جستجو


منوي اصلي
مقالات سایت
· چگونگي طراحي و كاربرد زرقاله
· جمشید کاشانی
· ایران و اختر شناسی در جهان
· شیخ بهایی
· The heritage of ancient Iranian astronomy
· آموزش استرلاب
· شمس الدين محمد خفري
· پژوهشی بر آنتن فضایی تداخل سنج لیزری (LISA)
· بررسی بزرگترین آشکارسازهای تداخل سنج لیزری امواج گرانشی جهان
· چگونگي طراحي و ساخت استرلاب زورقي
· ابزارهاي نجومي رصدخانه مراغه
· چگونگي طراحي و ساخت صفحه ميزان عنكبوت در استرلاب
· چگونگی طراحی و ساخت ربع ساعتی معوجه
· طيف نگاری نجومی و محاسبه سرعت دوران سيارات
· اندازه گيری سرعت چرخش محوری ستاره کرکس
· اندازه گيری سرعت چرخش محوری ستاره دُم شیر
· اندازه گيری سرعت چرخش محوری ستاره جلودار
· اندازه گيری سرعت چرخش محوری ستاره‌ی "بازوی راست"
· کوشیار گیلانی
· اندازه گيری سرعت چرخش محوری ستاره قلب الاسد
· استرلاب، تغییرات و تکامل آن در ایران
· مشاهده ساختار نامتقارن در جو ناهید با استفاده از پردازش تصویر
· نورسنجی ستاره متغیر XZ Dra
· چگونگی طراحی و کاربرد استرلاب مسطری
· تفکیک ستاره از کهکشان با استفاده از پارامتر انتقال به سرخ اجرام در شبکه عصبی چند لایه پرسپترون
· طراحی یک سیستم مبتنی بر شبکه عصبی MLP در تفکیک ستاره از کهکشان با استفاده از پارامتر انتقال به سرخ
· Describing the theory of Earth's rotation by using four kind of astrolabe
· Spectroscopy of fast rotating stars, with small telescopes
· نقش غیرقابل انکار دانشمندان ایرانی در پایه‌گذاری علم نجوم
· آیا نخستین گام برای ستاره شناسی، خریدن تلسکوپ است؟
· طیف سنجی ستاره گامای ذات الکرسی و بررسی ساختار ستارگان Be
· بررسی اختروش‌ها به عنوان شمع‌های استاندارد کیهانی
· مطالعه تطبیقی نقوش استرلاب عهد صفوی و استرلاب دوره معاصر
· نقدی بر نظریه تعیین ابتدای فصل‌ها در آتشکده نیاسر
· History and kinds of astrolabe in the Middle East and its use in Armenia
· بازشناسی و بازخوانی ملاحظات نجومی در طرح‌اندازی میدان نقش جهان اصفهان
موقعيت فعلي ايستگاه فضايي
پیگیری اخبار

ایمیل خود را برای پیگیری اخبار وارد کنید:


تصوير زنده حركت ابرها
پایان نامه کارشناسی ارشد محسن عمانی زیارتی - تفکیک ستاره از کهکشان با شبکه عصبی
پژوهش    دفاع از پایان نامه کارشناسی ارشد کامپیوتر آقای محسن عمانی زیارتی با موضوع:
       طراحی یک سیستم مبتنی بر شبکه عصبی MLP در تفکیک ستاره از کهکشان با استفاده از پارامتر انتقال به سرخ
                 زیر نظر دکتر پویا درخشان برجوئی و آقای صفایی کارشناس رصدخانه دانشگاه کاشان


چکیده:

در علوم مختلف پیچیدگی­هایی وجود دارد و محاسبات مربوط به آنها توسط مغز انسان و سیستم­های محاسبه­گر معمولی با خطا و صرف زمان زیادی همراه هستند. امروزه هوش مصنوعی و شبکه عصبی مصنوعی در دنیای علم، به عنوان یک راه حل برای مسأله­های پیچیده شناخته شده است. دانش نجوم نه تنها این پیچیدگی­های معمول را دارد، بلکه مسائلی دارد که جزء پیچیده­ترین و دشوارترین مسائل دنیای علم هستند. در این پایان­نامه، مسآله­ای در زمینه کیهان­شناسی پیرامون تفکیک ستاره از کهکشان در داده­های طیفی نجومی مطرح شده است. مشکلی که در این تحقیق سعی بر حل آن شده، تشخیص و تفکیک اجرام ستاره و کهکشان­هایی است که به دلیل فاصله بسیار زیاد آنها همچون کهکشان­ها دیده می­شوند و معمولاً در فهرست­های نجومی بزرگ، اشتباه تشخیص داده شده­اند. تفکیک ستاره از کهکشان در این پژوهش از روی داده­های طیفی و خاصیت انتقال به سرخ موجود در آنها انجام شده است. خاصیت انتقال به سرخ اجرام آسمانی، زمانی ایجاد می­شود که اجرام در گستره کیهان از یکدیگر دور می­شوند. از آنجایی که کیهان در حال انبساط است، پس معمولاً اجرام در کیهان نسبت به ما انتقال به سرخ دارند. بهترین منبع برای استخراج داده­های انتقال به سرخ اجرام، طیف آنها است. هدف از انجام این تحقیق، تشخیص و تفکیکی صحیح بین طبقه ستاره و کهکشان با استفاده از شبکه عصبی پرسپترون چند لایه و داده­های طیفی اجرام مربوط به اطلاعات انتقال به سرخ اجرام است. برای پیاده­سازی  و طراحی شبکه عصبی، از نرم­افزار برنامه­نویسی متلب استفاده شده است. در این تحقیق با استفاده از معادلات دقیق ریاضی، وزن­های اتصالات شبکه عصبی به گونه­ای تنظیم شده­اند، که نتایج بدست آمده از این شبکه را به نسبت روش­های گذشته، دقیق­تر و درصد خطای آنرا کمتر کرده است. راه کار اساسی برای تفکیک ستاره از کهکشان، سنجش میزان جابجایی بین خطوط طیفی نمودارهای اجرام با خطوط طیفی آزمایشگاهی عنصر هیدروژن حاصل از انتقال به سرخ است. در این شبکه عصبی، از مجموعه نمونه­های آموزشی واقعی برای آموزش شبکه عصبی استفاده شده تا با وجود حفظ دقت در تشخیص و تفکیک اجرام، بازه بزرگی از انواع ستارگان و کهکشان­ها را شامل شود. در پایان این تحقیق و با بررسی نتایج آن، می­توان دریافت که با وجود خطای کمتر شبکه عصبی طراحی شده، در مقایسه با روش­های دیگر، نهایتاً تفکیک دقیق­تری بدست آمده است.

 

کلمات کلیدی:

شبکه عصبی پرسپترون چند لایه تفکیک ستاره از کهکشان داده­های طیفی انتقال به سرخ



Abstract:

There are complexity in science and calculations of normal human brain computing systems associated with fault and spend a lot of time. Today, artificial intelligence and neural networks in the world of science, as a solution to the problem is complex. This complexity is not only common knowledge of astronomy, but also one of the most complex and difficult issues that are science-world problems. In this thesis, the problem of segregation in the field of cosmology Galaxy star of spectral data has been astronomical. The problem with this research is trying to solve it, distinguish objects, stars and galaxies that are too high because they are seen as galaxies, usually in large astronomical catalogs, wrongly diagnosed. In this study, the separation of the stars of the galaxy redshifts of their spectral data and property was carried out. Property redshift of celestial bodies, is created when objects are within the scope of the universe apart. Since the universe is expanding, then usually the objects in the universe than we are redshifted. The source for data extraction redshift objects, the whole of them. The aim of this study was to detect and correct separation between floors of stars and galaxies using MLP neural network and data spectral redshift objects, objects related information. In this research with used of exact mathematical equation, the weight of neural network connection, regulated in such a way which obtained result from this network in compare with previous method, will be more accurate with less percentage of error. Basic strategy for star/galaxy separation is measurement the amount of movement between graphs of spectral lines objects with Hydrogen laboratory spectral line. In this neural network, the set of actual training samples used for training of neural network, that with preservation of accuracy in distinction and separation of objects, covering wide range of stars and galaxies. At the end of this research and with considering the results, we can find out that with presence of less error in neural network in compare with other method, eventually more exact separation has been achieved.

Keyword:

Multilayer Perceptron Neural Network, Star/Galaxy Separation, Spectral Data, Redshift



مقالات استخراج شده از این پایان نامه:

- تفکیک ستاره از کهکشان با استفاده از پارامتر انتقال به سرخ اجرام در شبکه عصبی چند لایه پرسپترون
    ارائه شده توسط محسن عمانی زیارتی، پویا درخشان، اسداله صفایی
    در هجدهمین گردهمایی پژوهشی نجوم ایران، 24 و 25 اردیبهشت 1394 در دانشگاه تحصیلات تکمیلی زنجان


- طراحی یک سیستم مبتنی بر شبکه عصبی MLP در تفکیک ستاره از کهکشان
   ارائه شده توسط محسن عمانی زیارتی، پویا درخشان، اسداله صفایی
   در بیست و دومین کنفرانس بهاره فیزیک در 30 و 31 اردیبهشت 1394 در پژوهشگاه دانشهای بنیادی





کلمات کليدي : پایان نامه کارشناسی ارشد کامپیوتر تفکیک ستاره کهکشان شبکه عصبی
ارسال شده در مورخه : سه شنبه، 15 دي ماه ، 1394 توسط admin


مرتبط با موضوع :

 مقاله میدان نقش جهان  [شنبه، 2 مهر ماه ، 1401]
 پایان‌نامه کارشناسی ارشد خانم نعیمه حیدری با موضوع نقوش هنری استرلاب  [دوشنبه، 11 اسفند ماه ، 1399]
 انتشار مقاله بررسی اختروشها به عنوان شمعهای استاندارد کیهانی  [يكشنبه، 15 تير ماه ، 1399]
 انتشار مقاله طیف سنجی ستاره گامای ذات الکرسی  [پنجشنبه، 28 فروردين ماه ، 1399]
 رونمایی از دانشنامه نجوم و کیهان شناسی  [پنجشنبه، 29 آذر ماه ، 1397]
 دفاع از پایان نامه خانم سعیده لطیف  [دوشنبه، 18 اسفند ماه ، 1393]
 جلسه دفاع پایان نامه خانم لطیف  [شنبه، 2 اسفند ماه ، 1393]
 طیف سنجی نجومی  [دوشنبه، 2 تير ماه ، 1393]
 تصویربرداری از ساختار نامتقارن جو سیاره ناهید در رصدخانه دانشگاه کاشان  [دوشنبه، 8 ارديبهشت ماه ، 1393]
 طرحي ديگر از مركز نجوم آماتوري  [سه شنبه، 23 اسفند ماه ، 1390]

نام شما: [ کاربر جدید ]

عنوان:
 
نظر:


:) ;) |) :- :( :0 :# *) ^) +)) :} |(( @: (:) :? :**

کد امنيتي : vow76man
تايپ کد امنيتي : [ بازگشت ]
امتیاز دهی به مطلب
امتیاز متوسط : 5
تعداد آراء: 10


لطفا رای مورد نظرتان را در مورد این مطلب ارائه نمائید :

عالی
خیلی خوب
خوب
متوسط
بد

انتخاب ها

 گرفتن پرينت از اين مطلب گرفتن پرينت از اين مطلب

اشتراک گذاري مطلب

  

PHPNuke Farsi [MT Edition] Project By PHPNuke.ir
مدت زمان ایجاد صفحه : 0.23 ثانیه