ترفندهایی برای سرعت بخشیدن و امن کردن وبگردی | |
| |
مدیریت کوکیها فایرفاکس اپرا اینترنت اکسپلورر اپرا کلمات عبور اینترنت اکسپلورر فایر فاکس اپرا |
اگر شما هم یکی از علاقمندان به کار ویرایش و میکس فیلم و کلیپ های تصویری هستید نام نرم افزار قدرتمند و مطرح شرکت Ulead یعنیVideo Studio را در این زمینه شنیده اید .
Ulead® VideoStudio™ 9 محصولی از این شرکت که به تازگی عرضه شده است امکانات و توانایی بسیاری را در این زمینه در اختیار شما قرار می دهد . این نرم افزار با مجهز بودن به بیش از 1000 عدد transition وفیلتر و جلوه های ویژه , قدرت فراوانی در ویرایش و میکس فیلم برای خود به وجود آورده است . همچنین بیش از 20 theme از پیش ساخته شده کار را برای تازه کار ها و حرفه ای ها یکسان نموده است.
این نسخه از نرم افزار به کاربر 3 روش برای ویرایش فیلم پیشنهاد می کند که کاربر بسته به توانایی ها و وضعیتش با انتخاب یکی از آنها به کار ادامه میدهد .
DV-To-DVD Wizard : این روش هنگامی که شما کاربر عجله دارد و کارباید سریع انجام شود مورد استفاده قرار می گیرد.
Movie Wizard : این روش بیشتر مورد استفاده اشخاصی است که تازه وارد این عرصه ار ویرایش و میکس فیلم شده اند.
VideoStudio Main Editor : این روش هم برای اهالی این رشته و حرفه ای های آن است که کنترل کامل رو با توانایی های بسیار در اختیار شما قرار می دهد.
برای بهره بردن از نهایت کارایی این نرم افزار بهتر است یکی از این نرم افزارهای کمک را بر روی سیستم نصب داشته باشیم :
Microsoft® DirectX™
Microsoft® Windows®Media Player
Apple® QuickTime®
RealNetworks® RealPlayer
اطلاعات درقیق تر در مورد ویژگی های بخش های مختلف را در این صفحه مشاهده نمایید .
| |
| |
پس از ارائه نسخه جدید سرویسهای ایمیل یاهو و گوگل، بالاخره مایکروسافت نیز نسخه جدیدی از سرویس ایمیل خود، یعنی Hotmail را ارائه داد. این شرکت که این سرویس را روی سرویس WindowsLive خود عرضه کرده است، از 36 زبان مختلف دنیا پشتیبانی میکند و رابط گرافیکی آن بسیار کاربرپسندتر و راحتتر شده است. |
| |
| |
شرکت توشیبا هارددیسک قابلحملی با ظرفیت دویست گیگابایت را ارائه کرد. این هارددیسک اکسترنال میتواند روی کامپیوتر، نوتبوک و تجهیزاتی که از USB پشتیبانی میکنند، استفاده شود. |
| |
| |
سرویس خبر شبکه آنلاین - در پی اطلاعیه مهم Panda Software، مبنی بر عدم کارایی موثر نرمافزارهای امنیتی بروز شده در برابر شیوه جدید خرابکاران اینترنتی برای نفوذ به رایانهها و شبکههای محلی، این شرکت در یک فراخوان گسترده از کلیه کاربران اینترنت و مدیران شبکه دعوت کرد در یک طرح بزرگ امنیتی با عنوان Infectedornot شرکت کنند. در مراحل اولیه این طرح که بیشتر کشورهای اروپایی و ایالات متحده آمریکا صورت گرفت، مشخص شد که بیش از 50درصد رایانهها با وجود استفاده از نرمافزارهای امنیتی و بروز شده، توسط کدهای مخرب و ویروسهای رایانهای مورد حمله قرار گرفتهاند. | |
| |
مثالی از برنامهنویسی شیءگرا در شبکههای عصبی و هوش مصنوعی | |||||||||||||||||||||||||||||||||||||||||||||||||
| |||||||||||||||||||||||||||||||||||||||||||||||||
برای اینکه بتوانیم این کار را دقیقاً در برنامه خود شبیهسازی کنیم، لازم است یک کلاس مانند شکل 1 قسمت اول طراحی کنیم که ضمن داشتن مشخصههای خاص، یک خروجی داشته باشد. البته همانطور که در قسمت دوم نیز مشاهده میکنید (شکل 1)، هر نورون میتواند داری چندین ورودی نیز باشد. همانطور که در شکل 1 مشاهده میکنید، نورونها به صورت گروهی لایهبندی میشوند.
حال که تقریباً با کار یک لایه عصبی آشنا شدید، میتوانیم شبکههای پیچیدهتر را مورد بررسی قرار دهیم. برای این کار حداقل به سه گروه از نورونهایی که در شکل 2 میبینید، نیاز داریم. همانطور که در شکل 3 مشاهده میکنید، این شبکه دارای سه لایه است. لایه 1 یا لایه بالایی این شبکه که در حقیقت لایه ورودی است، پارامترهای پالس را تنظیم میکند و این مقادیر را همراه سیگنال یا پالس به لایههای بعدی پاس میدهد، ولی نورونهای لایه 3 یا لایه خروجی که در پایینترین سطح شبکه قرار دارد، هیچ سیگنالی را به لایه دیگری نمیفرستند و در واقع فقط خروجی دارند.
حال قسمت اصلی کار شبکه فرا میرسد؛ یعنی آموختن به شبکه عصبی. ب رای اینکه به شبکه عصبی موجود توانایی آموختن بدهیم، بعد از اینکه سیگنال از لایه اول شبکه به لایه پایینی شبکه میرود، باید اطلاعات هر نورون را که روی سیگنال ما اثر میگذارد، بروزآوری و اصلاح کنیم. این رویه را به اصطلاح BP یا Back Propagation میگویند. در حقیقت با این کار یعنی مقایسه خروجیای که خودمان محاسبه کردهایم با خروجی شبکه، میتوانیم مقدار اشتباهاتی که شبکه ما انجام میدهد را به دست آوریم. مثلاً تصور کنید که در یک سلول نورون در لایه آخر شبکه یا لایه خروجی اشتباهی داریم، هر نورون در واقع رکورد تمامی نورونهایی که سیگنال از آن عبور میکند را نگهداری مینماید و میداند که کدام یک از نورونهای قبلی یا به اصطلاح نورونهای والد باعث این اشتباه میشوند. همچنین میدانیم که هر کدام از این نورونهای شبکه یک مقدار اشتباه را محاسبه کردهاند و از این طریق شبکه ما میتواند یاد بگیرد و اگر مقدار دیگری نیز به آن داده شد، میتواند توانایی محاسبه داشته باشد.
در کدهای این کلاس میبینید که دو مقدار Private به نامهای Mywight و MyDelta نوع double و جود دارد. کار اصلی این کلاس، دادن و گرفتن مقادیر نورون است و در واقع تغییرات در ورودی نورونها و وزن آنها را نگهداری میکند. حال میتوانیم یک اینترفیس برای خود نورون درست کنیم. از آن جایی که هر نورون هم مشخصات سیگنال و هم Receptor را دارد، باید از دو اینترفیسی که قبلاً در شکل های 5 و 4 توضیح داده شد، استفاده کند. همچنین هر نورون چیزی مانند یک ورودی دیگر نیز دارد که به آن Bias میگوییم. اضافه براین، باید دو متد برای انجام کار در شبکه درست کنیم: یکی برای انجام Pulse و دیگری برای یادگیری نورون. کدهای شکل 7 تمامی این اینترفیس را مشخص کرده است.
اکنون که با اینترفیسهای این شبکه ساده آشنا شدید، نوبت به ساختن اجزای اصلی برنامه میرسد. اولین کاری که باید در این قسمت انجام دهیم، ساختن کلاس اصلی نورون است که باید آن را بر اساس اینترفیسهایی که ساختهایم، درست کنیم. شکل 8 ساختار اصلی این کلاس را نشان میدهد.
اگر کمی به کدهای شکل 9 و متد Pulse دقت کنید، متوجه میشوید که این متد جمع هر ورودی یا هر خروجی که به نورون داده میشود را دریافت میکند و در Weight مربوطه که در دایرکتوری است ضرب میکند و آخرین خروجی آخرین را به متد Sigmoid انتقال میدهد و در نتیجه خروجی آخر ما عددی بین 0 و 1 خواهد بود. حال دو کلاس مهم از این شبکه باقیمانده است: اولین کلاس، کلاس اصلی شبکه یا NeuralNet است و دیگریNeuralLayer، کلاس لایههای شبکه ما است. این دو کلاس در شکل 10 به صورت مشخص نشان داده شده است، اما نکته بسیار مهم این است که کلاس NuralLayer در حقیقت مسئول نگهداری نورونهای انتقالدهنده یا فراخوانکننده متد Pulse است.
در این کلاس از فهرست نورونها استفاده شده است و این کلاس در اصل نورونها را در خود جا میدهد. در این کلاس دو متد که هیچ مقدار برگشتی ندارند، به نامهای Pulse و ApplyLearning وجود دارد. این متدها در حقیقت کار فرستادن پالس و یادگیری لایهها را به عهده دارند. کدهای شکل 11 این دو متد را نشان میدهد.
متد BackProgation یکی دیگر از متدهای این کلاس است. این متد ابتدا خطاهای خروجی نورونها را با محاسبه اختلاف عددی بین مقدار مورد انتظار ما و خروجی نورونها محاسبه میکند و وقتی که خروجی همه نورونها بروز گردید، این متد خطاهای نورونهای پنهان را نیز محاسبه میکند.
وقتی این متد توسط برنامه انجام شد، برنامه با استفاده از متد، ()Train و با استفاده از خروجیهای قبلی میتواند توانایی یادگیری داشته باشد.
کل 13 روند اجرایی برنامه را نشان میدهد. میتوانید سورس کدهای این برنامه را از قسمت دریافت فایل سایت ماهنامه شبکه دریافت کنید و قدم به قدم و با استفاده از راهنماییهایی که در آن نوشته شده است، تغییراتی در کدها انجام دهید و اولین برنامه هوش مصنوعی خود را بنوسید. منابع: |
| ||||||||||||||||||||||
| ||||||||||||||||||||||
کجا اتومبیل خود را پارک میکنید؟ پیشینه منطق فازی مجموعههای فازی فرمول 1 شکل 1 شکل 2 پارادایم حاکم بر یک کنترلر فازی به این ترتیب است که متغیرهای دنیای واقعی به عنوان ورودی دریافت میشوند. قوانین فازی آنها را به متغیرهای معنایی تبدیل میکند. فرآیند فازی این ورودی را میگیرد و خروجی معنایی تولید میکند و سرانجام خروجیها به زبان دنیای واقعی ترجمه میشوند. نمودار شکل 3 مصداقی از همین روند است. پرفسور لطفیزاده خالق نظریه مجموعههای فازی و منطق فازی شکل 4
جالبترین کاربرد منطق فازی، تفسیری است که این علم از ساختار تصمیمگیریهای موجودات هوشمند، و در راس آنها، هوش انسانی، به دست میدهد. این منطق به خوبی نشان میدهد که چرا منطق دو ارزشی <صفر و یک> در ریاضیات کلاسیک قادر به تبیین و توصیف مفاهیم نادقیقی همچون <گرما و سرما> که مبنای بسیاری از تصمیمگیریهای هوشمند را تشکیل میدهند، نیست. شاید یکی از جالبترین کاربردهای منطق فازی هوش مصنوعی در بازیهای رایانهای و جلوههای ویژه سینمایی باشد. برخی از خوانندگان که بخش هنر و سرگرمی ماهنامه شبکه را دنبال میکنند، ممکن است مقاله ارباب حلقهها را در شماره 41 به یاد بیاورند. در آنجا درباره چگونگی تولید جلوههای ویژه در این فیلم سینمایی صحبت کردم و از نرمافزار Massive نام بردم. از این نرمافزار در بسیاری از صحنههای فیلم برای تولید حرکات لشکر موجودات متخاصم استفاده شده بود.
این موجودات در حقیقت دارای نوعی هوش مصنوعی بودند و میتوانستند برای نحوه حرکت دادن اعضای بدن خود تصمیم بگیرند. در عین حال تمام موجوداتی که در یک لشکر به سویی میتاختند یا با دشمنی میجنگیدند، از جهت حرکت یکسانی برخودار بودند و به سوی یک هدف مشخص حمله میکردند(شکل5). این ساختار کاملاً پیچیده و هوشمند به فیلمسازان اجازه داده بود که این موجودات افسانهای را در دنیای مجازی کامپیوتر به حال خود رها کنند تا به سوی دشمنان حمله کنند و این همه بیتردید بدون بهرهگیری از منطق فازی امکانپذیر نبود. شرکت Massive Software که به دلیل بهکارگیری منطق فازی برای ایجاد هوشمصنوعی در طراحی لشکریان فیلم ارباب حلقهها برنده جایزه اسکار شد، بعداً این تکنیک را در فیلمهای دیگری همچون I.Robot و King Kong نیز بهکار برد. استفاده از منطق فازی برای هوشمندکردن موجودات نرمافزاری تنها گونهای از کاربردهای این نظریه در هوشمصنوعی است. منطق فازی در هوشمند ساختن روباتهای سختافزاری نیز کاربردهای زیادی دارد. در شمارههای آتی ماهنامه شبکه به این موضوع بیشتر خواهیم پرداخت. پینوشت: 1- گاهی از او با نام <زاده> نیز نام برده میشود و برخی از قوانین منطق فازی به پیروی از آداب تاریخی علم ریاضیات، با کلمه Zadeh نامگذاری شدهاند. 2- تفکر فازی- نوشته بارت کاسکو - ترجمه دکتر علی غفاری - انتشارات دانشگاه صنعتی خواجهنصیرالدین طوسی. 3- Edge Detection Systems | ||||||||||||||||||||||
-------------------------- | ||||||||||||||||||||||
اطلاع میرساند که آقای رحمت الله هوشمند کتاب منطق فازی و شبکه های عصبی ( مفاهیم و کاربردها ) که توسط پروفسور کارتالوپولوس نگاشته شده را به فارسی ترجمه کرده اند. این کتاب در تاریخ 14/12/1381 به همت انتشارات دانشگاه شهید چمران در 320 صفحه به چاپ رسیده و منتشر شده است. |