با پیشرفت‌های اخیر در زمینه هوش مصنوعی و بینایی ماشین، شبکه‌های عصبی عمیق (DNN) به عنوان ابزاری موثر در بهبود تشخیص تصویر و ویدئو شناخته شده‌اند. این تکنولوژی‌ها امکان پیاده‌سازی سیستم‌های پیچیده‌ای مانند تشخیص چهره، ناوبری خودروهای خودران و پردازش زبان طبیعی را فراهم آورده‌اند. با این حال، یکی از چالش‌های عمده در استفاده از شبکه‌های عصبی عمیق، نیاز به سرعت بالای استنتاج با حفظ دقت بالا در دستگاه‌هایی با منابع محدود مانند دستگاه‌های لبه (Edge Devices) است.

  تخریب رنگ‌های آلی در

در چند دهه اخیر با پیشرفت قابل توجه صنعت هوانوردی، تجهیزات الکترونیکی بیش از گذشته درسامانه‌های هوایی و فضایی مورد استفاده قرار می‌گیرند. یکی از نیازمندی‌های مهم هوانوردی که متکی به سامانه‌های الکترونیکی است کنترل ترافیک هوایی است. برای موقعیت‌یابی هواگردها و هدایت آن‌ها از رادارهای مراقبتی اولیه و ثانویه استفاده می‌شود. در رادار مراقبتی اولیه، موقعیت هواپیما بر اساس موج بازگشتی از پالس فرستنده راداری تخمین زده می‌شود.

در این پایاننامه، مفهوم بعد متریک در گرافهای جهتدار بررسی شده است. تمرکز اصلی تحقیق بر تحلیل
مجموعههای تفکیککننده در گرافها و ارائه الگوریتمهای نوآورانه برای تعیین کرانهای جدید برای بعد متریک
در گرافهای با درجه بیشینه محدود است. نتایج این تحقیق شامل تحلیل ساختارهای گراف جهتدار و ارائه
کاربردهای عملی در توسعه مدلها و الگوریتمهای نظریه گراف است.

مناطق با اقلیم سرد و کوهستانی به دلیل شرایط خاص اقلیمی به ویژه برف، دارای تفاوتهای هیدرولوژیک نسبت به دیگر مناطق هستند. با توجه به این شرایط، مدلسازی هیدرولوژیک دارای چالشهایی در این مناطق است که این امر لزوم توجه به پارامتر برف را ضروری میسازد. هدف از این مطالعه بررسی قابلیت مدل SWAT (Soil and Water Assessment Tools) در شبیه سازی هیدرولوژیک در محدوده ازنا-الیگودرز واقع در بالا دست حوضه کارون بزرگ و شرق استان لرستان، با اقلیم سرد و کوهستانی و اصلاح ماژول برف آن با استفاده از مدلهای هوش مصنوعی به منظور بهبود شبیهسازی رواناب است.