کشاورزی ماشینی

مهندسی مکانیک بیوسیستم

مهندسی مکانیک بیوسیستم

امیدی ارجنکی هستم دانشجوی دکتری مهندسی مکانیک ماشین های کشاورزی (مهندسی مکانیک بیوسیستم) و در این وبلاگ آموخته هایم را نشر می دهم.
آموزش و یاد دادن از زکات علم است.پیامبر خوبی ها حضرت محمد صلوا تالله علیه و آله فرمودند حکایت کسی که علم آموزد و از آن سخن نکند چون کسی است که گنجی نهد و از آن خرج نکند.
این روزها که دانش مهندسی ماشین ها و مکانیزاسیون کشاورزی غریب و محجور افتاده است، آموزش و بیان فایده ها و سودهای استفاده از اتوماسیون در کشاورزی شاید راهی برای تغییر نگرش بر این رشته باشد.
فارغ التحصیلان، استادان و دانشجویان رشته مهندسی مکانیک ماشین های کشاورزی بهترین متخصصان برای ارتباط علم نوین مهندسی با کشاورزی هستند. چون در این رشته انوع تخصص ها آموزش داده می شود. برق، کشاورزی، باغبانی، دامپروری، کامپیوتر، تجهیزات و ابزار اندازه گیری، علوم نوین مثل شبکه های عصبی، بینایی ماشین، انرژی های نوین که همه و همه از ملزمات توسعه کشاورزی نوین هستند.
استفاده از علم نوین در کشاورزی صد در صد باعث تولید غذای بیشتر، رفع وابستگی، تولید غذای با کیفیت تر، ارزانی محصولات و بازارپسندی و سود بیشتر می شود.
امیدوارم بتوانم گامی را برای این مهم بردارم.
از نظرات دوستان و هم رشته ای هایم در این وبلاگ استقبال خواهم کرد.
در آخر هم:
کارتان را برای خدا نکنید؛ برای خدا کار کنید!
تفاوتش فقط همین اندازه است که ممکن است حسین (علیه السلام) در کربلا باشد و من در حال کسب علم برای رضایت خدا ...!
شهید سید مرتضی آوینی

آخرین نظرات

الگوریتم خوشه بندی FCM

سه شنبه, ۱ فروردين ۱۳۹۶، ۰۲:۱۲ ب.ظ
در الگوریتم FCM، تعداد c مرکز (C1…Cc) در مجموعه به تصادف انتخاب میشود.
سپس درجه عضویت اعضا (xi) در هر خوشه تعیین (ui,j) و در مرحله بعد مراکز خوشه ها طبق رابطه زیر بروز میشوند و اینکار آنقدر ادامه خواهد داشت تا در مراکز کلاستر ها یا خوشه ها تغییر محسوسی صورت نگیرد (همگرایی):




این قسمت شامل تخمین موقعیت مراکز خوشه ها و تعریف قوانین فازی مرتبط با هر خوشه است. الگوریتم FCM مجموعه داده را با بهینه سازی یک تابع هدف، به زیر مجموعه های از پیش تعریف شده c پیکربندی میکند؛ که این زیر مجموعه ها نشان دهنده درجه مطلوبیت هر پارتیشن c خواهند بود. پیکربندی داده ها به خوشه ها، وابسته به شباهت یا عدم شباهت هر عضو خوشه است که معمولاً توسط محاسبه فاصله نقاط داده از مراکز خوشه ها بدست می آید.

معمولاً انتظار میرود که با افزایش تعداد مراکز خوشه ها دقت مدل نیز افزایش یابد. هرچند به جهت جلوگیری از رویداد بیش برازش مدل و هزینه های محاسباتی بیش از حد، پیشنهاد میشود که یافتن تعداد خوشه ها به صورت خودکار باشد.

برای این منظور شاخص های اعتبار و ارزیابی مختلفی پیشنهاد شده است. یکی از این توابع ارزیابی که در اجرا به خوبی عمل میکند توسط ژی و بنی (Xie and Beni) ارائه شده است. این تابع وابسته به واریانس کل از اندازه گیری مسافت هندسی و جداسازی مراکز خوشه ها است. تعداد بهینه مراکز خوشه ها را میتوان توسط فرآیندی تکرار پذیر بدست آورد.





نظرات  (۰)

هیچ نظری هنوز ثبت نشده است

ارسال نظر

ارسال نظر آزاد است، اما اگر قبلا در بیان ثبت نام کرده اید می توانید ابتدا وارد شوید.
شما میتوانید از این تگهای html استفاده کنید:
<b> یا <strong>، <em> یا <i>، <u>، <strike> یا <s>، <sup>، <sub>، <blockquote>، <code>، <pre>، <hr>، <br>، <p>، <a href="" title="">، <span style="">، <div align="">
تجدید کد امنیتی