتی (Recurrent Neural Networks – RNN)، روش های درخت های تصمیم (Ensemble Methods Decision Trees)، توزیع احتمالات (Probability Review)، تخمین چگالی (Density Estimation)، مدل های گرافیکی مستقیم (Directed Graphical Models)، الگوریتم مدل مخفی مارکف (Hidden Markov Model – HMM)، الگوریتم حداکثر‌سازی انتظارات (Expectation Maximization – EM)، یادگیری عمیق (Deep learning) و یادگیری تقویتی (Reinforcement Learning).

نوشته آموزش اصول و تئوری یادگیری ماشین (Machine learning) به صورت پاورپوینت اولین بار در متلب کار - آموزش متلب | شبیه سازی با متلب. پدیدار شد.

]]>
https://matlabkar.com/principles-and-theory-of-machine-learning-in-powerpoint/feed/ 0
تشخیص ضریب هوشی از تصاویر چهره با الگوریتم فاصله اقلیدسی در متلب https://matlabkar.com/iq-detection-from-facial-images-with-euclidean-distance-algorithm-in-matlab/ https://matlabkar.com/iq-detection-from-facial-images-with-euclidean-distance-algorithm-in-matlab/#respond Thu, 08 Nov 2018 21:58:03 +0000 https://matlabkar.com/?p=2242 تشخیص ضریب هوشی از تصاویر چهره در متلب در این بخش پروژه تشخیص ضریب هوشی از تصاویر چهره را با الگوریتم میانگین کمترین فاصله اقلیدسی در نرم افزار MATLAB به همراه داکیومنت و فیلم نحوه اجرا آماده کرده ایم که در ادامه به معرفی آن پرداخته و فیلم و تصاویر […]

نوشته تشخیص ضریب هوشی از تصاویر چهره با الگوریتم فاصله اقلیدسی در متلب اولین بار در متلب کار - آموزش متلب | شبیه سازی با متلب. پدیدار شد.

]]>
تشخیص ضریب هوشی از تصاویر چهره با الگوریتم فاصله اقلیدسی در متلب

تشخیص ضریب هوشی از تصاویر چهره در متلب

در این بخش پروژه تشخیص ضریب هوشی از تصاویر چهره را با الگوریتم میانگین کمترین فاصله اقلیدسی در نرم افزار MATLAB به همراه داکیومنت و فیلم نحوه اجرا آماده کرده ایم که در ادامه به معرفی آن پرداخته و فیلم و تصاویر خروجی این پروژه پردازش تصویر قرار داده شده است. همچنین چند موضوع پیشنهادی برای کارهای آینده بر اساس این پروژه ارائه شده که می توانید آنها را برای پایان نامه و مقاله توسعه دهید.

تشخیص و تعیین هویت از تصاویر

تشخیص و تعیین هویت از تصاویر به عنوان یکی از شاخه ‌های هوش مصنوعی می ‌باشد که با رشد تکنولوژی ‌های سخت ‌افزاری و نرم ‌افزاری و پیشرفت در عرصه طراحی الگوریتم، وارد عصر جدیدی شده است. تشخیص ویژگی‌ های پنهان از روی ویژگی ‌های ظاهری، مانند تشخیص شخصیت و ضریب هوشی از روی تصاویر، رویکرد جدیدی در عرصه هوش مصنوعی می‌ باشد که در صدد تلفیق ویژگی ‌های شناختی با تکنولوژی رباتیک به منظور تشخیص ویژگی ‌های پنهان است.

معرفی پروژه

با تکیه بر مقدمه ‌ای که آورده شد، هدف پروژه پیش رو، توسعه شاخه جدیدی از علم هوش مصنوعی می ‌باشد که در آن ضریب هوش افراد از روی تصاویر تشخیص داده شود. روش کار به این شکل می ‌باشد، که تصاویر و اطلاعات ضریب هوشی تعدادی از افراد جمع ‌آوری شده و با توجه به ضریب هوشی دسته ‌بندی شده اند، در مرحله بعدی ویژگی ‌هایی که همبستگی خوبی با ضریب هوشی افراد دارد، از روی تصاویر چهره افراد استخراج می شود و سپس با استفاده از الگوریتم میانگین کمترین فواصل اقلیدوسی به عنوان روش پیشنهادی، ضریب هوشی ورودی جدید تخمین زده می‌ شود و با الگوریتم SVM و کلاسبند درخت و همینطور مدل های ترکیبی آنها مورد مقایسه قرار می گیرد.

دیتای مورد استفاده برای آزمون

برای آزمون ایده تحقیق از ۱۸۶ تصویر از سطوح هوشی و جنسیتی مختلف استفاده گردید. برطبق نتایج تحقیق، خطای تخمین با افزایش تعداد نمونه‌ ها و تفکیک جنسیتی به کمترین مقدار خود می ‌رسد. حداکثر خطای تخمینی روش پیشنهادی در حالت وابسته به جنسیت و سطوح هوشی ۴۵ واحد و حداقل آن ۲۵ واحد می ‌باشد. همچنین حداکثر  میانگین خطای روش پیشنهادی، در  حالت مستقل از جنسیت ۴۰ واحد و حداقل کمتر از ۲۵ واحد می ‌باشد. در نهایت خطای روش پیشنهادی در حالت مستقل از جنسیت و مستقل از سطوح هوشی برابر با ۳ واحد و حداقل کمتر از ۱ واحد و بیشتر از صفر می ‌باشد.

تمامی روش ها و خصوصا روش پیشنهادی در روش مستقل از سطوح هوشی عملکرد بسیار مطمئنی از خود نشان می‌ دهند که نشان دهنده این مسئله می ‌باشد که افزایش تعداد نمونه‌ ها می ‌تواند باعث ایجاد مدل منسجمی گردد که خطای تخمین ضریب هوشی را به حداقل ممکن برساند.

استخراج موقعیت اندام های چهره با الگوریتم DRMF

الگوریتم فاکتورسازی مستقیم ماتریس مستحکم (Direct Robust Matrix Factorization – DRMF) مبتنی بر چهارچوب مدل های محلی محدود شده و تحت عنوان تطبیق نگاشت پاسخ افتراقی عمل می ‌کند که عملکرد آن بر روی تصاویر چهره عمومی به شکل قابل قبولی مطلوب است. دلیل قابلیت خوب روش DRMF این است که برخلاف رویکرد‌های مبتنی بر AAM که در آن نقشه پاسخ برای انتخاب ویژگی کلی می ‌باشد، یعنی اشیای موجود در کل شکل به شکل یکجا و به هم مرتبط بررسی می‌ شود، در این روش نقشه پاسخ می ‌تواند بوسیله مجموعه کوچکی از پارامترها نمایش داده شود و این پارامترها نیز به شکل موثری برای بازسازی نقشه پاسخ جدید، مورد استفاده قرار گیرد.

همچنین در الگوریتم DRMF ثابت شده که می ‌توان با استفاده از تکنیک ‌های رگرسیون، توابع با انعطاف زیاد را از طریق نقشه پاسخ آموزش داد. این روش دارای سرعت و قابلیت عمل بالایی نسبت به روش ‌های پیشین می ‌باشد و عملکرد آن روی پایگاه داده های مختلف نظیر مورف و افجی نت، به شکل محسوسی سرعت و دقت آن را نشان می ‌دهد.

تشخیص اشیای چهره با الگوریتم DRMF

روش DRMF به عنوان روشی برای تشخیص اشیای روی چهره به شکل مجزا مورد استفاده قرار می ‌گیرد. مزیت اصلی این روش در نحوه بررسی ساده و قابلیت آن در تشخیص افتراقی اجزای چهره می ‌باشد که امکان تلفیق شکل سه بعدی اجزای چهره را به دلیل اینکه هر یک از بخش ‌ها به شکل مجزاء تشخیص داده می ‌شود، فراهم می ‌گردد. در کل نمایش مدل ‌های مبتنی بر جزء به شکل M = {S,D} که در آن D به عنوان مجموعه آشکار سازهای بخش ‌های مختلف چهره و هر یک از بخش‌ های چهره نیز به عنوان عضوی از S می ‌باشند. در پروژه حاضر نیز از این روش الگوریتم DRMF در تشخیص دقیق اجزای چهره استفاده می‌ گردد.

تشخیص ضریب هوشی از تصاویر چهره با الگوریتم فاصله اقلیدسی در متلب

شکل نمونه‌ های از تشخیص چهره و اجزای آن توسط الگوریتم DRMF

در ادامه پیشنهاداتی برای کارهای آینده مطرح شده که از طریق کد پایه این پروژه می توانید این موضوعات مطرح شده را نیز پیاده سازی کنید.

پیشنهادات نوآورانه برای کارهای آینده:

  1. تخمین ضریب هوشی از روی چهره و جمجمه بدون نیاز به تصویر روبرو (برای این کار باید نمونه‌ های مختلفی از یک فرد در زوایای مختلف گرفته شود، به طوری که بتوان برای تمامی حالات هر فرد برچسب یکسانی قرار داد، در این رویکرد باید کل جمجمه فرد در تصویر قرار گیرد و از طریق نرم افزار نیز تشخیص داده شود).
  2. تشخیص هوش اجتماعی از روی چهره (در این حالت ابتدا باید ژست‌ های معمولی افراد با هوش اجتماعی بالا و پایین مطالعه گردد و سپس با تشخیص حالات چهره از طریق آموزش شبکه عصبی می ‌توان هوش اجتماعی افراد را تخمین زد).
  3. تخمین میزان سلامتی افراد از روی چهره (برای این هدف اول باید تعداد افراد مریض و محزون و عصبی از نمونه‌ های طبیعی را جمع‌ آوری کرد و سپس با استخراج حالات چهره افراد مریض احوال و آموزش شبکه عصبی میزان سلامتی افراد را تخمین زد).
  4. تخمین میزان اعتماد به نفس افراد از روی چهره (برای این هدف اول باید تعدادی افراد با اعتماد به نفس بالا و تعدادی افراد با اعتماد به نفس پایین را انتخاب کنید، یا حتی می توانید در چنده رده این کار را انجام داده و به شبکه اموزش بدهید و بعد با استاده از تصاویر چهره های جدید اعتماد به نفس انها را تخمین بزنید).
  5. ذهن خوانی افراد با استفاده از تصاویر چهره (برای این هدف می توانید از تعدادی افراد بخواهید که در یک زمانبندی منظم به مسائل مشخصی فکر کنند، یا بخواهید که به اشیای خاصی مثل سیب، ماشین، ساختمان بلند و… فکر کنند و در این بازه زمانی از آنها فیلم بگیرید، بعد برخی اطلاعات نظری و اطلاعات پنهان تصاویر چهره آنها را در یک پایگاه داده جمع آوری کرده و پس از آموزش شبکه اقدام به تشخیص منفرد فکر افراد از روی چهره کنید.

تصاویر خروجی پروژه در محیط MATLAB

تشخیص ضریب هوشی از تصاویر چهره با الگوریتم فاصله اقلیدسی در متلب

تشخیص ضریب هوشی از تصاویر چهره با الگوریتم فاصله اقلیدسی در متلب

تشخیص ضریب هوشی از تصاویر چهره با الگوریتم فاصله اقلیدسی در متلب

شکل محیط برنامه برای تخمین ضریب هوشی

تشخیص ضریب هوشی از تصاویر چهره با الگوریتم فاصله اقلیدسی در متلب

تشخیص ضریب هوشی از تصاویر چهره با الگوریتم فاصله اقلیدسی در متلب

تشخیص ضریب هوشی از تصاویر چهره با الگوریتم فاصله اقلیدسی در متلب

تشخیص ضریب هوشی از تصاویر چهره با الگوریتم فاصله اقلیدسی در متلب

تشخیص ضریب هوشی از تصاویر چهره با الگوریتم فاصله اقلیدسی در متلب

تشخیص ضریب هوشی از تصاویر چهره با الگوریتم فاصله اقلیدسی در متلب

تشخیص ضریب هوشی از تصاویر چهره با الگوریتم فاصله اقلیدسی در متلب

تشخیص ضریب هوشی از تصاویر چهره با الگوریتم فاصله اقلیدسی در متلب

تشخیص ضریب هوشی از تصاویر چهره با الگوریتم فاصله اقلیدسی در متلب

تشخیص ضریب هوشی از تصاویر چهره با الگوریتم فاصله اقلیدسی در متلب

تشخیص ضریب هوشی از تصاویر چهره با الگوریتم فاصله اقلیدسی در متلب

تشخیص ضریب هوشی از تصاویر چهره با الگوریتم فاصله اقلیدسی در متلب

تشخیص ضریب هوشی از تصاویر چهره با الگوریتم فاصله اقلیدسی در متلب

شکل توزیع جمعیت نمونه در سه بعد نمره هوشی (بعد x) ، گروه هوشی(بعد y) و جنسیت (بعد z)

تشخیص ضریب هوشی از تصاویر چهره با الگوریتم فاصله اقلیدسی در متلب

تشخیص ضریب هوشی از تصاویر چهره با الگوریتم فاصله اقلیدسی در متلب

تشخیص ضریب هوشی از تصاویر چهره با الگوریتم فاصله اقلیدسی در متلب

شکل خطای تخمین ضریب هوشی با روش پیشنهادی و متدهای دیگر

تشخیص ضریب هوشی از تصاویر چهره با الگوریتم فاصله اقلیدسی در متلب

شکل خطای تخمین ضریب هوشی با روش پیشنهادی و متدهای دیگر در ۱۰۰ دور

تشخیص ضریب هوشی از تصاویر چهره با الگوریتم فاصله اقلیدسی در متلب

تشخیص ضریب هوشی از تصاویر چهره با الگوریتم فاصله اقلیدسی در متلب

نوشته تشخیص ضریب هوشی از تصاویر چهره با الگوریتم فاصله اقلیدسی در متلب اولین بار در متلب کار - آموزش متلب | شبیه سازی با متلب. پدیدار شد.

]]>
https://matlabkar.com/iq-detection-from-facial-images-with-euclidean-distance-algorithm-in-matlab/feed/ 0
محاسبه نمودار انشعاب (دو شاخه شدگی) با سنجش مقیاس در متلب https://matlabkar.com/computing-the-bifurcation-diagram-with-quorum-sensing-in-matlab/ https://matlabkar.com/computing-the-bifurcation-diagram-with-quorum-sensing-in-matlab/#respond Mon, 05 Nov 2018 20:53:13 +0000 https://matlabkar.com/?p=2231 محاسبه نمودار انشعاب (دو شاخه شدگی) در متلب در این بخش پروژه محاسبه نمودار انشعاب (بیفورکیشن – Bifurcation) یا دو شاخه شدگی را با سنجش مقیاس (Quorum sensing) در نرم افزار MATLAB آماده کرده ایم که در ادامه به تعریف نمودار انشعابی یا دو شاخه شدگی پرداخته و فیلم و […]

نوشته محاسبه نمودار انشعاب (دو شاخه شدگی) با سنجش مقیاس در متلب اولین بار در متلب کار - آموزش متلب | شبیه سازی با متلب. پدیدار شد.

]]>
محاسبه نمودار انشعاب (دو شاخه شدگی) با سنجش مقیاس در متلب

محاسبه نمودار انشعاب (دو شاخه شدگی) در متلب

در این بخش پروژه محاسبه نمودار انشعاب (بیفورکیشن – Bifurcation) یا دو شاخه شدگی را با سنجش مقیاس (Quorum sensing) در نرم افزار MATLAB آماده کرده ایم که در ادامه به تعریف نمودار انشعابی یا دو شاخه شدگی پرداخته و فیلم و تصاویر خروجی پروژه قرار داده شده است.

نمودار انشعابی و دوشــاخه شدگی

نمودار انشعابی

در معادلات دینامیکی جواب های معادله به شدت به مقدار پارامترها وابسته است. می توان با تغییر مقدار پارامترها رفتار معادله را نسبت به این تغییرات مطالعه نمود. پارامتری که اثر تغییراتش مورد بررسی قرار می گیرد، پارامتر کنترلی گفته می شود. نمودار انشعابی نموداری دو بعدی است که در آن متغیر مستقل، پارامتر کنترلی سیستم و متغیر وابسته به جواب نهایی معادله در طولانی مدت است. جواب های معادله در فضای پارامتری هنگامی به دو شاخه تقسیم می شود که تعداد جواب ها با تغییر مقدار پارامتر تغییر پیدا کند.

دوشــاخه شدگی (Bifurcation)

در سیستم های دینامیکی، نقاط ثابت می توانند ایجاد یا از بین برود و یا ممکن است پایداری آنها تغییر یابد یعنی ماهیت آن تغییر یافته و از نوع جاذب به نوع دافع و یا برعکس تبدیل شوند که به شروع تغییرات در رفتار نقاط ثابت، دوشاخه شدگی (Bifurcation) یا انشعاب گفته می شود. اگر با تغییر پارامتر دوشاخه شدگی، ساختار هندسی فضای فاز نیز تغییر یابد، آنگاه دوشاخه شدگی رخ داده است. همچنین پارامتر کنترل نیز می تواند مثبت، منفی و یا صفر باشد.

تصاویر خروجی پروژه در محیط MATLAB

محاسبه نمودار انشعاب (دو شاخه شدگی) با سنجش مقیاس در متلب

محاسبه نمودار انشعاب (دو شاخه شدگی) با سنجش مقیاس در متلب

محاسبه نمودار انشعاب (دو شاخه شدگی) با سنجش مقیاس در متلب

نوشته محاسبه نمودار انشعاب (دو شاخه شدگی) با سنجش مقیاس در متلب اولین بار در متلب کار - آموزش متلب | شبیه سازی با متلب. پدیدار شد.

]]>
https://matlabkar.com/computing-the-bifurcation-diagram-with-quorum-sensing-in-matlab/feed/ 0
رمزنگاری و رمزگشایی تصویر با شبکه عصبی SOM و LVQ در متلب https://matlabkar.com/encryption-and-decryption-the-image-with-som-and-lvq-neural-networks-in-matlab/ https://matlabkar.com/encryption-and-decryption-the-image-with-som-and-lvq-neural-networks-in-matlab/#respond Wed, 31 Oct 2018 20:21:57 +0000 https://matlabkar.com/?p=2222 رمزنگاری و رمزگشایی تصویر با شبکه عصبی در متلب در این بخش پروژه رمزنگاری و رمزگشایی تصویر با شبکه عصبی SOM و LVQ را با نرم افزار MATLAB آماده کرده ایم که در ادامه به توضیحاتی در مورد رمزنگاری تصاویر پرداخته و فیلم و تصاویر خروجی پروژه قرار داده شده […]

نوشته رمزنگاری و رمزگشایی تصویر با شبکه عصبی SOM و LVQ در متلب اولین بار در متلب کار - آموزش متلب | شبیه سازی با متلب. پدیدار شد.

]]>
رمزنگاری و رمزگشایی تصویر با شبکه عصبی SOM و LVQ در متلب

رمزنگاری و رمزگشایی تصویر با شبکه عصبی در متلب

در این بخش پروژه رمزنگاری و رمزگشایی تصویر با شبکه عصبی SOM و LVQ را با نرم افزار MATLAB آماده کرده ایم که در ادامه به توضیحاتی در مورد رمزنگاری تصاویر پرداخته و فیلم و تصاویر خروجی پروژه قرار داده شده است.

رمزنگاری تصاویر

تا به امروز روش ها و الگوریتم های مختلفی از سوی پژوهشگران برای رمزنگاری تصاویر ارائه شده است. با در نظر گرفتن ظرفیت داده های بزرگ و همچنین تعداد بالای پیکسل ها، تصویر همواره متفاوت تر از متن می باشد. از این رو حفاظت از تصویر و متن، دارای تفاوت هایی می باشد، و احتمال دارد که الگوریتم های رمزنگاری متن، در بخش تصویر غیرقابل استفاده باشد. استواری سیستم های رمزنگاری بر اساس ایجاد آشوب و آشفتگی در تصویر بوده و هر یک از روش های ارائه شده سعی می کنند که به طور پیکسل های تصویر را به ذرات کوچک تقسیم کرده و در هم آمیزند.

با استفاده از این روش، تصویر رمزنگاری شده از تصویر اصلی قابل بازشناسی نخواهد بود مگر در شرایطی که کلید استفاده شده در رمزنگاری تصویر در دسترس باشد. در طی سال های گذشته الگوریتم ها و روش های رمزنگاری مختلفی به منظور رمزنگاری تصویر ارائه شده اند که اغلب آنها نیز توابع آشوب و الگوریتم ژنتیک را جهت رمزنگاری داده ها مورد استفاده قرار داده اند.

رمزنگاری تصویر با شبکه عصبی

شبکه های عصبی (Artificial Neural Networks – ANN) نقش مهمی را در امنیت اطلاعات ایفا می کنند و از آنها در رمزنگاری و رمزگشایی تصویر یا متن استفاده های بسیاری شده است. در پروژه پیش رو نیز از شبکه عصبی نگاشت خود سازمانده (Self-Organizing Maps – SOM) و شبکه عصبی رقمی ساز بردار یادگیر (Learning Vector Quantization – LVQ) در محیط نرم افزار متلب مورد استفاده قرار گرفته است.

تصاویر خروجی پروژه در محیط MATLAB

رمزنگاری و رمزگشایی تصویر با شبکه عصبی SOM و LVQ در متلب

رمزنگاری و رمزگشایی تصویر با شبکه عصبی SOM و LVQ در متلب

نوشته رمزنگاری و رمزگشایی تصویر با شبکه عصبی SOM و LVQ در متلب اولین بار در متلب کار - آموزش متلب | شبیه سازی با متلب. پدیدار شد.

]]>
https://matlabkar.com/encryption-and-decryption-the-image-with-som-and-lvq-neural-networks-in-matlab/feed/ 0