موضوع: "بدون موضوع"
دانلود پایان نامه ارشد: بررسی شاخص های کلیدی ارزیابی عملکرد مدیریت پرسنلی(مطالعه موردی دانشگاه قم)
جمعه 99/10/26
:
داشتن اطلاعات دقیق، مرتبط و بهنگام، باعث بالا رفتن سرعت و دقت تصمیم گیری شده و جلوی انتخاب بسیاری از تصمیمات نادرست را خواهدگرفت. اطلاعات و دانش، نشان دهنده ثروت اساسی یک سازمان است. شرکت ها و سازمان ها سعی می کنند از این ثروت برای به دست آوردن مزیت رقابتی در هنگام تصمیم گیری های مهم استفاده نمایند. [37]
مدیران، به منظور مواجهه با محیط و تحقق اهداف سازمانی خود، با مد نظر قرار دادن متغیرهای محیطی، ضرورتاً بایستی محیط را تحلیل و متغیرهای آن را شناسایی کرده و در برخورد با آنها تدبیر مناسب را اتخاذ نمایند. این امر مستلزم برخورداری از اطلاعات بهنگام درون و برون سازمانی و نیز امکان بهره برداری بهینه از آنها را دارد. برای این که سازمان ها قادر به واکنش سریع در برابر تغییرات بازار باشند، نیاز به سیستم های اطلاعات مدیریتی دارند تا بتوانند از سازمان و محیط آن، تحلیل های علت و معلولی مختلف را انجام دهند. [42]
سیستم های هوش تجاری[1] (BIS)، ابزاری را فراهم می کنندکه براساس آن نیازهای اطلاعاتی سازمان به شکل مناسبی پاسخ داده می
شود؛ وظایف اصلی که توسط سیستم های هوش تجاری مورد توجه قرار می گیرد، شامل: شناسایی هوشمندانه داده های اطلاعاتی، تجمیع آن ها و تحلیل چند بعدی داده هایی است که از منابع اطلاعاتی مختلف به دست آمده است، می باشد. سیستم های هوش تجاری، داده های مربوط به سیستم های اطلاعاتی درون سازمانی را با داده هایی که از محیط سازمان به دست می آید، تجمیع می کنند. این داده های محیطی می تواند شامل آمارها، پایگاه های اطلاعاتی مربوط به مراکز سرمایه گذاری و مالی و پایگاه داده های متفرقه باشند. چنین سیستم هایی به عنوان رابط ها و واسط گرهایی هستند که برای کسب اطلاعات روزآمد، قابل اطمینان وکافی بوده، نسبت به فعالیت های مختلف شرکت عمل می کنند. [42]
سازمان ها با استفاده از انبارداده ها،[2] به حمایت از برنامه های استراتژیک و ماموریت حیاتی خود نیاز دارند داده های سپرده شده به انبار داده ها باید تبدیل به اطلاعات و دانش شوند و به طور مناسبی در اختیار تصمیم گیرندگان در درون سازمان و شرکای مهم در زنجیره ارزش سازمانی قرار گیرند. در محیط انبار داده ها، رابط انسان و کامپیوتر بالاترین اهمیت را داراست و تعیین کننده نقش اصلی موفقیت از دیدگاه کاربر نهایی است. به منظور حمایت از تجزیه و تحلیل وگزارش کارها، انبار داده باید داده های با کیفیت بالا را ارائه نماید و باید این اطلاعات را از طریق رابط های بصری در اختیارکاربران قرار دهد. [43]
امروزه با توجه به پیشرفت های مداوم در فناوری اطلاعات و ارتباطات و رشد سریع محیط کسب وکار، سازمان ها با رشد فزاینده اطلاعات مقابله می کنند . مدیران اغلب با گزارشات و اطلاعات بسیاری از سیستم های اطلاعات سازمانی مانند برنامهریزی منابع سازمانی[3] (ERP) و هوش تجاری مواجه شده اند. این پدیده های است که به طور کلی به عنوان اضافه بار اطلاعات شناخته شده است. مشکل بیشتر زمانی است که گزارش ها با توجه به اطلاعات ارائه شده ضعیف هستند و به انحراف تصمیم گیرندگان می انجامد . [44]
راه حل داشبورد، [4] می تواند این مشکلات را حل نماید. داشبوردهای مدیریتی، سیستم های نرم افزاری نوینی هستند که در جهت غنی سازی اهداف، با استفاده از تجزیه و تحلیل اطلاعات به سازمان ها کمک می کند. داشبورد، به مدیران این امکان را می دهد تا با تعریف، نظارت و تحلیل شاخص های کلیدی عملکرد در ایجاد تراز بین اهداف و فعالیت ها، نمایان سازی کلیه فعالیت های سازمان و ایجاد یک محیط نمایش مشترك بین اهداف و فعالیت ها برای تصمیم سازی درست و کارآمد اقدام نمایند.
داشبورد را می توان به عنوان سیستم پشتیبانی تصمیم گیری که اطلاعات را در یک قالب خاص به تصمیم گیرنده ارائه می کند تلقی نمود. از این رو، داشبورد را باید با توجه به ویژگی های نحوه ی ارزیابی و برای ارتباط برقرارکردن با آنها در راستای تصمیم گیری طراحی کرد . این سیستم اطلاعاتی، نمادها و نشانه های تصمیم گیری را برای تصمیم گیرنده فراهم می کند. [48]
به طور کلی ارزیابی عملکرد،[5] فرایندی است که بوسیله آن کار کارکنان در فواصلی معین و به طور رسمی مورد بررسی و سنجش قرار می گیرد ؛ منظور از ارزیابی عملکرد اعضای هیات علمی عبارت است از: سنجش منظم فعالیت های آموزشی / پژوهشی اساتید و تعیین میزان دستیابی به اهداف نظام آموزشی، که بر اساس معیار های از قبل تعیین شده صورت می گیرد . حال مسئله آن است که معیارهای موجود ارزیابی عملکرد اعضای هیات علمی، کافی نبوده و دارای کاستی هایی می باشد، بدین صورت که در نظام ارزیابی موجود فقط خواسته ها و انتظارات سیستم آموزشی لحاظ شده و نظر خود اساتید و دانشجویان مورد توجه قرار نگرفته است . لذا سوال اصلی تحقیق این است: معیار های مطلوب ارزیابی عملکرد اعضای هیات علمی کدامند؟
[1]. business intelligence systems
[2]. Data warehouse
[3].Enterprise resource planning
[4].Dashboard
[5]. Performance Evaluation
***ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل و با فرمت ورد موجود است***
متن کامل را می توانید دانلود نمائید
چون فقط تکه هایی از متن پایان نامه در این صفحه درج شده (به طور نمونه)
ولی در فایل دانلودی متن کامل پایان نامه
با فرمت ورد word که قابل ویرایش و کپی کردن می باشند
موجود است
دانلود پایان نامه ارشد: بررسی عوامل موثر بر توسعه خدمات الکترونیک در میان کاربران روستایی
جمعه 99/10/26
تحولات دهه پایانی سده ی بیستم میلادی در تاریخ علم و صنعت بی سابقه بود،زیرا دستاوردهای انقلاب صنعتی و انقلاب الکترونیک با تحولات فناوری اطلاعات به هم آمیخت و فناوری ارتباطات و اطلاعات (آی سی تی) را پی ریخت. آی سی تی) محصولی بود که دستاوردها و پیامدهای آن در ذهن گروهی عظیم از پدیدآورندگان آن نمی گنجید، (آی سی تی )، فناوری نوینی است که توانسته است خیلی زود تمامی
حصارها، قیدو بندها را گسیخته و مرزهای جغرافیایی در عرصه های مختلف، پنج قاره عالم را درنوردیده و بر کلیه ابعاد اجتماعی، اقتصادی، سیاسی، نظامی و فرهنگی اثر گذارد.. عرصه تأثیرگذاری فناوری های ارتباطات و اطلاعات تنها به محیطهای شهری منحصر و محدود نمیشود و دامنه آن حتی دور دستترین مناطق روستایی را در برمیگیرد و میتواند نقش موثری در فرآیند توسعه روستایی ایفا کند. مدل سازمان ملل، فرآیند توسعه فنآوری اطلاعات و ارتباطات در مناطق روستایی دارای پنج مرحله اصلی پیدایش، ارتقاء، تعامل، تراکنش و یکپارچگی است. ایران از سال ١٣٨٢ اولین مرحله در فرآیند توسعه این فنآوری را برای جوامع روستایی آغاز کرد.در حال حاضر مراحل پنجگانه، انجام شده و وقت آن رسیده است تا عوامل مؤثر در پذیرش و بکارگیری فنآوری اطلاعات و ارتباطات
در بین روستائیان مورد ارزیابی قرار گیرند. ھمین امر ضرورت و اھمیت این پژوھش را روشن می سازد . افزایش دسترسی به فناوری می تواند یك عامل حیاتی در رشد اقتصادی مناطق روستایی باشد. اما در عین حال برای تحقق، نیازمند همكاری توامان دولت، بخش خصوصی، و صنعت است. بررسی و نگاهی به فعالیت های سایر كشور ها در این راستا و استفاده از تجربیات آنها نیز می تواند در صورت بومی شدن با شرایط كشور، در حركت ما به این سمت یاری رسان باشد (بهرامیان، ١٣٨٦ ).
***ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل و با فرمت ورد موجود است***
متن کامل را می توانید دانلود نمائید
چون فقط تکه هایی از متن پایان نامه در این صفحه درج شده (به طور نمونه)
ولی در فایل دانلودی متن کامل پایان نامه
با فرمت ورد word که قابل ویرایش و کپی کردن می باشند
موجود است
دانلود پایان نامه ارشد: تدوین شاخصها و داشبورد ارزیابی و پیشبینی پیشرفت تحصیلی دانشجویان با شبکهعصبی و درختتصمیمC5
جمعه 99/10/26
پیشبینی آینده در زمینههای مختلف همواره برای انسان جالب و جذاب بوده است. با اطمینان میتوان گفت که پیشبینی آینده و روند تغییرات در همهی حوزهها از دغدغههای اصلی و همیشگی مدیران سطح بالا و میانی میباشد. اما همواره مشکلات فراوانی در برابر آن وجود داشته است که انجام پیشبینیهای دقیق و قابل اعتماد را تقریباً غیرممکن نموده است (توحیدی- مقدم و فرهادی، 1391). در سالهای
اخیر با توجه به جذابیتهایی که در زمینه دادهکاوی و همچنین پیشبینی که یکی از اهداف دادهکاوی میباشد وجود دارد،تحقیقات زیادی در این حوزه انجام شده است.
در حال حاضر در اکثر دانشگاهها بانکهای اطلاعاتی وسیعی از ویژگیهای دانشجویان موجود است که حجم بالایی از اطلاعات مربوط به سوابق آموزشی و تحصیلی را شامل میشود و از آنجایی که امروزه فضای رقابتی شدیدی در دانشگاههای مختلف حاکم شده است. مدیران باید سریعتر و درستتر از قبل تصمیم بگیرند. لازمه چنین امری، دستیابی سریع و دقیق به دانش است و برای دستیابی به دانش، وجود ابزارهای کارا و موثری نظیر داشبوردهای مدیریتی ضرورت دارد. ارزش داشبورد در اتصال ویژگیها و کاربرد مناسب آن در سازمان است. گرچه تا به امروز توافق خاصی در اینکه داشبورد باید دقیقا چگونه باشد و چه کارهایی را انجام دهد، وجود ندارد اما به طور کلی انتظار میرود داشبورد، امکان جمعآوری، خلاصهسازی و ارائه اطلاعات مناسب از منابع مختلفی را داشته باشد تا بدین وسیله کاربر بتواند وضعیت شاخصها را به طور یکجا ملاحظه نماید
هدف از انجام این تحقیق، دادهکاویآموزشی جهت مقاصد پیشبینی پیشرفت تحصیلی دانشجویان به همراه داشبورد آن میباشد، دادهکاویآموزشی یک حوزه علمی نوظهور است که به توسعه روشهایی برای کاوش و اکتشاف دانش در محیطهای آموزشی میپردازد. پیشرفت تحصیلی دانشجویان یکی از اموری است که در امر آموزش مطرح است و از مسائل مورد توجه مدیران آموزشی دانشگاههاست. در این تحقیق سعی شده از دادهکاوی و فنون آن استفاده شود و با استفاده از دادههایی که در دانشگاهها موجود است پیشرفت تحصیلی را پیشبینی نمود. پس از آشنایی با ادبیات مسئله و مرورکلی بر ویژگیهای اصلی یک داشبورد مدیریتی کارا، روشهای دادهکاوی و پیشبینی به عنوان مطالعه موردی کار پیشبینی در امور آموزش را انجام دادهایم. معدل دانشجویان بهصورت تصادفی تغییر نمیکند، بلکه تغییرات بر اساس یک روند تکرار پذیر و قابل تشخیص صورت میگیرد، پس قابل پیشبینی است. برای این منظور پس از گردآوری دادهها جهت دادهکاوی، با استفاده از روشهای شبکهعصبی و درختتصمیم C5، کار پیشبینی را انجام داده ایم و بعد از پیشبینی، طراحی و پیادهسازی داشبورد آن صورت گرفت.
***ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل و با فرمت ورد موجود است***
متن کامل را می توانید دانلود نمائید
چون فقط تکه هایی از متن پایان نامه در این صفحه درج شده (به طور نمونه)
ولی در فایل دانلودی متن کامل پایان نامه
با فرمت ورد word که قابل ویرایش و کپی کردن می باشند
موجود است
دانلود پایان نامه ارشد: چارچوبی جدید برای تشخیصِ مرجعِ مشترک و اسمِ اشاره در متون پارسی
جمعه 99/10/26
و بیان مسئله
امروزه رایانه در تمام لایههای زندگی بشر نفوذ کرده است. بطوریکه استفاده از فناوری رایانه در حوزه زبانشناسی، بیش از پیش احساس میشود. «پردازش زبان طبیعی»شاخهای از علم «هوش مصنوعی» است كه به ماشینی كردن فرآیند زبان شناسی سنتی میپردازد. به این ترتیب با استفاده از رایانه میتوان «زبان گفتاری ونوشتاری» را پردازش نمود، به طوریکه رایانهها نیز قادر باشند زبان انسان را درک کرده و بتوانند از زبان طبیعی به عنوان ورودی وخروجی استفاده كند. به این ترتیب یک رایانه، درهنگام دریافت ورودی، نیاز به «درک» و درهنگام ارسال خروجی، نیاز به «تولید» زبان طبیعی دارد. ]81[
در زمینه پردازش زبان طبیعی پژوهشهایی مانند طبقهبندی متون، برچسبگذاری ادات سخن، تعیین و ابهامزدایی از معانی واژگان و… انجام شده است که تنها بر روی یک حوزه خاص تمرکز داشتهاند و در نتیجه راه حلهایی جزئی در راستای اهداف کلی پردازش زبان طبیعی محسوب میشوند. تمامی این حوزههای جزئی باید حل شوند تا در نهایت رایانه بتواند همانند انسان واژگان و جملات را پردازش کرده و یا آنها را بسازد.
وظایف زبان طبیعی را میتوان به ریز کاربردها و کلان کاربردها افراز نمود. به طور کلی تا کنون تحقیقات انجام شده بیشتر بر روی پردازشهایی در سطح واژه و یا جمله (مانند برچسب گذاری ادات سخن، ابهام زدائی از مفهوم واژگان، شناسایی موجودیتهای نامدار و … ) و یا در سطح کل متن (تشخیص هرزنامه، رده بندی متون و…) متمرکز شده اند؛ برخی از کاربردها نیز مانند استخراج اطلاعات، تشخیص مرجع مشترک و ماشین ترجمه در سطح بینابین قرار گرفتهاند. ]27[بدیهی است که در توسعه یک کاربرد سطح بالاتر همانند تعیین ویژگیهای معنایی متون، انواع متفاوتی از ویژگیهای سطح پایینتر (مانند ویژگیهای لغوی و نحوی) نیز لازم است، اما به لطف سیستمهای جدید که تا حد زیادی به روشهای آماری یادگیری ماشین بستگی دارند، دیگر در آنها، به تمامی ویژگیهای سطح پایینتر نیازی نیست. علت اینکه روشهای یادگیری ماشین توانستهاند با وجود سادگی، به موفقیت قابل توجهی دست یابند این است که اطلاعات آماری پایه، دانشی را فراهم میآورد که برای بسیاری از کاربردها کافی بوده و میتواند به کارائی قابل توجهی منجر شود. با این وجود، باید توجه داشت که روشهای آماری محدود است و هرگز نمیتوانند درک کاملی از محتوای معانی یک متن را فراهم آورند.
از طرفی دیگر، با فراهم شدن اطلاعات و قدرت محاسباتی بیشتر، سیستمهایی که واژگان و جملات درست را از غلط تشخیص میدهند، به طور گستردهای در حال توسعه هستند. به عنوان مثال، در زبان انگلیسی برچسب گذاری ادات سخن به صحتی برابر با ۹۸%، شیوههای تجزیه کردن به صحتی برابر با ۹۰%، و شناسایی موجودیتهای نامدار به صحت ۹۱% رسیده اند. [78,55,38[.
بسیاری از پژوهشگران معتقدند كه استخراج اطلاعات به عنوان یکی از مهمترین کاربردهای پردازش زبان طبیعی محسوب میشود، که مجموعهای از تکنیکهای ردهبندی، خوشهبندی و قوانین وابستگی است و خروجی استخراج اطلاعات شامل، شناسایی موجودیتها ، تعیین نوع وگروه آنها، طبقه بندی ارتباط میان موجودیتها و همچنین استخراج رویدادهایی كه در آن مشاركت دارند، میباشد.[71[ در نهایت میتوان گفت كه خلاصه سازی، بازیابی اطلاعات، دادهكاوی، پرسش و پاسخ و درك زبان از جمله كاربردهای این سیستم هستند.
تمرکز اصلی این پژوهش بررسی فرآیند تشخیص مرجع مشترک به عنوان یکی از فرآیندهای مهم استخراج اطلاعات است؛ در تشخیص مرجع
مشترک تمام عبارتهای اسمی که به یک موجودیت واحد در دنیای واقعی اشاره دارند، تعیین میگردند. هدف نهایی این پایاننامه شناسایی اشارههای هم مرجع شامل ضمیر و اسم اشاره در متون پارسی میباشد. برای تحقق این هدف نیاز به انجام پیش پردازشهایی بر روی متون خام میباشد تا دادههای مورد نیاز برای ورود به فرآیند تحلیل مرجع مشترک فراهم شوند. فرض ما بر این است که خروجی حاصل از فرآیند کشف اشاره به عنوان یک پیش پردازش میتواند در کنار سایر پیمانههای پیش پردازشی مانند تجزیهگر، شناسایی موجودیتهای نامدار و… بر بهبود عملکرد تحلیل مرجع مشترک موثر واقع شود. [23،38،53،83]
به هر ترتیب شناسایی عبارتهای اسمی هممرجع از مهمترین زیر وظایف استخراج اطلاعات میباشند که بهبود عملکرد آن موجب بهبود عملکرد کلی سیستم استخراج اطلاعات و سایر سیستمهای مرتبط با آن خواهد شد.
واحد مورد بررسی در حوزه تشخیص مرجع مشترک، متن می باشد که پس از اجرای ماژولهایی متفاوت، متن مورد نظر به عبارت های اسمی یا به عبارت بهتر به اشاره تبدیل میشود. روشهای موجود در این حوزه، به دو دسته روشهای زبانشناسی و روشهای یادگیری ماشین تقسیم میشوند. [76[ در روش اول، ابتدا به ازای هر عبارت اسمی، مراجع کاندیدا تعیین میشود و سپس با به کارگیری مجموعهای از قواعد زبانشناسی، برخی از کاندیداها حذف شده و کاندیداهای باقیمانده نیز امتیازدهی میشوند و درنهایت کاندیدایی به عنوان مرجع برگزیده میشود که بیشترین امتیاز را کسب کرده باشد. مسئله اصلی در این روش این است که کسب اطلاعات زبانشناسی مورد نیاز، فرآیندی زمانبر، پرهزینه و پر خطاست. البته با پیدایش پیکرههای زبانشناسی و موفقیت روشهای یادگیری ماشین در سایر حوزهها، روشهای زبانشناسی جای خود را به روشهای یادگیری ماشین دادند. در یادگیری ماشین، به محاسبات زبانشناسی پیچیده و سطح بالای روشهای زبانشناسی نیاز نیست به طوریکه با استفاده از دانش اندکی در زمینه زبانشناسی نیز میتوان به نتایج خوب و قابل توجهی دست یافت.
از سوی دیگر، امروزه اغلب پژوهشگران فرآیند تشخیص مرجع مشترک را به دو مرحله تقسیم می کنند. (۱) کشف و شناسایی اشاره؛ برای شناسایی عبارتهای اسمی که به موجودیت ها در دنیای واقعی اشاره دارند، (۲) شناسائی اشارههایی که به یک مرجع واحد اشاره دارند. به این ترتیب در مرحله اول، اکثر عبارتهای اسمی تحت عنوان اشاره و در قالب چهار گروه اصلی ضمایر، اسامی خاص، اسامی عام و غیر اشارهها قرار میگیرند،[8،910،16،48،53،72] سپس این فرآیند مشخص میکند که هر اشاره به کدام موجودیت در دنیای واقعی اختصاص دار[26]میتوان گفت که فرآیند کشف اشاره، توسعه یافتهی فرآیند شناسایی موجودیتهای نامدار میباشد که علاوه بر شناسایی اسامی خاص، به شناسایی اسامی عام و ضمایر نیز میپردازد. [،23،72،81،113،114]از آنجائیکه بررسی فرآیندهای شناسایی اشاره و تحلیل مرجع مشترک به طور همزمان خارج از حوزهی این پایاننامه است، ما عبارتهای اسمی را در قالب انواع اشارههای گفته شده در پیکرهای تحت عنوان لوتوس برچسبگذاری مینمائیم و نتیجهی آن را برای تحلیل مرجع مشترک به کار خواهیم برد.
چارچوب کلی این پایاننامه به این صورت میباشد: در بخش دوم این فصل گذری کوتاه بر انواع روابط میان دو عبارت اسمی و به خصوص ارتباطهای هممرجعی خواهیم داشت. سپس در بخش اول فصل دوم، روشهای ارائه شده برای تشخیص مرجع مشترک را مورد بررسی و مطالعه قرار میدهیم و در بخش دوم آن، به نحوه ایجاد پیکرهای مناسب برای کشف اشاره و تحلیل مرجع مشترک خواهیم پرداخت. در فصل سوم، به الگوریتمهای مناسب برای این پایاننامه را معرفی می نمائیم. سیستم پیشهنادی برای شناسایی اشارههای ارجاع شده در فصل چهارم معرفی خواهد شد و همچنین در این فصل الگوریتمهای یادشده را مورد ارزیابی قرار میدهیم. در نهایت در فصل پنجم نیز به نتیجه گیری و پیشنهاد كارهای آتی در ادامهی این پژوهش خواهیم پرداخت.
[1] معادل پارسی عبارت انگلیسی Natural Language processing
[2] معادل پارسی عبارت انگلیسی Artificial Intelligence
[3] معادل پارسی عبارت انگلیسی Text classification
[4] معادل پارسی عبارت انگلیسی Part of speech tagging
[5] معادل پارسی عبارت انگلیسی Word sense disambiguation
[6] معادل پارسی عبارت انگلیسی Micro-task
[7] معادل پارسی عبارت انگلیسی Macro-task
[8] معادل پارسی عبارت انگیسی Named Entity Recognizers(NER)
[9] معادل پارسی عبارت انگیسی Spam Detection
[10] معادل پارسی عبارت انگیسی Information Extraction(IE)
[11] معادل پارسی عبارت انگیسی Coreference Resolution(CR)
[12] معادل پارسی عبارت انگیسی Machin Translation(MT)
[13] معادل پارسی واژه انگیسی Lexical
[14] معادل پارسی واژه انگیسی Syntactical
[15] معادل پارسی واژه انگیسی Parsing
[16] معادل پارسی واژه انگیسی Classification
[17] معادل پارسی واژه انگلیسی Clustering
[18] معادل پارسی عبارت انگلیسی Association pules
[19] معادل پارسی واژه انگلیسی Entity
[20] معادل پارسی عبارت انگلیسی Information Retrieval(IR)
[21] معادل پارسی عبارت اانگلیسی Data Mining
[22] معادل پارسی عبارت انگلیسی question/Answering
[23] معادل پارسی عبارت انگلیسی Text understanding
[24] معادل پارسی عبارت انگلیسی Mention Detection
[25] معادل پارسی واژه انگلیسی linguist
[26] معادل پارسی عبارت انگلیسی Machin Learning(ML)
[27] معادل پارسی واژه انگلیسی Corpus
[28] معادل پارسی واژه انگلیسی Entitiy
[29] هرآنچه كه به موجودیت خاص درمتن ارجاع داده شده است
[30] معادل پارسی واژه انگلیسی Pronominal
[31] معادل پارسی عبارت انگلیسی Proper Name
[32] معادل پارسی واژه انگلیسی Nominal
[33] معادل پارسی عبارت انگلیسی Out of Mention
***ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل و با فرمت ورد موجود است***
متن کامل را می توانید دانلود نمائید
چون فقط تکه هایی از متن پایان نامه در این صفحه درج شده (به طور نمونه)
ولی در فایل دانلودی متن کامل پایان نامه
با فرمت ورد word که قابل ویرایش و کپی کردن می باشند
موجود است
دانلود پایان نامه ارشد: ارائه الگوریتمی جهت جزیره سازی سیستمهای قدرت با حفظ معیارهای امنیت
جمعه 99/10/26
در این فصل كارهای مهم انجام گرفته در زمینه تشخیص آنلاین پایداری گذرا، تعیین معادل دینامیكی سیستم، استفاده از تئوری گراف در سیستمهای قدرت و جزیرهسازی سیستم مورد بررسی قرار میگیرد.
همچنین در فصل حاضر ضرورت انجام رساله حاضر، اهداف رساله و محدودیتها و مرزهای آن بررسی و معرفی خواهد گردید.
2-2- مطالعات انجام شده در تشخیص پایداری گذرا
تشخیص سریع، دقیق و آنلاین ناپایداری برای انجام برخی اعمال كنترل اضطراری ضروری میباشد. روشهای مرسوم در مقالات برای این كار
عموما استفاده از اندازهگیرهای فازوری كلی و روشهای ابتكاری است. در [40] یك روش دقیق برای تشخیص آنلاین از دست رفتن سنكرونیزم بر اساس اندازهگیریهای ولتاژ و جریان در خطوط ارایه شده است. همچنین در [40] از تكنیك انرژی پتانسیل در خطوط استفاده كرده و شرایطی كه باعث ناپایداری سیستم میشوند از تحلیل تابع انرژی بدست آورده است. وقوع یك اغتشاش بزرگ در سیستم قدرت ممكن است باعث خروج كنترلنشده ژنراتورها و خروجهای متوالی و نهایتا فروپاشی گردد. چندین روش كنترلی جداگانه وجود دارد كه میتواند برای حفظ پایداری سیستم مورد استفاده قرار گیرد. برخی از این اعمال كنترلی اضطراری مانند خروج ژنراتورها و جداسازی كنترلشده سیستم در زمانهای خیلی ضروری مورد استفاده قرار میگیرند. از این رو یك روش سریع و دقیق تشخیص بین نوسانات پایدار و ناپایدار ضروری میباشد. از جمله روشهای موجود برای این مورد میتوان به استفاده از اندازهگیرهای فازوری گلوبال، روشهای ابتكاری، و روشهای هوشمندانه مانند درخت تصمیمگیری و استفاده از شبكههای عصبی را نام برد. در [44-41] انرژی پتانسیل موجود در ژنراتورها كه بوسیله یك مدل كلاسیك نمایش داده شدهاند به صورت مجموع انرژیهای موجود در المانهای سری مانند خطوط انتقال، ترانسفورمرها و راكتانسهای ژنراتورها بیان گردیده است. در این مقاله نشان داده شده است كه تحت یك شرایط خاص این امكان وجود دارد كه انرژی پتانسیل را به صورت جمع انرژیهای موجود در خطوطی كه به یك كاتست تعلق دارند نوشت و انرژی جنبشی را به صورت تابعی از نرخ تغییرت زاویه فاز در دو طرف یك خط كه به یك كاتست تعلق دارد بدست آورد.
در [48-45] نویسندهگان مقاله توابع كنترلی مناسب را برای حذف نوسانات سیستم قدرت بر اساس توابع لیاپانف در حضور عناصر FACTS برای شبكه قدرت ارایه كرده است. در این مقاله نویسندگان از مفهوم سیستم تك ماشینه معادل (OMIE) برای تعریف توابع لیاپانف استفاده كردهاند.
در مراجع [49] نویسندگان مقالات روش یادگیری آنلاین با استفاده از شبكه های عصبی را برای پیشبینی پایداری گذرای سیستم قدرت مورد استفاده قرار دادهاند. در [50] یك روش جدید برای تشخیص آنلاین ناپایداری در شبكه قدرت ارایه گردیده است كه بر اساس اندازهگیری ولتاژ و جریان خط صورت میگیرد و شرط ناپایداری از توابع انرژی بدست میآید.
در [51] از روش تحلیل مجموعههای دستیافتنی (Reachable Set) و تحلیل مجموعههای همسطح برای تحلیل پایداری گذرای سیستم استفاده شده است. این روش بر اساس ایجاد یك معادله دیفرانسیل با مشتقات نسبی و تشكیل ماتریس (HJI) یك سیستم غیرخطی است. مجموعههای دستیافتنی بكوارد ناحیه پایدار نقطه تعادل را برای ارزیابی پایداری گذرا در اختیار ما قرار میدهد.