اين نرم افزار توسط شرکت DNV جھت مدل سازی حوادث توليد گرديد. محدوده عملکرد اين نرم افزار جھت تحليل پيامد حوادث مربوط به کمپانی ھای نفت، گاز، پتروشيمی و صنايع شيميائی می باشد. فست می تواند با مدل کردن حوادث رايج در صنايع مذکور اطلاعات ارزشمندی را در اختيار قرار دھد، از نکات مثبت اين […]
بعنوان یک روش داک کردن مبتنی بر اطلاعات مدل های پیچیده بیومولکول می باشد. HADDOCK اطلاعاتش را بر اساس نواحی وجه به وجه پروتئین- پروتئین (interface Protein_Protein) و اندرکنش های مبهم پیش می برد، که در آن فعالیت خود را براساس تعریف آمینو اسید های فعال و غیر فعال در اتصال کامل می نمایدو نرم
ساختار سه بعدی پایدارترین پپتید ها با نرم افزار Hyperchem 7 ( شرکت Hypercube) پیشگویی می شوند. در این نرم افزار ساختار های حاصل با استفاده از روش دینامیک مولکولی از لحاظ انرژی بهینه شدند تا به بهترین ساختار ممکن برسند
این نرم‌افزار برای طراحی مخازن استفاده می‌شود. نکته مهم این نرم‌افزار این است که غیر از مشخصات فیزیکی موردنیاز می‌تواند از مشخصات کیفی نیز همچون رنگ و مشخصات هواشناسی منطقه استفاده کرد تا بهینه‌سازی صورت پذیرد و توسط سازمان محیط‌زیست آمریکا طراحی شده است.
این نرم‌افزار برای مدل‌سازی آلودگی‌های هوا در وسعت 50 کیلومترمربع استفاده می‌شود. از محسنات این نرم‌افزار برای مشخص کردن توزیع مکانی آلودگی‌های هوا نسبت به الگوریتم‌های آماری به در نظر گرفتن شرایط محیطی مثل: باد و تأثیر ساختمان‌های اطراف اشاره کرد.
این نرم‌افزار در مورد ترسیم و تخمین حجمی آنومالی‌های زیرزمینی کاربرد بسیار زیادی دارد.
این مجموعه آموزشی بخش اول بسته آموزشی جامع ماشین بینایی می باشد که اختصاص به تشخیص ویژگی و استخراج ویژگی دارد. در شکل زیر فلوچارت یک سیستم بینایی ماشین یا پردازش تصویر را مشاهده می کنید: در مرحله ابتدایی تصویر گرفته شده و سپس پیش پردازش بر روی تصویر ورودی انجام می شود. سپس بخش
آموزش فارسی شناسایی و استخراج ویژگی در بینایی ماشین بیشتر بخوانید »
در هوش مصنوعی ، سیستم های ایمنی مصنوعی (AIS) یک کلاس از هوش محاسباتی است که بر مبنای قانونهای سیستم یادگیری ماشین کار می کند. این قانون ها از اصول و فرایند سیستم ایمنی مهره داران گرفته شده اند. این الگوریتم ها به طور کلی پارامترهای ورودی آن مشخصات سیستم ایمنی برای حل مسئله های
به عبارت ساده تر، بینایی ماشین یعنی ” آموزش ماشین به نحوی که ببیند “. این زمینه تحقیقاتی بیش از 40 سال است که سابقه دارد اما رشد انفجاری اخیر تکنولوژی های تصویر برداری دیجیتال منجر به ایجاد مسائلی جدید شده است که بسیار هیجان انگیز و کاربردی است. در بینایی ماشین دو زمینه تحقیاتی