مجلة جامعة البعث - سلسلة العلوم الهندسية الميكانيكية و الكهربائية و المعلوماتية

تحسين النموذج YOLOv4واستخدامه في التعرف على الأشخاص

م. احمد إبراهيم عمران — 2024-05-10

تستخدم تقنية الرؤية الحاسوبية للتعرف على الأشخاص وهي أحد أهم وظائف المركبات ذاتية القيادة من أجل اكتشاف حركة الأشخاص ضمن المسارات المخصصة لها، لمنع الحوادث وتجنب المركبات المتحركة والعقبات. وكذلك في المجالات الأمنية حيث من المهم التعرف على الجاني ومطاردته ضمن حشد من الناس بسرعة وكفاءة عالية مناسبة للتطبيقات المحمولة ضمن الزمن الحقيقي. تُستخدم الشبكة العصبونية التلافيفية CNN من أجل تصميم خوارزميات تؤدي هذه المهمة بدقة عالية. تُعتبر عائلة You Only Look Once (YOLO) من اهم الخوارزميات في وقتنا الحالي التي تُستخدم لمهام التعرف والتي تحقق أداء جيد من حيث الدقة، ولكن النماذج ذات الدقة العالية تملك عدد عمليات فاصلة عائمة في الثانية Floating-point Operations per Seconds FLOPS كبير وحجم كبير نسبياً لا يناسب التطبيقات المحمولة. في هذا البحث تم تعديل نموذج YOLOv4 الأساسي كونه نموذج يعمل بكفاءة عالية ولكنه يعاني من زيادة عدد عمليات الفاصلة العائمة، لمعالجة هذه المشكلة تم استخدام نموذج

*طالب دكتوراه في قسم هندسة التحكم الآلي والحواسيب

**أستاذ مساعد في قسم هندسة التحكم الآلي والحواسيب

Efficientnet-B0 لتخفيض حجم النموذج مع اجراء بعض التعديلات عليه كما تم استخدام شبكة Cross Stage Partial (CSP) بعد تعديلها من أجل زيادة الدقة. تم بناء خوارزمية CspEffYolo لتحقيق الهدف المطلوب، وتم تدريبها باستخدام قاعدة بيانات Google Images ومن ثم اختبارها والحصول على النتائج، ومقارنتها مع النتائج المماثلة لنموذج YOLOv4 الأساسي وEfficientnet-B0. حقق النموذج متوسط معدل الدقة mAP=90.4%، مقارنة بـ88% و85.9% للنموذج YOLOv4 الأساسي وEfficientnet-B0 على التوالي. بالإضافة إلى تخفيض عدد عمليات الفاصلة العائمة وكذلك حجم النموذج.

دراسة تحليلية لتقنيات تخزين البيانات ضمن الذاكرة في البيئات الموزعة

المهندس أيهم الحسن — 2024-05-10

في عالمنا الحالي، تواجه الشركات مثل Google و Yahoo و Amazon و Facebook وغيرها زيادة كبيرة في البيانات. والتي أدت إلى مشكلة التقاط وتخزين وإدارة وتحليل تيرابايت أو بيتابايت من البيانات المخزنة في تنسيقات متعددة من مصادر داخلية وخارجية مختلفة. علاوة على ذلك، تحتاج سيناريوهات التطبيقات الجديدة مثل التنبؤ بالطقس والتداول والذكاء الاصطناعي وما إلى ذلك إلى معالجة بيانات ضخمة في الوقت الفعلي.

تتجاوز هذه المتطلبات قدرة المعالجة التقليدية على أنظمة إدارة قواعد بيانات القرص لإدارة هذه البيانات ولإعطاء نتائج سريعة في الوقت الفعلي. لذلك، تحتاج إدارة البيانات إلى حلول جديدة للتعامل مع تحديات أحجام البيانات ومعالجة البيانات في الوقت الفعلي.

نظام قاعدة البيانات في الذاكرة (IMDS) هو أحدث سلالة من أنظمة إدارة قواعد البيانات التي قدمت حلولا على التحديات المذكورة أعلاه، IMDS قادر على معالجة البيانات الضخمة بشكل أسرع.

يهدف هذا البحث إلى تقديم خوارزمية جديدة تعمل على فهرسة العناصر الموجودة ضمن قواعد البيانات في الذاكرة. تم دمج عدة أفكار لخوارزميات أطلقت مؤخرا والتي ساهمت في تحسين سرعة فهرسة قواعد البيانات ضمن الذاكرة. تم إثبات كفاءة الخوارزمية من خلال القيام بالعديد من التجارب التي أظهرت تحسنا في الأداء والسرعة على عمليات ادخال عنصر وحذفه والبحث عنه.

تحليل وتقييم أداء دارة جامع Carry Select Adder متسامح العطل لبت واحد مصنعة وفق تقنية Static CMOS وتقنية GDI.

إعداد: المهندسة علا سعد الله جوهرة — 2024-05-10

مع التطور الكبير في الأنظمة الإلكترونية الحديثة، توجب على المصممين مراعاة الأعطال الممكن حدوثها ضمن هذه الدارات. وبما أن الجامع Carry Select Adder(CSeA) يعد من أسرع أنواع الجوامع فسيتناول هذا البحث تصميم دارة جامع Carry Select Adder لبت واحد (1bit CSeA) متسامحة العطل. يستطيع هذا التصميم إصلاح الأعطال المفردة والمزدوجة دون مقاطعة عمل النظام. كذلك تمت مقارنة أداء دارة الجامع بالاعتماد على تقنيتين مختلفتين: تقنية Static or Conventional CMOS وتقنية Gate Diffusion Input (GDI). عملية المقارنة تمت بعد رسم الخريطة الفيزيائية Layout للدارتين بالاعتماد على عدة تقنيات لتكنولوجيا تصنيع الدارت الالكترونية وهي:CMOS 0.90nm ، CMOS 0.45nm،CMOS 0.32nm وCMOS 0.22nm. تمت مقارنة مساحة الرقاقة والطاقة المستهلكة لكل تقنية، وذلك من خلال برنامج DSCH3.5 من اجل محاكاة الدارة على مستوى الترانزستور وبرنامج MICROWIND 3.5 من اجل رسم ومحاكاة الخريطة الفيزيائية Layout.

دراسة وتحليل أداء محرك التيار المستمر من دون مسفرات باستخدام خوارزمية التحكم الشعاعي بالحقل المغناطيسي

طالب الماجستير: م. عبدالقادر محمد الابراهيم — 2024-05-10

تلعب محركات التيار المستمر من دون مسفرات دوراً متزايداً في العديد من التطبيقات الصناعية وتطبيقات التحكم والملاحقة وذلك بفضل خواصها الجيدة من فعالية عالية، معدل عزم – حجم عال، وقلة عمليات الصيانة، وخصائص ديناميكية جيدة مما يجعلها بديلاً جيداً عن محركات التيار المستمر التقليدية. تم في هذا البحث التعرف على محرك BLDC وخوارزمية التحكم الشعاعي بالحقل المغناطيسي وتصميم متحكمات المنطق الضبابي واجراء مقارنة بينها وبين المتحكمات التناسبية والتكاملية بهدف تخفيض تموجات عزم المحرك وتحسين أداء الديناميكي للمحرك. تمت محاكاة نموذجي التحكم FOC with PI Controller وFOC with Fuzzy Logic Controller ضمن بيئة MATLAB Simulink حيث تمت الدراسة في حالة العمل على فراغ والعمل على حمولة والعمل على حمولة متغيرة السرعة. أظهرت نتائج المقارنة أفضلية لتموجات العزم باستخدام FOC with Fuzzy Logic Controller وأفضلية للأداء الديناميكي باستخدام FOC with PI Controller.

تحليل البيانات في التعليم العالي باستخدام أدوات التنقيب في البيانات وذكاء الأعمال -دراسة حالة الجامعة السورية الخاصة

الدكتور مهيب النقري — 2024-05-10

استخدمت تقانات التنقيب في البيانات وأدوات ذكاء الأعمال في الكثير من المجالات الهندسية والطبية والتربوية والتسويقية وغيرها. إلا أن استخدامها في التعليم العالي بدأ يأخذ أهمية كبيرة نتيجة الازدياد المطّرد في البيانات المتعلقة بالجامعات والمعاهد المتوسطة والعليا. هذا الأمر أدى إلى وجود حاجة لإدارة حجوم كبيرة من البيانات الأكاديمية، واستخدام تقانات التنقيب في البيانات وتحليل البيانات الكبيرة من أجل التوصل إلى معارف مفيدة.

يهدف هذا البحث إلى تحليل البيانات الأكاديمية في الجامعة السورية الخاصة باستخدام خوارزميات التنقيب في البيانات ونظم ذكاء الأعمال، والاستفادة من نتائج هذه التحليلات في تطوير وتحديث استراتيجية الجامعة، وتقييم أدائها وصولاً إلى رفع المستوى العلمي والأكاديمي للجامعة.

تمّت الاستفادة من النتائج والتقارير التي توصلّ إليها البحث والحالة العملية في وضع الأهداف الاستراتيجية الأكاديمية على مستوى الكليات والجامعة بشكل دقيق، وصولاً إلى رفع أعداد الطلاب المقبولين، ومعدلات القبول. المحاور والتقارير الأساسية التي تمّ الاعتماد عليها كانت: توقّع نتائج الطلاب، توقّع أعداد الطلاب المسجلين، توقّع وسطي معدلات الطلاب في كل كليّة، تقسيم الطلاب إلى مجموعات وفقاً لأدائهم الأكاديمي، تقسيم المقررات في كل كلية إلى مجموعات وفقاً لوسطي العلامات.