|
|
|
|
| |
 |
آرش اربابی |
 |
|
| | تاریخ ارسال: 1404/6/30 | |
|
دانشجو آرش اربابی دانشجوی کارشناسی ارشد آقای دکتر مرتضی آنالویی مورخ : ۱۴۰۴/۰۶/۳۰ ساعت۰۰::۱۴ از پروژه کارشناسی ارشد خود با عنوان " تخصیص منابع به زیر وظایف در محیط گرید با در نظر گرفتن کیفیت سرویس" دفاع خواهند نمود.
|
ارائه دهنده:
آرش اربابی
استاد راهنما:
دکتر مرتضی آنالویی
هیات داوران:
استاد راهنما: دکتر مرتضی آنالویی
داور داخلی: دکتر محسن سریانی
داور خارجی: دکتر زهرا قربانعلی
تاریخ دفاع: ۱۴۰۴/۰۶/۳۰
زمان: ۰۰::۱۴
مکان: دانشکده مهندسی کامپیوتر طبقه اول اتاق ۱۱۶
|
|
|
|
|
| دفعات مشاهده: 291 بار | دفعات چاپ: 59 بار | دفعات ارسال به دیگران: 0 بار | 0 نظر |
|
|
| |
|
|
|
یوسف رشیدی |
|
|
| | تاریخ ارسال: 1404/6/29 | |
|
دانشجو یوسف رشیدی دانشجوی کارشناسی ارشد آقای دکتر وصال حکمی مورخ : ۱۴۰۴/۰۶/۲۹ ساعت۱۷:۳۰ از پروژه کارشناسی ارشد خود با عنوان " بهینه‌سازی استراتژی‌های تخلیه‌بار محاسباتی و قیمت‌گذاری منابع در شبکههای بی‌سیم نسل ششم مبتنی بر O-RAN " دفاع خواهند نمود.
|
ارائه دهنده:
یوسف رشیدی
استاد راهنما:
دکتر وصال حکمی
هیات داوران:
استاد راهنما:دکتر وصال حکمی
داور داخلی: دکتر زینب موحدی
داور خارجی: دکتر مجتبی مازوچی
تاریخ دفاع: ۱۴۰۴/۰۶/۲۹
زمان: ۱۷:۳۰
مکان: اتاق دفاعیه دانشکده کامپیوتر
|
|
|
|
|
| دفعات مشاهده: 286 بار | دفعات چاپ: 61 بار | دفعات ارسال به دیگران: 0 بار | 0 نظر |
|
|
| |
|
|
|
عرفان نجفی |
|
|
| | تاریخ ارسال: 1404/6/24 | |
|
دانشجوعرفان نجفی دانشجوی کارشناسی ارشد دکتر عین اله خنجری مورخ : ۱۴۰۴/۰۶/۲۵ ساعت۱۵:۳۰ از پروژه کارشناسی ارشد خود با عنوان " بهبود تشخیص ضایعات MS در تصاویر MRI با استخراج ویژگی از تصاویر و مدل های یادگیری عمیق" دفاع خواهند نمود.
|
ارائه دهنده:
عرفان نجفی
استاد راهنما:
آقای دکتر عین اله خنجری
هیات داوران:
استاد راهنما: آقای دکتر عین اله خنجری استاد
داور داخلی : آقای دکتر حسن نادری
استاد داور خارجی: آقای دکتر نصراله مقدم
تاریخ دفاع: ۱۴۰۴/۰۶/۲۵
زمان: ۱۵:۳۰
مکان:: اتاق دفاع دانشکده کامپیوتر
|
|
|
|
|
| دفعات مشاهده: 613 بار | دفعات چاپ: 78 بار | دفعات ارسال به دیگران: 0 بار | 0 نظر |
|
|
| |
|
|
|
علی اثنی عشری |
|
|
| | تاریخ ارسال: 1404/6/24 | |
|
دانشجو علی اثنی عشری دانشجوی کارشناسی ارشد دکتر امیرمهدی حسینی منزّه مورخ : ۱۴۰۴/۰۶/۲۶ ساعت۱۷:۳۰ از پروژه کارشناسی ارشد خود با عنوان " افزایش قابلیت اطمینان آگاه از انرژی مصرفی در سامانه‌های سایبر-فیزیکی با استفاده از فناوری همزاد دیجیتال" دفاع خواهند نمود.
|
ارائه دهنده:
علی اثنی عشری
استاد راهنما:
آقای دکتر امیرمهدی حسینی منزّه
هیات داوران:
استاد راهنما: جناب آقای دکتر امیرمهدی حسینی منزّه
استاد داور داخلی: جناب آقای دکتر حاکم بیت‌الهی
استاد داور خارجی: جناب آقای دکتر حامد فربه
تاریخ دفاع: ۱۴۰۴/۰۶/۲۶
زمان: ۱۷:۳۰
مکان:: دانشکده مهندسی کامپیوتر ، طبقه سوم ،اتاق دفاعیه
|
|
|
|
|
| دفعات مشاهده: 644 بار | دفعات چاپ: 84 بار | دفعات ارسال به دیگران: 0 بار | 0 نظر |
|
|
| |
|
|
|
اسماء رشیدیان |
|
|
| | تاریخ ارسال: 1404/6/24 | |
|
دانشجو اسماء رشیدیان دانشجوی کارشناسی ارشد دکتر حسن نادری مورخ : ۱۴۰۴/۰۶/۲۶ ساعت۱۵:۳۰ از پروژه کارشناسی ارشد خود با عنوان " ارائه راهکاری جهت پیشبینی پیوستن کاربران به جوامع شبکههای اجتماعی برخط" دفاع خواهند نمود.
|
ارائه دهنده:
اسماء رشیدیان
استاد راهنما:
آقای دکتر حسن نادری
هیات داوران:
استاد راهنما: دکتر حسن نادری
استاد داور داخلی : سیده فرزانه غیور باغبانی
استاد داور خارجی: دکتر سید حمید حاجی سید جوادی
تاریخ دفاع: ۱۴۰۴/۰۶/۲۶
زمان: ۱۵:۳۰
مکان:: دانشکده مهندسی کامپیوتر ، طبقه سوم ،اتاق دفاعیه
|
|
|
|
|
| دفعات مشاهده: 595 بار | دفعات چاپ: 80 بار | دفعات ارسال به دیگران: 0 بار | 0 نظر |
|
|
| |
|
|
|
حاتم ابوالقاسمی |
|
|
| | تاریخ ارسال: 1404/5/27 | |
|
دانشجو رژینا قیاسی دانشجوی کارشناسی ارشد دکتر مهرداد آشتیانی مورخ : ۱۴۰۴/۰۵/۲۷ ساعت۱۰:۰۰ از پروژه کارشناسی ارشد خود با عنوان " ارائه‌ی یک چارچوب زمان‌بندی بار کار یادگیری عمیق مبتنی بر عامل-منتقد نرم برای زیرساخت‌های مبتنی بر گنجانه" دفاع خواهند نمود.
|
ارائه دهنده:
حاتم ابوالقاسمی
استاد راهنما:
دکتر مهرداد آشتیانی
هیات داوران:
استاد راهنما: دکتر مهرداد آشتیانی
استاد مشاور: دکتر مرضیه ملکی مجد
هیات داوری: دکتر سید احمد جوادی
تاریخ دفاع: ۱۴۰۴/۰۵/۲۷
زمان: ۱۰:۰۰
مکان:: اتاق دفاع مجازی دانشکده کامپیوتر
|
|
|
|
|
| دفعات مشاهده: 1091 بار | دفعات چاپ: 144 بار | دفعات ارسال به دیگران: 0 بار | 0 نظر |
|
|
| |
|
|
|
غزل خیرالدین |
|
|
| | تاریخ ارسال: 1404/4/30 | |
|
دانشجو غزل خیرالدین دانشجوی کارشناسی ارشد دکتر آشتیانی مورخ : ۱۴۰۴/۰۴/۳۱ ساعت ۱۶ از پروژه کارشناسی ارشد خود دفاع خواهند نمود.
|
ارائه دهنده:
غزل خیرالدین
استاد راهنما:
دکتر آشتیانی
داوران داخلی:
دکتر بهروز مینائی بیدگلی
داوران داخلی:
دکتر هدی رودکی لواسانی
چکیده:
در طراحی بازی‌های دیجیتال، ایجاد تعادل بین چالش و مهارت بازیکن یکی از عوامل کلیدی در افزایش جذابیت و درگیری ذهنی بازیکنان است. روش‌های سنتی تنظیم دشواری اغلب ثابت یا به‌صورت دستی تنظیم می‌شوند که این امر می‌تواند باعث کاهش تعامل بازیکنان، افزایش نرخ ترک بازی و کاهش میزان یادگیری شناختی شود. در این پژوهش، یک سیستم تنظیم دشواری پویا مبتنی بر یادگیری انتقالی و شبکههای حافظه‌ی کوتاه‌مدت و بلندمدت ارائه شده است که توانایی شخصی‌سازی تجربه‌ی بازی را بر اساس عملکرد و سبک بازی بازیکن دارد. در این پژوهش، داده‌های مربوط به عملکرد بازیکن از بازی PinGun جمع‌آوری شد که شامل اطلاعاتی مانند تعداد شلیک‌ها در هر موج، نوع رویداد و زمان اتفاق افتادن هر رویداد است. سیستم پیشنهادی از یک مدل مبتنی بر حافطه‌ی کوتاه‌مدت بلند مدت استفاده می‌کند که ابتدا با داده‌های بازیکنان آموزش دیده و الگوهای عملکرد و رفتار آن‌ها را در طول زمان یاد می‌گیرد. پس از آموزش اولیه، یک رویکرد یادگیری انتقالی به‌کار گرفته می‌شود تا مدل از داده‌های از پیش‌آموخته‌شده استفاده کرده و خود را متناسب با بازیکنان جدید تنظیم کند. این روش امکان تنظیم پویا و شخصی‌سازی سطح دشواری را فراهم می‌کند. برای ارزیابی روش، آزمایشی بر روی ?? بازیکن با سطوح مهارتی مختلف انجام شد که هر بازیکن قبل و بعد از اعمال سیستم تنظیم دشواری پویا بازی را تجربه کرد. بازیکنان تازه‌کار پس از اعمال این سیستم، دقت شلیک خود را ?? درصد افزایش دادند، درحالی‌که زمان واکنش آن‌ها به تهدیدات ?? درصد کاهش یافت. علاوه بر این، نرخ تکمیل مراحل آن‌ها ?? درصد بهبود پیدا کرد که نشان‌دهنده‌ی افزایش توانایی آن‌ها در مدیریت چالش‌های بازی است. بازیکنان با مهارت متوسط نیز توانستند نرخ تغییر وظایف خود را ?? درصد بهبود دهند و نرخ موفقیتشان در امواج دشوار بازی ?? درصد افزایش یافت. این نشان می‌دهد که سیستم پیشنهادی به آن‌ها کمک کرده است تا بهتر با چالش‌های متغیر بازی سازگار شوند. اگرچه بهبود در سرعت واکنش این بازیکنان تنها ? درصد بود، اما درگیری ذهنی آن‌ها با بازی باقی ماند. به‌طور کلی، نتایج این پژوهش نشان داد که تنظیم دشواری پویا نه‌تنها تجربه‌ی بازی را بهبود بخشیده، بلکه باعث تقویت توانایی‌های شناختی بازیکنان نیز شده است. پیشنهاد می‌شود که در پژوهش‌های آتی، این روش در سبک‌های مختلف بازی آزمایش شده و همچنین داده‌های فیزیولوژیکی مانند ضربان قلب و سطح استرس بازیکنان برای بهینه‌سازی بیشتر سیستم مورد بررسی قرار گیرد.
Abstract
.In digital game design, balancing challenge and player skill is a key factor in enhancing engagement, cognitive involvement, and overall player satisfaction. Traditional difficulty adjustment methods are often static or manually set, which can lead to reduced player retention, increased frustration, and diminished cognitive learning outcomes. Static difficulty settings fail to accommodate the diverse skill levels of players, making the experience either too difficult for some or too easy for others, ultimately decreasing motivation and engagement. To address this challenge, this research proposes a dynamic difficulty adjustment system based on transfer learning and long short-term memory networks, designed to personalize the gaming experience by adapting difficulty levels dynamically based on player performance
|
|
|
|
|
| دفعات مشاهده: 1364 بار | دفعات چاپ: 231 بار | دفعات ارسال به دیگران: 0 بار | 0 نظر |
|
|
| |
|
|
|
سجاد عیدی‌وندی |
|
|
| | تاریخ ارسال: 1404/4/25 | |
|
دانشجو سجاد عیدی‌وندی دانشجوی کارشناسی ارشد آقای دکتر حاکم بیت‌الهی مورخ : ۱۴۰۴/۰۴/۲۵ ساعت۱۷:۰۰ از پروژه کارشناسی ارشد خود با عنوان " ارائه‌ی الگوریتم زمان‌بندی کارا برای وظائف دوره‌ای سامانه‌های بحرانیی‐مختلط مبتنی بر برداشت‌گر انرژی" دفاع خواهند نمود.
|
ارائه دهنده:
سجاد عیدی‌وندی
استاد راهنما:
دکتر حاکم بیت‌الهی
هیات داوران:
دکتر بردیا صفایی
دکتر محسن سریانی
تاریخ دفاع: ۱۴۰۴/۰۳/۱۲
زمان: ۱۶:۰۰
مکان: سالن سمینار دانشکده کامپیوتر
چکیده
شبکههای عصبی پیچشی نقشی کلیدی در تحول حوزه‌هایی مانند دسته‌بندی تصاویر، شناسایی اشیاء و تشخیص چهره داشته‌اند. بااین‌حال، این شبکه‌ها به دلیل ساختار پیچیده و تعداد زیاد محاسبات و پارامترها، نیازمند منابع محاسباتی بالا و حافظه زیاد هستند. از این رو، مدل‌هایی که در ساختار از پیچش‌های عمقی-جداپذیر استفاده می‌کنند، به دلیل توانایی در کاهش قابل‌توجه تعداد وزن‌ها و عملیات محاسباتی با افت ناچیز در دقت، موردتوجه ویژه قرار گرفته‌اند. این ویژگی‌ها آن‌ها را به گزینه‌ای مناسب برای کاربردهای متنوع، به‌ویژه در محیط‌های محدود از نظر منابع مانند سامانه‌های تعبیه‌شده تبدیل کرده است.
در همین راستا، استفاده از آرایه‌ها‌ی دروازه‌ی میدانی برنامه‌پذیر در اجرای شبکههای عصبی پیچشی، مزایای قابل‌توجهی از جمله خصوصی‌سازی بیشتر در استفاده از سخت‌افزار و توانایی بهینه‌سازی مصرف انرژی نسبت به واحدهای پردازش گرافیکی ارائه می‌دهد که آن‌ها را به ابزاری ایده‌آل برای کاربردهای مبتنی بر دستگاه‌های تعبیه شده لبه تبدیل می‌کند.
در این پژوهش، یک معماری نوآورانه و بهینه از نظر مصرف توان و منابع برای انجام محاسبات عمقی-جداپذیر معرفی شده است. عملکرد این طراحی، با اجرای شبکه MobileNetV۱ بررسی شده که ضمن حفظ عملکردی مناسب، استفاده بهینه‌ای از منابع سخت‌افزاری فراهم می‌آورد. به‌طور خاص، این معماری پیشنهادی با دستیابی به عملکرد ۵۴/۸ فریم بر ثانیه، از تنها ۱۶۴ واحد DSP، ۵۲ ماژول BRAM، ۸۶۸۷ واحد LUT، و ۶۳۵۳ واحد FF استفاده می‌کند. این طراحی که بر روی کیت توسعه ZedBoard با سامانه روی تراشه Zynq XC۷Z۰۲۰ پیاده‌سازی شده است، مصرف توان را به ۵۳/۲ وات محدود کرده است. ویژگی‌های این معماری که نشان‌دهنده کارایی بالا در استفاده از منابع و توانایی ارائه عملکرد در محیط‌های محدود از نظر منابع است، آن را به یک راه‌حل بهینه برای تسریع اجرای شبکههای عصبی پیچشی در بستر‌های آرایه‌ها‌ی دروازه‌ی میدانی برنامه‌پذیر
:Abstract
Convolutional Neural Networks (CNNs) have transformed areas such as image classification and recognition, but they require substantial computational power and memory. Models that employ Depthwise Separable Convolution (DSC) are notable for their ability to significantly reduce the number of weights while preserving accuracy, thereby improving efficiency in various applications, particularly in resource-constrained environments. Leveraging Field-Programmable Gate Arrays (FPGAs) for CNNs in embedded systems provides enhanced performance and optimized resource utilization compared to Graphical Processing Units (GPUs), making them well-suited for such applications. This paper introduces a low-resource architecture for DSC computations that maintains commendable performance in embedded systems. Specifically, we present a low-power, resource-efficient design for DSCs in MobileNetV۱, enabling an embedded device to achieve a performance of ۸.۵۴ Frames Per Second (FPS) while using only ۱۶۴ DSPs and ۵۲ BRAMs, along with ۸,۶۸۷ LUTs and ۶,۳۵۳ FFs, resulting in a power consumption of ۲.۵۳W on a ZedBoard development kit featuring a Zynq XC۷Z۰۲۰ System on Chip (SoC).
|
|
|
|
|
| دفعات مشاهده: 1332 بار | دفعات چاپ: 231 بار | دفعات ارسال به دیگران: 0 بار | 0 نظر |
|
|
| |
|
|
|
سایر مطالب این بخش: |
|
|
| |
|
|
|
|
|
|
|
|
