کتاب الگوهای هوش محاسباتی برای مسئله های بهینه با استفاده از MATLAB/SIMULINK

مقدمه

تکنیک های هوش محاسباتی (CI) طی سال های اخیر توجه بسیاری از مهندسان تحقیق، تصمیم گیرندگان، و محققان برای حل تعداد نامحدودی از مسائل پیچیده ی واقعی به خصوص مربوط به حوزه ی بهینه سازی را جلب کرده است. در متغیرهای تصمیمی چندگانه غیرمطمیئن و بی نظم، محدودیت های پیچیده، محیط مشوش و رویکردهای کلاسیک و سنتی قادر به ارائه ی راه حل های مناسبی برای مسائل بهینه سازی نمی باشد. هوش محاسباتی از تکنیک هایی استقبال می کند که از بهینه سازی جهانی جستجو، یادگیری ماشین، استدلال تقریبی، و سیستم پیوندگرا استفاده می کنند. تکنیک های هوش مصنوعی شامل مجموعه ای از یادگیری، اقتباس و تحول می باشد که برای برنامه های هوش و جدید مورد استفاده قرار می گیرند. همچنین هوش مصنوعی به عنوان یکی از مسیرهای تحقیق پیشرفته محسوب می شود چراکه راه حل های موثر، قوی و راحت برای مسائل پیچیده ی واقعی را می توان ایجاد کرد.

درباره ی این کتاب

راه حل های مسائل مبتنی بر محدودیت برای استفاده از الگوهای MATLAB و SIMULINK به عنوان پایه و ستون این کتاب انتخاب شده اند. کتاب حاضر نگاشته شده است تا عملکرد هوش محاسباتی را به لحاظ ارائه ی دانش، سازگاری، بهینگی و سرعت پردازش برای مسائل واقعی مختلفی را بررسی کند. این کتاب به الگوهای هوش محاسباتی و نقش آن ها در کارکردهای مختلف مهندسی مانند تعهد به واحد و بار پخش بار اقتصادی، کاهش هارمونیک، کنترل فرکانس بار و تنظیم ولتاژ اتوماتیک، برنامه ریزی فروشگاه کار، مسیریابی وسیله نقلیه multi depot( چند مخزنه )و نهان نگاری تصویر دیجیتال می پردازد. تاثیر الگوریتم هوش محاسباتی در حوزه ی سیستم های قدرت، سیستم های کنترل، اتوماسیون صنعتی و پردازش عکس با اجرای کاربردی از طریق MATLAB/SIMULINK توضیح داده می شوند. هر کارکرد با اجرای الگوریتم هوش محاسباتی، روش شناسی برای بکارگیری الگوریتم هوش محاسباتی برای مسئله ی مورد نظر، رویکرد مسئله با استفاده از MATLAB/SIMULINK، و بررسی جامع با آزمون داده مبتنی بر مسئله انجام می شود.

توضیح مفصلی برای هر یک از مباحث ارائه شده است با این هدف تا مهندسان و دانشمندان بتوانند از مقدمه های موجود بر موضوعات کارکرد و تحقیق بهره ببرند. این کتاب دانشجویان لیسانس، ارشد و دکتری و محققین علاقمند به فهم و اجرای الگوریتم های هوش محاسباتی برای کارکردهای متعدد مبتنی بر MATLAB/SIMULINK را مخاطب خود قرار می دهد.

 

 

 

ساختار کتاب

این کتاب شامل 7 فصل می شود. فصل اول مفاهیم بنیادین الگوریتم هوش محاسباتی و همچنین نقش الگوهای هوش محاسباتی در کاربرد مهندسی را توضیح می دهد.

همچنین، طبقه بندی مفصلی از الگوریتم های هوش محاسباتی با شبهه کد، حوزه های کاربرد، و مزایا و معایب هر الگوریتم نیز ارائه شده است. تحقیقی پیرامون حوزه های کاربرد با مقدمه ای بر مسئله های مبتنی بر محدودیت که در فصل های بعدی ارائه می شود نیز فراهم گردیده است.

فصل 2 به فرمول ریاضی تهعد به واحد (UC) و مسائل اعزام بار اقتصادی به همراه چارچوبی برای حل این مسائل می پردازد.

اجرای تکنیک های بهینه سازی مانند الگوریتم های ژنتیکی (GA)، شبکه ی تابع بنیادین مبتنی بر فازی-شعاعی (FRBFN)، بهینه سازی فزاینده ی ازدحام ذرات (EPSO)، تحول تفاضلی با یادگیری مخالفت-محور (DEOBL)، تحول تفاضلی با یادگیری مخالفت-محور بهبودیافته (IDE-OBL)، کلونی زنبور عسل مصنوعی (ABC)، و بهینه سازی جستجو فاخته (CSO) در حل تعهد به واحد و اعزام بار اقتصادی (UC-ELD) به همراه آنالیز مقایسه ای مبتنی بر هزینه سوخت، توان، کارآمدی محاسباتی و کارآمدی الگوریتمی ارائه شده اند.

فصل 3 به تاثیرات هارمونیک و روش های از بین بردن همسازها از طریق درایوهای اینورتر منبع ولتاژ (VSI) برای اندازه گیری هارمونیک در صنعت خمیر و کاغذ می پردازد.

مدل های MATLAB/SIMULINK برای درایوهای ایجاد شده برای کاهش هارمونیک با بکارگیری الگوریتم های هوش محاسباتی مانند GA و بهینه سازی تغذیه باکتری (BFO) برای کاهش همسازها ایجاد شده اند.

فصل 4 اهمیت کنترل فرکانس بار (LFC) و تنظیم کننده خودکار ولتاژ (AVR) در سیستم های تولید کننده ی قدرت را نشان می دهد.  سیستم های LFC و AVR با کمترل کننده ی PID به همراه پارامترهای مختلف بکاررفته برای شبیه سازی مدل سازی شده اند. همچنین، LFC و AVR با کنترل کننده ی PID که توسط منطق فازی، GA، بهینه سازی کلونی مورچه (ACO) و بهینه سازی ازدحام ذرات (PSO) تنظیم شده اند مورد آزمون قرار گرفتند. بعلاوه، ترکیب الگوریتم های تکاملی با فازی، GA، BF، و ورژن های بهبودیافته ی الگوریتم PSO بکار رفتند تا عملکرد LFC و AVR در سیستم های قدرت به هم متصل را آزمود.

فصل 5 مشکل زمانبندی نغازه کارها (JSSP) را به معنای فازی با استفاده از بهینه سازی فرا-اکتشافی مانند GA، PSO تصادفی، ACO، و بهینه سازی ازدحام ژنتیکی (GSO) حل می کند. فرمول و مدل ریاضی JSSP با اجرای اکتشافی هوشمند با فایل های MATLAB مشخص شده اند. الگوریتم ها با اجرای آزمایش روی مجموعه ای استاندارد از 162نمونه معیار بررسی می شوند که خود عملکد JSSP را ارزیابی می کند.

فصل 6 به مفاهیم پایه ای و مدل ریاضی مشکل مسیریابی وسایل نقلیه (MDVRP) می پردازد. این مسئله با تکنیک های زیستی مانند GA، PSO بهبود یافته، ABC، GSO، و GSO بهبودیافته اجرا می شود. کارآمدی تکنیک های پیشنهادی بر روی 5 نمونه معیار مختلف Cordeau  آزموده و ارزیابی می شوند. اکتشافی هوشمند به منظور ارزیابی عملکرد نمونه های MDVRP اجرا می شوند.

فصل 7 نهان نگاری هوشمند و دیجیتالی تصویر مبتنی بر GA، PSO، و PSO ترکیبی را مشخص می سازد. طرح های پیش از نهان نگاری مانند تقسیم بندی تصویر، استخراج ویژگی، انتساب جهت گیری، و عادی سازی تصویر به همراه الگوریتم های پردازش تصویر ارائه شده اند. فرایند تعبیه ی علامت و استخراج تصویرهای از پیش پردازش ده در DWT به همراه حمله های هندسی و غیرهندسی به تفصیل ارائه شده اند. روند اجرای قدم به قدم الگوریتم های اکتشافی و قطعه فایل های MATLAB در این فصل مورد بحث قرار گرفته اند.

لینک دانلود

آموزش فارسی نرم افزار Altium designer

طراحی وسایل الکترونیکی  امروزه فقط یک شغل نیست، بلکه امروزه برای خیلی از مهندسین عشق است. با کمک نرم افزارهای پیشرفته دیگر لازم نیست، زمان زیادی از  روز شما  وقف کار های معمولی طراحی مدار شود که  این کار ها موجب  از بین رفتن خلاقیت شما شده و  شما  را به دور از دست یابی به طرح های واقعی می کند. نرم افزار Altium Designer ، از فناوری های جدید برای کمک  به طراحان با تاکید کم تر بر فرایند و تاکید بیشتر بر طراحی استفاده می شود. شما با داشتن زمان بیشتر برای تمرکز بر ابعاد خلاقانه  جریان کاری روزانه خود می توانید تولید طرح های الهام بخش کرده و عشق خود را برای  هنر مهندسی، مجددا کشف کنید.

نرم افزار التیوم دیزاینر (Altium Designer) ، یک  بسته نرم افزاری اتوماسیون  طراحی الکترونیک برای تخته مدار چاپی، FPGA و طراحی نرم افزارهای embedded  و  کتابخانه مربوطه و انتشار اتوماسیون مدیریت می باشد. بیشتر شهرت این نرم افزار در بین مهندسین برق به خاطر قابلیت بسیار بالای آن در طراحی PCB می باشد.

این نرم افزار در سالهای خیلی پیش به نام Protel DXP شناخته می شد که نام خود را به Altium designer تغییر داد.

تخته مدار چاپی (PCB)  از نظر مکانیکی  اجزای الکتریکی را پشتیبانی کرده و آن ها را با استفاده از مسیر های رسانا، پد ها و سایر ویژگی های  اچ شده از ورقه های مسی لمینت شده بر روی سوبسترای غیر هادی متصل می کند.

نرم افزار Altium Designer شامل ابزاری برای همه فرایند های طراحی مدارات الکترونیکی می باشد از قبیل: طراحی HDL و شماتیک، شبیه سازی مدار، تحلیل یکپارچکی سیگنال، طراحی PCB و طراحی و توسعه سیستم مبتنی بر FPGA.

یکی از قابلیت های این نرم افزار امکان نمایش سه بعدی (3D) برد نهایی می باشد که توجه بسیار زیادی را در بین مهندسین خود را به خود جلب کرده است. 

محیط Altium Designer می تواند به سادگی سفارش سازی شود تا طیف وسیعی از نیاز های کاربر را  براورده کند.

لینک دانلود

داده کاوی data mining

داده کاوی: داده کاوی چیست؟

مرور اجمالی

به طور کی، داده کاوی( که گاهی اوقات موسوم به کشف دانش یا داده است)، فرایند تحلیل داده ها از نقطه نظرات مختلف و خلاصه سازی آن به اطلاعات مقید است. اطلاعاتی را که می توان برای افزایش درامد، کاهش هزینه و یا هر دو مورد استفاده قرار داد. نرم افزار داده کاوی، یکی از ابزار های تحلیلی برای تحلیل داده ها است. این نرم افزار به کاربران امکان تحلیل داده ها را از ابعاد و زوایای مختلف، طبقه بندی آن و خلاصه سازی روابط شناسایی شده می دهد. از دیدگاه فنی، داده کاوی، فرایند یافت همبستگی یا الگو های میان چندین رشته در دیتابیس های رابطه مند بزرگ می باشد.

نواوری پیوسته

اگرچه داده کاوی یک اصطلاح نسبتا جدید است، با این حال فناوری یک اصطلاح جدید نمی باشد. شرکت ها از کامپیوتر های قوی برای پردازش حجم زیادی از داده های اسکنر سوپرمارکت و تحلیل گزارش های تحقیقاتی بازاری برای چندین سال استفاده کرده اند. با این حال، نواوری های مستمر در توان پردازش کامپیوتری، حافظه دیسک و نرم افزار های اماری به شدت موجب افزایش صحت تجزیه تحلیل ها ضمن کاهش هزینه شده است.

مثال

برای مثال، یک سوپر مارکت از ظرفیت داده کاوی نرم افزار اوراکل برای تحلیل الگوهای خرید محلی استفاده کرده است. آن ها کشف کرده اند که وقتی مردان پوشک را در روز پنج شنبه یا شنبه خرید می کنند، آن ها تمایل دارند آبجو نیز بخرند. تحلیل بیشتر نشان داده است که این خریداران معمولا خرید هفتگی از سوپر مارکت را در روز شنبه انجام دهند. در پنج شنبه، با این حال آن ها چند ایتم را خریداری می کنند. خرده فروش به این نتیجه رسیده است که مردان آبجو را برای اخر هفته خریداری می کنند. سوپر مارکت می تواند از این اطلاعات جدیدا کشف شده به شیوه های مختلف برای افزایش سود و درامد استفاده کند. برای مثال،آن ها می توانند ویترین ابجو را نزدیک ویترین پوشک قرار دهند. و، آن ها می توانند اطمینان حاصل کنند که ابجو و پوشک با قیمت کامل در پنج شنبه بفروشند.

داده ها، اطلاعات و دانش

داده ها

داده ها شامل هر گونه حقایق، اعداد و متونی هستند که می توانند توسط یک کامپیوتر پردازش شوند. امروزه، سازمان ها در حال انباشت طیف وسیعی از داده ها به فرمت ها و دیتابیس های مختلف هستند از جمله :

• داده های عملیاتی یا تراکنشی نظیر فروش، هزینه، موجودی، و حسابداری
• داده های غیر عملیاتی نظیر فروش صنعتی، داده های پیش بینی و داده های اقتصادی کلان
• فرا داده ها، داده های مربوط به خود داده ها نظیر طرح دیتابیس منطقی یا تعاریف دیکشنری داده ها

اطلاعات

الگو ها، رابط و همبستگی های میان همه این داده ها می توانند اطلاعات را در اختیار بگذارند. برای مثال، تحلیل داده های نقطه تراکنش فروش خرده فروشی می توانند اطلاعاتی را در مورد نوع محصول فروشی و زمان آن ارایه کنند

دانش

اطلاعات را می توان به دانش مربوط به الگو های تاریخی و تغییرات آینده تبدیل کرد. برای مثال، اطلاعات خلاصه در خصوص فروش سوپرمارکت را می توان از حیث تلاش های تبلیغاتی برای ارایه دانش رفتار خرید مصرف کننده تحلیل کرد. از این روی، یک خرده فروش یا تولید کننده قادر به تعیین نوع گویه هایی است که بیشترین حساسیت را به تلاش های تبلیغاتی دارند.

انبار های داده ها

پیشرفت های بنیادین در جذب داده ها، توان پردازشی، انتقال داده ها و ظرفیت های ذخیره سازی و حافظه ای سازمان ها را قادر به تلفیق دیتابیس های مختلف در انبار های داده ها می کنند. انبار داده ها به صورت فرایند مدیریت داده های متمرکز و نیز بازیابی آن ها تعریف می شود. انبار داده ها نظیر داده کاوی، یک اصطلاح نسبتا جدید است اگرچه این مفهوم به خودی خود به مدت سال ها وجود داشته است. انبار داده ها یک چشم انداز ایده ال برای حفظ مخازن مرکزی داد ه های سازمانی است. متمرکز سازی داده ها برای بیشیته سازی دسترسی و تحلیل کاربر نیاز است. پیشرفت های فناوری مهم موجب شده است تا این چشم انداز به یک واقعیت برای بسیاری از شرکت ها تبدیل شود. و پیشرفت های دیگر در نرم افزار های تحلیل داده ها به کاربران امکان دسترسی به این داده ها را به طور رایگان می دهد. نرم افزار تحلیل داده ها، از داده کاوی پشتیبانی می کند.

---

دانلود رایگان درس داده کاوی دانشگاه اصفهان

  جلسه اول جلسه دوم جلسه سوم جلسه چهارم جلسه پنجم جلسه ششم جلسه هفتم جلسه هشتم جلسه نهم جلسه دهم جلسه یازدهم جلسه دوازدهم جلسه سیزدهم جلسه چهاردهم جلسه پانزدهم جلسه شانزدهم جلسه هفدهم جلسه هیجدهم جلسه نوزدهم جلسه بیستم

---

محصولات مرتبط

آموزش فارسی پایگاه داده

پایگاه داده ها چیست؟ یک پایگاه داده  مجموعه ای از داده های ساختارمند است. یک پایگاه داده یک  مدل کوچک شده از دامین یک برنامه نرم افزاری است.

معمولا  به صورت رکورد  ( تعداد زیاد بر روی دیسک)  و روابط بین رکورد ها سازمان دهی می شود، 

این آموزش مربوط به سیستم های مدیریت دیتابیس (DBMS) می باشد:  سیستم های ایجاد،  دست کاری، دسترسی به دیتابیس.

DBMS یک قطعه از نرم افزار است که در  جلوی مجموعه ای از داده ها قرار گرفته و موجب تعدیل  و تسهیل دسترسی نرم افزار ها به داده ها  شده و از این روی تضمین کننده بسیاری از ویژگی ها در مورد داده و دسترسی ها است.

 چرا  باید برای شما مهم باشد؟

• فراگیر بودن ( در همه جا از  گوشی های هوشمند تا  ویکی پدیا)
• اهمیت در دنیای واقعی: بازار نرم افزار( تقریبا اندازه یکسان با  بازار OS  با $20B/y (20 بیلیون دلار در سال)). وب سایت ها، شرکت های بزرگ، پروژه های علمی ، همگی  هم عملیات روزانه و هم عملیات هوش کسب و کار و داده کاوی را مدیریت می کنند
• شما اگر می خواهید به  هدف خود برسید باید از دیتابیس ها یا پایگاه داده ها اطلاع داشته باشید.

 هدف DBMS ، ساده سازی  ذخیره سازی و دسترسی داده  می باشد. برای این منظور، DBMS تسهیلاتی را ارایه می کند که عملیات رایج را بر روی  داده ها انجام می دهند. جامعه دیتابیس، تلاش زیادی را به رسمی سازی مفاهیم کلیدی که بسیاری از برنامه ها از آن برای اصلاح داده ها استفاده می کنند  تخصیص داده است.

 این خود یک زمینه رسمی را برای بحث در مورد ملزومات برنامه در خصوص دسترسی و ذخیره داده ها ارایه کرده و شیوه های رفع نیاز های DBMS را مقایسه می کند. از این روی ابزار های مفهومی قوی برای شما ارایه می شود .  

 یک دوره آموزشی برای معرفی   سیستم های دیتابیس به دانشجویان ارایه شده است که بر اصولی نظیر جبر رابطه مند و  مدل داده ها، بهینه سازی صف، پردازش صف ونیز معاملات تاکید دارند. این یک دوره امزوی مربوط به  طراحی دیتابیس یا برنامه نویسی SQL نیست.

هیچ تجربه قبلی در مورد دیتابیس نیاز نیست.

---

دکتر امینی استادیار دانشکده کامپیوتر دانشگاه صنعتی شریف

جلسه اول

جلسه دوم

جلسه سوم

جلسه چهارم

جلسه پنجم

جلسه ششم

جلسه هفتم

جلسه هشتم

جلسه نهم

جلسه دهم

جلسه یازدهم

جلسه دوازدهم

جلسه سیزدهم

جلسه چهاردهم

جلسه پانزدهم

جلسه شانزدهم

جلسه هفدهم

جلسه هیجدهم

جلسه نوزدهم

جلسه بیستم

جلسه بیست و یکم

جلسه بیست و دوم

جلسه بیست و سوم

جلسه بیست و چهارم

جلسه بیست و پنجم

جلسه بیست و ششم

فیلم آموزشی فارسی پردازش سیگنال دیجیتال

 مقدمه

  پردازش سیگنال با استفاده از کامپیوتر های دیجیتال و  سخت افزار های دیجیتال ویژه، اهمیت زیادی را در طی دهه گذشته پیدا کرده است. انعطاف پذیری ذاتی عناصر دیجیتال، امکان بهره گیری از طیف وسیعی از فنون پردازش سیگنال را داده است، فنونی که قبلا اجرای آن ها غیر ممکن بوده است

 پیشرفت ها در فناوری مدار یکپارچه اثر قابل توجهی بر روی زمینه های فنی ای داشته اند که  از  روش های پردازش سیگنال دیجیتال و  سخت افزار استفاده کرده اند. کاربرد این فنون امروزه در زمینه های متنوع نظیر مهندسی زیست پزشکی، آکوستیک، سونار، رادار، زلزله شناسی، ارتباطات گفتار، تلفن، علوم هسته ای، پردازش تصویر و موارد دیگر رایج است. از این روی، یک درک کامل از مبانی و فنون پردازش سیگنال دیجیتال با برنامه های پردازش سیگنال اساسی است.

 اهداف

این مجموعه از دروس مربوط به یک معرفی در خصوص مبانی پردازش سیگنال دیجیتال است. هدف اصلی ارایه دانش و نیز آشنایی با مبانی پردازش سیگنال دیجیتال بوده و برای طیف وسیعی از افراد علاقه مند به برنامه های پردازش سیگنال مناسب است.  اهداف آن شما را قادر به استفاده از مفاهیم پردازش دیچیتال کرده و از طریق آن می توانید شما منابع فنی در زمینه پردازش سیگنال دیجیتال  را بخوانید و پیش زمینه ای را برای مطالعه موضوعات و برنامه های پیشرفته در اختیار می گذارد.

پیش نیاز ها

 حساب دیفرانسیل و انتگرال پیشرفته و آشنایی با تئوری متغیر پیچیده مقدماتی.   آشنایی قبلی با تئوری سیستم خطی برای سیگنال های  زمان پیوسته، از جمله  تبدیل فوریه و لاپلاس نیاز است.  آشنایی با سیگنال های زمان گسسته، تبدیل زد و یا  تبدیل فوریه گسسته نیاز نیست

موضوعات آموزشی

  دوره آموزشی با  یک بحث در خصوص تحلیل و مدل سازی  سیگنال ها و سیستم های زمان گسسته شروع می شود از جمله بحث در خصوص  کانولوشن زمان گسسته،   معادلات دیفرانسیل، تبدیل زد و  تبدیل فوریه  گسسته. تاکید ویژه ای بر تشابهات و تفاوت های بین  سیگنال ها و سیستم های   زمان پیوسته و گسسته  شده است. این دوره اموزشی،  ساختار شبکه دیجیتال را برای پیاده سازی هر دو   فیلتر های دیجیتال  بازگشتی( پاسخ تکانه ای نامحدود) و غیر بازگشتی(  پاسخ تکانه ای محدود) مورد بررسی انجام می دهد.

 یک ملاحظه مهم در پردازش سیگنال دیجیتال،  طراحی فیلتر های دیجیتال مطابق با مشخصات  تجویز شده است.  از این روی مجموعه ای از چهار درس به  بحث دقیق  طراحی فیلتر دیجیتال برای هر دو فیلتر ها تخصیص داده شده است. در نهایت یک بحث  کلی از الگوریتم  تبدیل فوریه برای محاسبه تبدیل فوریه گسسته ارایه می شود.

---

جلسه اول    

جلسه دوم    

جلسه سوم     جلسه چهارم     جلسه پنجم     جلسه ششم     جلسه هفتم     جلسه هشتم     جلسه نهم     جلسه دهم     جلسه یازدهم     جلسه دوازدهم     جلسه سیزدهم     جلسه چهاردهم     جلسه پانزدهم     جلسه شانزدهم     جلسه هفدهم     جلسه هیجدهم     جلسه نوزدهم     جلسه بیستم     جلسه بیست و یکم     جلسه بیست و دوم     جلسه بیست و سوم     جلسه بیست و چهارم

آموزش فارسی شناسایی الگو

در ابتدا،  یک پاسخ آزمایشی به سوال زیر می دهیم: تشخیص الگو(PR)چیست؟ در  میان همه پاسخ های احتمالی موجود،  که ما متناسب با شرایط این فصل در نظر گرفته این، پاسخ مناسب این است: تشخیص الگو، یک ر شته علمی  یادگیری ماشینی( یا هوش مصنوعی)است که هدف آن  طبقه بندی الگوی داده ها به تعدادی از مقوله ها و کلاس ها است. لذا، الگو چیست؟

 در 1985،  ساتوشی واتناب   الکو را به صورت  نقطه مقابل اشفتگی  تعریف کرده است: یک واحد کامل، با تعریف مبهم که می تواند به یک نام داده شود: به عبارت دیکر، یک الگو  می تواند  هر  شی یا بخش مورد نظر باشد که برای تشخیص و شناسایی لازم است. لازم  به ذکر است که   افراد  خواهان  درک نام هستند. مثال هایی از الگو ها به شرح زیر هستند: یک پیکسل در یک تصویر، یک شکل دو یا سه بعدی، یک   کاراکتر تایپ شده  یا دست نویس،  با  اثر انگشت، رد پا، صورت انسان، صدای فردف سیگنال صوت،  سری های زمانی ECG،  یک ساختمان یا شکل حیوان باشد.

 یک سیستم تشخیص الگو(PRS)  یک سیستم خودکار است که هدف آن طبقه بندی الگو های ورودی به یک کلاس ویژه است. این دو کار متوالی را انجام می دهد: 1-  تحلیل یا توصیفی که ویژگی ها را از الگوی مطالعه شده استخراچ کند و 2-   طبقه بندی یا تشخیصی که ما را قادر به  تشخیص یک شی یا الگو با استفاده از ویژگی های بر گرفته  شده   از اولین کار ، می کند

 این  وب سایتی برای دوره های اموزشی تشخیص الکو می باشد که در  اولین  سال  لیسانس  تدریس می شوذ. مواد ارایه شده انقدر کامل هستند که به عنوان یک دستور العمل  اموزشی در نظر گرفته می شود.

 فنون تشخیص الگو مربوط به تئوری ها و الگوریتم های  انتزاعی می باشد. روش های تشخیص الکو در  بسیاری از  زمینه ها مفید هستند. نظیر  بازیابی اطلاعات، داده کاوی، تحلیل تصویر سند و شناخت، زبان شناسی محاسباتی، پزشکی قانونی، بیومتریک و بیوانفورماتیک. وب سایت هایی برای دوره های مربوط به داده کاوی و یادگیری ماشینی وجود دارند.

 بیشتر موضوعات مربوط به روش های طبقه بندی آماری هستند. آن ها شامل روش های  مولد  نظیر روش های مبتنی بر تئوری بیزین تصمیم گیری و روش های براورد پارامتر و براورد تراکم هستند. روش های   دیگر شامل  طبقه بندی نزدیک ترین همسایه،  ماشین های بردار پشتیبان هستند. شبکه های عصبی مصنوعی، ترکیب  دسته بند و خوشه بندی از اجزای اصلی تشخیص  الگو هستند.

 یک دوره اموزشی در زمینه احتمال می تواند پیش نیاز باشد

 برنامه های  فنون تشخیص الکو با پروژه های مربوط به تشخیص  اثر  انگشت،  تشخیص دست خط و   تایید دست خط   نشان داده می شوند.

---

جلسه اول  

جلسه دوم  

جلسه سوم  

جلسه چهارم  

جلسه پنجم  

جلسه ششم  

جلسه هفتم  

جلسه هشتم  

جلسه نهم  

جلسه دهم  

جلسه یازدهم  

جلسه دوازدهم  

جلسه سیزدهم  

جلسه چهاردهم  

جلسه پانزدهم  

جلسه شانزدهم  

جلسه هفدهم  

جلسه هیجدهم  

جلسه نوزدهم  

جلسه بیستم  

جلسه بیست و یکم  

جلسه بیست و دو  

جلسه بیست و سوم  

آموزش فارسی مدارهای مجتمع فرکانس بالا RFIC

 توصیف دوره آموزشی

 در این دوره ما به بررسی  اطلاعات  مربوط به دنیای RF می پردازیم. در ابتدا به خلاصه سازی اهداف یادگیری می پردازیم. و سپس مقدمه ای در مورد فرکانس رادیویی و مدار های یکپارچه در  فرکانس های بی سیم ارایه می کنیم. سپس در مورد کاربرد RFIC در سطح سیستم بحث می کنیم

 شما در ابتدا اطلاعاتی را در مورد پارامتر های مختلفRF نظیر پارامتر های S،  VSWR،  ضریب بازتاب و غیره  کسب کرده و تحلیل مدار های RF و خطوط انتقال با استفاده از نمودار ها و معادلات اسمیت درک خواهید کرد.  هم چنین ما درمورد مبانی  و اصولی نظیر  تطبیق امپدانس واندازه گیری توان بر حسب دسی بل توضیح می دهیم.

 ما سپس  به بررسی فرایند تولی مدار یکپارچه و  مراحل ، مواد و فنون دخیل در تولید IC می پردازیم. در نهایت در مورد   ریخته گری و PDK و دلیل اهمیت آن توضیح می دهیم.

 ما  نگاه مختصری بر مفهوم فناوری VLSI و شیوه ارتباط VLSI با طراحی RFIC خواهیم داشت. سپس  به بررسی اصول CMOS و شیوه استفاده از CMOS در طراحی RF  می پردازیم. در نهایت، اطلاعاتی در مورد  برخی طرح های مدار جالب نظیر امپلی فایر توان RF و توپولوژی ها و معماری های امپلی فایر توان RF ارایه می شود.

 این دوره اموزشی موجب بهبود دانش در مورد طرح فرکانس رادیویی می شود که در  بسیاری از  شرکت های  مخابراتی و بی سیم طراحی کننده محصولات بی سیم  استفاده می شود.

امید واریم از این دوره آموزشی لذت ببرید

جزییات کامل

ملزومات و نیازمندی ها کدام ها هستند؟

 دانشجویان نیازی به نرم افزار برای یادگیری این دوره ندارند ولی اگر شما علاقه مند به دوره های اموزشی پیشرفته  مربوطبه طراحی یادگیری هستیدف شما بایستی  ابزار های مختلف نظیر Cadence ,ADS tools, Mentor Graphics را برای اهداف طراحی نصب کنید. آن ها بایستی شامل اصول  مبانی الکتروتیک در سال دوم و سوم   مهندسی الکترونیک باشند.

از این دوره آموزشی چه اهدافی حاصل می شود؟

  ابتدا مرور مختصری در مورد طراحی RF صورت می گیرد و دلیل اهمیت آن بیان می شود. سپس می توانید به بررسی این موضوع بپردازید که ایا  یک دوره اموزشی در طرح RF را دنبال کنید یا خیر

مخاطب هدف  کیست؟

 دانشجویانی که مفاهیم الکترونیک تدریس شده  را در دوره الکترونیک/ برق و مهندسی مخابرات گذرانده اند.

---

دکتر مهرداد شریف بختیار از اساتید دانشگاه صنعتی شریف  

جلسه اول

 

جلسه دوم

 

جلسه سوم

 

جلسه چهارم

 

جلسه پنجم

 

جلسه ششم

 

جلسه هفتم

 

جلسه هشتم

 

جلسه نهم

 

جلسه دهم

 

جلسه یازدهم

 

جلسه دوازدهم

 

جلسه سیزدهم

 

جلسه چهاردهم

 

جلسه پانزدهم

 

جلسه شانزدهم

 

جلسه هفدهم

 

جلسه هیجدهم

 

جلسه نوزدهم

 

جلسه بیستم

 

جلسه بیست و یکم

 

جلسه بیست و دوم

 

جلسه بیست و سوم

 

جلسه بیست و چهارم

 

جلسه بیست و پنجم

 

جلسه بیست و ششم

 

جلسه بیست و هفتم

 

جلسه بیست و هشتم

آموزش فارسی Ado.Net

ADO.NET دسترسی مداوم به منابع اطلاعاتی مانند SQL Server و XML و منابعی که از طریق OLE DB و ODBC در دسترس قرار می گیرند را فراهم می کند. نرم افزار های اشتراک گذاری اطلاعات کاربر می توانند از طریق ADO.NET به چنین منابعی متصل شده و داده های موجود در آن را بازیابی، کنترل و بروز رسانی کنند.

ADO.NET دسترسی به داده ها و دستکاری داده ها را به اجزایی که می توانند به صورت پیوسته یا جدا از هم مورد استفاده قرار گیرند، تقسیم می کند. ADO.NET حاوی داده های تهیه کنندگان دات نت فریم ورک است تا بتوان به پایگاه داده ها، دستورات اجرایی و بازیابی نتایج متصل شد. این نتایج، می توانند به صورت مستقیم مورد پردازش قرار گرفته، در یک شی DataSet از ADO.NET جای داده شوند تا به صورت تک کاره در معرض کاربر قرار گیرند، یا این که با داده های منابع چندگانه ترکیب شوند و یا در بین ردیف ها عبور داده شوند. شیء DATASet نیز می تواند به صورت مستقل در دسترس فراهم کنندگان دات نت فریم ورک قرار گرفته تا داده های محلی را برای نرم افزار یا منبع XML مدیریت کنند.

کلاس های ADO.NET در System.Data.dll قابل دسترسی هستند و با کلاس های XML که در System.Xml.dll یافت می شوند، یکپارچه هستند. برای "نمونه کد"ی که به پایگاه داده متصل شده، داده ها را از آن بازیابی می کند و سپس در یک پنجره کنسول به نمایش می گذارد، کد های نمونه ADO.NET[1] را ببینید.

ADO.NET ، کاربردی بودن را برای توسعه دهندگانی که کد های مدیریت شده ای می نویسند که مشابه کاربرد های فراهم شده برای توسعه دهندگان الگوی تشکیل دهنده شیء (COM) به وسیله اشیاء داده ActiveX (ADO) است، فراهم می کند. ما توصیه می کنیم که شما از ADO.NET و نه ADO، برای دسترسی به داده های خود در نرم افزار های دات نت(.NET) استفاده کنید.

ADO.NET، مستقیم ترین شیوه را برای دسترسی به داده های دات نت فریم ورک فراهم می کند. برای انتزاع سطح بالاتر، که به نرم افزار ها اجازه می دهد تا به جای مدل ذخیره سازی اصلی، در مقابل یک مفهومی کار کنند، به انتیتی فریم ورک ADO.NET (ADO.NET Entity Framework) مراجعه کنید.

بایگانی ها: مجموعه های  System.Data.dll، System.Data.Design.dll، System.Data.OracleClient.dll، System.Data.SqlXml.dll، System.Data.Linq.dll، System.Data.SqlServerCe.dll و System.Data.DataSetExtensions.dll میان داده های شخصی کاربر و داده های غیر شخصی تمایز قائل نمی شوند. این مجموعه ها، انتقال، ذخیره سازی یا جمع آوری داده های شخصی کاربر را انجام نمی دهند. با این حال، برنامه های شخص سوم [2] می توانند با استفاده از این مجموعه ها، داده های شخصی کاربر را انتقال داده، ذخیره و یا جمع آوری کنند.

اشیاء ADO.NET

ADO.NET از بسیاری از اشیائی استفاده می کند که شما می توانید برای کار با داده ها از آن ها استفاده کنید. این بخش، برخی از اشیائی که شما از آن ها استفاده خواهید کرد را معرفی می کند. در طول این دوره آموزشی، شما از نظر چگونگی استفاده این اشیاء در یک درس خاص، در معرض بسیاری از اشیاء دیگر ADO.NET قرار خواهید گرفت. اشیاء زیر، آن هایی هستند که شما باید آن ها را بشناسید. دانستن این اشیاء به شما ایده ای از انواع کارهایی که در حین کار با ADO.NET می توانید انجام دهید، می دهد.

شیء اتصال Sql (The SqlConnection Object)

برای تعامل با یک پایگاه داده، باید اتصالی به آن داشته باشید. این اتصال کمک می کند تا هویت پایگاه، نام آن، نام کاربر، گذرواژه و دیگر پارامتر هایی که برای اتصال به یک پایگاه داده مورد نیاز هستند را به دست بیاورید. یک شیء اتصال، توسط اشیاء دستوری مورد استفاده قرار می گیرد تا آن ها بدانند برای اجرای دستورات، به کدام پایگاه داده باید متصل شوند.

شیء دستور Sql (The SqlCommand Object)

فرآیند تعامل با یک پایگاه داده، به این معنی است که شما باید اقدامی را که می خواهید انجام شود، مشخص کنید. این کار با استفاده از یک شیء دستور انجام می شود. شما از یک شیء فرمان، برای ارسال دستور SQL به پایگاه داده استفاده می کنید. یک شیء دستور، برای یافتن پایگاه داده ای که باید با آن ارتباط برقرار کند، از شیء اتصال استفاده می کند. شما می توانید برای اجرای مستقیم یک دستور،  تنها از یک شیء دستور استفاده کنید یا این که برای یک شیء فرمان، مرجعی در SqlDataAdapter تعیین کنید که مجموعه ای از دستوراتی را نگه می دارد که بر روی گروهی از داده ها عمل می کنند. این کار در زیر شرح داده شده است.

شیء خواننده داده Sql (The SqlDataReader Object)

بسیاری از عملیات های داده ای تنها نیازمند این هستند که شما جریانی از داده ها را برای خواندن در اختیار آن ها بگذارید. شیء خواننده داده به شما اجازه می دهد تا نتایج یک دستور SELECT را از یک شیء دستور به دست آورید. به دلایل عملکردی، داده ای که از یک "داده –خوان" باز می گردد، یک جریان fast forward-only داده است. این سخن به این معنی است که شما تنها می توانید داده را به صورت ترتیبی از این جریان خارج کنید. این کار برای سرعت دهی خوب است، اما اگر نیاز داشته باشید که داده ها را دستکاری کنید، آن گاه یک DataSet، شیء بهتری برای کار کردن می باشد.

شیء مجموعه داده (The DataSet Object)

اشیاء DataSet، نمایش "درون حافظه"[3] ای داده ها هستند. آن ها دقیقا همانند جدول های معمولی پایگاه داده، حاوی جدول های داده چندگانه اشیاء، از قبیل سطر ها و ستون ها هستند. شما حتی می توانید برای ایجاد روابط والدین-فرزند، روابطی را در میان این جدول ها ایجاد کنید. DataSet به طور ویژه برای کمک به مدیریت داده های درون حافظه و پشتیبانی از عملیات های قطع شده از داده ها، جایی که چنین سناریو ای معنی پیدا می کند، طراحی شده است.  DataSet شیء ای است که توسط تمامی فراهم کنندگان داده مورد استفاده قرار می گیرد. این دلیلی است که چرا این شیء ، یک پیشوند خاص ندارد.

[1] ADO.NET Code Examples

[2] third-party applications

[3] in-memory representations of data

شبیه ساز پیشرفته خودرو با متلب ADVISOR

ADVISOR چیست و چه کسی می تواند از استفاده از آن سود ببرد؟

ADVISOR، شبیه ساز پیشرفته خودرو NREL، مجموعه ای از مدل، داده و فایل های متنی اسکریپت برای استفاده در متلب و سیمولینک است. ADVISOR برای تحلیل های سریع عملکرد و صرفه سوخت خودروهای معمولی، الکتریکی و هیبریدی طراحی شده است. ADVISOR همچنین ستون فقراتی برای شبیه سازی های دقیق و جزئی، و تحلیل اجزای پیشرانه تعریف شده توسط کاربر ارائه می دهد؛ یک نقطه شروع از داده های تایید شده خودرو و الگوریتم هایی که از آن ها می توان از انعطاف پذیری مدل سازی سیمولینک و قدرت تحلیل متلب، بهره کامل را برد.

شما می توانید از ADVISOR سود ببرید اگر بخواهید:

• صرفه سوخت خودرویی که هنوز تولید نشده را تخمین بزنید.
• در مورد چگونگی مصرف ( و هدر رفت) انرژی اجزاء پیشرانه خودروهای معمولی، الکتریکی و هیبریدی اطلاعات کسب کنید.
• انتشار گازها از اگزوز را در یک تعداد از چرخه ها، به صورت نسبی مقایسه کنید.
• راهبرد مدیریت انرژی مبدل سوخت خودروهای هیبریدی را ارزیابی کنید.
• نسبت دنده را در سیستم انتقال قدرت خود بهینه کنید تا مصرف سوخت را به کمترین میزان رسانده، و یا عملکرد را بیشینه کند.

مدل های ADVISOR به شرح زیرند:

• عمدتا تجربی و آزمایشی، مبتنی بر روابط ورودی/خروجی اندازه گیری شده اجزای پیشرانه در آزمایشگاه
• شبه استاتیک، با استفاده از داده های جمع آوری شده در حالت ماندگار ( برای مثال، گشتاور و سرعت ثابت) ارزیابی ها و اصلاح اثرات زودگذر آن ها مانند اینرسی چرخشی اجزای پیشرانه.

ADVISOR به صورت مقدماتی در نوامبر 1994 برناکمه نویسی و مورد استفاده قرار گرفت. از آن زمان به بعد، در هر جای مورد نیاز مورد اصلاح قرار گرفت تا به مدیریت سیستم زیرقرارداد های نیروی محرکه خودروهای هیبریدی وزارت انرژی ایلات متحده، کمک کند. تنها در ژانویه 1998، یک تلاش توسعه هماهنگ برای ساماندهی و مستند کردن ADVISOR صورت گرفت. از آن زمان تا کنون، بیش از 4500 نفر، شامل تمامی OEM ها و تامین کنندگان عمده، یک یا بیشتر از یکی از نسخه های ADVISOR را دانلود کرده اند. در حدود  کاربران از بخش صنعت بوده و  آن ها از دانشگاه ها می باشند. یک لیست کوتاه از کاربران ADVISOR شامل موارد زیر است:

• دایملر کرایسلر[1]
• شرکت فورد موتور[2]
• شرکت جنرال موتورز[3]
• سیستم های خودرو دلفی[4]
• ویستئون[5]
• و صدها مورد دیگر

قابلیت ها و کاربرد های مورد نظر

ADVISOR از فیزیک پایه و عملکرد اندازه گیری شده اجزا، برای مدل سازی خودرو های موجود یا خودرو های آینده استفاده می کند. قدرت واقعی این برنامه در پیش بینی عملکرد خودروهایی است که هنوز تولید نشده اند. این برنامه، به سوال " چه می شود اگر ما خودرویی را با ویژگی هایی تعیین شده تولید کنیم؟" پاسخ می دهد. ADVISOR معمولا مصرف سوخت، انتشار گاز ها از اگزوز، عملکرد شتاب و توانایی صعود را پیش بینی می کند. به طور کلی، کاربر دو گام را بر می دارد:

• تعریف خودرو با استفاده از اجزاء اندازه گیری شده یا تخمین زده شده و داده های کلی خودرو.
• تجویز یک سرعت در مقابل زمان، در کنار درجه جاده ای که خودرو باید در آن راه بپیماید.

سپس ADVISOR، خودرو را در سرعت های داده شده قرار می دهد و اطمینان حاصل می کند که خودور، چرخه بهترین توانایی های خود و اندازه گیری های مربوط ( یا فرصت انجام این اندازه گیری را ارائه می دهد) به گذر هر گشتاور، سرعت، ولتاژ، جریان، و قدرت از جزئی به جز را دیگر محقق می کند.

 ADVISOR به کاربر اجازه می دهد تا پاسخ سوال های زیر را به دست آورد:

• آیا خودرو قادر بود تا رد سرعت داده شده را دنبال کند؟
• در این تلاش، به چه میزان سوخت و/ یا انرژی الکتریکی نیاز بود؟
• وضعیت شارژ باتری ها در طی یک چرخه چقدر نوسان داشت؟
• اوج قدرت تحویل داده شده توسط اجزای پیشرانه به چه میزان بود؟
• توزیع گشتاور و سرعتی که پیستون موتور ارائه داد، چه بود؟
• بازده میانگین سیستم انتقال قدرت به چه میزان بود؟

با تغییر مکرر تعریف خودرو و /یا چرخه هدایت، کاربر می تواند تا یافتن پاسخ پرسش های زیر پیش برود:

• در چه درجه ای از جاده، خودرو می تواند به صورت نامحدود سرعت 55 مایل بر ساعت را حفظ کند؟
• کوچکترین موتوری که من می توانم درون این خودرو جای دهم تا شتاب 0 تا 60 مایل بر ساعت را در 12 ثانیه بپیماید، چیست؟
• آخرین نسبت درایوی که مصرف سوخت را کمینه می کند، اما زمان رسیدن از 40 تا 60 مایل بر ساعت را در زیر 3 ثانیه نگه می دارد، چیست؟
• حساسیت صرفه سوخت به جرم، کشش آیرودینامیکی، یا دیگر متغیر ها یا اجزای خودرو چیست؟

رابط کاربری گرافیکی و دیگر اسکریپت های فایلی ADVISOR، به بسیاری از این سوالات به صورت خودکار پاسخ می دهند، در حالی که برخی دیگر از سوالات، نیازمند برنامه نویسی های سفارشی در بخش کاربر هستند.

از آن جایی که ADVISOR حالت ماژولی دارد، اجزای مدل های ان می توانند به راحتی گسترش یافته و بهبود داده شوند. برای مثال، یک مدل الکتروشیمیایی باتری که با انتشار، قطبش و تاثیرات گرمایی کامل شده است، به راحتی می تواند درون یک خودرو جای داده شود تا با موتوری که از یک نقشه بازده اندازه گیری شده استفاده می کند، کار کند. البته توسعه مدل های دقیق و جدید از اجزای پیشرانه ( یا هر چیز دیگری برای این کار)، نیازمند آشنایی نزدیک با محیط متلب/سیمولینک می باشد.

[1] DaimlerChrysler

[2] Ford Motor Company

[3] General Motors Corp.

[4] Delphi Automotive Systems

[5] Visteon

آموزش توسعه نرم افزار Agile

از دید اقتصادی، امروزه صنعت نرم افزار، اقتصاد بی سابقه ای را در مقایسه با صنعت های سنتی تولید کننده کالاهای فیزیکی رقم می زند. یکی از دلایل آن این است که مجازی سازی سرور های کامپیوتری و محاسبات ابری، به کاهش هزینه های سخت افزار منجر شده است. در نتیجه، شرکت های نرم افزاری پیشنهادات خود را در پایین ترین هزینه های حاشیه ای می سنجند. بسیاری از شرکت های نرم افزاری، محصولات خود را به صورت جهانی عرضه می کنند که سبب می شود تا فرصت های استثنایی برای تجارت پیش آید.

پتانسیل های ترکیب شده اقتصادی و تکنولوژیکی، بسیاری از شرکت ها را به خود جذب می کند. از این رو، رقابت در میان تولید کنندگان نرم افزار، دشوار و چرخه های نوآوری کوتاه شده اند. تنها، شرکت هایی که قابلیت سازگاری سریع با شرایط در حال تغییر بازار را داشته، که بتوانند  از تکنولوژی های در حال ظهور بهره گیری کنند، می توانند در بازار باقی بمانند. همه شرکت ها، توانایی سازگارپذیری خود را توسعه نداده اند. برای مثال، بازار سرمایه شرکت محدود بلک بری، یک شرکت کانادایی ارائه دهنده دستگاه های ارتباطی، تنها به دلیل سازگاری پیدا نکردن با تکنولوژ های در حال ظهور، از 35 میلیارد دلار در سال 2010، در طی سه سال به 5 میلیارد دلار افت کرده است. به عبارت دیگر، چالاک بودن برای پیشرفت در صنعت فن آوری اطلاعات، ضروری است.

فرآیند توسعه نرم افزار یک عامل کلیدی برای موفقیت است. به طور سنتی، بسیاری از شرکت ها، پروژه های توسعه نرم افزاری خود را با شرح دادن ویژگی های پیش رو و از پیش برنامه ریزی کردن دقیق دوره پروژه، آغاز کرده اند.

مدیران پروژه و توسعه دهندگان نرم افزار نیز پس از آن، این نقشه ها را به کارگیری می کردند.

نرم افزار تنها زمانی که در پایان برنامه توسعه به طور کامل به کارگیری می شد، انتشار داده می شد. این نرم افزار، عمدتا پس از فاز به کارگیری و در یک دوره اختصاص یافته به فاز ارزیابی، مورد تست و ارزیابی قرار می گرفت. در نتیجه، مشکلات عمدتا در پایان فرآیند توسعه رخ می دادند. بسیاری از پروژه ها با مشکل کمبود زمان یا کمبود بودجه مواجه می شدند. علاوه بر این، واکنش انعطاف پذیرانه به شرایط در حال تغییر پروژه، کاری دشوار بود.

برخی پروژه ها حتی به طور کامل از کار می افتادند.

از ابتدای سال 2000، بسیاری از شرکت ها فرآیند توسعه جامد و سخت خود را سازگار کرده و به شرکت هایی با توسعه چالاک تبدیل شدند. توسعه نرم افزار Agile به صورت بنیادی، بر چگونگی توسعه نرم افزاری شرکت ها و فعالیت های روزانه توسعه دهندگان نرم افزار اثر گذاشته است. توسعه Agile ، یک رویکرد توسعه ای تکرار شونده است که بر همکاری نزدیک مشتری تاکید می کند تا بازخورد سریع او را به دست آورد. پروژه های توسعه نرم افزاری Agile ، به جای این که در پایان پروژه، پکیج نهایی برنامه را انتشار دهند، سررسید های متناوب قابلیت های افزایشی برنامه به مشتری را پیش بینی می کنند. این رویکرد توسعه، توسعه دهندگان را مجبور می کند تا به طور منظم برنامه توسعه یافته را یکپارچه کرده و به طور مداوم زمان خود را بر تضمین کیفیت آن خرج کنند تا تضمین کنند که الزامات کیفیت، در تمامی زمان ها و از طریق فرآیند توسعه محقق می شود. حتی بسیاری از شرکت های توسعه نرم افزاری، به رویکرد توسعه نرم افزار Agile نقل مکان کرده اند- یا دست کم موضوعات کلیدی این الگو را اتخاذ کرده اند، در اینجا هنوز فقدان درک نظری در مورد این که چگونه و چرا توسعه نرم افزاری Agile کار می کند، وجود دارد.

سیستم توسعه Agile از اصول مدیریتی یا تلاش های علمی مشتق نشده است. بلکه این سیستم، از تجربیات شخصی و هوش جمعی مشاوران تکامل یافته است. با این حال، در طی 10 سال گذشته، دانشمندان اولین مطالعات نظری را برای ارزیابی و درک بهتر الگوی توسعه آغاز کرده اند. با این وجود، یک درک راضی کننده در مورد این که تحت چه شرایطی می توان از توسعه Agile استفاده کرد و دلایل کارایی آن هنوز مورد نیاز است. این کار در درخواست های مکرر برای بررسی های نظری بیشتر و مطالعات صنعتی دقیق تر بر روی بحث توسعه نرم افزاری Agile، بازتاب یافته است.